(Nguồn: Kết quảphân tích dữliệu SPSS)
24,20%
48,30% 27,50%
THỜI GIAN LÀM VIỆC
Dưới 1 năm Từ 1-3 năm Trên 3 năm
25 84 11 0 20 40 60 80 100 THU NHẬP BÌNH QUÂN/THÁNG Đơn vị tính: VNĐ
Từ 3 đến 5 triệu Từ 5 đến 7 triệu Trên 7 triệu
Kết quả khảo sát được phân bổ theo thu nhập bình quân một tháng như sau: Với 84 người, nhóm có thu nhập từ 5 đến 7 triệu đồng chiếm tỷ lệ cao nhất (chiếm 70,0%); tiếp đến là nhóm có thu nhập từ 3 đến 5 triệu đồng với 25 người (chiếm tỷ lệ 20,8%) và thấp nhất là nhóm người lao động có thu nhập bình qn trên 7 triệu đồng với 11 câu trả lời (chiếm 9,2%).
2.3.2. Kiểm định độ tin cậy của thang đo
Trong nghiên cứu này, đề tài sử dụng thang đo bao gồm 5 biến độc lập, trong đó: Biến “Bản thân người lao động” có 5 biến quan sát; Biến “Sự quản lý và phân cơng lao động của cấp trên” có 4 biến quan sát; Biến “Điều kiện làm việc” có 4 biến quan sát; Biến “Sự cải tiến trong sản xuất” có 4 biến quan sát và biến “Mơi trường làm việc” có 4 biến quan sát.
Nhằm có được kết quả chính xác nhất hơn, trước khi tiến hành phân tích dữ liệu, đề tài sẽ tiến hành kiểm định độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha. Thông qua hệ số Cronbach’s Alpha sẽ cho ta biết các biết quan sát của từng biến độc lập có đáng tin cậy hay không bằng sự phản ánh mức độ tương quan chặt chẽ giữa các biến quan sát trong cùng một nhân tố. Kiểm định này sẽ giúp chúng ta kiểm tra xem trong cùng một biến độc lập, biến nào có sự đóng góp vào việc đo lường khái niệm nhân tố và biến nào khơng. Từ đó, đề tài có thể dễ dàng loại bỏ các biến không liên quan trước khi đi vào các phân tích dữ liệu tiếp theo, thơng qua các tiêu chuẩn sau:
Những biến có hệ số tương quan biến tổng (Corrected Item – Total Correlation) lớn hơn 0,3 và có hệ số Cronbach’s Alpha lớn hơn 0,7 sẽ được chấp nhận và được đưa vào những bước phân tích xử lý tiếp theo. [15]
Kết quả kiểm định độ tin cậy thang đo thông qua hệ số Cronbach’s Alpha, như bảng sau:
Bảng 2.5: Kết quả kiểm định độ tin cậy thang đo của các biến độc lập
Biến quan sát
Hệ số tương quan biến tổng (Corrected Item – Total
Correlation)
Hệ số Cronbach’s Alpha nếu loại biến
(Cronbach’s Alpha if Item Deleted)
1. Bản thân người lao động
Cronbach’s Alpha = 0,826 BT1 0,622 0,791 BT2 0,635 0,789 BT3 0,609 0,797 BT4 0,609 0,795 BT5 0,644 0,785
2. Sự quản lý và phân công lao động của cấp trên
Cronbach’s Alpha = 0,752
QL1 0,551 0,695
QL2 0,548 0,698
QL3 0,671 0,620
QL4 0,456 0,744
3. Điều kiện làm việc
Cronbach’s Alpha = 0,794
DK1 0,524 0,780
DK2 0,685 0,703
DK3 0,527 0,793
DK4 0,714 0,692
4. Sự cải tiến trong sản xuất
Cronbach’s Alpha = 0,841
CT1 0,579 0,838
CT2 0,770 0,754
CT3 0,573 0,840
CT4 0,786 0,746
5. Môi trường làm việc
Cronbach’s Alpha = 0,743
MT1 0,552 0,676
MT2 0,596 0,648
MT3 0,572 0,663
MT4 0,430 0,741
(Nguồn: Kết quảphân tích dữliệu SPSS)
Sau khi tiến hành kiểm định độ tin cậy thang đo thông qua hệ số Cronbach’s Alpha với kết quả như bảng trên, ta thấy tất cả 5 biến độc lập đều có hệ số Cronbach’s Alpha lớn hơn 0,7. Đồng thời, các biến quan sát đều có hệ số tương quan biến tổng lớn hơn 0,3 và hệ số Cronbach’s Alpha nếu loại biến nhỏ hơn hệ số Cronbach’s Alpha của biến độc lập tương ứng.
