Nghiên cứu chính thức được thực hiện bằng phương pháp định lượng thông qua phương pháp thu thập thông tin trực tiếp bằng Phiếu khảo sát (Phụ lục) các yếu tố ảnh hưởng đến động lực làm việc của nữ giảng viên BVU. Dữ liệu trong nghiên cứu này được dùng để kiểm định các giả thuyết trong mô hình. Quy trình nghiên cứu này bao gồm 3 phần chính: (1) Xây dựng thang đo, (2) Đánh giá thang đo, và (3) Kiểm định giả thuyết.
Sau khi hoàn thiện, Phiếu khảo sát được gửi trực tiếp hoặc gửi online đến nữ giảng viên BVU. Sau khi thu nhận phiếu về, tác giả thực hiện làm sạch dữ liệu, mã hóa thông tin cần thiết trong bảng câu hỏi, nhập dữ liệu và phân tích dữ liệu bằng phần mềm SPSS phiên bản 20.
Dữ liệu được phân tích theo các bước sau:
Kiểm tra thang đo và độ tin cậy của các biến quan sát bằng hệ số Cronbach’s Alpha; Phân tích nhân tố khám phá EFA của 6 biến độc lập với 25 biến quan sát và 1 biến phụ thuộc, với 3 biến quan sát của mô hình nghiên cứu đề xuất; Phân tích tương quan Pearson dựa trên kết quả phân tích EFA; Phân tích hồi quy đa biến, kiểm định mô hình và giả thuyết của đề tài nghiên cứu:
Thống kê mô tả mẫu nghiên cứu: phân loại theo số phiếu khảo sát thu về (phân loại phiếu thu về phiếu đạt chuẩn, không đạt chuẩn), phân loại đối tượng khảo sát.
Kiểm định độ tin cậy của thang đo: Sử dụng hệ số Cronbach’s Alpha và hệ số tương quan biến tổng để kiểm định. Các biến không đảm bảo độ tin cậy sẽ bị loại khỏi mô hình nghiên cứu và không xuất hiện khi phân tích EFA. Tiêu chuẩn lựa chọn Cronbach’s Alpha tối thiểu là 0,6, hệ số tương quan biến tổng là lớn hơn 0,3.
- Phân tích nhân tố khám phá (EFA): Các thành phần đã được kiểm định thang đo bằng hệ số Cronbach’s Alpha sẽ tiếp tục đưa vào phân tích EFA Phân tích EFA sẽ giúp rút gọn một tập k biến quan sát thành một tập F (F<k) các thành phần có ý nghĩa hơn. Cơ sở của việc rút gọn này dựa vào mối quan hệ tuyến tính của các thành phần với các biến quan sát. Theo Nguyễn Đình Thọ (2013): Khi đánh giá thang đo bằng phân tích EFA cần đảm bảo chọn số lượng thành phần theo giá trị Eigenvalue; Số lượng thành phần được xác định ở thành phần (dừng ở nhân tố) có Eigenvalue tối thiểu bằng 1 (>=1). Kiểm định Bartlett (Bartlett’s test of sphericity): nếu phép kiểm định Bartlett có p<5%, từ chối giả thuyết không H0 (độ tương quan giữa các biến quan sát bằng 0 trong tổng thể); Kiểm định KMO: Hệ số KMO (Kaiser Meyer Olkin) phải lớn hơn 0,5. KMO >=0,90: rất tốt; KMO >= 0,80: tốt; KMO >= 0,70: được; KMO >= 0,60: tạm được; KMO >= 0,50: xấu; và KMO < 0,50: không thể chấp nhận được; Tổng phương sai trích tích lũy (Extraction Sums of square loadings cumulative %) có giá trị lớn hơn 50% mới thỏa mãn yêu cầu của phân tích nhân tố. Thước đo hệ số tải thành phần (Factor Loading) là: Factor Loading >= 0,3 cỡ mẫu ít nhất 350; Factor Loading >=0,55 cỡ mẫu khoảng từ 100 đến 350; Factor Loading >= 0,75 cỡ mẫu khoảng từ 50 đến 100.
Phân tích tương quan Pearson: Hệ số tương quan có giá trị từ -1 đến 1. Nếu hệ số tương quan bằng 0 (hay gần 0) có nghĩa là hai biến số không có liên hệ gì với nhau, ngược lại nếu hệ số bằng -1 hay 1 có nghĩa là hai biến số có một mối liên hệ tuyệt đối. Nếu giá trị của hệ số tương quan là âm (r <0) có nghĩa là khi X tăng thì Y giảm (và ngược lại, khi X giảm thì Y tăng); Nếu giá trị hệ số tương quan là dương (r
> 0) có nghĩa là khi X tăng thì Y cũng tăng, và khi X giảm thì Y cũng giảm theo. Giá trị Sig. của kiểm định Pearson: Giả thuyết H0: hệ số tương quan bằng 0. Do đó nếu Sig < 5% có thể kết luận hai biến có tương quan với nhau. Hệ số tương quan càng lớn tương quan càng chặt. Nếu Sig. > 5% thì hai biến không có tương quan với nhau (Hoàng Trọng, Chu Nguyễn Mộng Ngọc, 2008).
