Nghiên cứu định lượng

3.3 P ươ c lấy mẫu và cỡ mẫu

Phương pháp lấy mẫu được chọn trong nghiên cứu này là lấy mẫu thuận tiện, dữ liệu được thu thập thông qua các hình thức phỏng vấn trực tiếp hoặc trả lời qua email.

Đối với phân tích nhân tố (EFA), cỡ mẫu tối thiểu là N ≥ 5*x (x: tổng số biến quan sát) (Hair & ctg, 2010) thì trong nghiên cứu này kích thước mẫu tối thiểu cần đạt được là 205 mẫu. Theo Nguyễn Đình Thọ (2011), công thức kinh nghiệm thường dùng để tính kích thước mẫu cho hồi quy bội là N ≥ 50 + 8p (p: số lượng biến độc lập của mô hình). Kích thước mẫu theo công thức này là N ≥ 50 + 8*11 = 138 mẫu. Như vậy, trong nghiên cứu này tác giả chọn cỡ mẫu cần thiết để thỏa mãn cả phân tích nhân tố và hồi quy bội là N ≥ 205 mẫu (N ≥ Max (5*x; 50+8p)). Tuy

47

nhiên để dự phòng cho những người không trả lời hoặc trả lời không đầy đủ, tác giả quyết định số bảng câu hỏi phát ra là 220 bảng.

3.3.2. Xử lý và phân tích dữ liệu

Dữ liệu sau khi được thu thập sẽ được mã hóa và thực hiện quá trình phân tích như sau:

3.3.2.1. Phân tích mô tả

Trong bước đầu tiên, tác giả sử dụng phân tích mô tả để phân tích các thuộc tính của mẫu nghiên cứu (các thông tin cá nhân của người được phỏng vấn) như: giới tính, độ tuổi, trình độ học vấn, thu nhập hàng tháng, phòng/ban làm việc, thâm niên công tác ...

3.3.2.2. Kiểm định và đánh giá thang đo

Để đánh giá thang đo các khái niệm trong nghiên cứu cần kiểm tra độ tin cậy, độ giá trị của thang đo. Dựa trên các hệ số độ tin cậy Cronbach’s Alpha, hệ số tương quan biến - tổng (Item-total correlation) giúp loại ra những biến quan sát không đóng góp vào việc mô tả khái niệm cần đo, hệ số Cronbach’s Alpha if Item Deleted để giúp đánh giá loại bỏ bớt biến quan sát nhằm nâng cao hệ số tin cậy Cronbach’s Alpha cho khái niệm cần đo, và phương pháp phân tích nhân tố khám phá (EFA) nhằm kiểm tra độ giá trị của thang đo các khái niệm nghiên cứu.

a. Phân tích Cronbach’s Alpha

Độ tin cậy của thang đo được đánh giá bằng phương pháp nhất quán nội tại qua hệ số Cronbach’s Alpha. Sử dụng phương pháp hệ số tin cậy Cronbach’s Alpha trước khi phân tích nhân tố EFA để loại các biến không phù hợp vì các biến rác này có thể tạo ra các yếu tố giả (Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2009). Hệ số tin cậy Cronbach’s Alpha chỉ cho biết các đo lường có liên kết với nhau hay không; nhưng không cho biết biến quan sát nào cần bỏ đi và biến quan sát nào cần giữ lại. Khi đó, việc tính toán hệ số tương quan giữa biến - tổng sẽ giúp loại ra những biến quan sát nào không đóng góp nhiều cho sự mô tả của khái niệm cần đo (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005). Các tiêu chí được sử dụng khi thực hiện đánh giá độ tin cậy thang đo:

48

-Loại các biến quan sát có hệ số tương quan biến - tổng nhỏ (nhỏ hơn 0,3); tiêu chuẩn chọn thang đo khi có độ tin cậy Alpha lớn hơn 0,6 (Alpha càng lớn thì độ tin cậy nhất quán nội tại càng cao) (Nunally & Burnstein 1994; dẫn theo Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2009).