Vì vậy, dựa vào các tiêu chí kiểm định như trên ta có thể kết luận rằng thang đo được sử dụng là đáng tin cậy nên đề tài quyết định giữ lại tất cả các biến quan sát như ban đầu để tiến hành các bước phân tích tiếp theo.
Bảng 2.6: Kết quả kiểm định độ tin cậy thang đo của biến phụ thuộc
Biến quan sát
Hệ số tương quan biến tổng (Corrected Item – Total
Correlation)
Hệ số Cronbach’s Alpha nếu loại biến
(Cronbach’s Alpha if Item Deleted)
NĂNG SUẤT LAO ĐỘNG
Cronbach’s Alpha = 0,793
NS1 0,650 0,722
NS2 0,642 0,712
NS3 0,639 0,719
(Nguồn: Kết quảphân tích dữliệu SPSS)
Sau khi phân tích dữ liệu, ta thấy biến phụ thuộc “Năng suất lao động” có hệ số Cronbach’s Alpha bằng 0,793 thỏa mãn tiêu chuẩn kiểm định (Cronbach’s Alpha lớn hơn 0,7) và có các biến quan sát đều có hệ số tương quan biến tổng lớn hơn 0,3 và hệ số Cronbach’s Alpha nếu loại biến nhỏ hơn hệ số Cronbach’s Alpha của biến phụ thuộc nên ta có thể kết luận các biến quan sát trên có sự tương quan chặt chẽ với nhau, đảm bảo cho các bước phân tích tiếp theo.
2.3.3. Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis)
Phương pháp phân tích nhân tố khám phá EFA (Exploratory Factor Analysis, gọi tắt là phương pháp EFA) giúp chúng ta đánh giá hai loại giá trị quan trọng của thang đo là giá trị hội tụ và giá trị phân biệt.
Sau khi kiểm định độ tin cậy của thang đo ở bước trước, nghiên cứu sẽ tiến hành phân tích nhân tố khám phá EFA để rút gọn một tập gồm nhiều biến quan sát thành một tập biến ít hơn (gọi là nhân tố). Các nhân tố được rút gọn này sẽ có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến quan sát ban đầu. [18]
2.3.3.1. Kiểm định KMO và Bartlett’s Test biến độc lập
Trước khi tiến hành phân tích nhân tố khám phá EFA, nghiên cứu sẽ tiến hành kiểm định hệ số KMO (Kaiser Meyer – Olkin of Sampling Adequacy) và Bartlett’s Test nhằm xem xét việc phân tích này có phù hợp hay khơng, trong đó:
- Hệ số KMO (Kaiser Meyer – Olkin of Sampling Adequacy): là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO lớn (từ 0,5 đến 1) là điều kiện đủ để phân tích nhân tố là thích hợp. Ngược lại, nếu hệ số này nhỏ hơn 0,5 thì phân tích nhân tố có khả năng khơng thích hợp với các dữ liệu. Vì vậy, để có thể tiến hành phân tích nhân tố khám phá EFA thì hệ số KMO cần phải lớn hơn 0,50. Theo Kaiser (1974) đề nghị:
KMO >= 0,90: Phân tích nhân tố rất tốt
0,80 <= KMO < 0,90: Phân tích nhân tố tốt
0,70 <= KMO < 0,80: Phân tích nhân tố được
0,60 <= KMO < 0,70: Phân tích nhân tố tạm được
0,50 <= KMO < 0,60: Phân tích nhân tố xấu
KMO < 0,50: Khơng thích hợp để phân tích nhân tố
- Kiểm định Bartlett’s Test: dùng để xem xét các biến quan sát được đưa vào mơ hình nghiên cứu có tương quan với nhau hay không. Để thỏa mãn kiểm định này, mức ý nghĩa Sig. của kiểm định Bartlett’s Test phải nhỏ hơn 0,05.
