Chương 2 : PHƯƠNG PHÁP NGHIÊN CỨU
2.2. Phương pháp nghiên cứu
2.2.3. Phương pháp phân tích thông tin
Sau khi đã thu thập được số liệu, các bước tập hợp, sắp xếp và xử lý số liệu là rất quan trọng, tác giả có thể sử dụng các phương pháp:
- Phương pháp so sánh: Phương pháp so sánh được sử dụng để phân tích diễn biến sự thay đổi của các chỉ tiêu nghiên cứu qua thời gian, trong luận văn tác giả so sánh một số hoạt động nhằm nâng cao chất lượng nguồn nhân lực tại các Công ty cùng ngành.
- Phương pháp thống kê mô tả: Thống kê mô tả cho phép các nhà nghiên cứu trình bày các dữ liệu thu được dưới hình thức cơ cấu và tổng kết (Huysamen, 1990). Các thống kê mô tả sử dụng trong nghiên cứu này để phân tích, mô tả dữ liệu bao gồm các tần số, tỷ lệ, giá trị trung bình và độ lệch chuẩn.
Nghiên cứu này sử dụng thang đo Likert 5 điểm, do vậy để thuận tiện cho việc nhận xét khi sử dụng giá trị trung bình (mean) để xem xét mức độ đánh giá của các cán bộ và nhân viên tại Công ty Điện lực Thái Nguyên về các hoạt động nhằm nâng cao chất lượng của đội ngũ cán bộ nhân viên. Dựa trên các nghiên cứu đi trước, tác giả quy ước mức đánh giá như sau:
TT Mean Mức đánh giá 1 0,00 - 1,80 Mức yếu 2 1,80 - 2,60 Mức kém 3 2,61 - 3,40 Mức trung bình 4 3,41 - 4,20 Mức khá 5 4,21 - 5,00 Mức cao
Thống kê suy luận cho phép các nhà nghiên cứu suy luận dữ liệu từ mẫu nghiên cứu khi phân tích mối quan hệ giữa hai biến, sự khác biệt trong một biến giữa các nhóm mẫu khác nhau và giải thích mối liên hệ giữa biến độc lập và biến phụ thuộc (Sekaran, 2000). Nghiên cứu này cũng sử dụng để thống kê suy luận để kiểm định các giả thuyết nghiên cứu.
- Phân tích kiểm định độ tin cậy thang đo và phân tích yếu tố khám phá (EFA): Thứ nhất, độ tin cậy của thang đo
Độ tin cậy là mức độ mà thang đo được xem xét là nhất quán và ổn định (Parasuraman, 1991). Hay nói cách khác, độ tin cậy của một phép đo là mức độ mà phép đo tránh được sai số ngẫu nhiên. Trong nghiên cứu này, để đánh giá độ tin cậy (reliability) của từng thang đo, đánh giá độ phù hợp của từng mục hỏi (items) hệ số tương quan alpha của Cronbach (Cronbach’s Coefficient Alpha) được sử dụng.
- Hệ số Cronbach’s alpha là một phép kiểm định thống kê về mức độ chặt chẽ mà các mục hỏi trong thang đo tương quan với nhau (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005), hệ số này đánh giá độ tin cậy của phép đo dựa trên sự tính toán phương sai của từng item và tính tương quan điểm của từng item với điểm của tổng các items còn lại của phép đo. Hệ số Cronbach’s alpha trích (Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2007) được tính theo công thức sau:
α = (1 ) 1 2 1 2 T k i i k k Trong đó: α : Hệ số Cronbach’s alpha k : Số mục hỏi trong thang đo
2
T
: Phương sai của tổng thang đo
2
i
: Phương sai của mục hỏi thứ i
- Nhiều nhà nghiên cứu đồng ý rằng hệ số alpha của từng thang đo từ 0,8 trở lên đến gần 1 thì thang đo lường là tốt, từ 0,7 đến gần 0,8 là sử dụng được. Cũng có nhà nghiên cứu đề nghị rằng hệ số alpha từ 0,6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang nghiên cứu là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu (Nunnally, 1978; Peterson, 1994; Slater, 1995 dẫn theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005). Vì vậy, đối với nghiên cứu này thì hệ số alpha từ 0,6 trở lên là chấp nhận được.
- Khi đánh giá độ phù hợp của từng item, những item nào có hệ số tương quan biến tổng (item-total correlation) lớn hơn hoặc bằng 0,3 được coi là những
item có độ tin cậy bảo đảm (Nguyễn Công Khanh, 2005), các item có hệ số tương quan biến tổng nhỏ hơn 0,3 sẽ bị loại bỏ ra khỏi thang đo.