-Các mức giá trị của Alpha: lớn hơn 0,8 là thang đo lường tốt; từ 0,7 đến 0,8 là sử dụng được; từ 0,6 trở lên là có thể sử dụng trong trường hợp khái niệm nghiên cứu là mới hoặc là mới trong bối cảnh nghiên cứu (Nunally, 1978; Peterson, 1994; Slater, 1995; dẫn theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).

-Các biến quan sát có tương quan biến - tổng nhỏ (nhỏ hơn 0,4) được xem là biến rác thì sẽ được loại ra và thang đo được chấp nhận khi hệ số tin cậy Alpha đạt yêu cầu (lớn hơn 0,7).

Dựa theo thông tin trên, nghiên cứu thực hiện đánh giá thang đo dựa theo tiêu chí:

-Loại các biến quan sát có hệ số tương quan biến - tổng nhỏ hơn 0,4 (đây là những biến không đóng góp nhiều cho sự mô tả của khái niệm cần đo và nhiều nghiên cứu trước đây đã sử dụng tiêu chí này).

-Chọn thang đo có độ tin cậy Alpha lớn hơn 0,6 (các khái niệm trong nghiên cứu này là tương đối mới đối với đối tượng nghiên cứu khi tham gia trả lời).

b. Phân tích nhân tố khám phá (EFA – Exploratory Factor Analysis)

Trước khi kiểm định lý thuyết khoa học thì cần phải đánh giá độ tin cậy và giá trị của thang đo. Phương pháp Cronbach Alpha dùng để đánh giá độ tin cậy của thang đo. C n phương pháp phân tích nhân tố khám phá EFA (Exploratory Factor Analysis, gọi tắt là phương pháp EFA) giúp chúng ta đánh giá hai loại giá trị quan trọng của thang đo là giá trị hội tụ và giá trị phân biệt.

Phương pháp phân tích nhân tố EFA thuộc nhóm phân tích đa biến phụ thuộc lẫn nhau (interdependence techniques), nghĩa là không có biến phụ thuộc và biến độc lập mà nó dựa vào mối tương quan giữa các biến với nhau (interrelationships). EFA dùng để rút gọn một tập k biến quan sát thành một tập F (F<k) các nhân tố có ý

49

nghĩa hơn. Cơ sở của việc rút gọn này dựa vào mối quan hệ tuyến tính của các nhân tố với các biến nguyên thủy (biến quan sát).

Các tác giả Mayers, L.S., Gamst, G., Guarino A.J. (2000) đề cập rằng: Trong phân tích nhân tố, phương pháp trích Pricipal Components Analysis đi cùng với phép xoay Varimax là cách thức được sử dụng phổ biến nhất.

Theo Hair & ctg (1998, 111), Factor loading (hệ số tải nhân tố hay trọng số nhân tố) là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA:

-Factor loading > 0.3 được xem là đạt mức tối thiểu -Factor loading > 0.4 được xem là quan trọng

-Factor loading > 0.5 được xem là có ý nghĩa thực tiễn

Điều kiện để phân tích nhân tố khám phá là phải thỏa mãn các yêu cầu: -Hệ số tải nhân tố (Factor loading ) > 0.5

-0.5 ≤ KMO ≤ 1: Hệ số KMO (Kaiser-Meyer-Olkin) là chỉ số được dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO lớn có ý nghĩa phân tích nhân tố là thích hợp.

-Kiểm định Bartlett có ý nghĩa thống kê (Sig. < 0.05): Đây là một đại lượng thống kê dùng để xem xét giả thuyết các biến không có tương quan trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig. < 0.05) thì các biến quan sát có mối tương quan với nhau trong tổng thể.