Kết quả kiểm định như bảng sau:
Bảng 2.7: Kết quả kiểm định KMO và Bartlett’s Test biến độc lập
KMO and Bartlett’s Test
Hệ số KMO (Kaiser Meyer – Olkin of Sampling Adequacy) 0,818
Đại lượng thống kế (Bartlett’s Test)
Approx. Chi-Square 1467,042
df 210
Sig. 0,000
(Nguồn: Kết quảphân tích dữliệu SPSS)
Dựa vào bảng kết quả kiểm định ở trên, ta thấy hệ số KMO bằng 0,818 lớn hơn 0,5. Đồng thời, mức ý nghĩa Sig. của kiểm định Bartlett’s Test bằng 0,000 nhỏ hơn
0,05 nên các biến quan sát có sự tương quan với nhau. Vì vậy, nghiên cứu có thể thực hiện phân tích nhân tố khám phá EFA.
2.3.3.2. Phân tích nhân tố khám phá EFA biến độc lập
Trong nghiên cứu này, khi phân tích nhân tố khám phá EFA, đề tài sử dụng phương pháp phân tích các nhân tố chính (Principal Components) với số nhân tố (Number of Factor) là 5 theo mơ hình nghiên cứu đề xuất. Mục đích sử dụng phương pháp này là để rút gọn dữ liệu (nếu có), hạn chế vi phạm hiện tượng đa cộng tuyến giữa các nhân tố trong việc phân tích mơ hình hồi quy tiếp theo.
Phương pháp xoay nhân tố được chọn là Varimax procedure: xoay nguyên gốc các nhân tố để tối thiểu hóa số lượng biến có hệ số lớn tại cùng một nhân tố nhằm tăng cường khả năng giải thích nhân tố. Những biến nào có hệ số tải nhân tố < 0,5 sẽ bị loại khỏi mơ hình nghiên cứu, chỉ những biến nào có hệ số tải nhân tố > 0,5 mới được đưa vào các phân tích tiếp theo.
Ở nghiên cứu này, hệ số tải nhân tố (Factor Loading) phải thỏa mãn điều kiện lớn hơn hoặc bằng 0,5. Factor Loading là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA, Factor Loading > 0,3 được xem là mức tối thiểu và được khuyên dùng nếu cỡ mẫu lớn hơn 350. Factor Loading > 0,4 được xem là quan trọng, Factor Loading > 0,5 được xem là có ý nghĩa thực tiễn, và nghiên cứu này chọn giá trị Factor Loading > 0,5 với cỡ mẫu là 120. [15] Bảng 2.8: Rút trích nhân tố biến độc lập Biến quan sát NHÓM NHÂN TỐ 1 2 3 4 5 BANTHAN5 0,717 BAN THAN1 0,688 BANTHAN2 0,680 BANTHAN3 0,673 BANTHAN4 0,665 CAITIEN4 0,846 CAITIEN2 0,844
CAITIEN3 0,642 CAITIEN1 0,630 DIEUKIEN2 0,866 DIEUKIEN4 0,806 DIEUKIEN3 0,638 DIEUKIEN1 0,620 QUANLY3 0,823 QUANLY1 0,700 QUANLY2 0,673 QUANLY4 0,551 MOITRUONG4 0,763 MOITRUONG2 0,633 MOITRUONG1 0,609 MOITRUONG3 0,599 Hệ số Eigenvalue 7,338 1,940 1,707 1,358 1,190 Phương sai tích lũy tiến (%) 14,034 27,689 40,870 53,742 64,444
(Nguồn: Kết quảphân tích dữliệu SPSS)
Sau khi tiến hành phân tích nhân tố khám phá EFA, dựa vào bảng kết quả trên ta thấy trong 21 biến quan sát ban đầu đều khơng có biến nào có hệ số tải nhân tố (Factor Loading) nhỏ hơn 0,5. Vì vậy, đề tài quyết định vẫn giữ lại 21 biến quan sát để tiếp tục cho các phân tích tiếp theo.
