6. Tổng quan tài liệu
2.6. NGHIÊN CỨU CHÍNH THỨC
2.6.1. Mẫu nghiên cứu
Để đảm bảo độ tin cậy của nghiên cứu thì việc lựa chọn cỡ mẫu thích hợp là rất cần thiết. Về nguyên tắc cỡ mẫu càng lớn thì kết quả nghiên cứu càng chính xác, tuy nhiên cỡ mẫu quá lớn sẽ ảnh hƣởng đến chi phí và thời gian thực hiện nghiên cứu.
Để tiến hành phân tích hồi quy một cách tốt nhất, kích thƣớc mẫu tối thiểu cần điều tra phải đƣợc đảm bảo theo công thức n>=5m, n là cỡ mẫu, m là số biến của mô hình. Tức là số mẫu cần thiết tối thiểu là n >= 28*5= 140. Để đảm bảo việc phân tích hồi quy đƣợc thực hiện tốt, tránh những bản khảo
sát không hợp lệ tác giả chọn kích thƣớc mẫu n = 220.
Trƣớc khi tiến hành khảo sát, mẫu sẽ đƣợc phân loại theo phƣơng pháp ngẫu nhiên cắt lớp với các tiêu chí nhƣ: giới tính, độ tuổi, thời gian làm việc, vị trí công việc, trình độ chuyên môn, mức thu nhập. Với mục đích sẽ cho kết quả khách quan nhất.
2.6.2. Phƣơng pháp thu thập và xử lý số liệu
Với đề tài này, việc khảo sát thu thập dữ liệu sẽ đƣợc thực hiện trực tiếp nhân viên tại Công ty
Số lƣợng bảng câu hỏi điều tra phát ra là 220. Trong quá trình điều tra, tác giả sẽ trực tiếp giới thiệu và hƣớng dẫn cách thức trả lời cụ thể nhằm tránh trƣờng hợp hiểu sai câu hỏi, cung cấp những thông tin không chính xác.
Bảng câu hỏi sau khi đƣợc các đáp viên trả lời sẽ đƣợc tác giả thu hồi, kiểm tra tính hợp lệ của các phiếu điều tra và sàng lọc theo từng tiêu chí đã phân chia.
Dữ liệu sau khi làm sạch sẽ đƣợc mã hóa và tiến hành quá trình phân tích bằng phần mềm SPSS
2.6.3. Phƣơng pháp phân tích dữ liệu
Phƣơng pháp thống kê sử dụng mức có ý nghĩa alpha chọn trong đề tài này là 0.05. Số liệu thu thập đƣợc phân tích bằng phần mềm SPSS. Quá trình phân tích phân tích dữ liệu đƣợc thực hiện qua các giai đoạn sau:
a. Đánh giá thang đo bằng hệ số Cronbach’s Alpha
Thang đo đƣợc đánh giá độ tin cậy thông qua công cụ kiểm định Cronbach’s Alpha. Hệ số α của Cronbach’s Alpha là một phép kiểm định thống kê về mức độ chặt chẽ của các biến trong thang đo với nhau.
Thông thƣờng một hệ số α đƣợc đánh giá là tốt khi nó ở trong khoảng [0.7 – 0.8]. Tuy nhiên giá trị Cronbach’s Alpha ở mức 0.6 là có thể đảm bảo độ tin cậy và đƣợc chấp nhận. Hệ số Cronbach Alpha quá cao cũng không tốt
vì nó cho thấy các biến đo lƣờng trong thang đo cùng làm một việc (Nguyễn Đình Thọ, 2011).
Bên cạnh việc xem xét giá trị Cronbach’s Alpha có đạt yêu cầu hay không, thì khi cân nhắc xem nên loại bỏ biến nào ta cần xem xét hệ số tƣơng quan biến (item – total correlation). Hệ số này cho thấy mức độ quan hệ chặt chẽ giữa biến quan sát tƣơng ứng và biến tổng. Những biến quan sát nào có hệ số tƣơng quan biến tổng < 0.3 sẽ đƣợc cân nhắc loại bỏ. Đây là những dấu hiệu gợi ý cho nhà nghiên cứu về việc loại bỏ biến quan sát nhằm làm tăng mức độ chặt chẽ của thang đo.
b. Phân tích nhân tố khám phá EFA
Phƣơngpháp phân tích nhân tố EFA thuộc nhóm phân tích đa biến phụ thuộc lẫn nhau, nghĩa là không có biến phụ thuộc và biến độc lập mà nó dựa vào mối quan hệ 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. Giá trị hội tụ và giá trị phân biệt cũng đƣợc đánh giá thông qua bƣớc phân tích EFA.