-Phần trăm phương sai toàn bộ (Percentage of variance) > 50%: Thể hiện phần trăm biến thiên của các biến quan sát. Nghĩa là xem biến thiên là 100% thì giá trị này cho biết phân tích nhân tố giải thích được bao nhiêu %.

Tuy nhiên, theo Nguyễn Đình Thọ (2011, trang 397) thì trong thực tế, với sự hỗ trợ của các phần mềm xử lý thống kê SPSS và chúng ta có thể nhìn vào kết quả trọng số nhân tố và phương sai trích đạt yêu cầu thì vấn đề kiểm định Bartlett, KMO không c n ý nghĩa nữa vì chúng luôn luôn đạt yêu cầu.

Trong nghiên cứu này, tác giả sử dụng phương pháp trích nhân tố Principal components analysis với phép xoay Varimax và điểm dừng khi trích các yếu tố có Eigenvalues lớn hơn hoặc bằng 1.

50

3.3.2.3. Phân tích hồi quy

Sau khi tiến hành phân tích Cronbach’s Alpha và phân tích (EFA), tác giả tiến hành phân tích hồi quy và kiểm định giả thuyết. Phân tích tương quan hồi quy nhằm khẳng định sự phù hợp của mô hình nghiên cứu, kiểm định các giả thuyết để xác định rõ mức độ ảnh hưởng của từng yếu tố tác động đến biến phụ thuộc.

a. Phân tích tương quan

Phân tích tương quan là một phép phân tích được sử dụng là thước đo độ lớn của các mối liên hệ giữa các biến định lượng trong nghiên cứu. Thông qua thước đo này có thể xác định mối liên hệ tuyến tính giữa các biến độc lập, phụ thuộc trong nghiên cứu.Giá trị của hệ số tương quan chạy trong đoạn giá trị [-1 đến 1]. Dấu của hệ số tương quan nói lên tính liên hệ thuận nghịch giữa các biến .

- Hệ số Pearson Correlation nói lên mức độ tương quan giữa các biến định lượng với nhau trong mô hình. Hệ số tương quan càng lớn nói lên mức độ tương quan càng cao, điều này có thể dẫn tới hiện tượng đa công tuyến khi kiểm định mô hình hồi quy.

- Hệ số Sig: nói lên tính phù hợp của hệ số tương quan giữa các biến theo phép kiểm định F với một độ tin cậy cho trước.

b. Phân tích hồi quy

Phân tích hồi quy là một phương pháp dùng kỹ thuật thống kê để phân tích mối quan hệ giữa biến phụ thuộc Y với một hay nhiều biến độc lập Xi.

Phương trình hồi quy có dạng:

Yi = f(Xi) + εi = β0 + β1X1i + β2X2i + ... + βkXki + ... + βpXpi + εi

Các giả định để thực hiện hồi quy: (1) X,Y có quan hệ tuyến tính. (2) Y là biến định lượng.

(3) Các quan sát của Y độc lập nhau. (4) Các giá trị Xi cố định.

(5) X được đo lường không sai số. (6) εi ~ N(με, σ2ε).

51 (7) E(εi) = 0.

(8) Var(εi) = σ2ε = hằng số. (9) Cov(εi ,εj) = 0.

(10) Cor (Xi, Xj) ≠ 1, ∀ i ≠ j.

Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), quá trình phân tích bao gồm:

- Đánh giá độ phù hợp của mô hình thông qua hệ số R2

và R2 điều chỉnh (Adjusted R square). Hệ số này cho biết mức độ phù hợp của mô hình nghiên cứu với ý nghĩa là các biến (nhân tố) độc lập giải thích được bao nhiêu phần trăm (%) biến thiên của biến (nhân tố) phụ thuộc.

- Kiểm định độ phù hợp của mô hình sử dụng kiểm định F để kiểm định giả thuyết H0 là các hệ số Beta trong mô hình đều bằng 0. Nếu mức ý nghĩa của kiểm định nhỏ hơn 0,05; ta có thể bác bỏ giả thuyết H0, hay nói cách khác mô hình phù hợp với tập dữ liệu khảo sát.

