Tác giả sử dụng phép phân tích mô tả (descriptives) trong phần mềm SPSS 26 để phân tích các thuộc tính của mẫu nghiên cứu (các thông tin của đối tượng được khảo sát) gồm nhóm giới tính, nhóm tuổi.
3.5.2. P ân í độ tin cậy (hệ số Cronba ’s Alp a)
Đo lường độ tin cậy thang đo bằng hệ số Cronbach’s Alpha là phép kiểm định phản ánh mức độ tương quan chặt chẽ giữa các biến quan sát trong cùng một nhân
tố. Hệ số này cho biết trong các biến quan sát của một nhân tố, biến nào đã đóng góp tốt vào việc đo lường khái niệm của nhân tố, biến nào không.
Cronbach (1951) đưa ra chú ý rằng hệ số Cronbach’s Alpha chỉ đo lường độ tin cậy của thang đo có từ 03 biến quan sát trở lên, chứ không đo được độ tin cậy cho từng biến quan sát.
Thang đo có độ tin cậy tốt khi nó biến thiên trong khoảng [0,75-0,95]. Nếu hệ số Cronbach’s Alpha ≥ 0,6, thang đo đó có thể được chấp nhận về độ tin cậy [7, tr. 49]
Nguyễn Đình Thọ (2013) cho rằng, về lý thuyết hệ số Cronbach’s Alpha càng cao càng tốt (thang đo càng có độ tin cậy cao). Tuy nhiên, hệ số Cronbach’s Alpha quá lớn (α > 0,95) cho thấy có nhiều biến trong thang đo không có khác biệt gì nhau (nghĩa là chúng cùng đo lường một nội dung nào đó của khái niệm nghiên cứu). Đây là hiện tượng trùng lắp trong đo lường (redundancy). Do đó, khi kiểm tra từng biến đo lường, chúng ta cần sử dụng thêm hệ số tương quan biến tổng hiệu chỉnh (Corrected Item-Total Correlation). Hệ số này lấy tương quan của biến đo lường xem xét với tổng các biến còn lại của thang đo (không tính biến đang xem xét). Đây là tiêu chuẩn để đánh giá một biến đo lường có thực sự đóng góp giá trị vào nhân tố hay không. Nếu một biến đo lường có hệ số tương quan biến tổng hiệu chỉnh ≥ 0,3 thì biến đó đạt yêu cầu. [9, tr. 25]
Nhiều nhà nghiên cứu đồng ý rằng khi hệ số Cronbach’s Alpha từ 0,8 trở lên đến gần 1 thì thang đo lường tốt, từ 0,7 đến gần 0,8 là sử dụng được. Cũng có nhà nghiên cứu đề nghị rằng Cronbach’s Alpha từ 0,6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang đo lường là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu. [17, tr. 149]
Trong nghiên cứu này, tác giả sẽ loại bỏ những thang đo có hệ số Cronbach’s Alpha < 0,6 và loại những biến quan sát có hệ số tương quan biến tổng hiệu chỉnh <0,3 ra khỏi mô hình vì những biến quan sát này không có ý nghĩa đối với thang đo. Tuy nhiên, việc loại các biến không đạt yêu cầu còn phụ thuộc vào việc xem xét giá trị nội dung của khái niệm, chứ không chỉ đơn thuần nhìn vào con số thống kê [21, tr. 43]
3.5.3. Phân tích nhân tố khám phá EFA
Sau khi sử dụng phương pháp Cronbach’s Alpha để đánh giá độ tin cậy thang đo, tiếp theo thang đo phải được đánh giá hai giá trị quan trọng là giá trị hội tụ (convergent validity) và giá trị phân biệt (discriminant validity). Phương pháp phân tích nhân tố khám phá EFA được sử dụng để xác định và đánh giá hai giá trị này.
Với giá trị hội tụ, các biến quan sát có cùng tính chất hội tụ về cùng một nhân tố và trong ma trận xoay, các biến này sẽ nằm chung một cột. Với giá trị phân biệt, các biến quan sát hội tụ về nhân tố này và phải phân biệt với các biến quan sát ở nhân tố khác. Khi biểu diễn trong ma trận xoay, từng nhóm biến sẽ tách thành từng cột riêng biệt.