Trƣớc khi đi kiểm định giá trị của các thang đo bằng kiểm định EFA, tác giả kiểm tra xem dữ liệu có đầy đủ điều kiện để phân tích hay không bằng kiểm định KMO và kiểm định Barlett.
Hệ số (Kaiser – Meyer-Olklin) KMO là một chỉ số dùng để đánh giá sự phù hợp của phân tích nhân tố. Nó so sánh độ lớn của hệ số tƣơng quan giữa hai biến Xi và Xj với độ lớn của hệ số tƣơng quan riêng phần của chúng. Trị số KMO lớn (từ 0,5 đến 1) thì bộ dữ liệu sẽ phù hợp để phân tích nhân tố. Các giá trị của KMO và ý nghĩa: [0,9 – 1]: rất tốt, [0,8 – 0,9]: tốt, [0,7 – 0,8]: đƣợc, [0,6 – 0,7]: tạm đƣợc, [0,5 – 0,6]: xấu (Nguyễn Đình Thọ, 2011).
Kiểm định Barlett là kiểm định thống kê nhằm xem xét giả thuyết các biến không có tƣơng quan trong tổng thể. Điều kiện cần áp dụng phân tích nhân tố là các biến phải có tƣơng quan với nhau.
Phép trích Principal Component Analysis với phép quay Varimax đƣợc sử dụng trong phân tích nhân tố thang đo các biến độc lập. Các biến có hệ số tải (Factor loading) nhỏ hơn 0,4 sẽ bị loại, điểm dừng khi Eigenvalue (đại diện cho phần biến thiên đƣợc giải thích bởi mỗi nhân tố) > 1 và tổng phƣơng sai trích lớn hơn 50% (Gerbing và Anderson, 1988).
c. Phân tích hồi quy tuyến tính
Phân tích hồi quy đƣợc thực hiện để xác định mối quan hệ nhân quả giữa biến phụ thuộc sự hài lòng công việc và các biến độc lập.
Mô hình hồi quy sẽ tìm ra các biến độc lập có hay không tác động tới biến phụ thuộc và hƣớng tác động là thuận chiều/dƣơng (+) hay ngƣợc chiều/âm (-). Đồng thời mô hình cũng mô tả mức độ tác động của biến độc lập cụ thể là nhƣ thế nào qua đó giúp ta dự đoán đƣợc giá trị của biến phụ thuộc khi biết trƣớc giá trị của các biến độc lập. Mô hình nghiên cứu của luận văn bao gồm một biến phụ thuộc và nhiều biến độc lập. Vì vậy tác giả sử dụng mô hình hồi quy tuyến tính bội (Nguyễn Đình Thọ, 2011).
Để đánh giá độ phù hợp của mô hình hồi quy, tác giả căn cứ vào hệ số xác định R2. Hệ số R2 cho biết % sự biến động của biến phụ thuộc (Y) đƣợc giải thích bởi các biến độc lập (Xi) trong mô hình. Giá trị R2 nằm trong khoảng từ 0 đến 1:
- Khi R2 = 0 ta kết luận biến phụ thuộc và các biến độc lập không có quan hệ với nhau.
- Khi R2 = 1 ta kết luận đƣờng hồi quy phù hợp hoàn hảo.
- Theo Hair và cộng sự (1998), sử dụng hệ số xác định R2 có nhƣợc điểm là giá trị R2 tăng khi số biến độc lập đƣa vào mô hình tăng mặc dù biến đƣa vào không có ý nghĩa. Vì vậy nên sử dụng giá trị R2 điều chỉnh (Adjusted R Square) để kết luận về % sự biến động của biến phụ thuộc đƣợc giải thích bởi các biến độc lập.
Để kiểm định độ phù hợp của mô hình, tác giả sử dụng kiểm định F. Đây là phép kiểm định giả thuyết về độ phù hợp của mô hình hồi quy tuyến tính tổng thể nhằm xem xét biến phụ thuộc có liên hệ tuyến tính với toàn bộ các biến độc lập không. Mô hình đƣợc coi là phù hợp khi gi trị significant của kiểm định < 0.05.
