Trong nghiên cứu này, để thực hiện phân tích SEM, tác giả sử dụng chương trình AMOS 24.0. Phân tích SEM gồm có hai bước: Phân tích mô hình cấu trúc đo lường hay phân tích nhân tố khẳng định CFA và Phân tích mô hình cấu trúc tuyến tính SEM. Quy trình hai bước này đảm bảo các chỉ số sẽ thật sự đo lường các cấu trúc ẩn trước khi bắt đầu phân tích các mối quan hệ giữa các nhân tố trong mô hình.
Kết quả phân tích của cả hai bước này đều bắt buộc phải thỏa mãn các chỉ số yêu cầu sau đây để đảm bảo độ phù hợp của mô hình với thông tin khảo sát thực tế:
- Chi Square (CMIN) có P_value > 0,05 (Hair và cộng sự, 1998)
- Chi square điều chỉnh theo bậc tự do (CMIN/df): <2, một số trường hợp
CMIN/df có thể nhỏ hơn 3 (Carmines&Mciver,1981)
- Chỉ số thích hợp so sánh (CFI – Comparative fit index) >= 0,9 - Chỉ số Tuckey & Lewis (TLI: Tukey and Lewis index) >= 0,9 - Chỉ số phù hợp GFI (goodness of fit index) >=0,9
- Chỉ số điều chỉnh độ tốt của chỉ số phù hợp AGFI (Adjusted Goodness of
Fit Index) >= 0,9
- Chỉ số RMSEA (Root mean square error approximation): nhỏ hơn 0,8
(Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2011) hoặc 0,5 được xem là rất tốt (Steiger, 1990).
Khi thực hiện CFA, cần thực hiện thêm các đánh giá để đánh giá độ tin cậy của thang đo thông qua 3 chỉ số:
- Hệ số tin cậy tổng hợp: (RC) (Joereskog, 1971):
- Hệ số tổng phương sai trích (VC): ((Fornell&Larcker, 1981)
i: Trọng số chuẩn hóa của biến quan sát thứ i
- Cronbach’s alpha:
Tính đơn hướng (Unidimesionality): Mô hình có độ phù hợp với dữ liệu thị trường là điều kiện cần và đủ để tập biến quan sát đạt tính đơn hướng. (trừ trường hợp sai số của các biến quan sát có tương quan nhau. (Steenkam&Vantrijp, 1991)
Giá trị hội tụ: (Convergent validity): đạt được khi giá trị trọng số chuẩn hóa (C) tối thiểu là 0,5 và có ý nghĩa thống kê. (sig<0,05). (Gerbing & Anderson, 1988).
Giá trị phân biệt (Discriminant validity) (tính trên excel)
Giá trị liên hệ lý thuyết: (Nomological validity): được đánh giá thông qua mô hình lý thuyết (Gerbing&Anderson, 1988).
4.2.3.1 Kiểm định mô hình đo lường CFA
4.2.3.1.1 Kiểm định sự phù hợp của mô hình đo lường CFA
Hình 4.1 bên dưới là kết quả của phân tích CFA cho thấy mô hình này có giá trị 2/df = 1,630 (< 2) đạt yêu cầu cho độ tương thích. Các chỉ tiêu khác cũng đạt được yêu cầu: CFI = 0,950 (> 0,90), TLI = 0,942 (>0,9), GFI = 0,914 (>0,90), AGFI = 0,893 (~0,9), và RMSEA = 0,042 (< 0,06), P=0.000. Vì vậy, tác giả có thể kết luận mô hình đo lường đạt kết quả rất tốt so với các tiêu chuẩn, được độ tương thích với dữ liệu thị trường.
4.2.3.1.2 Kiểm định Hệ số tin cậy tổng hợp (composite reliability - CR) và Giá trị hội tụ (convergent validity)
Để đánh giá độ tin cậy và giá trị hội tụ của thang đo, nghiên cứu sử dụng hệ số tin cậy tổng hợp (Composite Reliability – CR) và phương sai trích trung bình (Average Variance Extracted – AVE). Chỉ số CR > 0,7 là tốt, và phương sai trích trung bình AVE > 0,5 (Bagozzi và Yi, 1988).
