3.2.3.1. Phương pháp chọn mẫu:
Phạm vi nghiên cứu của đề tài là Trường Tiểu học Thắng Nhì nên tổng thể đã được xác định là toàn bộ giáo viên, nhân viên đang làm việc tại nhà trường; và số lượng mẫu cũng khá ít. Do đó, đề tài áp dụng phương pháp chọn mẫu tổng thể.
Đối với ý kiến các chuyên viên: tác giả chọn 1 giảng viên hướng dẫn, 1 Hiệu trưởng, 2 Hiệu phó và 3 tổ trưởng của tổ chuyên môn, tổ bộ môn và tổ văn phòng.
Đối với viên chức, người lao động đang công tác tại Trường Tiểu học Thắng Nhì: tác giả chọn 132 trên tổng số 132 thành viên.
Tác giả tiến hành lấy mẫu bằng cách gặp trực tiếp toàn bộ các viên chức và người lao động vào lúc nhà trường tổ chức họp để gửi bảng khảo sát cho các thành viên trả lời và giải thích một số thắc mắc của họ trong quá trình trả lời. Phiếu điều tra sẽ được thu về ngay sau khi cuộc họp kết thúc. Sau đó, tác giả sẽ kiểm tra kết quả phỏng vấn, loại ra những mẫu không đạt yêu cầu, nhập liệu và xử lý bằng phần mềm SPSS 20.
3.2.3.2. Kích thước mẫu
- Xác định số lượng mẫu: Kích thước mẫu để đảm bảo phân tích dữ liệu (phân tích nhân tố khám phá EFA) tốt được xác định dựa trên cơ sở tiêu chuẩn 5:1 của Bollen (1998), tức là cần ít nhất 5 quan sát cho 1 biến đo lường, nghĩa là cứ mỗi biến đo lường cần tối thiểu 5 quan sát và số quan sát tối thiểu phải là 50.
Theo Hair và cộng sự (2009) [19] “để chọn kích thước quan sát nghiên cứu phù hợp đối với phân tích nhân tố khám phá EFA cỡ mẫu tối thiểu là N ≥ 5*x (x: là tổng số biến quan sát)”. Vậy tương ứng với 19 biến quan sát, nghiên cứu này cần
đảm bảo kích thước mẫu tối thiểu sử dụng cho phân tích nhân tố khám phá (EFA) phải là N ≥ 19 *5= 95.
Theo tác giả Tabachnick và Fidell (1996) [31] “để tiến hành phân tích hồi quy một cách tốt nhất thì cỡ mẫu tối thiểu cần đạt được tính theo công thức N≥ 50+8m (trong đó m: là biến độc lập)”. Do có 4 biến độc lập nên nghiên cứu cần là N≥ 50+8*4=82 quan sát để đạt kích thước mẫu cho phân tích hồi quy.
3.2.4. Phương pháp phân tích dữ liệu
Phân tích kết quả các câu hỏi dữ liệu thu thập được thông qua phần mềm SPSS 20.0. Sau khi hoàn tất việc kiểm tra sàng lọc các bảng câu hỏi không đạt yêu cầu. Những phiếu trả lời hợp lệ sẽ tiếp tục mã hóa, nhập liệu và làm sạch dữ liệu, và sử dụng một số phương pháp phân tích trong nghiên cứu, cụ thể như sau:
3.2.4.1. Phương pháp thống kê mô tả (Descriptive statistics)
Được sử dụng để tóm tắt, mô tả những đặc điểm cơ bản về thông tin của đối tượng khảo sát (độ tuổi, giới tính, trình độ học vấn, thời gian công tác, chức danh/vị trí công việc…). Các đại lượng này được tính toán thông qua các tham số thống kê như phần trăm, giá trị trung bình (mean), phương sai, độ lệch chuẩn (Std Deviation) và được biểu diễn bằng đồ thị liên quan đến tỷ lệ phần trăm của biến so với tổng mẫu nghiên cứu hoặc bằng bảng tần suất mô tả dữ liệu giúp phân tích, so sánh thông tin đối tượng khảo sát.
