3 3 1 1 Đánh giá hệ số tin cậy Cronbach’s Alpha
Để đánh giá độ tin cậy Cronbach’s Alpha cho một thang đo thì phải có tối thiểu là 3 biến đo lường Hệ số Cronbach’s Alpha có giá trị biến thiên trong khoảng [0,1] Về mặt lý thuyết, Cronbach’s Alpha càng cao thì càng tốt tức là thang đo có độ tin cậy cao theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc, (2008) Trong bài nghiên cứu, tác giả sử dụng hệ số Cronbach’s Alpha để đánh giá độ tin cậy dữ liệu Trong phần này các thang đo sẽ được đánh giá độ tin cậy thông qua hệ số tin cậy Cronbach’s Alpha bằng phần mềm SPSS 20 0 Mục đích nhằm tìm ra những mục câu hỏi cần giữ lại và những mục câu hỏi bị loại bỏ trong các mục đưa vào kiểm tra theo Hoàng Trọng và cộng sự (2008) hay nói cách khác là giúp loại đi những biến quan sát, những thang đo không đạt Các biến quan sát có hệ số tương quan biến tổng (Corrected Item – Total Correlation) nhỏ hơn 0,3 sẽ bị loại và tiêu chuẩn chọn thang đo khi hệ số Cronbach’s Alpha từ 0,6 trở lên
Nhiều nhà nghiên cứu đồng ý rằng khi hệ số Cronbach’s Alpha từ 0,8 trở lên đến gần 1 thì thang đo lường tốt, từ 0,7 đến gần 0,8 là sử dụng được Cũng có nhà nghiên cứu đề nghị rằng Cronbach’s Alpha từ 0,6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang đo lường là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu và tối thiểu của hệ số Cronbach’s Alpha là 0,5
3 3 1 2 Phân tích nhân tố khám phá (EFA)
Phân tích nhân tố khám phá là tên chung của một nhóm các thủ tục được sử dụng để thu nhỏ và tóm tắt dữ liệu theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc, (2008) Phương pháp trích hệ số sử dụng là “Principal components” với phép xoay vuông góc “Varimax” và điểm dừng khi trích các yếu tố “Eigenvalues” có giá trị bằng 1 Trong bài nghiên cứu này, tác giả sử dụng phân tích yếu tố khám phá chủ yếu để đánh giá giá trị hội tụ và giá trị phân biệt
Trong phân tích yếu tố khám phá các nhà nghiên cứu thường quan tâm đến một số tiêu chuẩn như sau: Một là, chỉ số KMO (Kaiser – Meyer – Olkin measure of sampling adequancy): Là một chỉ số được dùng để xem xét sự thích hợp của phân tích yếu tố Trị số của KMO lớn (nằm giữa khoảng 0 5 và 1) là điều kiện đủ để phân tích yếu tố là thích hợp Nếu chỉ số KMO nhỏ hơn 0 5 thì phân tích yếu tố có khả năng không thích hợp với các dữ liệu Hai là, đại lượng Bartlett’s (Bartlett’s test of sphericity) là đại lượng xem xét giả thuyết về độ tương quan giữa các biến quan sát bằng không trong tổng thể
Nếu kiểm định này có ý nghĩa (Sig < 0 005) thì các biến quan sát có tương quan với nhau trong tổng thể Ba là, hệ số yếu tố tải (factor loading): là những hệ số tương quan đơn giữa các biến và các yếu tố, hệ số này lớn hơn 0 5 Bốn là, thang đo được chấp nhận khi tổng phương sai trích lớn hơn 50% Phương pháp trích “Principal Component Analysis” với phép quay “Varimax” hoặc phép quay promax được sử dụng trong phân tích yếu tố thang đo các thành phần độc lập Năm là, hệ số eigenvalue: Là đại diện cho phần biến thiên được giải thích bởi mỗi yếu tố Chỉ số này phải lớn hơn 1