Kiểm định t để bác bỏ giả thuyết các hệ số hồi quy của tổng thể bằng 0 Đánh giá mức độ tác động (mạnh hay yếu) giữa các biến tác động thông
qua hệ số Beta.
Phân tích hồi quy còn cho biết tình trạng đa cộng tuyến có tồn tại không. Đa cộng tuyến là trạng thái trong đó các biến độc lập có tƣơng quan chặt chẽ với nhau. Để kiểm định hiện tƣợng đa cộng tuyến, tác giả sử dụng hệ số phóng đại phƣơng sai (VIF). Nếu giá trị hệ số này < 2 thì quan hệ đa cộng tuyến giữa các biến độc lập là không đáng kể.
d. Kiểm định T-test và phân tích phương sai Anova
Dựa trên các yếu tố về nhân khẩu học (bao gồm giới tính, độ tuổi, thâm niên, trình độ chuyên môn, đối tƣợng công việc), nghiên cứu tiến hành kiểm định sự khác biệt giữa các nhóm trong từng yếu tố nhân khẩu học.
Đối với kiểm định sự khác biệt giữa 2 nhóm giới tính, nghiên cứu sử dụng phép kiểm định giả thuyết về trị trung bình của 2 tổng thể T-Test. Còn các yếu tố còn lại là độ tuổi, thâm niên, trình độ chuyên môn, đối tƣợng công việc có từ 3 nhóm mẫu trở lên thì áp dụng phƣơng pháp phân tích phƣơng sai ANOVA. Phƣơng pháp này phù hợp vì nó kiểm định tất cả các nhóm mẫu cùng một lúc với khả năng phạm sai lầm chỉ 5% (Nguyễn Đình Thọ, 2011).
TÓM TẮT CHƢƠNG 2
Trong chƣơng 2, tác giả trình bày chi tiết phƣơng pháp thực hiện nghiên cứu. Quá trình nghiên cứu thực hiện qua 02 bƣớc chính là nghiên cứu định tính và nghiên cứu định lƣợng. Nghiên cứu định tính đƣợc thực hiện thông quan phỏng vấn nhóm. Nghiên cứu định tính cho kết quả có 31 biến quan sát để đo lƣờng cho 08 khái niệm trong mô hình nghiên cứu. Nghiên cứu định lƣợng đƣợc thực hiện thông qua phỏng vấn bằng bảng câu hỏi. Ngoài ra chƣơng này cũng trình bày cách thức thực hiện nghiên cứu định lƣợng nhƣ: xây dựng bảng câu hỏi, cách lấy mẫu, thu thập dữ liệu và các yêu cầu cho việc phân tích dữ liệu.
CHƢƠNG 3
KẾT QUẢ NGHIÊN CỨU
Trong Chƣơng 3, tác giả trình bày các kết quả phân tích từ dữ liệu thu thập của nghiên cứu bao gồm thông tin mẫu khảo sát, kết quả kiểm định thang đo, kết quả kiểm định các giả thuyết nghiên cứu đã đƣa ra.
3.1. MÔ TẢ MẪU NGHIÊN CỨU
Tác giả thu nhận bảng khảo sát, kiểm tra những phiếu không hợp lệ, đồng thời tiến hành làm sạch thông tin, mã hoá các thông tin cần thiết trong bảng trả lời, nhập liệu và phân tích dữ liệu bằng phần mềm SPSS 20, bảng khảo sát đƣợc tiến hành thu thập dữ liệu đối với các cá nhân đang làm việc tại Công ty Tài chính TNHH MTV Ngân hàng Việt Nam Thịnh Vƣợng.
Việc khảo sát đƣợc tiến hành bằng bảng câu hỏi đánh giá cho điểm theo thang điểm 5 đƣợc gởi trực tiếp cho các nhân viên đang làm việc tại Công ty Tài chính TNHH MTV Ngân hàng Việt Nam Thịnh Vƣợng. Số bảng câu hỏi đƣợc gởi đi khảo sát tổng cộng là 220 bảng. Kết quả nhận lại 205 bảng, đạt tỷ lệ 93,18%, trong đó có 200 bảng hợp lệ và 5 bảng không hợp lệ. Cuối cùng có 200 bảng đƣợc sử dụng cho nghiên cứu, đạt tỷ lệ 90,91%. Do đó, mẫu điều tra đƣợc chọn là 200 phiếu khảo sát hợp lệ và và đầy đủ thông tin, phù hợp với yêu cầu và mang tính đại diện của mẫu nên đảm bảo cho việc thực hiện nghiên cứu.