- Kiểm định các giả thiết của hàm hồi quy đa biến :

Kiểm tra hiện tượng đa cộng tuyến (Multicolinearity): là kiểm định giả thuyết là các biến độc lập không có tương quan hoàn toàn với nhau, dùng hệ số Tolerance hoặc VIF (variance inflation factor – hệ số phóng đại phương sai) để kiểm tra hiện tượng này. Nếu VIF của một biến độc lập nào đó lớn hơn 10 thì biến này hầu như không có giá trị giải thích sự biến thiên của biến phụ thuộc (Nguyễn Đình Thọ, 2011, trích từ Hair & ctg 2006). Tuy nhiên, trong thực tế, nếu VIF > 2, thì nhà nghiên cứu cần cẩn thận trong diễn giải các trọng số hồi quy (Nguyễn Đình Thọ, 2011).

Kiểm định tính phân phối chuẩn của phần dư: dựa vào đồ thị Histogram và biểu đồ P-P plots. Nếu trong đồ thị Histogram, giá trị trung bình rất nhỏ xấp xỉ bằng 0 và độ lệch chuẩn gần bằng 1 thì phần dư có phân phối chuẩn. Hoặc trong biểu đồ P-P plots, nếu các điểm quan sát không phân tán quá xa đường thẳng kỳ vọng thì có thể kết luận giả thuyết về phân phối chuẩn của phần dư.

52

Kiểm định phương sai của phần dư không đổi để kiểm tra mối quan hệ tuyến tính giữa biến độc lập và biến phụ thuộc. Biểu đồ Scatterplot được dùng để xem xét phương sai của phần dư có thay đổi hay không. Nếu các sai số hồi quy phân bố tương đối đều ở cả hai phía của đường trung bình (trung bình của các sai số bằng 0) và không theo một quy luật rõ ràng nào thì giả định sai số của mô hình hồi quy không đổi là phù hợp.

- Kiểm định kết quả mô hình có phù hợp với các giả thuyết đã đặt ra trong mục 3.2.1. Nếu trị thống kê t của từng biến độc lập nhỏ hơn 0,05 thì kết luận hệ số Beta có ý nghĩa về mặt thống kê.

- Ngoài ra, để kiểm định sự khác biệt theo các đặc tính cá nhân đến sự động viên nhằm giữ chân người lao động tác giả sử dụng kiểm định Independent- samples T-test và kiểm định hậu ANOVA (Tukey).

3.4. Tóm tắt chương 3

Trong chương này, tác giả đã trình bày quy trình nghiên cứu của đề tài, quá trình nghiên cứu định tính thông qua thảo luận nhóm điều chỉnh mô hình nghiên cứu chính thức từ 15 yếu tố c n 11 yếu tố ảnh hưởng đến sự động viên nhằm giữ chân người lao động, sau đó xây dựng thang đo cho mô hình nghiên cứu chính thức. Đồng thời tác giả cũng tiến hành lập bảng câu hỏi khảo sát, thông qua việc phỏng vấn thử để đưa ra bảng câu hỏi chính thức phục vụ cho việc thu thập và xử lý dữ liệu trên SPSS.

53

CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU

Trong chương này, tác giả sẽ trình bày một số thông tin về mẫu nghiên cứu đã thu thập được để có nhìn khái quát về mẫu nghiên cứu. Phân tích dữ liệu thông qua phương pháp hệ số tin cậy Cronbach’s Alpha và phân tích nhân tố khám phá EFA, phân tích tương quan và kiểm định giả thuyết thông qua phân tích hồi quy. Kết quả phân tích hồi quy dùng để đánh giá sự tác động mạnh yếu như thế nào của các nhân tố lên yếu tố động viên nhằm giữ chân người lao động tại Công ty cơ khí và xây dựng POSCO E&C Việt Nam.