Tác giả tính toán CR và AVE bằng phần mềm Excel (Tham khảo chi tiết tại Phụ lục 5, mục 6), sử dụng các số liệu trong bảng Trọng số hồi quy chuẩn hóa (Standardized Regression Weights) từ các kết quả của CFA. Hệ số tin cậy tổng hợp CR của nghiên cứu này tất cả đều lớn hơn 0,7 đáp ứng yêu cầu so với lý thuyết đề ra. Kết quả cho thấy độ tin cậy của bảng câu hỏi khảo sát rất tốt. Phương sai trích trung bình AVE hầu hết đều tốt (>0,5). Do đó, thang đo đạt được giá trị hội tụ.
4.2.3.1.3 Kiểm định Giá trị phân biệt
Chỉ số MI (Modification indices) đưa ra các biện pháp khắc phục cho các sai lệch giữa mô hình được đề xuất và mô hình ước lượng estimated model. Vì vậy, tác giả xem xét các chỉ số sửa đổi cho hiệp phương sai bằng cách nối các mũi tên hai chiều hiệp phương sai giữa các phần dư trong cùng một nhân tố. Những trường hợp mà có MI lớn để ưu tiên nối trước. Sau đó, chạy lại mô hình và xem tiếp tục nối tiếp giữa hai sai số nào để tiếp tục cải thiện. Kết quả nối từng cặp (WE4,WE5) (WE4,WE2) (JS2,JS5) (TL1,TL2) (TL2,TL5) (WM1,WM6). Bảng 4.5 cho thấy các hệ số tương quan từng cặp khái niệm đều nhỏ hơn 0,9 và khác với 1 ở độ tin cậy 95%. Kết quả này cho thấy các khai niệm nghiên cứu trong mô hình đều đạt được giá trị phân biệt.
Bảng 4.5: Hệ số tương quan giữa các khái niệm
(Nguồn: Kết quả xử lý từ phần mềm AMOS 24)
Estimate S.E. C.R. P Label
WE <--> JS ,088 ,015 5,793 *** WE <--> TL ,112 ,017 6,576 *** WE <--> OC ,055 ,013 4,099 *** WE <--> WM ,060 ,014 4,234 *** JS <--> TL ,084 ,014 6,118 *** JS <--> OC ,060 ,012 5,110 *** JS <--> WM ,052 ,012 4,462 *** TL <--> OC ,052 ,011 4,564 *** TL <--> WM ,075 ,013 5,673 *** OC <--> WM ,095 ,014 6,717 ***
Hình 4.1: Mô hình cấu trúc đo lường CFA đã chuẩn hóa
4.2.4.2 Kiểm định mô hình cấu trúc tuyến tính SEM
4.2.4.2.2 Kiểm định các giả thuyết
Dựa trên Bảng 4.10 các trọng số hồi quy chưa chuẩn hóa của mô hình cấu trúc tuyến tính SEM và bảng 4.11 trình bày kết quả các trọng số hồi quy đã chuẩn hóa của mô hình cấu trúc tuyến tính SEM. Các giả thuyết có kết quả cụ thể như sau:
Giả thuyết H1 thể hiện mối tương quan cùng chiều, trong đó Phong cách lãnh đạo chuyển đổi tác động tích cực lên Sự hài lòng công việc. Giả thuyết này được chấp nhận với giá trị p là 0,000 (nhỏ hơn 0,1) có ý nghĩa thống kê và có giá trị hồi quy là 0,553 được thể hiện trong bảng 4.11. Như vậy, giả thuyết H1 được chấp nhận.
Giả thuyết H2 thể hiện mối tương quan cùng chiều, trong đó Sự hài lòng công việc tác động tích cực lên Cam kết tổ chức. Giả thuyết này được chấp nhận với giá trị p là 0,002 (nhỏ hơn 0,1) có ý nghĩa thống kê, có giá trị hồi quy là 0,2 được thể hiện trong bảng 4.11. Như vậy, giả thuyết H2 được chấp nhận.
Giả thuyết H3 thể hiện mối tương quan cùng chiều, trong đó Phong cách lãnh đạo chuyển đổi tác động tích cực lên Động lực làm việc. Giả thuyết này được chấp nhận với giá trị p là 0,00 (nhỏ hơn 0,1) và mức độ tác động có giá trị là 0,489 được thể hiện trong bảng 4.11. Như vậy, giả thuyết H3 được chấp nhận.
Giả thuyết H4 thể hiện mối tương quan cùng chiều, trong đó Động lực làm việc tác động tích cực đến Cam kết tổ chức. Giả thuyết này được chấp nhận với giá trị p là 0,00 (nhỏ hơn 0,1) có ý nghĩa thống kê, và mức độ tác động có giá trị là 0,528 được thể hiện trong bảng 4.11. Như vậy, giả thuyết H4 được chấp nhận.
Giả thuyết H5 thể hiện mối tương quan cùng chiều, trong đó đó Phong cách lãnh đạo chuyển đổi tác động tích cực lên Môi trường làm việc. Giả thuyết này được chấp nhận với giá trị p là 0,00 (nhỏ hơn 0,1) có ý nghĩa thống kê, mức độ tác động có giá trị là 0,77 được thể hiện trong bảng 4.11. Như vậy, giả thuyết H5 được chấp nhận. Giả thuyết H6 thể hiện mối tương quan cùng chiều, trong đó Sự gắn kết công việc tác động tích cực lên Môi trường làm việc. Giả thuyết này được có giá trị p là 0,480 (lớn hơn 0,1) nên không có ý nghĩa thống kê và mức độ tác động có giá trị là
0,042 được thể hiện trong bảng 4.11. Như vậy, giả thuyết H6 cần phải xem xét theo 2 trường hợp:
- Nếu loại bỏ giả thuyết này thì mô hình có kết quả như hình 4.3, kết quả
này hoàn toàn ý nghĩ thống kê và sự phù hợp mô hình tuyệt đối với các chỉ số rất tốt đều đáp ứng được các yêu cầu về mặt lý thuyết (Hair và cộng sự, 1998) : 2/df = 1,721 (< 2), CFI = 0,952 (> 0,90), GFI = 0,933 (> 0,90), AGFI = 0,912 (>0,9), TLI = 0,941 (>0,9), và RMSEA = 0,045 (< 0,05).
- Tuy nhiên, tác giả đề xuất cần phải giữ giả thuyết này về theo học thuyết
2 nhân tố của F. Herzberg thì Môi trường làm việc là nhân tố duy trì rất quan trọng và không nên loại bỏ vì chính nó sẽ hỗ trợ cho các nhân tố động viên như tác giả đã phân tích học thuyết ở chương 2.
Bảng 4.6: Các trọng số hồi quy chưa chuẩn hóa của mô hình SEM
(Nguồn: Kết quả xử lý từ phần mềm AMOS 24)
Tương quan các nhân tố Estimate S.E. C.R. P Label
JS <--- TL 0,583 0,081 7,21 *** WE <--- TL 0,77 0,098 7,877 *** WM <--- TL 0,502 0,078 6,395 *** OC <--- JS 0,177 0,057 3,125 0,002 OC <--- WM 0,528 0,075 7,047 *** OC <--- WE 0,029 0,041 0,706 0,480
Bảng 4.7: Các trọng số hồi quy đã chuẩn hóa của mô hình SEM
(Nguồn: Kết quả xử lý từ phần mềm AMOS 24)
Estimate JS <--- TL ,553 WE <--- TL ,571 WM <--- TL ,489 OC <--- JS ,200 OC <--- WM ,579 OC <--- WE ,042
4.2.4.2 Kiểm định Bootstrap với số mẫu lớn:
Để đánh giá độ tin cậy của các ước lượng, trong các phương pháp định lượng bằng phương pháp lấy mẫu, thông thường chúng ta phải chia mẫu thành 2 mẫu con. Một nửa dùng để ước lượng làm tham số mô hình và một nữa để đánh giá lại (kiểm tra chéo). Cách khác là lặp lại nghiên cứu bằng mẫu khác. Cả hai cách này đều không thực tế vì phương pháp phân tích cấu trúc tuyến tính thường đòi hỏi mẫu lớn là việc làm tốn kém nhiều thời gian, công sức và chi phí (Anderson & Gerbing, 1988). Trong những trường hợp như vậy thì theo Schumacker & Lomax (được trích dẫn bởi Nguyễn Khánh Duy, 2009) Bootstrap là phương pháp phù hợp để thay thế. Việc kiểm định bootstrap được tiến hành để kiểm tra lại mô hình cuối cùng, Bootstrap là phương pháp lấy mẫu lại có thay thế trong đó mẫu ban đầu đóng vai trò đám đông.
Tác giả thực hiện kiểm định với các cỡ mẫu lớn, kết quả tổng hợp như bảng : Ở đây cột Mean là hệ số hồi quy của ước lượng bootstrap, cột Bias là chênh lệch giữa cột hệ số hồi quy Mean và giá trị hệ số hồi quy Estimate khi chạy không có Bootstrap. Cột SE-Bias là Standard errors của cột Bias. Tác giả tính các giá trị tới hạn (Critical Ratios-C.R) bằng cách đưa kết quả vào excel và tính toán, lấy giá trị Bias chia cho Se_Bias. Sau đó so sánh giá trị C.R này với 2 là giá trị của phân phối chuẩn ở mức ý nghĩa 95% (Nguyễn Khánh Duy, 2009) .
Nếu giá trị C.R này > 2 thì suy ra p-value < 5%, chấp nhập Ha, kết luận độ lệch khác 0 có ý nghĩa thống kê ở mức tin cậy 95%.
Còn nếu C.R < 1.96 , suy ra p-value > 5%, bác bỏ Ha, chấp nhận H0, kết luận độ lệch khác 0 không có ý nghĩa thống kê ở mức tin cậy 95%, và như thế ta kết luận được mô hình ước lượng (lúc trước khi check vào option bootstrap) có thể tin cậy được.
Kết quả cho thấy giả thiết H6: Môi trường làm việc tác động đến cam kết công việc không có ý nghĩa thông kê trong hầu hết các trường hợp mẫu lớn.
Bảng 4.8: Kết quả ước lượng Bootstrap với số mẫu lớn Các quan sát SE SE- SE Mean Bias SE- Bias CR Số mẫu N=500 JS <--- TL 0,076 0,002 0,552 -0,001 0,003 (0,33) WE <--- TL 0,058 0,002 0,571 0 0,003 - WM <--- TL 0,079 0,002 0,487 -0,002 0,004 (0,50) OC <--- JS 0,088 0,003 0,193 -0,006 0,004 (1,50) OC <--- WM 0,086 0,003 0,577 -0,002 0,004 (0,50) OC <--- WE 0,067 0,002 0,049 0,007 0,003 2,33 Số mẫu N=1000 JS <--- TL 0,076 0,002 0,552 -0,001 0,002 (0,50) WE <--- TL 0,06 0,001 0,57 -0,001 0,002 (0,50) WM <--- TL 0,078 0,002 0,485 -0,004 0,002 (2,00) OC <--- JS 0,087 0,002 0,195 -0,005 0,003 (1,67) OC <--- WM 0,086 0,002 0,577 -0,002 0,003 (0,67) OC <--- WE 0,066 0,001 0,047 0,005 0,002 2,50 Số mẫu N=1500 JS <--- TL 0,074 0,001 0,554 0,001 0,002 0,50 WE <--- TL 0,06 0,001 0,57 -0,001 0,002 (0,50) WM <--- TL 0,077 0,001 0,485 -0,004 0,002 (2,00) OC <--- JS 0,089 0,002 0,196 -0,004 0,002 (2,00) OC <--- WM 0,086 0,002 0,577 -0,002 0,002 (1,00) OC <--- WE 0,068 0,001 0,047 0,005 0,002 2,50 Số mẫu N=2000 JS <--- TL 0,074 0,001 0,553 0 0,002 - WE <--- TL 0,059 0,001 0,571 -0,001 0,001 (1,00) WM <--- TL 0,078 0,001 0,486 -0,003 0,002 (1,50) OC <--- JS 0,087 0,001 0,195 -0,005 0,002 (2,50) OC <--- WM 0,086 0,001 0,579 -0,001 0,002 (0,50) OC <--- WE 0,068 0,001 0,047 0,005 0,002 2,50