Thống kê sơ lƣợc các thông tin cá nhân của các đối tƣợng khảo sát, ta đƣợc kết quả nhƣ sau:
Bảng 3.1: Thống kê các đối tượng khảo sát Biến Tần số Tỷ lệ % Giới tính Nam 110 55,0 Nữ 90 45,0 Độ tuổi Dƣới 25 tuổi 20 10,0 Từ 25 đến dƣới 30 tuổi 93 46,5 Từ 30 đến dƣới 40 tuổi 59 29,5 Từ 40 tuổi trở lên 28 14,0
Thời gian làm việc
Dƣới 3 năm 48 24,0
Từ 3 đến dƣới 5 năm 59 29,5
Từ 5 năm trở lên 93 46,5
Vị trí công việc Nhân viên 147 73,5
Quản lý 53 26,5 Trình độ chuyên môn Trên đại học 50 25,0 Đại học 90 45,0 Cao đẳng 46 23,0 Trung học phổ thông 14 7,0 Mức thu nhập hiện tại Dƣới 5 triệu VND/tháng 56 28,0 Từ 5 đến dƣới 10 triệu VND/tháng 98 49,0 Từ 10 triệu VND trở lên 46 23,0
Nguồn: Kết quả phân tích SPSS
Kết quả từ trên cho thấy nghiên cứu có đối tƣợng là 200. Trong đó, khi xem xét theo từng biến thì kết quả nhƣ sau:
- Giới tính: Trong 200 đối tƣợng có 90 nữ (chiếm 45,0%) và 110 nam (chiếm 55,0%). Kết quả này cho thấy với 200 đối tƣợng thì số lƣợng nam chiếm nhiều hơn nữ.
Nguồn: Kết quả phân tích SPSS
Hình 3.1: Tỷ lệ Giới tính (%)
- Độ tuổi: Độ tuổi dƣới 25 tuổi có 20 đối tƣợng chiếm tỷ lệ 10%, độ tuổi từ 25 đến dƣới 30 tuổi có 93 đối tƣợng chiếm tỷ lệ 46,5%, độ tuổi từ 30 đến dƣới 40 tuổi có 59 đối tƣợng chiếm tỷ lệ 29,5% và trên 40 tuổi có 28 đối tƣợng chiếm tỷ lệ 14%.
Nguồn: Kết quả phân tích SPSS
Hình 3.2: Tỷ lệ độ tuổi (%)
- Thời gian làm việc: Thời gian làm việc dƣới 3 năm là 48 đối tƣợng chiếm tỷ lệ 24,0%, từ 3 đến dƣới 5 năm trong công việc chiếm tỷ lệ 29,5% với 59 đối tƣợng và từ 5 năm trở lên là 93 đối tƣợng chiếm tỷ lệ 46,5%.
45.0% 55.0% Nữ Nam 10.0% 46.5% 29.5% 14.0% Dƣới 25 tuổi Từ 25 đến dƣới 30 tuổi Từ 30 đến dƣới 40 tuổi Từ 40 tuổi trở lên
Nguồn: Kết quả phân tích SPSS
Hình 3.3: Tỷ lệ Thời gian công tác (%)
- Vị trí công tác: Vị trí nhân viên có 147 đối tƣợng chiếm 73,5% và quản lý có 53 đối tƣợng chiếm 26,5%.
Nguồn: Kết quả phân tích SPSS
Hình 3.4: Tỷ lệ Vị trí công việc (%)
- Trình độ chuyên môn: Với trình độ trên đại học là 50 đối tƣợng chiếm tỷ lệ 25,0%, đại học là 90 đối tƣợng chiếm tỷ lệ 45,0%, cao đẳng là 46 đối tƣợng chiếm tỷ lệ 23,0% và trung học phổ thông là 14 đối tƣợng chiếm tỷ lệ 7,0%. 24.0% 29.5% 46.5% Dƣới 3 năm Từ 3 đến dƣới 5 năm Từ 5 năm trở lên 73.5% 26.5% Nhân viên Quản lý
Nguồn: Kết quả phân tích SPSS
Hình 3.5: Tỷ lệ Trình độ chuyên môn (%)
- Mức thu nhập hàng tháng: Thu nhập dƣới 5 triệu là 56 đối tƣợng chiếm tỷ lệ 28,0%, từ 5 đến dƣới 10 triệu chiếm tỷ lệ 49,0% với 98 đối tƣợng và từ 10 triệu trở lên là 46 đối tƣợng chiếm tỷ lệ 23,0%.