Kết quả phân tích nhân tố được chấp nhận khi phải thỏa mãn các tiêu chuẩn như phương sai trích (Variance Explained Criteria) lớn hơn 50% và giá trị Eigenvalues phải lớn hơn 1. Như vậy, với kết quả ở trên cho thấy tổng phương sai trích là 64,444% đã lớn hơn 50% và hệ số Eigenvalues của các nhóm nhân tố đều lớn hơn 1. Do đó, ta có thể kết luận rằng việc phân tích nhân tố trên là phù hợp, được chấp nhận. [17]
Đặt tên cho các nhóm nhân tố:
Nhân tố 1 (Factor1): Bản thân người lao động
Bao gồm 5 biến quan sát: BANTHAN1; BANTHAN2; BANTHAN3; BANTHAN4; BANTHAN5
Nhân tố 2 (Factor 2): Sự cải tiến trong sản xuất
Bao gồm 4 biến quan sát: CAITIEN1; CAITIEN2; CAITIEN3; CAITIEN4
Nhân tố 3 (Factor 3): Điều kiện làm việc
Bao gồm 4 biến quan sát: DIEUKIEN1; DIEUKIEN2; DIEUKIEN3; DIEUKIEN4
Nhân tố 4 (Factor 4): Sự quản lý và phân công lao động của cấp trên
Bao gồm 4 biến quan sát: QUANLY1; QUANLY2; QUANLY3; QUANLY4
Nhân tố 5 (Factor 5): Môi trường làm việc
Bao gồm 4 biến quan sát: MOITRUONG1; MOITRUONG2; MOITRUONG3; MOITRUONG4
2.3.3.3. Kiểm định KMO và Bartlett’s Test biến phụ thuộc
Sau khi phân tích nhân tố khám phá EFA cho các biến độc lập, nghiên cứu sẽ tiếp tục kiểm định hệ số KMO và Bartlett’s Test để phân tích nhân tố khám phá EFA cho biến phụ thuộc, dựa vào các tiêu chuẩn tương tự như việc kiểm định của các biến độc lập ở bước trên.
Bảng 2.9: Kết quả kiểm định KMO và Bartlett’s Test biến phụ thuộc
KMO and Bartlett’s Test
Hệ số KMO (Kaiser Meyer – Olkin of Sampling Adequacy) 0,712
Đại lượng thống kế
(Bartlett’s Test)
Approx. Chi-Square 109,479
df 3
Sig. 0,000
(Nguồn: Kết quảphân tích dữliệu SPSS)
Với kết quả kiểm định từ bảng trên ta có, hệ số KMO bằng 0,712 đã lớn hơn tiêu chuẩn đặt ra là 0,5 và mức ý nghĩa Sig. của kiểm định Bartlett’s Test bằng 0,000 nhỏ hơn 0,05. Vì vậy, ta có thể kết luận kiểm định trên đã đạt tiêu chuẩn và điều kiện
đặt ra. Cho thấy các biến quan sát của biến phụ thuộc có sự tương quan với nhau, phù hợp để phân tích nhân tố khám phá EFA cho biến phụ thuộc.
2.3.3.4. Phân tích nhân tố khám phá EFA biến phụ thuộc
Bảng 2.10: Rút trích nhân tố biến phụ thuộc
NĂNG SUẤT LAO ĐỘNG HỆ SỐ TẢI
NANGSUAT1 0,849
NANGSUAT2 0,845
NANGSUAT3 0,842
Phương sai tích lũy tiến (%) 71,458
(Nguồn: Kết quảphân tích dữliệu SPSS)
Theo kết quả có được từ bảng trên, ta nhận thấy cả 3 biến quan sát có hệ số tải lần lượt là: 0,849; 0,845; 0,842 đều lớn hơn 0,50 nên cả 3 biến quan sát trên được giữ lại cho các phân tích tiếp theo.
Ngồi ra, ta thấy hệ số phương sai tích lũy tiến đạt 71,458% cũng đã lớn hơn 50% nên ta có kết quả từ việc phân tích nhân tố khám phá đã rút trích ra được một nhân tố. Nhân tố này được gọi tên là “Năng suất lao động” bao gồm 3 biến quan sát: NANGSUAT1; NANGSUAT2; NANGSUAT3.
Nhận xét:
Sau khi tiến hành phân tích nhân tố khám phá EFA cho các biến độc lập và biến phụ thuộc, nghiên cứu đã xác định được 5 nhân tố ảnh hưởng đến năng suất lao động của bộ phận sản xuất trực tiếp tại cơng ty SCAVI Huế, đó là các nhân tố: “Bản thân người lao động”; “Sự quản lý và phân công lao động của cấp trên”; “Điều kiện làm
việc”; “Sựcải tiến trong sản xuất”; “Môi trường làm việc”.
Như vậy, sau khi kết thúc quá trình kiểm định độ tin cậy thang đo bằng hệ số Cronbach’s Alpha và phân tích nhân tố khám phá EFA, đề tài quyết định lựa chọn mơ
hình nghiên cứu như đề xuất ban đầu. Bao gồm: 1 biến phụ thuộc có 3 biến quan sát và 5 biến độc lập với 21 biến quan sát.