Công cụ nghiên cứu của đề tài này là bảng câu hỏi khảo sát nhằm thu thập thông tin sơ cấp Bảng hỏi được hình thành trên cơ sở mô hình nghiên cứu đã được trình bày trong chương 2 và sau bước thiết kế thang đo Bảng câu hỏi khảo sát được gửi trực tiếp đến giảng viên tại Trường Đại học Lạc Hồng
Bảng câu hỏi khảo sát được chia thành hai phần:
- Phần thứ nhất khảo sát các yếu tố tác động đến Động lực làm việc của giảng viên Trong phần này, có tổng cộng có 25 biến quan sát đo lường cho 5 biến độc lập gồm: Thu nhập và phúc lợi, Môi trường làm việc, Phong cách lãnh đạo, Đặc điểm công việc, Đào tạo và thăng tiến và 1 biến phụ thuộc Động lực làm việc của giảng viên được đo lường thông qua 06 biến quan sát
- Phần thứ hai của bảng câu hỏi gồm các thông tin tổng quan của giảng viên được khảo sát
Bảng câu hỏi khảo sát được sử dụng trong nghiên cứu này được thiết kế với các cấu trúc như sau:
1 Dạng bảng câu hỏi: có cấu trúc
2 Hình thức câu hỏi: câu hỏi đóng phức hợp dùng thang đo Likert 5 cấp độ 3 Đối tượng điều tra: giảng viên đang làm việc tại Trường Đại học Lạc Hồng Thang đo các khái niệm trong mô hình nghiên cứu được kế thừa từ các nghiên cứu của các tác giả và được trình bày chi tiết như bảng 3 1
3 2 3 Mã hóa thang đo các khái niệm nghiên cứu:
Trong mô hình nghiên cứu, các biến độc lập là: Thu nhập và phúc lợi, Môi trường làm việc, Phong cách lãnh đạo, Đặc điểm công việc, Đào tạo và thăng tiến Biến phụ thuộc là Động lực làm việc của giảng viên
Bảng 3 1: Mã hóa thang đo lường các khái niệm nghiên cứu
STT PHÁT BIỂU MÃ HÓA
THU NHẬP VÀ PHÚC LỢI
01 Tiền lương được trả tương xứng với năng lực làm việc của
Thầy/Cô TN1
02 Thầy/Cô có thể sống hoàn toàn dựa vào thu nhập từ lương cán
bộ giảng viên TN2
03 Thầy/Cô được thưởng tương xứng với thành tıı́ch đóng góp TN3
04 Chıı́nh sách khen thưởng rõ ràng, công bằng, công khai TN4
05 Phúc lợi được thể hiện đầy đủ và hấp dẫn TN5
ĐÀO TẠO VÀ PHÁT TRIỂN
06 Có nhiều cơ hội thăng tiến tại đơn vi côngg̣ tác DT1
07 Thầy/Cô được đào tạo đầy đủ để thực hiện tốt công việc và
phát triển nghề nghiệp của mıı̀nh DT2
08 Các chương trıı̀nh đào tạo và phát triển nghề nghiệp tại đơn vị
09 Đơn vị Thầy/Cô đang công tác rất quan tâm đến công tác đào
tạo CB giảng viên DT4
10 Công tác đào tạo tại đơn vi g̣đúng người, đúng chuyên môn DT5
MÔI TRƯỜNG LÀM VIỆC
11 Ban lãnh đạo luôn quan tâm cải thiện môi trường làm việc và
phương tiện làm việc cho CB giảng viên MT1
12 Môi trường làm việc tốt, sạch sẽ, vê sinh,g̣ thoáng mát MT2 (adsbygoogle = window.adsbygoogle || []).push({});
13 Điều kiện làm việc thuận lợi đối với sức khoẻ của CB giảng
viên MT3
14 Đơn vị luôn trang bi g̣đầy đủ thiết bi,g̣ công cu,g̣ dụng cu ḷ àm việc
cho CB giảng viên MT4
15 Thầy/Cô hài lòng với môi trường làm việc tại đơn vị MT5
ĐẶC ĐIỂM CÔNG VIỆC
16 Công việc hiện tại phù hợp với tıı́nh cách, năng lực làm và thế
mạnh của Thầy/Cô DC1
17 Thầy/Cô được tự chủ, tự kiểm soát và chịu trách nhiệm DC2
18 Thầy/Cô được giao quyền hạn phù hợp với trách nhiệm DC3
19 Thầy/Cô được khuyến khıı́ch đưa ra những sáng kiến liên quan
đến công việc DC4
20 Thầy/Cô hài lòng với việc sắp xếp công việc tại đơn vị DC5
PHONG CÁCH LÃNH ĐẠO
21 Thầy/Cô được cấp trên trực tiếp tôn trọng và tin cậy trong công
Nguồn: Khảo sát của tác giả (2021)
- Yếu tố 1: Thu nhập và phúc lợi là trung bình các biến từ TN1 đến TN5 - Yếu tố 2: Đào tạo và thăng tiến là trung bình các yếu tố từ DT1 đến DT5 - Yếu tố 3: Môi trường làm việc là trung bình các yếu tố từ MT1 đến MT5 - Yếu tố 4: Đặc điểm công việc là trung bình các yếu tố từ DC1 đến DC5 - Yếu tố 5: Phong cách lãnh đạo là trung bình các yếu tố từ LD1 đến LD5 - Biến phụ thuộc: Động lực làm việc của giảng viên là trung bình các yếu tố từ DL1 đến DL6
22 Cấp trên trực tiếp của Thầy/Cô luôn đối xử công bằng với cấp
dưới LD2
23 Cấp trên trưc g̣tiếp của Thầy/Cô luôn bảo vệ quyền lợi hợp pháp
cho Thầy/Cô LD3
24 Thầy/Cô thường nhận được sự giúp đỡ, hướng dẫn, tư vấn của
cấp trên trực tiếp khi cần thiết LD4
25 Lãnh đạo có năng lực, tầm nhìn và khả năng điều hành tốt LD5
ĐỘNG LỰC LÀM VIỆC
26 Đơn vị truyền được cảm hứng cho Thầy/Cô trong công việc DL1
27 Thầy/Cô tự nguyện nâng cao kỹ năng để làm việc tốt hơn DL2
28 Thầy/Cô sẵn sàng hy sinh quyền lợi cá nhân để hoàn thành
công việc DL3
29 Thầy/Cô thường làm việc với tâm trạng tốt nhất DL4 (adsbygoogle = window.adsbygoogle || []).push({});
30 Thầy/Cô sẽ làm việc với trách nhiệm cao DL5
3 2 4 Cỡ mẫu và phương pháp chọn mẫu:
Theo nguyên tắc kinh nghiệm các nhà nghiên cứu cho rằng, nếu sử dụng phương pháp ước lượng thích hợp tối đa (Maximum Likelihood) thì kích thước mẫu tối thiểu phải từ 100 đến 150 (Hair & cs , 2010) Cũng có nhà nghiên cứu cho rằng kích thước mẫu tới hạn phải là 200
Đối với phân tích yếu tố khám phá EFA, dựa theo nghiên cứu của Hair và cộng sự (2010) cho tham khảo về kích thước mẫu dự kiến Theo đó kích thước mẫu tối thiểu là gấp 5 lần tổng số biến quan sát Đây là cỡ mẫu phù hợp cho nghiên cứu có sử dụng phân tích yếu tố: n = 5 * m (m là số biến quan sát trong mô hình nghiên cứu), mô hình nghiên cứu có 31 biến quan sát nên cỡ mẫu tối thiểu là: n = 5 * 31 = 155
Đối với phân tích hồi quy đa biến: theo Green (1991) cỡ mẫu tối thiểu cần đạt được tính theo công thức là n = 50 + 8 * m (m: số biến nghiên cứu độc lập) Mô hình nghiên cứu có 05 biến độc lập và do vậy cỡ mẫu tối thiểu nên là: n = 50 + 8 * 5 = 90
Nghiên cứu này sử dụng phương pháp chọn mẫu phi ngẫu nhiên 175 giảng viên đang làm việc cơ hữu (toàn thời gian) tại Trường Đại học Lạc Hồng Trong đó, tất cả đều có trình độ thạc sỹ trở lên
3 2 5 Phương pháp xử lý dữ liệu:
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 (adsbygoogle = window.adsbygoogle || []).push({});
- 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: