Các dữ liệu sau khi thu thập sẽ được tiến hành mã hóa, làm sạch và xử lý bằng công cụ SPSS 16.0. Các phương pháp phân tích được sử dụng trong việc đánh giá thang đo, kiểm định mô hình lý thuyết và các giả thuyết nghiên cứu gồm:
Thống kê mô tả: Mô tả thông tin mẫu thu thập được theo, giới tính, vị trí chức danh, trình độ học vấn, thời gian công tác, độ tuổi và thu nhập trung bình hàng tháng.
Đánh giá độ tin cậy và giá trị của thang đo được thực hiện bằng phương pháp phân tích hệ số tin cậy- Cronbach’s Alpha và phân tích nhân tố khám phá EFA. Trong đó, Cronbach’s Alpha là phép kiểm định thống kê về mức độ chặt chẽ (khả năng giải thích cho một khái miện nghiên cứu) của tập hợp các biến quan sát (các câu hỏi) trong thang đo thông qua hệ số Cronbach’s Alpha. Hair & ctg (2010) và Kline (2005) cho rằng khi hệ số Cronbach’s Alpha có giá trị từ 0.8 trở lên là thang đo tốt; từ 0.7 đến gần 0.8 là sử dụng được. Bên cạnh đó, cũng có nhiều nhà nghiên cứu (Nunally,1978; Peteson, 1994; Slater, 1995) đề nghị hệ số Cronbach’s Alpha từ 0.6 trở lên là có thể sử dụng được trong trường hợp khái niệm nghiên cứu là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu. Tuy nhiên, cũng cần lưu ý, nếu Cronbach’s Alpha quá cao (>0.95) thì có khả năng xuất hiện biến quan sát thừa ở trong thang đo. Biến quan sát thừa là biến đo lường một khái niệm hầu như trùng với biến đo lường khác, khi đó biến thừa nên được loại bỏ. Mặt khác, Cronbach’s Alpha không cho biết biến nào nên loại bỏ và biến nào nên giữ lại, vì
vậy, bên cạnh Cronbach’s Alpha, người ta còn sử dụng hệ số tương quan biến tổng và những biến nào có tương quan biến tổng <0.3 sẽ bị loại bỏ.
Phân tích nhân tố khám phá EFA là một phương pháp kỹ thuật được sử dụng để rút gọn một tập biến quan sát thành một tập các nhân tố ít hơn có ý nghĩa hơn dựa trên mối tương quan giữa các biến với nhau nhưng vẫn chứa hầu hết nội dung thông tin của tập biến ban đầu. Khi phân tích đánh giá giá trị thang đo bằng phương pháp EFA, hệ số KMO và tiêu chuẩn Bartlett được dùng để đánh giá mức độ tương quan nội tại giữa các biến quan sát với nhau trong tổng thể. Theo Kaiser (1974) nếu 0,5 ≤ KMO ≤ 1 và mức ý nghĩa của kiểm định Bartlett < 0,05 (Sig < 0,05) thì các biến có tương quan với nhau trong tổng thể và phương pháp phân tích nhân tố EFA được sử dụng là thích hợp. Tiêu chuẩn rút trích nhân tố gồm chỉ số Engenvalue (đại diện cho lượng biến thiên được giải thích bởi các nhân tố) và chỉ số Cumunlative (tổng phương sai trích cho biết phân tích nhân tố giải thích được bao nhiêu % và bao nhiêu bị thất thoát). Theo Gerbing và Anderson (1988), các nhân tố có Engenvalue <1 sẽ không có tác dụng tóm tắt thông tin tốt hơn biến gốc. Vì thế, các nhân tố chỉ được rút trích tại Engenvalue ≥1 và và trọng số nhân tố ≥ 0,5 mới được xem là nhân tố đại diện các biến và thực sự đo lường khái niệm cần đo lường. Một chỉ tiêu cuối cùng để đánh giá sự phù hợp của mô hình phân tích nhân tố EFA là tổng phương sai trích TVA (Total variance explained). Theo Nguyễn Đình Thọ & ctg (2011) Tổng phương sai trích phải đạt từ 50% trở lên (≥ 50%) thì mô hình EFA được xem là phù hợp.
Phân tích hồi quy tuyến tính đa biến được dùng để kiểm định các giả thuyết đặt ra và biện luận kết quả dựa trên trọng số hồi quy trong mô hình hồi quy qua việc sử dụng phép kiểm định F với mức ý nghĩa sig < 0,05 và xem xét hệ số xác định R2 nhằm đánh giá mức độ phù hợp của mô hình hồi quy tuyến tính đa biến. Hệ số xác định hiệu chỉnh (adjusted coefficient of etermination) R2 hiệu chỉnh đánh giá mức độ phù hợp của mô hình hồi quy thông qua việc kiểm định giả thuyết bằng phép kiểm định F với mức ý nghĩa 5%. Hệ số xác định hiệu chỉnh càng lớn thì mô hình
hồi quy càng phù hợp và có ý nghĩa càng cao. Trọng số hồi quy chuẩn hóa β được dùng để so sánh mức độ tác động của các biến độc lập vào biến phụ thuộc. Biến độc lập nào có trọng số β càng lớn có nghĩa là biến đó có tác động mạnh vào biến phụ thuộc (Nguyễn Đình Thọ & ctg, 2011) . Khi ước lượng mô hình hồi quy bội chúng ta phải kiểm tra sự không tương quan hoàn toàn giữa các biến độc lập với nhau tức là kiểm tra hiện tượng đa cộng tuyến (Multicolinearity) bằng cách sử dụng hệ số phóng đại phương sai VIF (Variance Inflation Factor). Nếu VIF của một biến độc lập nào đó > 10 thì hiện tượng đa cộng tuyến xảy ra tức là biến độc lập đó hầu như không có giá trị giải thích biến thiên của biến phụ thuộc trong mô hình hồi quy đa bội (Nguyễn Đình Thọ & ctg, 2011).
Dựa vào mô hình lý thuyết, phương trình hồi quy có dạng như sau:
Ý định nghỉ việc = β0 + β1*Sự căng thẳng trong công việc +β2*Sự thỏa mãn trong công việc +β3*Cam kết với tổ chức +β4*Đào tạo và phát triển nghề nghiệp + β5*Mối qua hệ với lãnh đạo và đồng nghiệp + β6*Lương thưởng. Tóm tắt chương 3
Chương 3 mô tả về các phương pháp được sử dụng trong nghiên cứu. Quy trình nghiên cứu được vẽ ra từng bước xác định được vấn đề, tổng hợp nền tảng lý thuyết, xây dựng thang đo, các kỹ thuật xử lý đến kết quả kiểm định nghiên cứu cuối cùng. Chương này xây dựng chi tiết thang đo cho từng khái niệm nghiên cứu. Cụ thể, mô hình có 06 khái niệm nghiên cứu, thang đo cho 06 khái niệm đều được xây dựng theo thang đo Likert 5 mức độ, bao gồm 47 biến quan sát. Mẫu nghiên cứu, phương pháp điều tra mẫu được xác định với cỡ mẫu là 47*5= 235. Chương này cũng trình bày chi tiết công cụ phân tích dữ liệu là phần mềm SPSS 16.0 và các phương pháp xử lý dữ liệu.
Chương tiếp theo là kết quả nghiên cứu định lượng được tiến hành bằng các phương pháp phân tích dữ liệu được trình bày trong chương 3.
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
Chương 4 trình bày kết quả phân tích định lượng đối với dữ liệu thu thập được bằng các phương pháp phân tích được giới thiệu trong chương 3. Nội dung chương này trình bày các kết quả kiểm định thang đo và các giả thuyết nghiên cứu trong mô hình nghiên cứu đề xuất; kết quả đo lường tác động của các biến độc lập lên biến phụ thuộc ý định nghỉ việc của nhân viên. Chương 4 bao gồm các phần: