3.2.1 Phương pháp thu thập số liệu thứ cấp
Để thực hiện đề tài, tác giả thu thập số liệu thứ cấp bao gồm các thơng tin về tình hình sử dụng lao động. Các tài liệu thu thập từ các nguồn : sách, báo, tạp chí và
internet.
3.2.2 Phương pháp thu thập số liệu sơ cấp
- Thông tin sơ cấp được thu thập bằng bảng câu hỏi đã được chuẩn bị sẵn từ
các cán bộ, công chức đang công tác tại các cơ quan ban ngành thuộc Ủy ban nhân dân thành phố Vĩnh Long.
- Xác định số lượng mẫu: Tác giả sử dụng phương pháp xác định cỡ mẫu đơn
giản, số lượng mẫu tối thiếu bằng 5 lần số biến quan sát. Trong nghiên cứu tác giả dự kiến có 35 biến quan sát nên số lượng mẫu tối thiểu là 5x 35 = 175 mẫu. Tác giả dự kiến sẽ thu thập khoảng 200 mẫu để phục vụ cho các mục tiêu nghiên cứu.
- Phương pháp chọn mẫu: Đề tài áp dụng phương pháp chọn mẫu thuận tiện.
Tác giả sẽ phỏng vấn các cán bộ công chức đang công tác tại các cơ quan ban ngành thuộc UBND thành phố Vĩnh Long vào lúc các cơ quan tổ chức họp.
3.2.3 Phương pháp xử lý số liệu
* Phương pháp thống kế Mô tả: Được sử dụng để mơ tả những đặc tính cơ bản của dữ liệu thu thập được từ nghiên cứu thực nghiệm qua các cách thức khác nhau. Thống kê mô tả và thống kê suy luận cùng cung cấp những tóm tắt đơn giản về mẫu và các thước đo. Cùng với phân tích đồ họa đơn giản, chúng tạo ra nền tảng của mọi phân tích định lượng về số liệu. Để hiểu được các hiện tượng và ra quyết định đúng đắn, cần nắm được các phương pháp cơ bản của mô tả dữ liệu. Một số đại lượng cần tính của phương pháp này trong nghiên cứu bao gồm:
+ Giá trị trung bình: Bằng tổng tất cả các giá trị biến quan sát chia cho số
quan sát.
+ Độ lệch chuẩn: là căn bậc hai của phương sai.
* Phương pháp phân tích hệ số tin cậy Cronbach’s Alpha là một phép kiểm định thống kê dùng để kiểm tra sự chặt chẽ và tương quan giữa các biến quan
sát. Điều này liên quan đến hai khía cạnh là tương quan giữa bản thân các biến và tương quan của các điểm số của từng biến với điểm số toàn bộ các biến của mỗi người trả lời. Phương pháp này cho phép người phân tích loại bỏ những thang đo không phù hợp và hạn chế các biến quan sát rác trong quá trình nghiên cứu, vì nếu khơng chúng ta khơng thể biết được chính xác độ biến thiên cũng như độ lỗi của các biến.
Hệ số alpha của Cronbach’s: là một phép kiểm định thống kê về mức độ chặt chẽ mà các mục hỏi trong thang đo tương quan với nhau (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008). Nhiều nhà nghiên cứu đồng ý rằng khi Cronbach’s Alpha từ 0,8 trở lên đến gần 1 thì thang đo lường là tốt, từ 0,7 đến gần 0,8 là sử dụng được. Cũng có nhà nghiên cứu đề nghị rằng hệ số Alpha từ 0,6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang nghiên cứu là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu (Nunnally, 1978; Peterson, 1997; Slater, 1995 dẫn theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008).
Hệ số tương quan biến – tổng (item – total correlation): là hệ số tương quan của một biến với điểm trung bình của các biến trong cùng một thang đo. Do đó, hệ số này càng cao, sự tương quan của biến này với các biến khác trong nhóm càng cao. Những biến có hệ số tương quan biến – tổng biến nhỏ hơn 0,3 được coi là biến rác và sẽ bị loại khỏi thang đo (Nunnally & Burnstein, 1994).
* Phân tích nhân tố (EFA): Phương pháp phân tích nhân tố khám phá EFA
(Exploratory factor analysis) được sử dụng để đánh giá độ giá trị của thang đo (Nguyễn Đình Thọ, 2001). Đây là một phương pháp phân tích thống kê dùng để rút gọn một tập nhiều biến quan sát phụ thuộc lẫn nhau thành một tập biến (gọi là các nhân tố) ít hơn để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu (Hair & ctg, 1998). Cơ sở của việc rút gọn này dựa vào mối quan hệ tuyến tính của các nhân tố với các biến nguyên thủy (biến quan
sát).
Fi=Wi1X1 +Wi2X2 +……..+WikXk Trong đó:
Fi: ước lượng trị số của nhân tố thứ i.
W: quyền số hay trọng số nhân tố (weight or factor score coefficient) k: số biến
Điều kiện để áp dụng phân tích nhân tố là các biến có tương quan với nhau. Để xác định các biến có tương quan như thế nào, ta sử dụng kiểm định Barlett’s để kiểm định giả thuyết:
H0: các biến khơng có liên quan lẫn nhau H1: có sự tương quan giữa các biến.
Chúng ta mong đợi bác bỏ giả thuyết H0, nghĩa là chấp nhận H1 các biến có liên hệ với nhau. Điều này có được giá trị P sau khi kiểm định phải nhỏ hơn mức ý
nghĩa xử lý α. Đồng thời, phân tích nhân tố được xem là thích hợp khi giá trị hệ KMO (Kaiser – Mayser - Olkin) trong khoảng từ 0.5 đến 1, khi đó các tương quan
đủ lớn để có thể áp dụng phân tích nhân tố.