Nguồn: Kết quả phân tích SPSS
Hình 3.6: Tỷ lệ Thu nhập hàng tháng (%)
3.2. KIỂM ĐỊNH ĐỘ TIN CẬY CỦA CÁC THANG ĐO BẰNG HỆ SỐ CRONBACH’S ALPHA CRONBACH’S ALPHA
Cronbach’s Alpha là phép kiểm định thống kê về mức độ chặt chẽ (khả năng giải thích cho một khái niệm nghiên cứu) mà các mục hỏi trong thang đo tƣơng đƣơng với nhau, hay nói cách khác hệ số Cronbach’s Alpha này cho biết các đo lƣờng có liên kết với nhau không. Nhiều nhà nghiên cứu đồng ý rằng khi hệ số Cronbach’s Alpha có giá trị từ 0,8 trở lên đến gần 1,0 là thang đo tốt; từ 0,7 đến gần 0,8 là sử dụng đƣợc. Cũng có nhiều nhà nghiên cứu đề
25.0% 45.0% 23.0% 7.0% Trên đại học Đại học Cao đẳng Trung học phổ thông 28.0% 49.0% 23.0% Dƣới 5 triệu VND/tháng Từ 5 đến dƣới 10 triệu VND/tháng Từ 10 triệu VND trở lên
nghị hệ số Cronbach’s Alpha từ 0,6 trở lên là có thể sử dụng đƣợc trong trƣờng hợp khái niệm đang nghiên cứu là mới hoặc mới đối với ngƣời trả lời trong bối cảnh nghiên cứu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Vì vậy, đối với nghiên cứu này, tác giả áp dụng hệ số Cronbach’s Alpha từ 0,6 trở lên là sử dụng đƣợc. Tuy nhiên, nếu một hệ số Cronbach’s Alpha quá lớn (α > 0,95), cho thấy có nhiều biến trong thang đo không khác gì nhau, nghĩa là chúng cùng đo lƣờng một nội dung nào đó của khái niệm nghiên cứu (Nguyễn Đình Thọ, 2011).
Tuy nhiên, Cronbach’s Alpha không cho biết biến nào nên loại bỏ và biến nào nên giữ lại. Bởi vậy, bên cạnh hệ số Cronbach’s Alpha, ngƣời ta còn sử dụng hệ số tƣơng quan biến tổng (iterm – total correlation) và những biến nào có tƣơng quan biến tổng < 0,3 sẽ bị loại bỏ (biến rác). Việc loại bỏ cần phải cân nhắc giá trị nội dung của khái niệm nghiên cứu (Nguyễn Đình Thọ, 2011).
3.2.1. Kiểm định độ tin cậy của các nhân tố độc lập bằng hệ số Cronbach’s alpha Cronbach’s alpha
a. Kiểm định độ tin cậy của nhân tố TL (Tiền lương) bằng hệ số Cronbach’s Alpha
Tác giả thực hiện kiểm định 4 thang đo thuộc nhân tố TL (Tiền lƣơng) và thu đƣợc kết quả nhƣ sau:
Bảng 3.2: Kết quả kiểm định thang đo nhân tố Tiền lương Hệ số Cronbach’s Alpha = 0,613 Trung bình thang đo nếu loại biến Phƣơng sai thang đo nếu loại
biến Tƣơng quan biến tổng Tƣơng quan bình phƣơng Cronbach' s Alpha nếu loại biến TL1 11.4600 3.003 .581 .415 .382 TL2 11.3900 2.983 .544 .427 .411 TL3 11.7400 3.148 .489 .246 .462 TL4 11.1900 5.501 -.035 .023 .748
Nguồn: Kết quả phân tích SPSS
Kết quả cho thấy Cronbach’s Alpha bằng 0,613 và giá trị tƣơng quan