Nghiên cứu được thực hiện vào tháng 11 năm 2021. Theo dự tính sẽ có 120 bảng hỏi được gửi trực tiếp, qua email và qua công cụ Google Docs Forms của Google Drive đến các CBCCVC đang làm việc toàn thời gian tại các đơn vị, phòng giao dịch của UBND Huyện Diên Khánh. Các biến quan sát trong bảng câu hỏi khảo sát sử dụng thang đo Likert 5 (với sự lựa chọn: 1- Rất không đồng ý, 2- Không
31
đồng ý, 3 - Không có ý kiến, 4- Đồng ý, 5 – Rất đồng ý) nhằm đánh giá, phân tích các yếu tố ảnh hưởng đến sự hài lòng của CBCCVC UBND Huyện Diên Khánh. Sử dụng thang đo Likert để khảo sát mang lại kết quả có tính khả thi cao bởi bao gồm nhiều mức độ mà đáp viên có thể lựa chọn theo cảm nhận và đánh giá của mình.
Sau khi thu thập xong dữ liệu, tiến hành kiểm tra và loại bỏ những bảng câu hỏi không đạt yêu cầu. Thực hiện mã hóa dữ liệu, nhập liệu, làm sạch dữ liệu. Cuối cùng là tiến hành phân tích dữ liệu với phần mềm SPSS 25 để kiểm định độ tin cậy của thang đo; phân tích nhân tố EFA; phân tích tương quan và hồi quy; kiểm định T-test và ANOVA.
Vì sử du ̣ng phầ n mềm SPSS 25 để xử lý số liê ̣u, nên trong luâ ̣n văn này, tác giả dùng cách biểu diễn số thâ ̣p phân với ngăn cách giữa phần số nguyên và phần trăm bằ ng dấu chấm (.) thay cho cách sử du ̣ng dấu phẩy (,) thông thường cho đồng nhấ t vớ i số liê ̣u kết xuất khi trình bày.
Việc kiểm định mô hình đo lường cũng như mô hình lý thuyết và các giả thuyết trong chương ba sẽ được thực hiện bằng nghiên cứu định lượng và thông qua kỹ thuật phỏng vấn trực tiếp với kích thước mẫu khoảng 100 CBCCVC. Trong phần kiểm định này, bảng câu hỏi đo lường các yếu tố ảnh hưởng đến sự hài lòng của CBCCVC. Theo đó, kết quả đo lường thông qua việc ghi nhận những nhận xét từ góc độ nhân viên với tổ chức. Phương pháp này cũng đã được nhiều nhà nghiên cứu và các tổ chức áp dụng thành công.
Sau khi thu thập xong dữ liệu, tác giả tiến hành kiểm tra và loại bỏ những bảng câu hỏi không đạt yêu cầu, thực hiện mã hóa dữ liệu, nhập liệu, làm sạch dữ liệu và tiến hành các bước phân tích. Trong đó:
Đầu tiên tác giả phân tích Độ tin cậy của thang đo bằng phương pháp nhất quán nội tại qua hệ số Cronbach’s Alpha. Hệ số Cronbach’s Alpha càng lớn thì độ tin cậy nhất quán nội tại càng cao. Sử dụng phương pháp hệ số tin cậy Cronbach’s Alpha trước khi phân tích nhân tố khám phá EFA để loại các biến không phù hợp vì các biến này có thể tạo ra các yếu tố giả (Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2011). Hệ số tin cậy Cronbach’s Alpha chỉ cho biết các biến đo lường có liên
32
kết với nhau hay không nhưng không cho biết biến nào cần loại bỏ và biến nào cần giữ lại. Do đó, kết hợp sử dụng hệ số tương quan biến tổng để loại ra những biến có tầm quan trọng thấp cho khái niệm cần đo lường (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008). Các tiêu chí sử dụng khi thực hiện đánh giá độ tin cậy thang đo gồm: Hệ số tin cậy Cronbach’s Alpha: lớn hơn 0.8 và gần bằng 1 là thang đo lường rất tốt; từ 0.7 đến 0.8 là thang đo lường sử dụng tốt; từ 0.6 trở lên là thang đo lường đủ điều kiện, có thể sử dụng trong trường hợp khái niệm nghiên cứu là mới hoặc là mới trong hoàn cảnh nghiên cứu (Nunnally, 1978; Peterson, 1994; Slater, 1995; Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008). Trong nghiên cứu này, tác giả chọn thang đo có độ tin cậy Cronbach’s Alpha lớn hơn 0.6. Về hệ số tương quan biến tổng thì các biến quan sát có tương quan biến tổng (Item total correlation) nhỏ hơn 0.3 được xem là biến rác sẽ được loại bỏ và tiêu chuẩn để thang đo đạt yêu cầu khi Cronbach’s Alpha lớn hơn 0.6 trở lên (Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2011).Các nhà nghiên cứu cho rằng Cronback’s Alpha từ 0.8 đến 1 thì thang đo lường này tốt, từ 0.7 dến 0.8 là sử dụng được. Tuy nhiên nhiều tác giả cho rằng Cronbach’s Alpha từ 0.6 trở lên là có thể sử dụng được trong nghiên cứu là mới hoặc đối với người trả lời (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005).