Cuối cùng, phần trăm phương sai toàn bộ được giải thích bởi từng yếu tố (Percentage of variance) nghĩa là coi biến thiên là 100% thì giá trị này cho biết phân tích yếu tố cô đọng được bao nhiêu % và bị thất thoát bao nhiêu % Chỉ tiêu này càng tiến tới 100 % càng tốt Như vậy, sau khi đánh giá hệ số tin cậy Cronbach’s Alpha và phân tích yếu tố khám phá (EFA) tác giả tiếp tục kiểm định sự phù hợp của mô hình
3 3 2 Kiểm định sự phù hợp của mô hình 3 3 2 1 Hệ số tương quan (Pearson):
Phân tích tương quan được thực hiện giữa các biến độc lập và biến phụ thuộc nhằm khẳng định có mối quan hệ tuyến tính của chúng theo từng cặp với nhau, khi đó việc sử dụng phân tích hồi quy tuyến tính là phù hợp Phân tích tương quan còn giúp cho việc phát hiện những mối tương quan chặt chẽ giữa các biến độc lập, vì những tương quan như vậy sẽ gây ra hiện tượng đa cộng tuyến, ảnh hưởng lớn đến kết quả hồi quy theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008)
Hệ số tương quan cho biết giữa các biến được đánh giá và kiểm tra có mối tương quan với nhau hay không thông qua hệ số Pearson (r) Hệ số tương quan (r) là một chỉ số thống kê đo lường mối liên hệ tương quan giữa hai biến số Hệ số tương quan có giá trị từ -1 đến 1 Hệ số tương quan bằng 0 (hay gần 0) có nghĩa là hai biến số không có liên hệ gì với nhau; ngược lại nếu hệ số bằng -1 hay 1 có nghĩa là hai biến số có một mối liên hệ tuyệt đối Nếu giá trị của hệ số tương quan là âm (r <0) có nghĩa là khi x tăng cao thì y giảm (và ngược lại, khi x giảm thì y tăng); nếu giá trị hệ số tương quan là dương (r > 0) có nghĩa là khi x tăng cao thì y cũng tăng, và khi x tăng cao thì y cũng giảm theo
Có nhiều hệ số tương quan, hệ số tương quan thông dụng nhất: hệ số tương quan Pearson r Trong phân tích áp dụng cho luận văn, kiểm định hệ số tương quan Pearson dùng để kiểm tra mối liên hệ tuyến tính giữa các biến độc lập và biến phụ thuộc Nếu các biến độc lập với nhau có tương quan chặt thì phải lưu ý đến vấn đề đa cộng tuyến khi phân tích hồi quy (giả thuyết H0: hệ số tương quan bằng 0)
Significant của kiểm định Pearson Giả thuyết H0: hệ số tương quan bằng 0 Do đó nếu Sig này bé hơn 5% ta có thể kết luận được là hai biến có tương quan với nhau Hệ số tương quan càng lớn tương quan càng chặt, nếu mức ý nghĩa sig này lớn hơn 5% thì hai biến không có tương quan với nhau
Vì một trong những điều kiện cần để phân tích hồi quy là biến độc lập phải có tương quan với biến phụ thuộc, nên nếu ở bước phân tích tương quan này biến độc lập không có tương quan với biến phụ thuộc thì ta loại biến độc lập này ra khỏi phân tích hồi quy Kết quả phân tích tương quan Pearson cho thấy một số biến độc lập có