Phương pháp phân tích EFA dựa vào mối tương quan giữa các biến với nhau. EFA dùng để rút gọn một tập k biến quan sát thành một tập F (F < k) các nhân tố có ý nghĩa hơn. Cơ sở của việc rút gọn này dựa vào mối quan hệ tuyến tính của các nhân tố với các biến quan sát. [9, tr. 378]
Để xác định sự phù hợp khi sử dụng phương pháp phân tích EFA, người ta thường tiến hành kiểm định các tiêu chí:
- Kiểm định Bartlett’s (Bartlett's Test of Sphericity): dùng để xem xét ma trận tương quan có phải là ma trận đơn vị I (indentify matrix) hay không. Kiểm định Bartlett’s có ý nghĩa thống kê khi Sig. < 0,05. Điều này chứng tỏ các biến quan sát tương quan nhau trong tổng thể. [9, tr. 426]
- Kiểm định KMO (Kaiser-Meyer-Olkin Measure of Sampling Adequacy): là chỉ số dùng để so sánh độ lớn của hệ số tương quan giữa các biến đo lường với độ lớn của hệ số tương quan từng phần của chúng. Hệ số KMO càng lớn càng tốt vì phần chung giữa các biến càng lớn. Để sử dụng EFA, hệ số KMO phải lớn hơn 0,5. Kaiser (1974) đề nghị K O ≥ 0,90: rất tốt; K O ≥ 0,80: tốt; K O ≥ 0,70: được; K O ≥ 0,60: tạm được; K O ≥ 0,50: xấu và KMO < 0,50: không thể chấp nhận được. Trong thực tế, với sự hỗ trợ của phần mềm xử lý thống kê SPSS, chúng ta có thể nhìn vào kết quả trọng số nhân tố và phương sai trích đạt yêu cầu thì vấn đề kiểm định Bartlett’s, K O không còn ý nghĩa nữa vì chúng luôn luôn đạt yêu cầu. [9, tr. 414]
- Tiêu chí Eigenvalues (đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố) là tiêu chí được sử dụng phổ biến trong xác định số lượng nhân tố trong phân tích EFA. Với tiêu chí này, số lượng nhân tố được xác định ở nhân tố (dừng ở nhân tố) có Eigenvalues tối thiểu bằng 1 (≥ 1). [9, tr. 410]
- Hệ số tải nhân tố (Factor Loading) còn gọi là trọng số nhân tố, λi >=0,5 là chấp nhận. Nếu λi < 0,5 chúng ta có thể xóa biến Xi vì nó thật sự không đo lường khái niệm ta cần đo. Tuy nhiên việc loại bỏ cần chú ý giá trị nội dung của biến đó đóng góp vào giá trị nội dung của khái niệm nó đo lường. Nếu mẫu lớn cũng có thể chấp nhận λi > 0,4. Khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố > 0,3 để tạo giá trị phân biệt [9, tr. 420]
- Tổng phương sai trích TVE (Total Variance Extraction) thể hiện các nhân tố trích được bao nhiêu phần trăm của các biến đo lường. Tổng này phải đạt từ 50% trở lên, nghĩa là phần chung lớn hơn phần riêng và sai số từ 60% trở lên là tốt. Khi hai điều kiện này được thỏa, có thể kết luận mô hình EFA phù hợp. [9, tr. 420]
Trong phân tích EFA, có nhiều phép trích nhân tố. Trong nghiên cứu này, tác giả sử dụng phương pháp trích nhân tố Principal Components và trong mô hình thành phần chính PCA sử dụng phép quay Varimax (phép quay vuông góc).
3.5.4. P ân í ương q an, ồi quy
Các thang đo được đánh giá đạt yêu cầu được đưa vào phân tích tương quan, hồi quy để kiểm định các giả thuyết.
Hệ số tương quan Pearson (ký hiệu là r) là chỉ số để lượng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa 2 biến định lượng. Giá trị r cho biết không có mối liên hệ tuyến tính, chưa hẳn 2 biến không có mối liên hệ và r cao đôi khi thực ra chẳng có quan hệ gì. Có tương quan chưa hẳn có quan hệ nhân quả. Hệ số tương quan là thước đo mang tính đối xứng. [16, tr. 78]
Trước hết, tác giả xem xét hệ số tương quan giữa động lực làm việc của nhân viên với các nhân tố ảnh hưởng đến động lực làm việc.
Phân tích hồi quy là nghiên cứu mối quan hệ phụ thuộc của biến phụ thuộc vào biến độc lập với ý tưởng ước lượng hoặc dự đoán giá trị trung bình tổng thể của biến phụ thuộc trên cơ sở các giá trị biết trước của các biến độc lập. [9, tr. 41]
Tác giả tiến hành phân tích hồi quy tuyến tính đa biến bằng phương pháp bình phương nhỏ nhất thông thường OLS (Ordinal Least Squares) nhằm kiểm định mối quan hệ giữa biến phụ thuộc: động lực làm việc của nhân viên và các biến độc lập: Đặc điểm công việc, Chính sách phúc lợi, Chính sách tiền lương, Đặc điểm môi trường làm việc, Cơ hội thăng tiến, Đào tạo phát triển, Quan hệ trong công việc.
Phương trình hồi quy tổng thể có dạng: Ŷi = β0 + β1X1i + β2X2i + … βkXki + εi Trong đó:
- Ŷi: là giá trị dự báo. - Β0: là tung độ gốc.
