Đề tài sử dụng phần mềm SPSS 22 0 để đánh giá sơ bộ thang đo thông qua kỹ thuật kiểm định hệ số tin cậy Cronbach’s alpha, phân tích yếu tố khám phá EFA (Exploratory Factor Analysis), phân tích tương quan và phân tích hồi quy
Phương pháp sàng lọc mẫu: Mẫu thu về sẽ được sàng lọc loại bỏ những mẫu không đạt các tiêu chuẩn: đáp viên chưa hoàn thành bảng khảo sát, các bảng câu hỏi có nhiều ô trống, đáp viên chọn nhiều hơn một trả lời, hoặc đáp viên trả lời liên tục vào một lựa chọn (cột) duy nhất Việc sàng lọc mẫu được tiến hành thông qua phần mềm SPSS 22 0 bằng phương pháp chạy bảng tần số cho tất cả các biến sau đó đọc soát để thấy các giá trị khác giá trị mã hóa
Tiến trình phân tích dữ liệu được thực hiện qua các bước sau:
- Bước 1: Chuẩn bị thông tin: thu nhận các bảng câu hỏi, tiến hành làm sạch thông tin, mã hóa các thông tin trong bảng trả lời, nhập liệu vào phần mềm SPSS 22 0
- Bước 2: Thực hiện nghiên cứu thống kê mô tả, tiến hành thống kê mô tả dữ liệu thu nhập được về các điều kiện nhân khẩu học và mức độ cảm nhận của các đối tượng khảo sát về các phát biểu
- Bước 3: Đánh giá độ tin cậy của thang đo, tiến hành đánh giá thang đo bằng hệ số tin cậy Cronbach’s Alpha
- Bước 4: Thực hiện phân tích yếu tố khám phá, phân tích các khái niệm đo lường bằng phân tích yếu tố khám phá EFA (Exploratory Factor Analysis)
- Bước 5: Kiểm định các giả thuyết nghiên cứu nhằm trả lời cho các câu hỏi nghiên cứu của luận văn thông qua mô hình phân tích hồi quy đa biến
* Phân tích thống kê mô tả:
Mô tả mẫu quan sát: với phân phối tần số để mô tả đặc điểm về mẫu quan sát; và mô tả yếu tố: sử dụng giá trị nhỏ nhất, lớn nhất, trung bình, độ lệch chuẩn để xác định quan điểm và sự đánh giá của người lao động với mỗi yếu tố
* Kiểm định và đánh giá thang đo:
Để đánh giá thang đo các khái niệm trong mô hình nghiên cứu ta dựa trên các hệ số tin cậy Cronbach’s Alpha, hệ số tương quan biến - tổng (Item-to-total
correlation) giúp loại ra những biến quan sát không đóng góp vào việc mô tả khái niệm cần đo, hệ số Cronbach Alpha if Item Deleted giúp đánh giá, loại bỏ bớt biến quan sát nhằm nâng cao hệ số tin cậy Cronbach Alpha cho khái niệm cần đo và phương pháp phân tích yếu tố khám phá (EFA) nhằm kiểm tra độ giá trị của thang đo của mô hình nghiên cứu
* Phân tích Cronbach’ Alpha:
Phân tích Cronbach’s Alpha thực chất là phép kiểm định mức độ tương quan lẫn nhau của các biến quan sát (mục hỏi) trong thang đo qua việc đánh giá sự tương quan giữa bản thân và tương quan của các điểm số trong từng biến quan sát với điểm số toàn bộ thang đo Hệ số Cronbach’s Alpha > 0,8 là thang đo lường tốt, từ 0,7 đến 0,8 là thang đo được sử dụng, từ 0,6 trở lên là sử dụng được trong trường hợp khái niệm nghiên cứu là mới hoặc là mới trong hoàn cảnh nghiên cứu
Theo Nguyễn Đình Thọ (2011) việc sử dụng phương pháp hệ số tin cậy Cronbach’s Alpha trước khi phân tích yếu tố EFA nhằm loại ra các biến không phù hợp vì các biến này có thể tạo ra các yếu tố giả
Hệ số tin cậy 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 cái nào cần giữ lại Khi đó, việc tính toán hệ số tương quan giữa biến tổng (Item-to-total correlation) sẽ giúp loại ra
những biến quan sát không đóng góp nhiều cho sự mô tả của thang đo (Nguyễn Đình Thọ, 2011)
Theo Nguyễn Đình Thọ (2011) các biến quan sát có hệ số tương quan biến – tổng < 0,3 sẽ bị loại ra khỏi thang đo do có tương quan kém với các biến quan sát khác
* Phân tích yếu tố khám phá (EFA):
Sau khi loại bỏ các biến không đảm bảo độ tin cậy, phương pháp phân tích yếu tố EFA được sử dụng để xác định độ giá trị hội tụ (Convergent validity), độ giá trị phân biệt (discriminant validity), và đồng thời thu gọn các tham số ước lượng theo từng nhóm biến Phân tích yếu tố khám phá là một phương pháp phân tích thống kê dùng để rút gọn một tập gồm nhiều biến quan sát phụ thuộc lẫn nhau thành một tập biến (gọi là các yếu tố) ít hơn để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu Việc phân tích yếu tố dựa trên một số quy ước sau:
Hệ số tải yếu tố (Factor loading): là hệ số tương quan đơn giữa các biến và yếu tố, là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA Hệ số tải yếu tố > 0,3 được xem là đạt được mức tối thiểu, hệ số tải yếu tố > 0,4 được xem là quan trọng, > 0,5 được xem là có ý nghĩa thực tiễn Nếu chọn tiêu chuẩn hệ số tải yếu tố > 0,3 thì cỡ mẫu ít nhất phải là 350, nếu cỡ mẫu khoảng 100 nên chọn tiêu chuẩn hệ số tải yếu tố > 0,55, nếu cỡ mẫu khoảng 50 thì hệ số tải yếu tố phải > 0,75 Cho nên, nếu biến quan sát nào có hệ số tải yếu tố < 0,55 sẽ bị loại
- Giá trị KMO (Kaiser-Meyer-Olkin) được dùng để đo lường sự phù hợp của mẫu nghiên cứu và cho biết độ lớn của mối tương quan giữa các biến quan sát Hệ số KMO lớn hơn 0,8 nói lên các biến được dùng để phân tích có độ tương quan cao và chấp nhận được ở mức 0,5 trở lên Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008) nhấn mạnh rằng, khi xem xét giá trị KMO: nếu 0,5<KMO<1 thì phân tích yếu tố là thích hợp với dữ liệu; ngược lại KMO<0,5 thì phân tích yếu tố có khả năng không thích hợp với các dữ liệu Nếu giá trị KMO>0,95 sẽ có biến thừa Mức ý nghĩa thống kê Bartlett’s test of sphericity cho biết giữa các biến tồn tại mối tương quan, giá trị này nhỏ hơn 0,05 chỉ ra mối tương quan này đủ để tiến hành phân tích yếu tố
- Giá trị Eigenvalue dùng để đo độ phù hợp của yếu tố ẩn, nó cho biết phương sai tính cho một yếu tố, do vậy điều kiện dừng để quyết định số yếu tố dựa trên Eigenvalue từ 1 trở lên hoặc tổng phương sai trích của các yếu tố đạt 60% trở lên đối với các nghiên cứu về xã hội EFA sử dụng phương pháp Principle Axis Factoring với phép quay Varimax và điểm dừng khi trích các yếu tố có eigenvalue là 1
- Khác biệt về hệ số tải yếu tố của một biến quan sát giữa các yếu tố ≥ 0,30 để đảm bảo giá trị phân biệt giữa các yếu tố
Trong nghiên cứu này, mô hình yếu tố được chọn là mô hình gồm các yếu tố thoả điều kiện KMO>0,5, sig<0,05, Eigenvalues>1, tổng phương sai trích>60%, các biến có hệ số tải yếu tố>0,5 (Hair và cộng sự, 2010)
* Phân tích tương quan:
Kiểm định mối tương quan tuyến tính giữa các biến trong mô hình: giữa biến phụ thuộc với từng biến độc lập và giữa các biến độc lập với nhau Sử dụng hệ số tương quan Pearson để lượng hoá mức độ chặt chẽ mối liên hệ tuyến tính giữa hai biến định lượng Giá trị tuyệt đối của hệ số Pearson càng gần đến 1 thì hai biến này có mối tương quan tuyến tính càng chặt chẽ (Hair và cộng sự, 2010)
* Phân tích hồi quy đa biến:
Để kiểm định mức độ phù hợp của phương trình hồi quy, ta dùng hệ số xác định R bình phương Hệ số này biểu thị phần trăm giải thích cho biến phụ thuộc bởi biến độc lập vì vậy nó dao động từ 0 đến 1, hệ số này càng gần 1 thì mức độ giải thích càng cao và giá trị dự báo của mô hình càng tốt Tuy nhiên mô hình càng nhiều biến độc lập thò giá trị R bình phương càng cao dù biến đó không có ý nghĩa (Hair và cộng sự, 2006) Do vậy, để kiểm tra độ phù hợp của mô hình nghiên cứu này sử dụng hệ số xác định R bình phương điều chỉnh Kiểm nghiệm mức ý nghĩa của R bình phương dùng F- test, kiểm nghiệm mức ý nghĩa của các hệ số hồi quy dựa vào t – test Để kiểm nghiệm giả thuyết đưa ra, ta xét xem có mối quan hệ tuyến tính giữa biến phụ thuộc và các biến độc lập thông qua phương pháp hồi quy nhập biến từng bước “Stepwise” và kiểm tra hiện tượng đa cộng tuyến Vì nếu xảy ra hiện tượng đa cộng tuyến sẽ làm giảm giá trị R bình phương, làm xáo trộn việc tính toán hệ số hồi quy, làm sai dấu hệ số hồi quy Hiện tượng đa cộng tuyến được xác định trực tiếp dựa vào hệ số Tolerance, hệ số này cho biết phần trăm biến độc lập này không được giải thích bởi biến độc lập khác Nghịch đảo hệ số này cho ra hệ số phóng đại phương sai VIF,
hệ số VIF bằng 1 cho biết không có hiện tượng đa cộng tuyến, nếu hệ số này từ 2 trở lên cho biết 50% biến độc lập này được giải thích bởi biến độc lập khác (1- 1/0,5= 0,5) Nghiên cứu này cũng thực hiện hồi quy bội theo phương pháp Stepwise: chọn biến độc lập từng bước và xem xét các kết quả thống kê liên quan đến các biến được đưa vào trong mô hình:
1 Kiểm định các giả thuyết, sử dụng với phần mềm SPSS
2 Đánh giá và kiểm định độ phù hợp của mô hình hồi quy bội: R bình phương, R bình phương hiệu chỉnh và giá trị thống kê F để đánh giá và kiểm định độ phù hợp của mô hình hồi quy
3 Kiểm định giả thuyết về phân phối chuẩn của phần dư dựa theo biểu đồ tần số của phần được chuẩn hoá, xem giá trị trung bình bằng 0 và độ lệch chuẩn bằng 1
4 Kiểm định giả thuyết về độ phù hợp của mô hình
5 Kiểm định hiện tượng đa cộng tuyến thông qua giá trị dung sai (Tolerance) hoặc hệ số phóng đại phương sai VIF (Variance Inflation Factor) Nếu VIF>5 thì có hiện tượng đa cộng tuyến (Hair và cộng sự, 2010)
6 Kiểm định giả thuyết về ý nghĩa của hệ số hồi quy của từng biến để đánh giá tác động thuận/nghịch của từng biến độc lập đối với biến phụ thuộc trong từng mô hình hồi quy
* Phân tích ANOVA:
Việc phân tích ANOVA nhằm kiểm định sự khác nhau giữa các nhóm đáp viên khác nhau ta sử dụng kỹ thuật phân tích phương sai (ANOVA) Phương pháp sử dụng là phương pháp phương sai một yếu tố (One-way ANOVA) Đây là phương pháp được sử dụng trong trường hợp chỉ sử dụng một biến yếu tố để phân loại các quan sát thành các nhóm khác nhau
Mục đích của phân tích ANOVA là tìm xem có sự khác nhau đáng kể (có ý nghĩa thống kê) hay không về việc đánh giá động lực làm việc của giảng viên với tổ chức giữa các đối tượng giảng viên khác nhau
Theo Hair và cộng sự (2010), một số giả định khi thực hiện phân tích ANOVA: (1) Các nhóm so sánh phải độc lập và được chọn một cách ngẫu nhiên; (2) Các nhóm so sánh phải có phân phối chuẩn và cỡ mẫu phải đủ lớn để được xem như tiệm cận phân phối chuẩn; và (3) Phương sai của các nhóm so sánh phải đồng nhất
TÓM TẮT CHƯƠNG 3
Nghiên cứu đề tài luận được thực hiện qua hai giai đoạn gồm: Nghiên cứu sợ bộ và nghiên cứu chính thức
Mẫu dùng trong nghiên cứu đề tài luận văn gồm 175 giảng viên đang làm việc tại Trường Đại học Lạc Hồng
Thang đo đo lường các khái niệm nghiên cứu gồm 35 biến quan sát đo lường cho 06 khái niệm nghiên cứu Công cụ thu thập dữ liệu là bảng câu hỏi khảo sát nhằm thu thập thông tin sơ cấp
Đề tài sử dụng phần mềm SPSS 22 0 để đánh giá sơ bộ thang đo thông qua kỹ thuật kiểm định hệ số tin cậy Cronbach’s alpha, phân tích yếu tố khám phá EFA (Exploratory Factor Analysis), phân tích tương quan và phân tích hồi quy đa biến nhằm kiểm định các giả thuyết nghiên cứu
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
4 1 Tổng quan hoạt động quản trị nguồn nhân lực tại Trường Đại học Lạc Hồng4 1 1 Giới thiệu Trường Đại học Lạc Hồng