6. Tổng quan tài liệu nghiên cứu
2.2.6. Phân tích dữ liệu
Dữ liệu thu đƣợc đƣợc làm sạch và tiến hành phân tích với sự hỗ trợ của phần mềm SPSS 20 bằng các thủ tục thống kê. Bao gồm:
a. Thống kê mô tả mẫu
Mẫu thu thập đƣợc sẽ đƣợc tiến hành thống kê phân loại theo các tiêu chí phân loại: Giới tính, độ tuổi, trình độ chuyên môn, nghiệp vụ, chức vụ công tác và thời gian công tác. Đồng thời tính điểm trung bình, giá trị lớn nhất, giá trị nhỏ nhất và độ lệch chuẩn của các câu trả lời trong bảng hỏi thu thập đƣợc.
b. Đánh giá thang đo bằng hệ số tin cậy Cronbach’s Alpha
Cronbach’s Alpha sẽ kiểm tra độ tin cậy của các biến dùng để đo lƣờng từng nhân tố của sự hài lòng công việc. Những biến không đảm bảo độ tin cậy sẽ bị loại khỏi thang đo. Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008) cho rằng: “nhiều nhà nghiên cứu đồng ý rằng Cronbach’s Alpha từ 0.8 trở lên đến gần 1 thì thang đo lƣờng là tốt, từ 0.7 đến gần 0.8 là sử dụng đƣợc. Cũng có nhà nghiên cứu đề nghị rằng 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” [14]. Hair (1998) cho rằng hệ số
tƣơng quan biến tổng nên trên 0.5, Cronbach’s Alpha nên từ 0.7 trở lên và trong các nghiên cứu khám phá, tiêu chuẩn Cronbach’s Alpha có thể chấp nhận ở mức từ 0.6 trở lên [18]. Đối với kiểm định Cronbach’s Alpha trong luận văn này, các biến quan sát có hệ số tƣơng quan biến tổng (item total correlation) nhỏ hơn 0.3 sẽ bị loại và khi Cronbach’s Alpha có giá trị lớn 0.6 thang đo đƣợc xem là có đảm bảo độ tin cậy.
c. Phân tích nhân tố khám phá EFA
Sau khi đánh giá độ tin cậy các thang đo bằng công cụ Cronbach’s alpha và loại các biến không đảm bảo độ tin cậy, các biến giữ lại sẽ đƣợc xem xét tính phù hợp thông qua phân tích nhân tố EFA. Phân tích nhân tố sẽ trả lời câu hỏi liệu các biến dùng để đánh giá sự hài lòng công việc có độ kết dính cao không và chúng có thể gom lại thành ít nhân tố hơn để xem xét hay không. Khi phân tích nhân tố khám phá, các nhà nghiên cứu thƣờng quan tâm đến một số tiêu chuẩn sau:
+ Hệ số KMO (Kaiser-Meyer-Olkin) là chỉ số dùng để so sánh độ lớn của hệ số tƣơng quan giữa hai biến với hệ số tƣơng quan riêng phần của chúng. KMO càng lớn càng tốt vì phần chung giữa các biến càng lớn. Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 0.5 ≤ KMO ≤ 1 thì phân tích nhân tố là thích hợp [14, tr 31]. Vì vậy, để sử dụng EFA, KMO phải lớn hơn 0.5.
+ Đại lƣợng Barlett’s test of sphericity là một đại lƣợng thống kê dùng để xem xét giả thuyết các biến không có tƣơng quan trong tổng thể. Nếu Sig kiểm định này bé hơn hoặc bằng 0.05, kiểm định có ý nghĩa thống kê, có thể sử dụng kết quả phân tích EFA [14, tr 30].
+ Tiêu chí Eigenvalue: là tiêu chí phổ biến trong việc xác định số lƣợng nhân tố trong phân tích EFA. Tổng phƣơng sai trích (Cumulative % Extraction Sums of Squared Loading) cũng là một tiêu chí quan trọng khi đánh giá kết quả EFA. Kết quả phân tích nhân tố đƣợc chấp nhận khi tổng
phƣơng sai trích lớn hơn 50% và Eigenvalue lớn hơn 1 [16, tr. 186-192]. Số lƣợng nhân tố đƣợc xác định dựa vào chỉ số Eigenvalue đại diện cho phần biến thiên đƣợc giải thích bởi mỗi nhân tố. Theo tiêu chuẩn Kaiser thì những nhân tố có Eigenvalue nhỏ hơn 1 sẽ bị loại khỏi mô hình nghiên cứu. Các biến còn lại (thang đo hoàn chỉnh) sẽ đƣợc đƣa vào phân tích bƣớc tiếp theo.