3.2.4.2. Phương pháp phân tích hệ số tin cậy Cronbach’s Alpha
Phương pháp phân tích hệ số tin cậy Cronbach’s Alpha là một phép kiểm định thống kê dùng để kiểm tra sự chặt chẽ và mức độ tương quan lẫn nhau của các biến quan sát (các mục hỏi trong thang đo) để tìm ra được các nhân tố thích hợp nhất trong mô hình, nhưng không cho biết mục câu hỏi (biến quan sát) nào cần bỏ đi và mục câu hỏi nào cần giữ lại. Khi đó, việc tính toán hệ số tương quan giữa biến – tổng (item – total correlation) sẽ giúp loại bỏ những thang đo không phù hợp và hạn chế các biến quan sát rác trong quá trình nghiên cứu trước khi phân tích nhân tố
(EFA: Exploratory factor analysis) vì nếu không chúng ta không thể biết được chính xác độ biến thiên cũng như độ lỗi của các biến. Theo đó, các biến có hệ số tương quan biến tổng (Item total correlation) nhỏ hơn 0.3 sẽ bị loại bỏ khỏi thang đo do có tương quan kém với các biến khác trong cùng mục câu hỏi và tiêu chuẩn để chọn thang đo khi có độ tin cậy Alpha từ 0.6 trở lên. Ngoài ra các biến có hệ số Cronbach’s Alpha sau khi loại biến lớn hơn giá trị hệ số Cronbach’s Alpha của nhân tố đó thì biến đó cũng bị loại khỏi mô hình. Thỏa 2 điều kiện trên thì các biến phân tích được xem là chấp nhận và thích hợp đưa vào phân tích nhân tố và các bước nghiên cứu tiếp theo.
3.2.4.3. Phương pháp phân tích nhân tố khám phá (EFA)
Sau khi kiểm định mức độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha để loại bỏ biến rác hoặc biến có tương quan thấp trong thang đo; các biến phù hợp còn lại sẽ tiếp tục sử dụng cho phân tích nhân tố khám phá EFA.
Phương pháp phân tích nhân tố khám phá EFA (Exploratory factor analysis) được sử dụng để đánh giá độ giá trị của thang đo (Nguyễn Đình Thọ, 2001). “Đây là một phương pháp phân tích thống kê dùng để rút gọn một tập nhiều biến quan sát phụ thuộc lẫn nhau thành một tập biến (gọi là các nhân tố) ít hơn để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu” [19] (Hair & ctg, 2009).
Mục đích của việc thực hiện EFA là rút gọn lượng các biến bằng cách nhóm các biến riêng lẻ lại thành từng nhóm nhân tố dựa trên mức độ đồng nhất đặc trưng của các quan sát trong cùng một nhân tố. Các nhóm nhân tố được rút gọn lại từ EFA cũng chính là cơ sở đầu vào để tiến hành các phép phân tích sâu hơn như phân tích tương quan và hồi quy.
Mô hình phân tích EFA:
Fi = Wi1X1 + Wi2X2 + …+ Wik Xk Trong đó:
Fi: Ước lượng trị số của nhân tố thứ i
Wi: Quyền số hay Trọng số nhân tố (weight or factor score coefficient) k: số biến quan sát
Xi : Biến quan sát trong nhân tố thứ I
Bảng 3.2. Nhân tố ảnh hưởng đến động lực làm việc
Nhân tố Định nghĩa Kỳ vọng
F1 Cơ chế chính sách +
F2 Nhân tố bên ngoài +
F3 Nhân tố bên trong +
F4 Nhân tố nội tại bản thân +
(Nguồn: tác giả nghiên cứu và lập bảng) Mô hình phân tích nhân tố khám phá (EFA) được cho là phù hợp khi các tiêu chuẩn sau đây thỏa điều kiện:
Tính thích hợp của EFA (Kaiser - Mayer - Olkin measure of sampling adequacy): Là chỉ số dùng xem xét sự thích hợp của phân tích nhân tố cho dữ liệu thực tế nếu thỏa mãn điều kiện 0.5 ≤ KMO ≤ 1. Nếu chỉ số KMO nhỏ hơn 0.5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005).
