7. Tổng quan tài liệu nghiên cứu
3.3. PHÂN TÍCH NHÂN TỐ KHÁM PHÁ EFA (Exploratory Factor
Analysis)
Sau kết quả của quá trình kiểm định độ tin cậy của các thang đo bằng hệ số Cronbach’s Alpha, có 1 biến thuộc các nhân tố độc lập bị loại, vậy còn 31 biến quan sát còn lại của 8 nhân tố độc lập sẽ đƣợc tiếp tục phân tích ở bƣớc phân tích nhân tố khám phá (EFA). Tuy nhiên các biến quan sát nào thực sự cần thiết, biến quan sát nào cần bị loại sẽ đƣợc xác định sau khi thực hiện phân tích nhân tố khám phá EFA.
3.3.1 Phân tí h nhân tố với biến độ lập
a. Phân tích lần thứ nhất
Trƣớc khi tiến hành phân tích nhân tố, ta cần kiểm tra xem việc dùng phƣơng pháp này có phù hợp hay không. Việc kiểm tra này sẽ đƣợc thực hiện bởi việc tính hệ số KMO and Bartlett’s Test.
Bảng 3.8. Kiểm định KMO and Bartlett’s lần 1
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. ,836 Bartlett's Test of
Sphericity
Approx. Chi-Square 5700,566
df 465
Sig. ,000
(Nguồn: Dữ liệu phân tích trên SPSS 20.0)
Theo bảng 3.8, hệ số KMO là 0,836 > 0,5 và sig của Bartlett’s Test = 0,000 nhỏ hơn 1/1000, tổng phƣơng sai trích là 64,239% > 50% với tiêu chuẩn Eigenvalue là 1,036 > 1 (Chi tiết tại Phụ lục 2). Tỷ lệ này đạt yêu cầu trong phân tích nhân tố.
Tiến hành phân tích nhân tố khám phá EFA với 31 biến quan sát có kết quả phân tích lần 1 nhƣ sau:
Bảng 3.9. Kết quả phân tích nhân tố EFA lần 1 Ma trận xoay Nhân tố 1 2 3 4 5 6 7 8 9 10 CT1 ,758 CT2 ,685 CT3 ,500 CT4 CT5 ,725 CT6 ,745 DN1 ,663 DN2 ,587 DN3 DN4 ,529 PT1 ,774 PT2 ,822 PT3 ,567 ,665 VH2 ,646 VH3 ,587 VH4 ,623 TC1 ,605 TC2 ,630 TC3 ,713 HL1 HL2 ,537 HL3 ,647 HL4 ,716 HL5 ,693 TT1 ,605 TT2 ,730 TT3 ,774 TT4 ,819 LT1 ,567 ,670 LT2 ,540 LT3
Kết quả phân tích nhân tố EFA lần 1 đã loại 4 biến quan sát, còn lại 27 biến với tổng số biến quan sát ban đầu là 31 vì các biến này có hệ số tƣơng quan biến tổng < 0,5. Các biến bị loại bao gồm: “Cấp trên có năng lực giải quyết vấn đề phát sinh” (CT4), “Học hỏi chuyên môn đƣợc nhiều từ các đồng nghiệp” (DN3), “Hài lòng với mức lƣơng và phụ cấp nhận đƣợc” (HL1), “Tin sự cộng tác giúp giải quyết công việc nhanh chóng và hiệu quả” (LT3).
b. Phân tích lần thứ 2
Kiểm định độ phù hợp của phƣơng pháp phân tích bằng hệ số KMO and Bartlett’s Test.
Bảng 3.10. Kiểm định KMO and Bartlett’s lần 2
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. ,811 Bartlett's Test of
Sphericity
Approx. Chi-Square 5269,369
df 351
Sig. ,000
(Nguồn: Dữ liệu phân tích trên SPSS 20.0)
Ở lần phân tích này ta có hệ số KMO là 0.811 > 0,5 và sig = 0,000, các hệ số tải đều > 0,5. Tổng phƣơng sai trích là 64,175% với tiêu chuẩn Eigenvalue = 1,090 > 1 (Chi tiết tại Phụ lục 3) và dừng lại ở 5 nhân tố trích đƣợc. Với kết quả phân tích nhân tố ở lần này là thích hợp và giai đoạn phân tích nhân tố khám phá EFA cho các biến độc lập đƣợc hoàn thành.
Kết quả của lần phân tích cuối cùng này, ta thấy hệ số KMO là 0,811, điều này có thể khẳng định rằng dữ liệu phù hợp để thực hiện phân tích nhân tố. Tổng phƣơng sai trích = 64,175% có nghĩa là 64,175% biến thiên của dữ liệu đƣợc giải thích bởi 5 nhân tố, kiểm định Bartlett's Test có hệ số sig = 0,000 < 0,05 thể hiện các biến quan sát có tƣơng quan với nhau trên tổng thể. Các hệ số tải nhân tố lớn hơn 0,5 nên đạt yêu cầu nghiên cứu.
quả lần 2 nhƣ sau:
Bảng 3.11. Kết quả phân tích nhân tố EFA lần 2
Ma trận xoay Nhân tố 1 2 3 4 5 6 7 8 9 10 CT1 ,786 CT2 ,653 CT3 ,544 CT5 ,673 CT6 ,696 DN1 ,748 DN2 ,617 DN4 ,566 PT1 ,765 PT2 ,778 PT3 ,754 VH2 ,692 VH3 ,614 VH4 ,619 TC1 ,651 TC2 ,689 TC3 ,699 HL2 ,510 HL3 ,641 HL4 ,714 HL5 ,695 TT1 ,611 TT2 ,756 TT3 ,762 TT4 ,779 LT1 ,755 LT2 ,636
Kết quả sau khi phân tích nhân tố khám phá EFA lần 2 còn lại 5 nhân tố ảnh hƣởng với 27 biến quan sát.
c. Kết luận
Nhƣ vậy, qua kết quả phân tích nhân tố khám phá EFA ta loại đƣợc 4 biến quan sát đó là: “Cấp trên có năng lực giải quyết vấn đề phát sinh” (CT4), “Học hỏi chuyên môn đƣợc nhiều từ các đồng nghiệp” (DN3), “Hài lòng với mức lƣơng và phụ cấp nhận đƣợc” (HL1), “Tin sự cộng tác giúp giải quyết công việc nhanh chóng và hiệu quả” (LT3) vì các biến này không góp phần vào việc đo lƣờng các khái niệm cần đo.
So với mô hình nghiên cứu đƣợc đề xuất ban đầu, mô hình điều chỉnh còn lại 5 yếu tố ảnh hƣởng với 27 biến quan sát. Các nhân tố ảnh hƣởng và các biến quan sát của mô hình nghiên cứu còn lại sau khi phân tích EFA là:
- Nhân tố 1 (X1) gồm 7 biến: PT1, PT2, PT3, TT3, TT4, LT1, LT2. Nhìn chung, đây là các biến nói về sự phụ thuộc và việc trao đổi thông tin. Do đó, nhân tố này đƣợc đặt tên là Sự phụ thuộc và trao đổi.
- Nhân tố 2 (X2) gồm 8 biến: DN4, VH2, VH3, VH4, TC1, TC2, TC3, HL2. Nội dung của các biến này nói về sự tự chủ, chính sách khuyến khích tự giác trong công việc. Tác giả đặt tên nhân tố này là Tính dân chủ.
- Nhân tố 3 (X3) gồm 5 biến: HL3, HL4, HL5, TT1, TT2. Các biến này phần lớn nói về sự hài lòng. Do đó, nhân tố này đƣợc đặt tên là Sự hài lòng.
- Nhân tố 4 (X4) gồm 4 biến: CT5, CT6, DN1, DN2, Nội dung của các biến này nói về sự giúp đỡ của đồng nghiệp cũng nhƣ sự hỗ trợ của cấp trên đối với nhân viên. Tác giả đặt tên nhân tố này là Sự hỗ trợ.
- Nhân tố 5 (X5) gồm 3 biến: CT1, CT2, CT3. Đây là 3 biến thuộc về yếu tố Cấp trên. Vì vậy, nhân tố này đƣợc đặt tên là Cấp trên.
3 3 2 Kiểm tr độ tin ậy ủ á biến s u hi phân tí h EFA
biến “rác”) trong nghiên cứu, tiến hành kiểm tra độ tin cậy của các nhân tố này để có cơ sở cho các nghiên cứu tiếp theo. Hệ số Cronbach’s Alpha là phép kiểm định thống kê về mức độ chặt chẽ của các mục hỏi trong thang đo với nhau.
Thực hiện kiểm tra độ tin cậy bằng hệ số Cronbach’s Alpha của các nhân tố còn lại sau khi kiểm định EFA. Kết quả phân tích của các nhân tố đều có hệ số Cronbach’s Alpha lớn hơn 0,6, đạt yêu cầu nghiên cứu.
Bảng 3.12. Hệ Cronbach’s Alpha của các nhân tố sau khi phân tích EFA
STT Nhân tố Hệ số Cronbach’s Alpha
1 X1 0,923
2 X2 0,890
3 X3 0,839
4 X4 0,764
5 X5 0,778
(Nguồn: Dữ liệu phân tích trên SPSS 20.0)
3 3 3 Phân tí h nhân tố với biến phụ thuộ
Kiểm định độ phù hợp của phƣơng pháp phân tích bằng hệ số KMO and Bartlett’s Test.
Bảng 3.13. Kiểm định KMO and Bartlett’s biến phụ thuộc
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. ,718 Bartlett's Test of
Sphericity
Approx. Chi-Square 218,445
df 3
Sig. ,000
(Nguồn: Dữ liệu phân tích trên SPSS 20.0)
Kiểm định KMO và Bartlett’s trong phân tích nhân tố cho thấy hệ số KMO = 0,718 > 0,5 với mức ý nghĩa sig = 0,000 < 0,05 cho thấy phân tích nhân tố là thích hợp để sử dụng.
Tiến hành phân tích nhân tố với 3 biến quan sát của thang đo “Sự cộng tác” bằng phƣơng pháp Principal Components.
Bảng 3.14. Kết quả phân tích nhân tố khám phá EFA thang đo yếu tố sự cộng tác
Biến quan sát Yếu tố 1
CTA1 ,863
CTA2 ,846
CTA3 ,863
Phƣơng sai trích 73,528
Eigenvalue 2,206
(Nguồn: Dữ liệu phân tích trên SPSS 20.0)
Với phƣơng pháp rút trích nhân tố Principal components và phép quay Varimax đã trích đƣợc một nhân tố duy nhất tại giá trị Eigenvalue là 2,206 và phƣơng sai trích đƣợc là 73,58% (>50%). Hơn nữa, các hệ số tải nhân tố của các biến khá cao (đều lớn hơn 0,8) (Chi tiết tại Phụ lục 4). Nhƣ vậy, các biến quan sát của thang đo này đạt yêu cầu cho các phân tích tiếp theo.
3.3.4. Hiệu hỉnh mô hình nghiên ứu
Theo kết quả phân tích EFA phần trên, mô hình lý thuyết đƣợc hiệu chỉnh lại cho phù hợp nhƣ sau:
Hình 3.1 Mô hình nghiên cứu hiệu chỉnh
1. Sự phụ thuộc và trao đổi
2. Tính dân chủ 4. Sự hỗ trợ 5. Cấp trên 3. Sự hài lòng Sự cộng tác giữa các nhân viên
Các biến kiểm soát: - Giới tính;
- Tuổi; - Chức vụ.
Các giả thuyết cho mô hình hiệu chỉnh sẽ đƣợc xây dựng dựa trên chiều hƣớng ảnh hƣởng của các yếu tố tác động đến sự cộng tác của các nhân viên ngành thanh tra tại thành phố Đà Nẵng. Trong mô hình hiệu chỉnh này, có 5 yếu tố tác động đến sự cộng tác là: Sự phụ thuộc và trao đổi, tính dân chủ, sự hài lòng, sự hỗ trợ, cấp trên.
Các giả thuyết của mô hình hiệu chỉnh nhƣ sau:
- Giả thuyết H1: Nhân tố “Sự phụ thuộc, trao đổi” có ảnh hƣởng đồng biến đến sự cộng tác;
- Giả thuyết H2: Nhân tố “Tính dân chủ” có ảnh hƣởng đồng biến đến sự cộng tác;
- Giả thuyết H3: Nhân tố “Sự hài lòng” có ảnh hƣởng đồng biến đến sự cộng tác;
- Giả thuyết H4: Nhân tố “Sự hỗ trợ” có ảnh hƣởng đồng biến đến sự cộng tác;
- Giả thuyết H5: Nhân tố “Cấp trên” có ảnh hƣởng đồng biến đến sự cộng tác.
3.4. PHÂN TÍCH HỒI QUY
3.4.1. Kiểm định hệ số tƣơng qu n
Sau khi kiểm định độ tin cậy và giá trị của thang đo, các nhân tố đƣợc đƣa vào kiểm định mô hình. Giá trị nhân tố đƣợc kiểm định là trung bình của các biến quan sát thành phần thuộc nhân tố đó.
Trƣớc khi kiểm định mô hình, kiểm định hệ số tƣơng quan Pearson đƣợc sử dụng để kiểm tra mối liên hệ tuyến tính giữa các biến độc lập và biến phụ thuộc. Nếu các biến có tƣơng quan chặt chẽ thì phải lƣu ý đến vấn đề đa cộng tuyến sau khi phân tích hồi quy.
Bảng 3.15. Ma trận hệ số tương quan Correlations X1 X2 X3 X4 X5 Y X1 Pearson Correlation 1 ,624 ** ,548** ,444** ,529** ,604** Sig. (2-tailed) ,000 ,000 ,000 ,000 ,000 N 209 209 209 209 209 209 X2 Pearson Correlation ,624 ** 1 ,642** ,572** ,604** ,718** Sig. (2-tailed) ,000 ,000 ,000 ,000 ,000 N 209 209 209 209 209 209 X3 Pearson Correlation ,548 ** ,642** 1 ,325** ,541** ,581** Sig. (2-tailed) ,000 ,000 ,000 ,000 ,000 N 209 209 209 209 209 209 X4 Pearson Correlation ,444 ** ,572** ,325** 1 ,453** ,420** Sig. (2-tailed) ,000 ,000 ,000 ,000 ,000 N 209 209 209 209 209 209 X5 Pearson Correlation ,529 ** ,604** ,541** ,453** 1 ,513** Sig. (2-tailed) ,000 ,000 ,000 ,000 ,000 N 209 209 209 209 209 209 Y Pearson Correlation ,604 ** ,718** ,581** ,420** ,513** 1 Sig. (2-tailed) ,000 ,000 ,000 ,000 ,000 N 209 209 209 209 209 209
Theo ma trận hệ số tƣơng quan Bảng 3.15, hầu hết các giá trị hệ số tƣơng quan giữa biến độc lập và biến phụ thuộc đều có ý nghĩa ở mức 99%. Điều này cho thấy tƣơng quan giữa biến phụ thuộc là sự cộng tác và các biến độc lập tƣơng đối cao. Do vậy, ta có thể kết luận sơ bộ là các biến độc lập này phù hợp để đƣa vào mô hình giải thích cho biến sự cộng tác.
Cũng từ kết quả phân tích tƣơng quan trên ta thấy rằng, biến phụ thuộc Y có mối tƣơng quan với cả 5 biến độc lập. Nhân tố X2 có mối tƣơng quan nhiều nhất đến nhân tố ảnh hƣởng (0,718); sig của các biến độc lập đều nhỏ hơn 5% (sig < 0,05).
3.4.2. Phân tí h hồi quy bội
Phân tích đƣợc thực hiện bằng phƣơng pháp Enter. Các biến đƣợc đƣa vào cùng một lúc để chọn lọc dựa trên tiêu chí chọn những biến có ý nghĩa < 0,05. Kết quả phân tích hồi quy nhƣ sau:
Bảng 3.16. Model Summary
Model R R Square Adjusted R Square Std. Error of the Estimate
1 ,754a ,569 ,558 ,56323
(Nguồn: Dữ liệu phân tích trên SPSS 20.0)
Hệ số R2
= 0,569 và R2 điều chỉnh (Adjusted R Square) = 0,558 nghĩa là mô hình hồi quy tuyến tính bội đã xây dựng phù hợp với tập dữ liệu là 55,8%, tức là các biến độc lập giải thích đƣợc 55,8% biến thiên của biến phụ thuộc. Cụ thể hơn, với tập dữ liệu ta thu thập đƣợc thì khoảng 55,8% các khác biệt của sự cộng tác giữa các nhân viên ngành thanh tra tại thành phố Đà Nẵng có thể đƣợc giải thích bởi 5 nhân tố: sự phụ thuộc và trao đổi, tính dân chủ, sự hài lòng, sự hỗ trợ và cấp trên.
Tuy nhiên, hệ số R2
điều chỉnh này mới chỉ cho biết sự phù hợp của mô hình hồi quy với tập dữ liệu mà vẫn chƣa thể cho biết mô hình hồi quy vừa
xây dựng có phù hợp với tổng thể hay không. Để kiểm tra sự phù hợp của mô hình hồi quy vừa xây dựng với tổng thể nghiên cứu ta xem xét kiểm định F.
Bảng 3.17. Bảng ANOVA Model Sum of Squares df Mean Square F Sig. Regression 84,886 5 16,977 53,517 ,000b 1 Residual 64,398 203 ,317 Total 149,284 208
(Nguồn: Dữ liệu phân tích trên SPSS 20.0)
Ta thấy trong kết quả kiểm định theo Bảng 3.17 có trị số thống kê đạt giá trị 53,517 đƣợc tính từ R2
của mô hình đủ, mức ý nghĩa sig = 0,000 < 0,01 (α = 0,01) nên cho thấy mô hình hồi quy bội vừa xây dựng là phù hợp với tổng thể nghiên cứu, mô hình đáp ứng yêu cầu phân tích và có thể đƣợc sử dụng. Bảng 3.18. Bảng tóm tắt các hệ số hồi quy Mô hình Hệ số chƣa chuẩn hóa Hệ số đã
chuẩn hóa T Sig.
(p_value) VIF B Std.Error Beta Hằng số -,042 ,243 -,173 ,863 X1 ,237 ,070 ,212 3,383 ,001 1,672 X2 ,573 ,090 ,478 6,379 ,000 1,458 X3 ,168 ,077 ,139 2,179 ,030 1,473 X4 -,014 ,065 -,012 -,211 ,833 1,352 X5 ,041 ,061 ,042 ,680 ,497 1,850
(Nguồn: Dữ liệu phân tích trên SPSS 20.0)
Nhƣ đã phân tích, các biến trong mô hình có mối tƣơng quan với nhau, tuy nhiên cần chú ý tới hiện tƣợng đa cộng tuyến. Để phát hiện đa cộng
tuyến, ta sử dụng hệ số VIF (hệ số phóng đại phƣơng sai) để phát hiện. Nếu VIF > 2 thì xuất hiện hiện tƣợng đa cộng tuyến, cần loại bỏ biến gây ra hiện tƣợng này để mô hình có ý nghĩa thống kê.
Căn cứ vào Bảng 3.18, ta thấy hệ số phóng đại phƣơng sai VIF (Variance inflation factor ) của các biến độc lập trong mô hình rất nhỏ (nhỏ hơn 2) nên cho thấy các biến độc lập trong mô hình nghiên cứu không có quan hệ chặt chẽ với nhau nên không có hiện tƣợng đa cộng tuyến xảy ra. Do vậy, mối quan hệ giữa các biến độc lập không ảnh hƣởng đáng kể đến kết quả giải thích của mô hình hồi quy và các biến trong mô hình đƣợc chấp nhận.
3 4 3 Kiểm định á giả thuyết ủ mô hình
Kết quả kiểm định các giả thuyết của mô hình nhƣ sau:
Bảng 3.19. Kết quả kiểm định các giả thuyết mô hình
STT Giả thuyết B p_value Kết luận
1
H1: Sự phụ thuộc và trao đổi tác động dƣơng đến sự cộng tác của nhân viên trong ngành thanh tra
,212 ,001 Chấp nhận
2
H2: Tính dân chủ tác động dƣơng đến sự cộng tác của nhân viên trong ngành thanh tra
,478 ,000 Chấp nhận
3 H3: Sự hài lòng tác động dƣơng đến sự cộng
tác của nhân viên trong ngành thanh tra ,139 ,030
Chấp nhận 4 H4: Sự hỗ trợ tác động dƣơng đến sự cộng
tác của nhân viên trong ngành thanh tra -,012 ,833 Bác bỏ 5 H5: Cấp trên tác động dƣơng đến sự cộng
tác của nhân viên trong ngành thanh tra ,042 ,497 Bác bỏ
Sau khi kiểm định các giả thuyết của mô hình, kết quả các giả thuyết H1, H2, H3 đƣợc chấp nhận, giả thuyết H4, H5 bị bác bỏ.
Mô hình hồi quy với hệ số chuẩn hóa:
Y= 0,212 * X1 + 0,478 * X2 + 0,139 * X3
Theo phƣơng trình trên, có 3 nhân tố tác động đến sự cộng tác giữa các nhân viên trong ngành thanh tra trên địa bàn thành phố Đà Nẵng bao gồm: sự phụ thuộc và trao đổi, tính dân chủ và sự hài lòng. Các nhân tố này tỷ lệ thuận với sự cộng tác của nhân viên. Nghĩa là sự gia tăng hay giảm mức độ cộng tác