7. Tổng quan tài liệu
2.4.2. Nghiên cứu định lƣợng
a. Mẫu nghiên cứu
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.
Việc xác định cỡ mẫu nhƣ thế nào là phù hợp còn nhiều tranh cãi về các cách xác định khác nhau nhƣ. Theo Maccallum và cộng sự (1999) đã tóm tắt các quan điểm của các nhà nghiên cứu trƣớc đó về cỡ mẫu tối thiểu đối với phân tích nhân tố. Theo Kline (1979) con số tối thiểu là 100, Guiford (1954) là 200, Comrey và Lee (1992) đƣa ra các cỡ mẫu với các quan điểm tƣởng ứng: 100 = tệ, 200 = khá, 300 = tốt, 500 = rất tốt,1000 hoặc hơn = tuyệt vời.
Một số nhà nghiên cứu không đƣa ra con số cụ thể mà đƣa ra mối liên hệ giữa sốlƣợng biến quan sát với kích thƣớc mẫu. Theo Trọng và Ngọc (2008) sử dụng quy tắc nhân 5, tức là số biến quan sát nhân 5 sẽ ra cỡ mẫu tối thiểu của nghiên cứu để đảm bảo tính tin cậy.
Đối với nghiên cứu này do hạn chế về chi phí thực hiện nên cỡ mẫu đƣợc xác định trên nguyên tắc tối thiểu cần thiết để đảm bảo độ tin cậy của nghiên cứu, tức là lấy mẫu theo quy tắc của Comrey và Lee (1992), đồng thời tham khảo quy tắc của Trọng và Ngọc với 31 biến quan sát cỡ mẫu tối thiểu 31x5 = 155
Nhƣ vậy cỡ mẫu 200 mẫu là cỡ mẫu khá theo Comrey và Lee, đồng thời nó cũng thỏa mãn quy tắc nhân 5 của Trọng và Ngọc về kích thƣớc mẫu tối thiểu.
b. Phân tích dữ liệu thống kê
Cronbach’s Alpha là một công cụ giúp loại đi những biến quan sát,
những thang đo không đạt yêu cầu. Các biến quan sát có hệ số tƣơng quan biến – tổng (item – total correlation) nhỏ hơn 0.30 sẽ bị loại và tiêu chuẩn chọn thang đo khi hệ số Cronbach’s Alpha là từ 0.6 trở lên (Nunally & Burnstein 1994). Hoàng Trọng & Chu Nguyễn Mộng Ngọc (2005) cho rằng nhiều nhà nghiên cứu đồng ý rằng Cronbach’s alpha từ 0.80 đến 1 là thang đo tốt, từ 0.70 đến 0.80 là sử dụng đƣợc. Cũng có nhà nghiên cứu cho rằng Cronbach’s alpha từ 0.60 trở lên là 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.
Phân tích nhân tố sẽ đƣợc sử dụng để kiểm định sự hội tụ của các biến
thành phần về khái niệm. Kiểm định sự thích hợp của phân tích nhân tố với dữ liệu của mẫu thông qua trị thống kê Kaiser-Meyer-Olkin (KMO). Một số tiêu chuẩn mà các nhà nghiên cứu thƣờng quan tâm khi phân tích nhân tố khám phá (EFA). Thứ nhất, hệ số KMO (Kaiser – Meyer – Olkin) >= 0.50, mức ý nghĩa của kiểm định Bartlett <= 0.50. Thứ hai, hệ số tải nhân tố (Facter Loading) <= 0.50 sẽ bị loại. Thứ ba, thang đo đƣợc chấp nhận khi tổng phƣơng sai trích >=50%. Thứ tƣ, hệ số eigenvalue phải có giá trị >= 1(Gerbing & Anderson 1988). Thứ năm, khác biệt hệ số tải nhân tố của một biến quan sát giữa các biến quan sát >= 0.30 để đảm bảo giá trị phân biệt giữa các nhân tố (Jabnoun & Al- Tamimi 2003).
Xây dựng phương trình hồi quy: Sau khi thang đo của các yếu tố khảo
sát đã đƣợc kiểm định thì sẽ đƣợc xử lý chạy hồi quy tuyến tính bằng phƣơng pháp tổng bình phƣơng nhỏ nhất (OLS) bằng cả hai phƣơng pháp Enter và phƣơng pháp Stepwise. Thông qua phƣơng tình hồi quy tác giả sẽ biết đƣợc mối quan hệ giữa biến độc lập và biến phụ thuộc nhƣ thế nào trong mô hình.
Kiểm định các giả thuyết nghiên cứu: Các giả thuyết nghiên cứu sẽ
đƣợc tiến hành kiểm định thông qua dữ liệu nghiên cứu của phƣơng trình hồi quy đƣợc xây dựng. Tiêu chuẩn kiểm định sử dụng thống kê t và giá trị p-value (Sig.) tƣơng ứng, độ tin cậy lấy theo chuẩn 95%, giá trị p-value sẽ đƣợc so sánh trực tiếp với giá trị 0.05 để kết luận chấp thuận hay bác bỏ giả thuyết nghiên cứu. Đối với các kiểm định sự khác nhau giữa các tổng thể con trong nghiên cứu ta sử dụng kiểm định T-test và phân tích phƣơng sai (ANOVA) để kiểm định, kiểm định này cũng sử dụng việc so sánh trực
tiếp giá trị p-value tƣơng ứng. Để xem xét sự phù hợp dữ liệu và sự phù hợp của mô hình ta sử dụng hệ số R-square, thống kê t và thống kê F để kiểm định. Để đánh giá sự quan trọng của các nhân tố ta xem xét hệ số Beta tƣơng ứng trong phƣơng trình hồi quy bội đƣợc xây dựng từ dữ liệu nghiên cứu.
TÓM TẮT CHƢƠNG 2
Chƣơng này đã trình bày quá trình nghiên cứu gồm hai bƣớc: Nghiên cứu sơ bộ thông qua phƣơng pháp định tính với kỹ thuật thảo luận nhóm để điều chỉnh, bổ sung các thang đo các nhân tố tạo động lực làm việc và phƣơng pháp nghiên cứu định lƣợng kiểm định thang đo, phân tích nhân tố, tìm ra mối quan hệ giữa biến độc lập và biến phụ thuộc nhƣ thế nào trong mô hình, kiểm định các giả thuyết nghiên cứu đƣợc thực hiện bằng cách xử lý số liệu bằng phần mềm SPSS.
CHƢƠNG 3
KẾT QUẢ NGHIÊN CỨU