Thứ hai, đánh giá thang đo bằng phân tích nhân tố khám phá EFA
Phân tích nhân tố sẽ trả lời câu hỏi, liệu các biến quan sát dùng để xem xét sự tác động của các yếu tố ảnh hưởng đến hiệu quả làm việc nhóm có độ dính kết cao không và chúng có thể gom lại thành một số nhân tố ít hơn để xem xét không. Những biến không đảm bảo độ tin cậy sẽ bị loại khỏi thang đo.
Sau khi đánh giá độ tin cậy của thang đo thì tiếp theo phải đánh giá giá trị của nó. Hai giá trị quan trọng của thang đo là giá trị hội tụ và giá trị phân biệt. Phương pháp phân tích nhân tố EFA (Explotatory Factor Analysis) sẽ đánh giá hai loại giá trị này.
Để xác định sự phù hợp khi dùng EFA thì ta dùng hai loại kiểm định là Barlett và kiểm định KMO.
Kiểm định Bartlett (Bartlett’s test of sphericity) dùng để xem xét ma trận tương quan có phải là ma trận đơn vị I, là ma trận có các thành phần bằng không và đường chéo bằng 1. Nếu phép kiểm định Bartlett có p < 5% chúng ta từ chối giả thuyết H0 (ma trận tương quan là ma trận đơn vị), nghĩa là các biến có quan hệ nhau. (Thọ, 2011; Trọng & Ngọc, 2011).
Kiểm định KMO là chỉ số dùng để so sánh độ lớn của hệ số tương quan giữa hai biến với độ lớn của hệ số tương quan riêng phần của chúng (Norusis 1994). Để sử dụng EFA, KMO phải lớn hơn .50 (Thọ, 2011; Trọng & Ngọc, 2011).
Để chọn số lượng nhân tố, ba phương pháp thường được sử dụng là tiêu chí eigenvalue, tiêu chí điểm uốn, xác định trước số lượng nhân tố. Trong nghiên cứu này tác giả chọn tiêu chí eigenvalue. Với tiêu chí này, số lượng nhân tố được xác định ở nhân tố có eigenvalue tối thiểu bằng 1 (>=1) (Thọ, 2011).
Đánh giá giá trị thang trị thang đo bằng EFA ta chú trọng trọng số nhân tố phải lớn hơn hoặc bằng .50 và chênh lệch trọng số bé hơn hoặc bằng .30 (Thọ, 2011).
Cuối cùng là khi đánh giá ta cần xem xét tổng phương sai trích TVE. Tổng này 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 phải lớn hơn phần riêng và sai số (từ 60% trở lên là tốt). (Thọ, 2011).
* Phân tích phương sai ANOVA
Kỹ thuật phân tích phương sai một yếu tố (One-Way ANOVA) được áp dụng trong nghiên cứu này để tìm ra ý nghĩa thống kê của những khác biệt trung bình giữa biến phụ thuộc là sự hài lòng chung và các biến độc lập là biến nhân khẩu học.
Trước khi tiến hành phân tích ANOVA, tiêu chuẩn Levence được tiến hành để kiểm tra giả thuyết bằng nhau của phương sai trong các nhóm với xác suất ý nghĩa là 5%. Trong phép kiểm định này, nếu xác suất ý nghĩa lớn hơn 5% thì chấp nhận tính bằng nhau của các phương sai nhóm.
- Tiêu chuẩn Fisher F trong phép phân tích phương sai ANOVA với mốc để so sánh các xác suất ý nghĩa Sig. là 5% được áp dụng. Trong phép kiểm định này, nếu xác suất ý nghĩa nhỏ hơn 5% thì ta có quyền bác bỏ giả thuyết: không có sự khác nhau về mức độ hài lòng giữa các khách hàng theo các đặc điểm nhân khẩu học.
Nếu biến độc lập có ít hơn 3 thuộc tính, việc kiểm định bằng phương pháp ANOVA khi phương sai khác nhau (Equal variances not assumed) không thực hiện được khi đó ta sử dụng phương pháp thống kê t của Student (T-test) sẽ được sử dụng để thay thế. Phép kiểm định t của Student rất phù hợp trong việc so sánh, tìm ra ý nghĩa thống kê cho những khác biệt (chênh lệch) giữa hai giá trị trung bình giữa biến phụ thuộc và biến độc lập có hai thuộc tính (Hồ Đăng Phúc, 2005).
* Phân tích hồi quy
Sau khi thang đo của các yếu tố được kiểm định, bước tiếp theo sẽ tiến hành chạy hồi quy tuyến tính và kiểm định với mức ý nghĩa 5% theo mô hình
Y = β0 + β1*X1 + β2*X2 + β3*X3 + … + βi*Xi + Ui
Trong đó:
Y: biến phụ thuộc phản ánh mức độ đánh giá chung về chất lượng nguồn nhân lực
Xi: biến độc lập phản ánh các hoạt động nhằm nâng cao chất lượng nguồn nhân lực tại Công ty
β0: hằng số
βi: các hệ số hồi quy (i > 0) Ui: Sai số ngẫu nhiên