Sau khi thu thập xong dữ liệu bằng khảo sát, các bảng câu hỏi khảo sát không đạt yêu cầu sẽ được xem xét loại bỏ. Các bảng câu hỏi khảo sát còn lại sẽ được mã hóa và nhập liệu bằng phần mềm SPSS 22. Các công cụ phân tích số liệu của phần mềm SPSS 22 sẽ được nghiên cứu sử dụng để thực hiện các bước phân tích tiếp theo. Các công cụ được sử dụng cụ thể theo thứ tự là: thống kê mô tả, bảng tần số, kiểm tra độ tin cậy của thang đo (dùng hệ số Cronbach’s Alpha), phân tích
nhân tố khám phá (EFA), phân tích tương quan, phân tích hồi quy tuyến tính bội, phân tích phương sai 1 yếu tố (ANOVA). Các kết quả của quá trình phân tích này sau khi thu được sẽ được trình bày chi tiết dưới dạng báo cáo ở chương 4 của nghiên cứu.
Sau khi làm sạch dữ liệu, nghiên cứu thực hiện thống kê mô tả dữ liệu bằng các công cụ như: trung bình, độ lệch chuẩn. Đồng thời sử dụng công cụ thống kê tần số, tỷ lệ phần trăm các thuộc tính, các hệ số mô tả này sẽ tóm tắt dữ liệu nhận được, cho nghiên cứu cái nhìn tổng quan về mẫu nghiên cứu, các đặc điểm của mẫu.
Sau đó nghiên cứu tiến hành kiểm tra độ tin cậy của thang đo bằng cách dùng hệ số Cronbach’s Alpha. Hệ số sẽ lần lượt đánh giá độ tin cậy của các thang đo lường các yếu tố trong mô hình nghiên cứu. Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008) hệ số Cronbach’s Alpha từ 0.8 – 1 là thang đo lường tốt, từ 0.7 - 0.8 là sử dụng được. Trong bước này các biến không đạt tiêu chuẩn sẽ bị loại bỏ, các biến đạt chuẩn sẽ được dùng để phân tích nhân tố khám phá (EFA) sau đó.
Phân tích nhân tố EFA được sử dụng nhằm xác định các yếu tố và biến quan sát giải thích cho yếu tố (kiểm định giá trị thang đo). Theo Kaiser (1974) và được Nguyễn Đình Thọ (2013) đề xuất áp dụng: biến quan sát được chọn là biến có hệ số tải nhân tố (factor loading) ≥ 0.5, kiểm định KMO (Kaise Mayer – Alkin) thỏa 0.5 ≤ KMO ≤1. Thang đo sẽ được chấp nhận khi tổng phương sai trích ≥ 50%. Đồng thời nếu KMO ≥ 0.9 là rất tốt, KMO ≥ 0.8 ở mức tốt, KMO ≥ 0.7 được, KMO ≥ 0.6 ở mức tạm được, KMO ≥ 0.5 là xấu và KMO ≤ 0.5 là không thể chấp nhận được. Theo đó trong bước phân tích nhân tố khám phá (EFA), các biến có thể sẽ bị loại bỏ, bị tách hoặc gộp vào một yếu tố khác để tăng khả năng giải thích cho yếu tố đó. Sau khi thực hiện phân tích nhân tố khám phá (EFA), nghiên cứu tiến hành phân tích hồi qua đa biến. Tại bước này nghiên cứu sẽ tiến hành kiểm định độ phù hợp của mô hình, đồng thời kiểm tra mối tương quan giữa các biến với nhau bằng phân tích tương quan Pearson. Phân tích hồi quy được cho là phù hợp nếu hệ số tương quan giữa các biến phụ thuộc và biến độc lập lớn (chứng tỏ giữa các biến độc lập và phụ thuộc có mối liên hệ với nhau). Tuy nhiên, theo Johnn và Benet-Martinez
(2000) nếu giữa các biến độc lập với nhau có hệ số tương quan lớn hơn 0.850 thì có thể xảy ra hiện tượng đa cộng tuyến trong mô hình hồi quy đang nghiên cứu. Mô hình nghiên cứu khi được biểu diễn dưới dạng phương trình hồi quy tuyến tính đa biến có dạng như sau:
Y=β0 + β1X1 + β2X2 + β3X3 + ε
Trong đó:
Y: Thái độ làm việc, X1: Đặc điểm tính cách, X2: Đặc điểm văn hóa tổ chức X3: Hành vi lãnh đạo chuyển đổi
βi: hệ số hồi quy riêng phần tương ứng với các biến độc lập ε: Sai số ước lượng
Cuối cùng nghiên cứu sẽ dùng các công cụ kiểm định Independent-samples T-test và phân tích phương sai ANOVA (Analysis of variance) để kiểm định sự khác biệt theo các đặc tính của mẫu đến thái độ làm việc gồm: giới tính, độ tuổi, vị trí chức danh, thời gian công tác, bộ phận làm việc.