4.1. Mô tả mẫu

4 P ươ p áp và dữ liệu thu th p

Như đã trình bày ở chương trên, mẫu được chọn theo phương pháp lấy mẫu thuận tiện với kích thước mẫu tối thiểu là 220 mẫu. Dữ liệu được thu thập thông qua hình thức trả lời qua phỏng vấn trực tiếp hoặc qua email. Tổng số bảng câu hỏi thu được là 217 bảng, trong đó có 213 bảng câu hỏi hợp lệ và được sử dụng để đưa vào phân tích (các bảng khảo sát không hợp lệ do cùng một người trả lời, câu trả lời được đánh dấu tùy tiện).

4.1.2. Mô tả thông tin mẫu

Sau khi thu thập dữ liệu, tác giả tiến hành mã hóa dữ liệu, nhập liệu vào phần mềm SPSS 20.0. Dữ liệu sau khi được đưa vào SPSS 20.0 xử lý, tác giả thu được thông tin thống kê về mẫu như sau:

- Về giới tính: Kết quả khảo sát cho thấy có 118 nam và 95 nữ tham gia trả lời phỏng vấn, số lượng nam chiếm 55,4% và nữ chiếm 44,6%.

- Về độ tuổi: Trong số 213 người tham gia trả lời phỏng vấn thì số lượng lớn nhất là ở độ tuổi từ 25 đến 30 tuổi với 91 người (42,7%). Tiếp theo là độ tuổi trên 40 với 61 người (28,6%); độ tuổi từ 31 đến 40 với 43 người (20,2%). C n lại là nhóm có độ tuổi dưới 25 có số lượng ít khoảng 18 người (8,5%).

- Ph ng/ Ban đang làm việc: Trong tổng số 213 bảng câu hỏi hợp lệ thì có 90 người là nhân viên phòng kinh doanh (42,3%), 55 người là nhân viên ph ng kế toán

54

(25,8%), 32 người là nhân viên giám sát công trình (15%), 18 người là nhân viên quản lý dự án (8,5%), c n lại 18 người hiện đang làm việc tại các ph ng khác (phòng Hành chính nhân sự, ph ng thiết kế …) chiếm 8,5%.

- Về thời gian công tác: Hầu hết các đối tượng tham gia khảo sát có thời gian công tác từ 2 năm đến dưới 5 năm chiếm số lượng lớn là 68 người (31,9%), từ 6 năm đến 10 năm có 58 người (27,2%), từ 10 năm trở lên có 56 người (26,3%), số c n lại có kinh nghiệm làm việc dưới 2 năm có 31 người (14,6%).

- Về thu nhập bình quân: theo kết quả khảo sát, có 92 người cho biết mức thu nhập bình quân trên tháng của họ nằm trong khoảng từ trên 10 đến 15 triệu (43,2%). Những người còn lại có thu nhập từ 5 đến 10 triệu là 70 người (32,9%) và trên 15 triệu là 31 người (14,6%). Chỉ một số ít có thu nhập dưới 5 triệu là 20 người (9,4%).

- Về trình độ học vấn: Hầu hết những người tham gia phỏng vấn có trình độ Đại học với 148 người (69,5%). Số còn lại có trình độ Sau đại học với 38 người (17,8%) và Trung cấp/Cao đẳng với 27 người (12,7%).

4.2. Kiểm định và đánh giá thang đo

Sau khi sử dụng phần mềm SPSS để tính hệ số Cronbach’s Alpha. Kết quả phân tích Cronbach’s Alpha cho các biến quan sát như sau:

Kết quả kiểm định độ tin cậy của thang đo cho thấy các thang đo sau đây bị loại khỏi mô hình do không đạt độ tin cậy (Cronbach’s Alpha <0.6):

- Công nhận đóng góp cá nhân; - Sự tự chủ trong công việc;

- Thương hiệu, hình ảnh của công ty.