- Βk: hệ số độ dốc của Ŷi theo biến Xk giữ nguyên các biến X1, X2, …Xk-1
không đổi.
- εi là thành phần ngẫu nhiên (yếu tố nhiễu).
Việc xây dựng và kiểm định mô hình hồi quy được thực hiện qua các bước: Bước 1: Lựa chọn các biến đưa vào mô hình hồi quy, tác giả sử dụng phương pháp Enter, phần mềm SPSS xử lý tất cả các biến đưa vào cùng một lượt.
Bước 2: Đánh giá độ phù hợp của mô hình bằng hệ số xác định R2 (R Square). Tuy nhiên, R2 có đặc điểm càng tăng khi đưa thêm các biến độc lập vào mô hình, mặc dù không phải mô hình càng có nhiều biến độc lập thì càng phù hợp với tập dữ liệu. Vì thế, R2 điều chỉnh (Adjusted R Square) có đặc điểm không phụ thuộc vào số lượng biến đưa thêm vào mô hình được sử dụng thay thế R2
để đánh giá mức độ phù hợp của mô hình hồi quy bội.
Bước 3: Kiểm định độ phù hợp của mô hình để lựa chọn mô hình tối ưu bằng cách sử dụng phương pháp phân tích ANOVA để kiểm định giả thuyết H0: không có mối liên hệ tuyến tính giữa biến phụ thuộc với tập hợp các biến độc lập. Nếu trị thống kê F có Sig < 0,0 thì giả thuyết H0 bị bác bỏ, khi đó chúng ta kết luận tập hợp của các biến độc lập trong mô hình có thể giải thích cho sự biến thiên của biến phụ thuộc.
Bước 4: Xác định các hệ số của phương trình hồi quy, đó là các hệ số hồi quy riêng phần βk đo lường sự thay đổi trung bình của biến phụ thuộc khi biến độc lập Xk thay đổi một đơn vị, trong khi các biến độc lập khác được giữ nguyên. Tuy nhiên, độ lớn của βk phụ thuộc vào đơn vị đo lường của các biến độc lập, vì thế việc
so sánh trực tiếp chúng với nhau là không có ý nghĩa. Do đó, để so sánh các hệ số hồi quy với nhau, từ đó xác định tầm quan trọng (mức độ giải thích) của các biến độc lập cho biến phụ thuộc, người ta biểu diễn số đo của tất cả các biến độc lập bằng đơn vị đo lường độ lệnh chuẩn beta.
Bước 5: Kiểm tra vi phạm các giả định hồi quy
Mô hình hồi quy được xem là phù hợp với tổng thể nghiên cứu khi không vi phạm các giả định. Vì thế, sau khi xây dựng được phương trình hồi quy, cần phải dò tìm các vi phạm giả định cần thiết sau đây:
- Liên hệ tuyến tính: Công cụ để kiểm tra là đồ thị phân tán phần dư chuẩn hóa
(Scatter) biểu thị tương quan giữa giá trị phần dư chuẩn hóa (Standardized Residual) và giá trị dự đoán chuẩn hóa (Standardized Pridicted Value).
- Phương sai của sai số không đổi: Vẽ đồ thị phần dư theo giá trị ước lượng Ŷ
từ mô hình hồi quy và quan sát xem có hiện tượng phương sai thay đổi không. Nếu các điểm phân tán trên đồ thị cho không thấy có mối liên hệ nào giữa phần dư và giá trị ŷ có thể kết luận hiện tượng phương sai thay đổi không xảy ra.
- Phân phối chuẩn của phần dư: Công cụ để kiểm tra là đồ thị tần số Histogram hoặc đồ thị tần số P-P plot.
- Tính độc lập của các sai số (không có tương quan giữa các phần dư): Công
cụ để kiểm tra là đại lượng thống kê d (Durbin - Watson) hoặc đồ thị phân tán phần dư chuẩn hóa.
- Không có mối tương quan giữa các biến độc lập (không có hiện tượng đa cộng tuyến): Công cụ để phát hiện tồn tại hiện tượng đa cộng tuyến là độ chấp nhận
của biến (Tolerance) hoặc hệ số phóng đại phương sai (Variance inflation factor - VIF). Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), quy tắc chung là VIF>10 là dấu hiệu đa cộng tuyến; trong khi đó, theo đó khi VIF > 2 cần phải cẩn trọng hiện tượng đa cộng tuyến.
3.5.5. Kiểm định sự khác biệt
Kiểm định sự khác biệt về giá trị trung bình của các tổng thể con: sự khác nhau về mức độ gắn bó của nhân viên với tổ chức được chia theo nhóm giới tính, nhóm tuổi. Phương pháp kiểm định giả thuyết về trị trung bình của hai tổng thể - trường hợp mẫu độc lập (Independent samples T-Test) được sử dụng để kiểm định
sự bằng nhau về mức độ gắn bó với tổ chức giữa nhóm nhân viên nam và nhân viên nữ. Phương pháp kiểm định ANOVA được sử dụng để kiểm định sự bằng nhau về gắn bó với tổ chức giữa các tổng thể con chia theo nhóm tuổi.
KẾT LUẬN CHƯƠNG 3
Chương 3 tác giả trình bày mô hình nghiên cứu đề xuất và quy trình nghiên cứu, phương pháp nghiên cứu, xây dựng và mã hóa thang đo, phương pháp xử lý dữ liệu.
Với phương pháp nghiên cứu, tác giả thực hiện qua 2 bước: nghiên cứu định tính và nghiên cứu định lượng. Trong nghiên cứu định tính, tác giả sử dụng phương pháp thảo luận nhóm để điều chỉnh thang đo cho phù hợp. Trong nghiên cứu chính thức, tác giả sử dụng phương pháp nghiên cứu định lượng. Đối tượng khảo sát là nhân viên đang làm việc tại Trung tâm Kinh doanh VNPT - Long An, với số lượng mẫu là 250 người và được khảo sát thông qua hình thức trả lời vào bảng câu hỏi. Dữ liệu sau khi thu thập sẽ được xử lý bằng phần mềm SPSS 26.0 theo quy trình: mô tả mẫu, đánh giá độ tin cậy của thang đo, phân tích nhân tố khám phá, phân tích tương quan, phân tích hồi quy và cuối cùng là kiểm định sự khác nhau về động lực làm việc theo từng đặc điểm cá nhân.
CHƯƠNG 4
KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
4.1. Tổng quan về đơn vị nghiên cứu
4.1.1. Giới thiệu về Trung tâm Kinh doanh VNPT - Long An
Tên đầy đủ: Trung tâm Kinh doanh VNPT - Long An. Tên giao dịch quốc tế: Long An Telecommunications. Tên viết tắt: TTKD VNPT Long An.
Trụ sở: 36 Võ Công Tồn, Phường 1, Thành Phố Tân An, Tỉnh Long An Điện thoại: (0272) 3839 999.
Trung tâm Kinh doanh VNPT – Long An chịu trách nhiệm kế thừa các quyền và nghĩa vụ hợp pháp của đơn vị/bộ phận các tổ chức lại theo đơn vị của pháp luật.
Trung tâm Kinh doanh VNPT – Long An là đơn vị kinh tế trực thuộc hạch toán phụ thuộc vào tổng công ty Dịch vụ Viễn Thông, có con dấu riêng theo tên gọi, được đăng ký hoạt động và được mở tài khoản tại ngân hàng thương mại để giao dịch theo quy định của pháp luật.
Trung tâm Kinh doanh VNPT – Long An được tổ chức và hoạt động theo quy định của Luật Doanh nghiệp, các quy định pháp luật có liên quan và Quy định của Tổng công ty Dịch vụ Viễn thông.
Trụ sở chính: Số 36 đường Võ Công Tồn, Phường 1, Thành phố Tân An, Tỉnh Long An.
Mã số thuế: 0106869738-030 Điện thoại: 0272.3829828 Email: 800126longan@vnpt.vn Website: www.longan.vnpt.vn
4.1.2. Chứ năng ủa Trung tâm Kinh doanh VNPT – Long An
- Tổ chức, quản lý kinh doanh và điều hành kênh bán hàng, cung cấp các sản phẩm, dịch vụ viễn thông – công nghệ thông tin – truyền thông – viễn thông giá trị gia tăng trên địa bàn tỉnh Long An.
- Tổ chức quản lý và thực hiện các hoạt động tiếp thị, bán hàng, chăm sóc khách hàng, truyền thông, quảng cáo, duy trì và phát triển thương hiệu theo chiến
lược kinh doanh của Viễn thông Long An; Tổ chức xây dựng và quản lý thông tin dữ liệu về khách hàng của Viễn thông Long An.
- Tổ chức phối hợp các đơn vị có liên quan của Viễn thông Long An và các đối tác bên ngoài trong việc phát triển các sản phẩm, dịch vụ viễn thông – công nghệ thông tin – truyền thông – viễn thông giá trị gia tăng đáp ứng nhu cầu của thị trường, khách hàng.
- Tổ chức quản lý và thực hiện nghiệp vụ giá cước, tính cước theo quy định; thanh toán cước phí sử dụng dịch vụ viễn thông – công nghệ thông tin – truyền thông – viễn thông giá trị gia tăng; thu nợ cước phí.
- Kinh doanh, cung ứng, đại lý các loại vật tư, trang thiết bị chuyên ngành viễn thông – công nghệ thông tin và truyền thông phục vụ yêu cầu phát triển mạng