Phân tích mô hình hồi quy đa biến: Các nhân tố được trích ra trong phân tích nhân tố được sử dụng cho phân tích hồi quy đa biến để kiểm định mô hình nghiên cứu và các giả thuyết kèm theo. Các kiểm định giả thuyết thống kê đều áp dụng mức ý nghĩa là 5%. Sau khi kết luận hai biến có mối liên hệ tuyến tính thì có thể mô hình hóa mối quan hệ nhân quả của hai biến này bằng hồi quy tuyến tính (Hoàng Trọng, Chu Nguyễn Mộng Ngọc, 2008). Nghiên cứu thực hiện hồi quy đa biến theo phương pháp Enter: tất cả các biến được đưa vào một lần và xem xét các kết quả thống kê liên quan. Kiểm định các giả thuyết, sử dụng với phần mềm SPSS: Đánh giá độ phù hợp của mô hình hồi quy đa biến; Kiểm định giả thuyết về độ phù hợp của mô hình; Kiểm tra giả định về hiện tượng đa cộng tuyến (tương quan giữa các biến độc lập) thông qua giá trị của độ chấp nhận (Tolerance) hoặc hệ số phóng đại phương sai VIF (Variance inflation factor): VIF >10 thì có thể nhận xét có hiện tượng đa cộng tuyến (Hoàng Trọng, Chu Nguyễn Mộng Ngọc, 2008); Xác định mức độ ảnh hưởng của: yếu tố có hệ số beta càng lớn thì có thể nhận xét rằng yếu tố đó có mức độ ảnh hưởng cao hơn các yếu tố khác trong mô hình nghiên cứu.
Kiểm định các giả thuyết nghiên cứu: Tiêu chuẩn kiểm định sử dụng phép kiểm định t và giá trị p-value (Sig.) tương ứng, độ tin cậy lấy theo chuẩn 95%, giá trị p-value sẽ được so sánh trực tiếp với giá trị 0,05 để kết luận chấp nhận hay bác bỏ giả thuyết nghiên cứu. Dùng phép kiểm định t với bậc tự do là n-p-1 (n là kích thước mẫu, p là số biến độc lập trong mô hình) để kiểm định các trọng số hồi qui (p1 ^ p5) trong mô hình hồi qui bội trên (Hoàng Trọng, Chu Nguyễn Mộng Ngọc, 2008).
Kiểm định sự khác biệt trung bình: (Kiểm định Independent-Samples t-Test), với bốn bước cơ bản, trong đó giả thuyết H0 được xây dựng là ‘‘Giá trị trung bình
của 2 biến tổng thể là như nhau; Tìm giá trị Sig. tương ứng với kiểm định sự bằng nhau của 2 phương sai tổng thể Levene đã tính được: Nếu Sig. <0,05 thì phương sai giữa 2 nhóm đối tượng là khác nhau, ta sẽ sử dụng kết quả kiểm định t ở phần phương sai khác (Equal variances not assumed); Nếu Sig. >0,05 thì phương sai giữa 2 nhóm đối tượng là không khác nhau, ta sẽ sử dụng kết quả kiểm định t ở phần phương sai bằng (Equal variances assumed). So sánh giá trị Sig. của kiểm định t được xác định ở bước 3 với xác suất p=0,05: Nếu Sig. >0,05: chấp nhận giả thuyết H0; Nếu Sig. <0,05: bác bỏ giả thuyết H0 (Hoàng Trọng, Chu Nguyễn Mộng Ngọc, 2008).
Phân tích phương sai (ANOVA): Kiểm định Levene; H0: ‘‘Phương sai bằng nhau’’; Sig. < 0,05: bác bỏ H0. Có sự khác biệt phương sai. Do có sự khác biệt phương sai nên trong phần phân tích Post hoc có thể lựa chọn các phương pháp kiểm định như LSD, Boníerroni, Tukey, Dunnett; Sig. >= 0,05: chấp nhận H0. Không có sự khác biệt phương sai. Do không có sự khác biệt phương sai nên trong phần phân tích Post hoc có thể lựa chọn các phương pháp kiểm định như Tamhane’s T2, Dunnett’s T3, Games-Howell, Dunnett’s C. (Hoàng Trọng, Chu Nguyễn Mộng Ngọc, 2008).
Kiểm định ANOVA: H0: ‘‘Trung bình bằng nhau’’; Sig. < 0,05: bác bỏ H0 Có sự khác biệt giữa các nhóm; Sig. >= 0,05: chấp nhận H0 Không có sự khác biệt giữa các nhóm. (Hoàng Trọng, Chu Nguyễn Mộng Ngọc, 2008).
Các giả thuyết trong mô hình nghiên cứu đề xuất:
Giả thuyết 1 (H1): Đặc điểm công việc có mối tương quan thuận với động lực làm việc của nữ giảng viên BVU.
Giả thuyết 2 (H2): Thu nhập có mối tương quan thuận với động lực làm việc của nữ giảng viên BVU.
Giả thuyết 3 (H3): Đào tạo, thăng tiến có mối tương quan thuận với động lực làm việc của nữ giảng viên BVU.
Giả thuyết 4 (H4): Tác động của Lãnh đạotrực tiếp có mối tương quan thuận với động lực làm việc của nữ giảng viên BVU.
Giả thuyết 5 (H5): Tác động từ đồng nghiệp làm việc có mối tương quan thuận với động lực làm việc của nữ giảng viên BVU.
Giả thuyết 6 (H6): Cơ sở vật chất phục vụ giảng dạy có tác động thuận chiều đến động lực làm việc của nữ giảng viên BVU.