Kiểm định Bartlett (Barlett’s test of sphericity): Kiểm định Bartlett được sử dụng để kiểm định tính tương quan tuyến tính của các biến quan sát trong mỗi thang đo. Khi giá trị Significance (Sig.) của kiểm định Bartlett ≤ 0.05, các biến quan sát có tương quan tuyến tính trong mỗi thang đo (nhân tố). Do đó, các nhân tố mới hình thành hoàn toàn độc lập với nhau.
Phương sai trích (cumulative of variance): giá trị tổng phương sai trích cho biết các nhân tố được trích giải thích được % sự biến thiên của các biến quan sát. Tiêu chuẩn để chấp nhận phân tích nhân tố khám phá khi phương sai trích lớn hơn 50%. Ngược lại nhỏ hơn 0.5 sẽ tiếp tục bị loại với Eigenvalue (đại diện cho phần
biến thiên được giải thích bởi mỗi nhân tố) có giá trị phải lớn hơn 1 mới được giữ lại trong mô hình nghiên cứu.
Hệ số tải nhân tố (Factor Loading) biểu thị mối quan hệ tương quan giữa các biến quan sát với các nhân tố. Theo Hair & ctg (2009) với kích thước mẫu 100 ≤ n ≤ 350, hệ số tải nhân tố trong bảng Rotated Component Matrix > 0.55 thì mới thỏa mãn yêu cầu của phân tích nhân tố; ngược lại biến đó bị loại khỏi mô hình nghiên cứu. Với nghiên cứu này, do số mẫu được sử dụng là 130 nên tác giả sẽ sử dụng hệ số tải nhân tố là 0.55.
Với mỗi khoảng kích thước mẫu khác nhau, mức giá trị Factor loading để biến quan sát có ý nghĩa thống kê cũng hoàn toàn khác nhau.
Factor Loading >= 0.3 với cỡ mẫu lớn hơn 350
Factor Loading >= 0.55 với cỡ mẫu khoảng 100 → 350 Factor Loading >= 0.75 với cỡ mẫu khoảng 50 → 100.
3.2.4.4. Phương pháp phân tích hồi quy đa biến
Khi độ tin cậy của thang đo được đảm bảo sẽ tiến hành thực hiện phân tích hồi quy để kiểm định các giả thuyết. Mô hình hồi quy đa biến biểu diễn mối quan hệ giữa hai hay nhiều biến độc lập (biến giải thích) với một biến phụ thuộc định lượng (biến kết quả). Biến phụ thuộc là yếu tố “Động lực làm việc” và biến độc lập là các nhân tố ảnh hưởng được rút ra từ phân tích EFA, kiểm định mức ý nghĩa 5%. Phương trình hồi quy có dạng:
Y = βo + β1X1 + β2X2 +...+ βnXn + εi Trong đó:
+ β0: hằng số;
+ βn: là hệ số hồi quy riêng phần (n>0)
+ εi: Là một biến độc lập ngẫu nhiên có phân phối chuẩn với trung bình là 0 và phương sai không đổi σ2 (sai số).
+ Y: Biến phụ thuộc (động lực làm việc của viên chức và NLĐ). + Xn: Biến độc lập (các nhân tố ảnh hưởng)
Điều kiện để mô hình hồi quy đạt yêu cầu trong nghiên cứu:
Giá trị Sig. của kiểm định F trong bảng Anova phải nhỏ hơn 0,05 thể hiện sự phù hợp của mô hình hồi quy với tổng thể mẫu.
Giá trị Sig. của kiểm định t được sử dụng để kiểm định ý nghĩa của hệ số hồi quy. Nếu Sig. <0.05 thì biến độc lập có tác động đến biến phụ thuộc.
Giá trị hệ số phóng đại phương sai VIF (Variance inflation factor) của một biến độc lập <10 nghĩa là biến độc lập đó không xảy ra hiện tượng đa cộng tuyến. Nhưng trên thực tế, giá trị VIF thường được so sánh với 2. Nếu hệ số VIF lớn hơn 2 chứng tỏ có hiện tượng đa cộng tuyến giữa các biến độc lập và ngược lại.
Giá trị Adjusted R Square (R bình phương hiệu chỉnh) và R2 (R Square) phản ánh mức độ ảnh hưởng của các biến độc lập lên biến phụ thuộc. Giá trị R2 phải lớn hơn 0.6 thì mô hình là tốt và có ý nghĩa.
Hệ số Durbin Watson dùng để kiểm định tự tương quan của các sai số kề nhau (hay còn gọi là tương quan chuỗi bậc nhất) có giá trị biến thiên trong khoảng từ 0 đến 4. Nếu các phần sai số không có tương quan chuỗi bậc nhất với nhau thì giá trị sẽ gần bằng 2 (từ 1 đến 3). Nếu giá trị càng nhỏ, gần kề 0 thì các phần sai số có tương quan thuận. Nếu càng lớn, gần về 4 có nghĩa là các phần sai số có tương quan nghịch. Nếu dU < Durbin Waston < 4 - dU, không có hiện tượng tự tương quan.
Đánh giá mức độ ảnh hưởng mạnh hay yếu của các biến độc lập tới biến phụ thuộc thông qua các hệ số hồi quy chuẩn hóa Beta ở bảng Coefficient. Nếu hệ số Beta dương, biến đó tác động thuận và ngược lại.
Tóm tắt chương 3
Trong chương 3 này, tác giả đã mô tả quy trình nghiên cứu; trình bày phương pháp nghiên cứu được sử dụng trong đề tài gồm phương pháp nghiên cứu định tính kết hợp với định lượng. Theo đó, phương pháp nghiên cứu định tính được thực hiện thông qua việc thảo luận nhóm; từ đó, xây dựng và đánh giá các thang đo dùng để đo lường các khái niệm nghiên cứu. Bên cạnh đó, tác giả cũng đã nêu cụ thể quá trình xác định kích thước mẫu và chọn mẫu phù hợp theo đối tượng khảo sát, phương pháp thu thập dữ liệu. Đồng thời đưa ra phương pháp xử lý, phân tích dữ liệu định lượng bằng phần mềm SPSS 20 để kiểm định mô hình và giả thuyết nghiên cứu đã nêu trong chương 2. Thang đo chính thức được hình thành dựa trên kết quả nghiên cứu định tính và nghiên cứu định lượng sơ bộ. Trong chương tiếp theo, nghiên cứu sẽ trình bày kết quả nghiên cứu và thảo luận về kết quả nghiên cứu so với thực tế.
CHƯƠNG 4
KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
4.1. Tổng quan về tổng thể mẫu nghiên cứu
Tổng số giáo viên, nhân viên tham gia trả lời bảng câu hỏi khảo sát là 132 người với số phiếu hợp lệ 130 phiếu. Tất cả các phiếu khảo sát đều được kiểm tra, đảm bảo tiêu chí làm sạch dữ liệu đủ điều kiện để tiến hành nghiên cứu. Phân loại 130 người được khảo sát theo thành phần giới tính, độ tuổi, trình độ học vấn, vị trí công tác, thâm niên công tác (Phụ lục 4). Bảng 4.1 trình bày đặc điểm các thành phần của mẫu khảo sát.
Bảng 4.1. Thống kê mô tả đặc điểm mẫu nghiên cứu
Đặc điểm Số lượng (người) Tỷ lệ (%)
Giới tính Nữ 108 83,1% Nam 22 16,9% Độ tuổi Từ 24 - 35 tuổi 63 48,5% Từ 35 - 50 tuổi 57 43,8% Trên 50 tuổi 10 7,7% Trình độ học vấn Dưới trung cấp 20 15,4% Trung cấp 32 24,6% Cao đẳng 35 26,9% Đại học 43 33,1% Vị trí công tác (Chức vụ) Nhân viên 50 38,5% Giáo viên 80 61,5% Thâm niên công tác (năm) Dưới 5 năm 36 27,7% Từ 5 - 15 năm 56 43,1% Trên 15 năm 38 29,2% Tổng cộng 130 100,0
Theo giới tính
Biểu đồ 4.1. Biểu đồ thể hiện cơ cấu giới tính của viên chức và người lao động Qua biểu đồ 4.1 ta thấy trong các trường tiểu học nói chung và Trường Tiểu học Thắng Nhì nói riêng, số lượng viên chức và người lao động nữ chiếm đa số với ngành luôn được coi là đặc thù cho nữ. Bên cạnh đó tính cách của các giáo viên, nhân viên, bảo mẫu nữ kiên nhẫn, nhẹ nhàng, khéo léo phù hợp với lứa tuổi tiểu học. Cụ thể, nữ chiếm tỷ lệ 83,1% (108/130 viên chức và người lao động) cao hơn so với nam chỉ chiếm tỷ lệ 16,9% (22/130 viên chức và người lao động).
Theo độ tuổi
Biểu đồ 4.2. Biểu đồ thể hiện cơ cấu độ tuổi của viên chức và người lao động Kết quả thống kê mô tả ở bảng 4.1 và biểu đồ 4.2 trên cho thấy, cơ cấu lao động tại trường tiểu học Thắng Nhì chủ yếu là lao động trẻ. Khảo sát 130 người thì
83,1% 16,9% Giới tính Nữ Nam 48,5% 43,8% 7,7% Độ tuổi
có đến 63 người ở độ tuổi từ 24 - 35 tuổi chiếm tỷ lệ cao nhất là 48,5%. Do ở độ tuổi này là những giáo viên, nhân viên trẻ, năng động, sáng tạo, tràn đầy nhiệt huyết, được đào tạo bài bản và chuẩn theo quy định. Tiếp theo là độ tuổi từ 35 - 50 tuổi, có 57 người chiếm tỷ lệ 43,8%. Nhóm tuổi này đa phần là giáo viên, nhân viên đòi hỏi những người có nhiều kinh nghiệm trong nghề. Trong khi đó độ tuổi trên 50 tuổi chiếm tỷ lệ thấp nhất là 7,7% với 10 người. Nhóm này chủ yếu là những giáo viên lớn tuổi; có độ chín chắn trong ứng xử; có đóng góp lâu năm cho nhà trường; và đang dần về độ tuổi nghỉ hưu.
Theo trình độ học vấn
Biểu đồ 4.3. Biểu đồ thể hiện cơ cấu trình độ học vấn của viên chức và người lao động
Từ số lượng bảng khảo sát thu về, đại đa số giáo viên công tác tại Trường Tiểu học Thắng Nhì chủ yếu có trình độ học vấn là Đại học với số lượng là 43 người chiếm tỷ lệ cao nhất là 33,1%. Tiếp đến có 35 giáo viên, nhân viên có trình độ học vấn là Cao đẳng chiếm tỷ lệ 26,9%. Điều này cho thấy 2 nhóm cao đẳng và đại học là giáo viên, và nhân viên làm công tác hành chính,…đạt trình độ trên chuẩn. Các nhóm còn lại là Trình độ Trung cấp với 32 người đạt trình độ chuẩn chủ yếu là những giáo viên lớn tuổi có tư tưởng sắp về hưu nên ngại đi học để nâng cao trình độ trên chuẩn, ngại sử dụng trang thiết bị dạy học hiện đại. Dưới Trung cấp với 20 nhân viên phục vụ do khi tuyển dụng chỉ cần có sức khỏe, kinh nghiệm chứ không
15,4%
24,6%
26,9% 33,1%
Trình độ học vấn
quan tâm đến bằng cấp. Tỷ lệ phần trăm tương ứng của 2 nhóm này lần lượt là 24,6% và 15,4%.