Đại lượng Eigenvalue dùng để xác định số lượng nhân tố Eigenvalue đại diện cho lượng biến thiên được giải thích bởi nhân tố. Chỉ những nhân tố có Eigenvalue lớn hơn 1 thì mới được giữ lại trong mơ hình phân tích (Anderson & Gerbing, 1988). Những nhân tố có Eigenvalue nhỏ hơn 1 sẽ khơng có tác dụng tóm tắt thơng tin tốt hơn một biến gốc, vì sau khi chuẩn hóa mỗi biến gốc có phương sai
là 1.
Một phần quan trọng trong phân tích nhân tố là ma trận nhân tố (component matrix) hay ma trận nhân tố khi các nhân tố được xoay (rotated component matrix). Ma trận nhân tố chứa các hệ số biểu diễn các biến chuẩn hóa bằng các nhân tố (mỗi biến là một đa thức của các nhân tố). Những hệ số tải nhân tố (factor loading) biểu diễn tương quan giữa các biến và các nhân tố. Hệ số này cho biết nhân tố và biến có liên quan chặt chẽ với nhau. Nghiên cứu sử dụng phương pháp trích nhân tố
principal components nên các hệ số tải nhân tố phải có trọng số ≥ 0,5 (Hair & ctg,
* Phương pháp Phân tích hồi quy tuyến tính bội:
Đề tài sử dụng phương pháp hồi quy để dự đoán cường độ tác động của các nhân tố ảnh hưởng đến mức độ hài lòng của khách hàng sử dụng nước sạch. Biến phụ thuộc là yếu tố “Sự hài lòng” và biến độc lập là các yếu tố ảnh hưởng được rút ra từ phân tích EFA, kiểm định mức ý nghĩa 5% và có ý nghĩa trong phân tích tương quan Pearson. Mơ hình dự đốn các yếu tố ảnh hưởng đến quyết định mua sản phẩm của người tiêu dùng có thể là:
Y = βo + β1X1 + β2X2 +...+ βnXn + ε
Trong đó: + β0: hằng số;
+ βn: là hệ số hồi quy riêng phần; + ε: sai số của mơ hình
+ Y: là biến phụ thuộc, động lực và mong muốn làm việc của cán bô, công
chức, viên chức.
* Phương pháp T-test
Được dung để kiểm định sự khác biệt giữa trung bình hai đám đơng, chúng ta có hai trường hợp chọn mẫu (1) chọn mẫu theo cặp (matched pair) trong đó các
phần tử mẫu được chọn theo cặp, mỗi biến thành phần của cặp thuộc vào mỗi đám
đông và (2) chọn mẫu độc lập (independent samples) trong đó hai mẫu được chọn riêng biệt từ hai đám đông.
* Phương pháp One –way Anova
Anova là tên gọi tắt của các phương pháp phân tích phương sai (Analysis Of Variance) được sử dụng để so sánh trung bình từ ba đám đơng trở lên. Mơ hình Anova sử dụng phổ biến để so sánh các trung bình đám đơng với dữ liệu khảo sát và đặc biệt là dữ liệu thử nghiệm. Chú ý là dữ liệu khảo sát hay dữ liệu thử nghiệm, xử lý trên mơ hình Anova, về cơ bản là như nhau.
Các biến trong phương pháp Anova gồm một biến phụ thuộc định lượng Yij và một hay nhiều biến độc lập Xi định tính. Trong các thử nghiệm Yij thường được
gọi là đo lường và Xi thường được gọi là cách xử lý. Khi có một biến độc lập Xi, phương pháp Anova được gọi là Anova 1 chiều. Nếu có hai biến độc lập, phương pháp Anova được gọi là Anova 2 chiều. Trường hợp có từ 2 biến phụ thuộc, định lượng trở lên, thì phương pháp Anova lúc này biến thành đa biến, gọi tắt là Manova. Anova thường được xếp vào nhóm phân tích đơn biến vì nó được dung để xem xét mức độ khác biệt giữa các nhóm trên cơ sở của một biến phụ thuộc định lượng. Nếu so sánh với mơ hình hồi qui, mơ hình Anova là dạng đặc biệt của mơ hình hồi qui trong đó biến tất cả các biến độc lập là biến định tính. Anova một chiều tương đương với mơ hình hồi qui đơn, ANOVA hai hay nhiều chiều tương đương với mơ hình hồi qui bội và Manova tương đương với mơ hình hồi qui đa biến.
Tóm tắt chương 3: Chương này tác giả đã trình bàynhững mơ hình để đưa ra mơ hình nghiên cứu của mình trên cơ sở kế thừa các nghiên cứu đã trình bày và kết hợp thêm lý thuyết. Ngồi ra, tác giả đã trình bày về phương pháp thu thập số liệu, phương pháp xử lý số liệu là thống kê mô tả, kiểm định chất lượng thang đo bằng Cronbach’ alpha, phân tích nhân tố khám phá EFA, phương pháp phân tích hồi
qui tuyến tính bội, phương pháp T-test, phương pháp One-way Anova để đánh giá động lực làm việc của cán bộ cơng chức một cách chích xác.
CHƯƠNG 4:
PHÂN TÍCH CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN ĐỘNG LỰC LÀM VIỆC CỦA CÁN BỘ, CÔNG CHỨCTẠI CÁC CƠ QUAN
BAN NGÀNH THUỘC ỦY BAN NHÂN DÂN THÀNH PHỐ VĨNH LONG