sự tương quan với nhau Do đó khi phân tích hồi quy cần phải chú ý đến vấn đề đa cộng tuyến Các biến độc lập có tương quan với biến phụ thuộc và do đó sẽ được đưa vào mô hình để giải thích cho biến phụ thuộc theo Hoàng Trọng và cộng sự (2008)
3 3 2 2 Mô hình hồi quy tuyến tính bội
Phân tích hồi quy là tìm quan hệ phụ thuộc của một biến, được gọi là biến phụ thuộc vào một hoặc nhiều biến khác, được gọi là biến độc lập nhằm mục đích ước lượng hoặc tiên đoán giá trị kỳ vọng của biến phụ thuộc khi biết trước giá trị của biến độc lập Một số tên gọi khác của biến phụ thuộc và biến độc lập như sau: Biến phụ thuộc: biến được giải thích, biến được dự báo, biến được hồi quy, biến phản ứng, biến nội sinh Biến độc lập: biến giải thích, biến dự báo, biến hồi quy, biến tác nhân hay biến kiểm soát, biến ngoại sinh
Các yếu tố được trích ra trong phân tích yếu tố được sử dụng cho phân tích hồi quy tuyến tính bội để kiểm định mô hình nghiên cứu và các giả thuyết kèm theo Các kiểm định giả thuyết thống kê đều áp dụng mức ý nghĩa là 5% Sau khi kết luận là hai biến có mối liên hệ tuyến tính thì có thể mô hình hóa mối quan hệ nhân quả của hai biến này bằng hồi quy tuyến tính theo Hoàng Trọng và cộng sự (2008) Nghiên cứu thực hiện hồi quy tuến tính bội theo phương pháp Enter: tất cả các biến được đưa vào một lần và xem xét các kết quả thống kê liên quan
Hệ số xác định (R2) và R2 hiệu chỉnh (Adjusted R square) được dùng để đánh giá độ phù hợp của mô hình Vì R2 sẽ tăng khi đưa thêm biến độc lập vào mô hình nên dùng R2 hiệu chỉnh sẽ an toàn hơn khi đánh giá độ phù hợp của mô hình R2 hiệu chỉnh càng lớn thể hiện độ phù hợp của mô hình càng cao, (R2 hiệu chỉnh lớn hơn 0,5 là mô hình đạt giá trị tốt về thống kê) Kiểm tra giả định về hiện tượng đa cộng tuyến (tương quan giữa các biến độc lập) thông qua giá trị của độ chấp nhận (Tolerance) hoặc hệ số phóng đại phương sai VIF (Variance inflation factor): VIF > 10 thì có thể nhận xét có hiện tượng đa cộng tuyến theo Hoàng Trọng và cộng sự (2008)
Tiếp đến là việc thực hiện phân tích hồi quy tuyến tính tuyến tính bội bằng phương pháp bình phương nhỏ nhất thông thường (Ordinal Least Square – OLS), trong đó, các biến độc lập Cuối cùng, nhằm bảo đảm độ chính xác của phương trình hồi quy được xây dựng là thích hợp, một loạt các dò tìm về vi phạm các giả thuyết
trong hồi quy tuyến tính bội cũng được tiến hành Các vi phạm giả thuyết được kiểm định trong phần này bao gồm: liên hệ tuyến tính (dùng biểu đồ phân tán Scatterplot), phương sai của phần dư không đổi (dùng hệ số tương quan hạng Spearman), phân phối chuẩn của phần dư (dùng Histogram và P – P plot), tính độc lập của phần dư hay còn gọi là hiện tượng tự tương quan (dùng đại lượng thống kê Durbin – Watson), hiện tượng đa cộng tuyến (VIF) Phân tích sự khác biệt thông tin cá nhân thông qua phương pháp phấn tích phương sai (ANOVA)
