5. Kết cấu luận văn
2.2.3. Phương pháp phân tích số liệu
2.2.3.1. Làm sạch số liệu
Trước khi xử lý - phân tích dữ liệu, các bảng câu hỏi được kiểm tra để loại bỏ những phiếu trả lời sót, phiếu trả lời mâu thuẫn. Số liệu sau khi nhập vào máy tính được kiểm tra lỗi nhập dữ liệu (sai, sót, thừa), loại bỏ những quan sát có điểm số bất thường bằng các phép kiểm định thống kê mô tả (bảng tần số, bảng kết hợp).
2.2.3.2. Kiểm định thang đo bằng hệ số Cronbach’s Alpha
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: - 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 0,3 (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 0,7
2.2.3.3. Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis)
Sau khi đánh giá độ tin cậy của thang đo bằng hệ số Cronbach alpha và loại bỏ các biến không đảm bảo độ tin cậy. Phân tích nhân tố khám phá (EFA) là phương pháp được sử dụng nhằm thu nhỏ và tóm tắt các dữ liệu. Trong phân tích này sử dụng phương pháp principal components với phép quay varimax. Trong quá trình phân tích EFA các nhân tố, thang đo không đạt yêu cầu sẽ bị loại. Tiêu chuẩn chọn là:
- Các nhân tố phải có hệ số tải nhân tố (factor loading) > 0,4; - Tổng phương sai trích ≥ 50% (Trần Thị Kim Loan, 2009);
- Hệ số của phép thử KMO (Kaiser-Meyer-Olkin of Sampling Adeqacy) > 0,5;
- Phép thử Bartlett (Bartlett Test of Sphericity) có mức ý nghĩa <0,05 (Hair và cộng sự, 2006 dẫn theo Lê Văn Huy, 2009).
2.2.3.4. Kiểm định hệ số tương quan và phân tích hồi quy
Để kiểm định mối quan hệ thỏa mãn đối với công việc và dự định nghỉ việc của người lao động trong mô hình nghiên cứu, sử dụng phương pháp tương quan với hệ số tương quan Pearson (r). Nếu r > 0 thể hiện tương quan đồng biến, ngược lại, r < 0 thể hiện tương quan nghịch biến. Giá trị r = 0 chỉ ra rằng hai biến không có mối liên hệ tuyến tính.
│r│ 1: quan hệ giữa hai biến càng chặt │r│ 0: quan hệ giữa hai biến càng yếu
Mức ý nghĩa “sig” của hệ số tương quan như sau: - < 5%: mối tương quan khá chặt chẽ
- < 1%: mối tương quan rất chặt chẽ - >5%: có tương quan ít
- > 10%: không có mối tương quan.
Sau khi kiểm định mối tương quan, đề tài tiếp tục sử dụng phương pháp hồi quy bội để dự đoán cường độ tác động của sự thỏa mãn trong công việc đến dự định nghỉ việc của người lao động. Mô hình dự đoán có thể là:
Yi = β0 + β1X1i + β2X2i + β3X3i + … + βkXki + i Trong đó:
Yi: biến phụ thuộc Xk: các biến độc lập β0: hằng số
βk: các hệ số hồi quy
εi: thành phần ngẫu nhiên hay yếu tố nhiễu Các điều kiện phân tích hồi quy tuyến tính bội:
- Hệ số R2 và R2 điều chỉnh để đánh giá độ phù hợp của mô hình. Chấp nhận giá trị: R2 ≥ 0,5 (mô hình hồi quy tuyến tính đã xây dựng phù hợp với tập dữ liệu đến mức ≥ 50%).
- Kiểm định độ phù hợp của mô hình hồi quy ở mức ý nghĩa 5%: + Giả thuyết Ho: β1 = β2 = β3 = β4 = 0
+ Phát biểu Ho: tất cả các hệ số hồi quy của các biến độc lập đều bằng không (ngoại trừ hằng số).
+ Trị thống kê F có mức ý nghĩa ≤ 0,05, có thể bác bỏ giả thuyết Ho một cách an toàn, nghĩa là các hệ số hồi quy khác không, mô hình hồi quy tuyến tính bội phù hợp với tập dữ liệu và có thể được sử dụng.
- Ý nghĩa của hệ số hồi quy riêng từng phần: βk đo lường sự thay đổi giá trị trung bình Y khi Xk thay đổi một đơn vị, các biến độc lập còn lại không thay đổi.
- Hiện tượng đa cộng tuyến: sử dụng công cụ Variance inflation factor - VIF để kiểm tra hiện tượng đa cộng tuyến. Điều kiện VIF <10: không có hiện tượng đa cộng tuyến.
2.2.3.5. Phân tích phương sai ANOVA, Independent sample T-Test
Phân tích phương sai ANOVA, Independent sample T-Test để kiểm định giả thuyết có hay không sự khác nhau về dự định nghỉ việc của người lao động giữa nam và nữ, và giữa các nhóm có trình độ học vấn khác nhau.
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 Sig. (Significance) 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 dự định nghỉ việc của người lao động theo giới tính hay trình độ học vấn.
2.2.3.6. 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
Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn
tả sử dụng trong nghiên cứu này để để biết điểm trung bình của các thành phần trong thang đo sự thỏa mãn trong công việc và dự định nghỉ việc của người lao động.