Sau đó là phân tích nhân tố khám phá EFA (Exploratory Factor Analysis), EFA được dùng để tóm tắt dữ liệu và rút gọn tập hợp các yếu tố quan sát thành những yếu tố chính dùng trong các phân tích, kiểm định tiếp theo (gọi là các nhân tố). Các nhân tố được rút gọn này sẽ có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến quan sát ban đầu (Hair và cộng sự, 1998). Phương pháp trích hệ số được sử dụng trong trong nghiên cứu này là Principal Components Analysis với phép xoay Varimax. Phân tích nhân tố khám phá được dùng để kiểm định giá trị của thang đo. Khi phân tích nhân tố khám phá, các nhà nghiên cứu đều quan tâm đến một số tiêu chí (1) Tiêu chí thứ nhất gồm hệ số KMO (Kaiser – Meyer – Olkin) để xem xét sự thích hợp của phân tích nhân tố. Trị số của KMO phải đạt giá trị 0.5 trở lên (0.5 ≤ KMO ≤ 1) là điều kiện đủ để phân tích nhân tố thích hợp. Nếu KMO nhỏ hơn 0.5 thì phân tích nhân tố có khả năng không thích
33
hợp với tập dữ liệu nghiên cứu. (2) Kiểm định Bartlett là tiêu chí thứ hai để xem xét các biến quan sát trong nhân tố có tương quan với nhau hay không. Nếu kiểm định này có ý nghĩa thống kê (sig Bartlett’s Test < 0.05) chứng tỏ các biến quan sát có tương quan với nhau trong tổng thể (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008). (3) Thứ ba là Hệ số Eigenvalue, là chỉ tiêu phổ biến để xác định số lượng nhân tố trong phân tích EFA. Với tiêu chí này chỉ những nhân tố nào có Eigenvalue lớn hơn hoặc bằng 1 mới được giữ lại trong mô hình phân tích. (4) Tổng phương sai trích (Total variance Explain) là tiêu chí thứ tư, thang đo chấp nhận được khi tổng phương sai trích bằng hoặc lớn hơn 50% cho thấy mô hình EFA là phù hợp (Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2011). (5) Tiêu chuẩn thứ năm là hệ số tải nhân tố (Factor Loading), giá trị này biểu thị mối tương quan giữa biến quan sát với nhân tố. Hệ số tải nhân tố càng cao, nghĩa là tương quan của biến quan sát đó với nhân tố càng lớn và ngược lại. Hệ số tải nhân tố của một biến quan sát giữa các nhân tố phải ≥ 0.3 để đảm bảo giá trị phân biệt giữa các nhân tố (Jabnoun và Al- Tamimi, 2003).
Tiếp theo là phân tích hồi quy, dùng để mô hình hóa mối quan hệ nhân quả giữa các biến, trong đó có một biến gọi là biến phụ thuộc và các biến độc lập. Mức độ phù hợp của mô hình được đánh giá bằng hệ số R2 điều chỉnh. Giá trị R2 điều chỉnh không phụ thuộc độ lệch phóng đại của R2 do đó được sử dụng phù hợp với hồi quy tuyến tính.
Cuối cùng là các phương pháp kiểm định thống kê như phân tích ANOVA, kiểm định T-Test, v.v... Trong đó kiểm định ANOVA được sử dụng để kiểm định độ phù hợp của mô hình tương quan, nghĩa là có hay không mối quan hệ giữa các biến độc lập và biến phụ thuộc.