Như vậy, để mô hình đạt kết quả tốt thì các dò tìm sự vi phạm của giả định cần thiết trong hồi quy tuyến tính cũng được sử dụng Các giả định được kiểm định trong phần này gồm liên hệ tuyến tính (dùng biểu đồ phân tán Scatterplot), phân phối chuẩn của phần dư (dùng Histogram và P-P plot), tính độc lập của phần dư (dùng đại lượng thống kê Durbin-Watson), hiện tượng đa cộng tuyến (tính độ chấp nhận Tolerance và hệ số phóng đại VIF)
Tóm tắt chương 3
Trên cơ sở lý thuyết về mức độ thỏa mãn trong công việc của người lao động, nghiên cứu đã xây dựng quy trình nghiên cứu, thiết kế nghiên cứu xác định rõ đối tượng nghiên cứu là người lao động với kích thước mẫu khoảng 200 người; xác định phương pháp xử lý số liệu khảo sát và đã xây dựng thang đo sơ bộ với 20 biến thuộc thành phần công việc và 3 biến thuộc thành phần mức độ thỏa mãn trong công việc của người lao động Đây là bước quan trọng chuẩn bị cho việc thực hiện và xác định kết quả nghiên cứu Sau đây, tác giả tiếp tục phân tích kết quả ở chương 4
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU
4 1 Thông tin mẫu nghiên cứu
Nhân khẩu học được hiểu là quá trình thu thập và nghiên cứu các dữ liệu liên quan tới đặc điểm về tuổi tác, giới tính và chủng tộc của con người Phân tích nhân khẩu học dựa theo các yếu trên có thể được áp dụng cho một nhóm đối tượng/nhóm người nào đó hoặc toàn bộ người lao động trong công ty Kết quả điều tra thu được 165 phiếu trên 200 người lao động trả lời và số liệu được đưa vào xử lý 165 phiếu tương ứng là người lao động tại Công ty TNHH thương mại sản xuất Việt Thọ do có 35 phiếu lỗi thông tin, tỷ lệ đạt 82,50 phần trăm Với kết quả kể trên tác giả sử dụng toàn bộ dữ liệu từ 165 phiếu Sau đây thể hiện kết quả của một số thông tin về nhân khẩu học như sau:
Bảng 4 1: Kết quả thống kê mô tả mẫu khảo sát
(Nguồn: Tác giả điều tra và xử lý SPSS) Bảng 4 1 cho thấy với 165 phiếu trên 200 người lao động trả lời và số liệu được đưa vào xử lý 165 phiếu tương ứng là người lao động tại Công ty TNHH thương mại sản xuất Việt Thọ do có 35 phiếu lỗi thông tin, tỷ lệ đạt 82,50 phần trăm Với kết quả kể trên tác giả sẽ sử dụng toàn bộ dữ liệu từ 135 phiếu
Thống kê mô tả mẫu theo các đặc điểm cá nhân
Về tình trạng giới tính
Bảng 4 2: Thống kê tình trạng giới tính
(Nguồn: Tác giả điều tra và xử lý từ SPSS) Bảng 4 2 cho thấy cho biết 148 nam và 17 nữ tham gia trả lời phỏng vấn, với các tỷ lệ lần lượt là 89,7% và 10,3% Như vậy, tỷ lệ nam nữ có sự chênh lệch nhau nhiều tại Công ty TNHH thương mại sản xuất Việt Thọ
Chỉ tiêu Giới tính Độ tuổi Tình trạng hôn nhân Văn bằng Thâm niên công tác Thu nhập Phiếu khảo sát 165 165 165 165 165 165 Lỗi 0 0 0 0 0 0
Tình trạng giới tính Người % % hợp lệ Tần suất tích lũy
Nam 148 89 7 89 7 89 7
Nữ 17 10 3 10 3 100 0
Về độ tuổi
Bảng 4 3: Thống kê tình trạng độ tuổi
(Nguồn: Tác giả điều tra và xử lý từ SPSS) Bảng 4 3 cho thấy đã có 3 người ở độ tuổi nhỏ hơn 25 tuổi chiếm tỷ lệ 1,8% kế đến với số lượng người lao động từ 25 đến 35 tuổi là 28 người chiếm 17,0% Từ 36 đến dưới 45 tuổi, với tỷ lệ là 61,2%