+ Trọng số nhân tố của biến quan sát (Factor Loading): Factor Loading là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA [14]. Factor Loading lớn hơn 0.3 đƣợc xem là mức tối thiểu, Factor Loading lớn hơn 0.4 đƣợc xem là quan trọng, Factor Loading lớn hơn hoặc bằng 0.5 đƣợc xem là có ý nghĩa thực tiễn. Hair & ctg (1998) cũng khuyên rằng, nếu chọn tiêu chí Factor Loading lớn 0.3 thì cỡ mẫu ít nhất phải là 350 [18]. Trên thực tế áp dụng, việc nhớ từng mức hệ số tải với từng khoảng kích thƣớc mẫu là khá khó khăn, do vậy ngƣời ta thƣờng lấy hệ số tải 0.45 hoặc 0.5 làm mức tiêu chuẩn với cỡ mẫu từ 120 đến dƣới 350; lấy tiêu chuẩn hệ số tải là 0.3 với cỡ mẫu từ 350 trở lên. Ở luận văn này, với số mẫu là 200, tác giả chọn trọng số nhân tố lớn hơn hoặc bằng 0.5 thì thang đo đạt giá trị hội tụ. Khác biệt hệ số tải nhân tố Factor Loading của một biến quan sát giữa các nhân tố phải ≥ 0.3 để đảm bảo tính phân biệt giữa các nhân tố [21, tr. 458-472].
d. Hiệu chỉnh mô hình và đưa ra giả thuyết nghiên cứu
Sau khi tiến hành phân tích EFA, căn cứ trên dữ liệu thực tế tác giả sẽ tiến hành điều chỉnh mô hình cũng nhƣ các giả thuyết nghiên cứu ban đầu cho phù hợp dữ liệu thực tế.
e. Kiểm định các giả thuyết nghiên cứu
Đánh giá độ phù hợp của mô hình hồi quy tuyến tính bội
Phân tích tƣơng quan (Pearson) đƣợc sử dụng để xem xét sự phù hợp khi đƣa các thành phần vào mô hình hồi quy. Kết quả của phân tích hồi quy sẽ đƣợc sử dụng để kiểm định các giả thuyết nghiên cứu. Để kiểm định mô hình
nghiên cứu, ta sử dụng phƣơng pháp phân tích hồi quy bội cho các biến phụ thuộc và biến độc lập.
- Kiểm định hệ số tương quan: Kiểm định hệ số tƣơng quan nhằm để kiểm tra mối quan hệ tuyến tính giữa các biến độc lập và các 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.
- Phân tích hồi quy bội: Phân tích hồi quy để xác định mức ý nghĩa Sig và hệ số xác định R2 để chứng tỏ sự phù hợp của mô hình. Đề kiểm tra sự phù hợp của mô hình hồi quy vừa xây dựng với tổng thể nghiên cứu ta xét kiểm định F. Các biến đƣợc đƣa vào cùng một lúc để chọn lọc dựa trên tiêu chí chọn những biến có ý nghĩa nhỏ hơn 0.05.
Tiếp tục xem xét trên các kết quả của phƣơng pháp hồi quy xem có hay không sự vi phạm một số giả định cần thiết trong hồi quy tuyến tính nhƣ: phƣơng sai của phần dƣ không đổi, các phần dƣ có phân phối chuẩn, hiện tƣợng tƣơng quan giữa các phần dƣ, đa cộng tuyến.
Kiểm định các giả thuyết của mô hình
Dựa vào kết quả phân tích hồi quy sẽ giải thích, kiểm định các giả thuyết của mô hình. 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 mức ý nghĩa Sig, sẽ đƣợc so sánh trực tiếp với giá trị 0.05 để kết luận chấp thuận hay bác bỏ giả thuyết nghiên cứu. 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. Những nhân tố nào có chỉ số Beta lớn hơn sẽ có mức độ ảnh hƣởng cao hơn.
f. Kiểm định sự khác biệt về sự hài lòng theo các đặc điểm cá nhân
Phân tích xem có sự khác biệt gì không của từng yếu tố cá nhân đến mức độ hài lòng với công việc của nhân viên tại BHXH tỉnh Quảng Nam bằng các
kỹ thuật kiểm định về trị trung bình của 2 tổng thể - mẫu độc lập (Independent – Sample T – test) và kiểm định phƣơng sai một yếu tố (One – Way ANOVA). Nhóm đặc điểm giới tính và chức vụ công tác có 02 thuộc tính nên sẽ sử dụng kiểm định Independent – Sample T – test, các nhóm yếu tố còn lại là Độ tuổi, trình độ chuyên môn, thời gian công tác có 04 lựa chọn nên sẽ sử dụng kiểm định One – Way ANOVA.
KẾT LUẬN CHƢƠNG 2
Chƣơng 2 giới thiệu về địa bàn nghiên cứu là BHXH tỉnh Quảng Nam, các đặc điểm về thực trạng nguồn nhân lực, tình hình hoạt động, các chính sách nguồn nhân lực và xây dựng quy trình nghiên cứu, mô hình nghiên cứu đề xuất. Trên cơ sở tham khảo các mô hình nghiên cứu ở chƣơng 1, tác giả đã đề xuất sử dụng mô hình JDI (Job Descriptive Index) của Smith và cộng sự (1969) phát triển và có điều chỉnh thêm 01 nhân tố mới cho phù hợp với địa bàn nghiên cứu và tính chất đặc thù của công việc tại cơ quan BHXH tỉnh Quảng Nam. Chƣơng này cũng trình bày trình tự các bƣớc trong nghiên cứu định tính và nghiên cứu định lƣợng để thực hiện tiếp theo cho đề tài này.
CHƢƠNG 3
KẾT QUẢ NGHIÊN CỨU