Về tình trạng hôn nhân
Bảng 4 4: Thống kê về tình trạng hôn nhân
(Nguồn: Tác giả điều tra và xử lý từ SPSS) Bảng 4 4 cho thấy số lượng người đã lập gia đình tham gia phỏng vấn là 71 người chiếm 43,0%, còn lại là số lượng người chưa lập gia đình với 94 người chiếm 57,0% Như vậy, tình trạng hôn nhân không có sự chênh lệch nhau nhiều
Về trình độ học vấn chuyên môn
Bảng 4 5: Thống kê tình trạng về trình độ học vấn chuyên môn
(Nguồn: Tác giả điều tra và xử lý từ SPSS) Bảng 4 5 cho thấy số lượng người có trình độ đại học là rất nhiều, 95 người, chiếm tỷ lệ 57,6%; tiếp đến là cao đẳng/trung cấp 47 người, chiếm 28,5%; Sau đại
Trình độ học vấn chuyên môn Người % % hợp lệ Tần suất tích lũy
Sau đại học 2 1 2 1 2 1 2
Đại học 95 57 6 57 6 58 8
Cao đẳng/trung cấp 47 28 5 28 5 87 3
Khác 21 12 7 12 7 100 0
Tổng 165 100 0 100 0
Tình trạng độ tuổi Người % % hợp lệ Tần suất tích lũy
< 25 tuổi 3 1 8 1 8 1 8
Từ 25 – 35 tuổi 28 17 0 17 0 18 8
Từ 36 – 45 tuổi 101 61 2 61 2 80 0
> 45 tuổi 33 20 0 20 0 100 0
Tổng 165 100 0 100 0
Tình trạng hôn nhân Người % % hợp lệ Tần suất tích lũy
Độc thân 71 43 0 43 0 43 0
Đã lập gia đình 94 57 0 57 0 100 0
học 2 người, chiếm 1,2% và trình độ chuyên môn ở mức khác cũng 21 người, chiếm 12,7%
Về thâm niên công tác
Bảng 4 6: Thống kê tình trạng thâm niên công tác
(Nguồn: Tác giả điều tra và xử lý từ SPSS) Bảng 4 6 cho thấy người lao động có thâm niên công tác trên 5 năm là 98 người, chiếm 59,4%; người lao động có thâm niên công tác từ 3 đến 5 năm là 16 người, chiếm 9,7%; người lao động có thâm niên công tác từ 1 đến 3 năm là 30 người, chiếm 18,2%; còn lại thâm niên công tác dưới 1 năm là 21 người, chiếm 12,7%
Về thu nhập hiện tại
Bảng 4 7: Thống kê tình trạng thu nhập hiện tại
(Nguồn: Tác giả điều tra và xử lý từ SPSS) Bảng 4 7 cho kết quả khảo sát thu về có 130 người có thu nhập từ 5 triệu đến dưới 10 triệu đồng, chiếm 78,8%; 27 người có thu nhập từ 10 đến 15 triệu đồng, chiếm tỷ lệ 16,4% và 8 người có thu nhập dưới 5 triệu đồng, chiếm tỷ lệ 4,8% Thu nhập có tác dụng bù đắp lại sức lao động cho người lao động Đồng thời, thu nhập cũng có tác dụng to lớn trong động viên khuyến khích người lao động yên tâm làm việc Người lao động chỉ có thể yên tâm dồn hết sức mình cho công việc nếu công việc ấy đem lại cho họ một khoản đủ để trang trải cuộc sống
Tình trạng thâm niên công tác Người % % hợp lệ Tần suất tích lũy
Dưới 1 năm 21 12 7 12 7 12 7
Từ 1 năm đến dưới 3 năm 30 18 2 18 2 30 9
Từ 3 năm đến 5 năm 16 9 7 9 7 40 6
Trên 5 năm 98 59 4 59 4 100 0
Tổng 165 100 0 100 0
Thu nhập hiện tại Người % % hợp lệ Tần suất tích lũy
Dưới 5 triệu 8 4 8 4 8 4 8
Từ 5 – dưới 10 triệu 130 78 8 78 8 83 6
Từ 10 đến 15 triệu 27 16 4 16 4 100 0
4 2 Thống kê mô tả mẫu về các yếu tố
4 2 1 Thống kê mô tả mẫu về các yếu tố độc lập