26 Phân tích nhân tố EFA

Một phần của tài liệu Các yếu tố ảnh hưởng đến mức độ thoả mãn trong công việc của người lao động trường hợp nghiên cứu tại công ty TNHH thương mại sản xuất việt thọ luận văn thạc sĩ (Trang 49)

Là kỹ thuật phân tích rút gọn một tập hợp nhiều biên quan sát thành một số nhân tố ít hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin và ý nghĩa thống kê của tập biến ban đầu

Mơ hình phân tích nhân tố EFA được cho là phù hợp khi các tiêu chuẩn sau đây được thỏa điều kiện:

- Hệ số tải nhân tố (Factor Loadings): là hệ số tương quan đơn giữa các biến

- Tính thích hợp của EFA (Kaiser – Meyer – Oklin): là chỉ số dùng xem xét sự

thích hợp của phân tích nhân tố nếu 0 5 ≤ KMO ≤ 1

- Kiểm định Bartlett (Bartlett” Test of Spherieity): kiểm định giả thuyết Ho

(các biến khơng có tương quan với nhau trong tổng thể) Ý nghĩa kiểm định Bartlett cho biết nếu bác bỏ giả thuyết Ho: đại lượng Chi –Square lớn, ý nghĩa thống kê nhỏ hơn 0 05 thì phân tích nhân tố là thích hợp, cịn nếu chưa có cơ sở bác bỏ giả thuyết Ho: đại lượng Chi –Square nhỏ, ý nghĩa thống kê lớn hơn 0 05 thì phân tích nhân tố có khả năng khơng thích hợp

- Phương sai cộng dồn (cumulative of variance): là phần trăm phương sai tồn

bộ được trích bởi các nhân tố, nghĩa là coi biến thiên 100% thì giá trị này cho biến phân tích nhân tố cơ đọng được bao nhiêu % và bị thất thoát bao nhiêu % Tiêu chuẩn để chấp nhận phân tích nhân tố có phương sai cộng dồn lớn hơn 50% với Eigenvalue phải lớn hơn 1

Phân tích EFA sẽ kiểm tra và xác định lại các nhóm biến trong mơ hình nghiên cứu Các biến có hệ số tương quan biến tổng nhỏ hơn 0 4 được coi là biến rác và sẽ bị loại khỏi thang đo Thang đo được chấp nhận khi tổng phương sai trích bằng hoặc lớn hơn 50% Nghiên cứu này sử dụng phương pháp trích nhân tố, phép quay

Varimax và điểm dừng khi chỉ số Eigenvalue bằng 1

Sau khi rút gọn được các biến nhân tố mới (Fi) từ một tập biến quan sát, các biến Fi này được đưa vào phân tích tiếp theo như tương quan và hồi quy, kiểm đinh Independent – Sample T-test, kiểm định One-Way Anova

3 2 7 Phân tích tương quan và hồi qui tuyến tính bội

Khi đảm bảo độ tin cậy về thang đo, phân tích hồi quy sử dụng để kiểm định giả thuyết có hay khơng sự ảnh hưởng của các yêu tố công việc đến mức độ thỏa mãn trong công việc Ngun tắc xây dựng mơ hình hồi quy:

- Xem xét ma trận hệ số tương quan (Pearson Correlation): kiểm định Pearson

giữa các biến nhân tố Fj có ý nghĩa Sig ≤ 0 05 và hệ số tương quan chặt chẽ thì các biến nhân tố Fj có dấu hiệu đa cộng tuyến Xác định biến nhân tố Fj tác động đồng biến hay nghịch biến đến biến phụ thuộc

- Các thủ tục chọn biến độc lập Phương pháp Enter được sử dụng để phân tích

hồi quy bằng cách tất cả các biến độc lập được đưa vào một lần, đưa ra các thông số thống kê liên quan đến các biến Nếu biến nào thỏa thỏa điều kiện kiểm định ý nghĩa hệ số hồi quy (Sig ≤ 0 05) thì nên giữ lại trong mơ hình hồi quy, cịn biến nào khơng thỏa điều kiện kiểm định thì nên loại ra

- Đánh giá mức độ phù hợp của mơ hình hồi quy Hệ số xác định �2 (R Square) là hệ số càng tăng khi số biến độc lập đưa thêm vào mơ hình Tuy nhiên, cần xem xét mức độ phản ánh sát hơn thì nên sử dụng hệ số �2 điều chỉnh vì nó khơng nhất thiết tăng lên khi số biến độc lập được đưa thêm vào mơ hình

- Kiểm định sự vi phạm các giả định trong mơ hình hồi quy:

• Khơng có hiện tượng đa cơng tuyến thơng quả hệ số VIF • Phương sai của phần dư khơng đổi (đồ thị phân tán Scatterplot)

• Các phần dư có phân phối chuẩn (Biểu đồ tần suất Histogram và P-P plot) • Khơng có hiện tượng tương quan giữa các phần dư (kiểm định Durbin-

Watson)

Kích thước mẫu bao nhiêu được gọi là lớn thì hiện nay chưa được xác định rõ ràng Hơn nữa kích thước mẫu còn tùy thuộc vào phương pháp hồi quy sử dụng Trong bài nghiên cứu này, tác giả sử dụng phương pháp chọn mẫu thuận tiện Và kích thước mẫu được tính tốn theo Thọ và cộng sự (2011), đối với phân tích yếu tố (EFA) cỡ mẫu tối thiểu N > 5*n (n: Tổng số biến quan sát) Theo Thọ và cộng sự (2011) để tiến hành phân tích hồi quy một cách tốt nhất có thể, cỡ mẫu tối thiểu cần đạt được tính theo cơng thức N > 50 + 8m (trong đó m là các biến)

Trong nghiên cứu này, tác giả chọn kích thước mẫu đủ lớn để thoả mãn cả hai điều kiện theo tiêu chuẩn của phương pháp nghiên cứu yếu tố EFA và phương pháp hồi quy bội N > Max (cỡ mẫu theo yêu cầu của hồi quy bội), ứng với thang đo lý thuyết gồm 20 biến quan sát với 5 yếu tố biến độc lập và 1 biến phụ thuộc (03 biến) Trên cơ sở lý thuyết cộng với thực tế tại Công ty TNHH thương mại sản xuất Việt Thọ, tác giả phải điều tra tối thiểu là 115 phiếu (23x5)

bằng công thức: 50 + 8*m (m là số biến độc lập) Trong nghiên cứu này có 5 biến độc lập thì cỡ mẫu tối thiểu là 50 + 8 * 5 = 90 quan sát

Như vậy, tổng hợp hai yêu cầu trên, để đạt mục tiêu nghiên cứu thì cỡ mẫu tối thiểu cho nghiên cứu này là 115 quan sát

Với yêu cầu kích thước mẫu trên, tác giả tiến hành phát 200 phiếu tương ứng 200 người lao động đang làm việc tại Công ty TNHH thương mại sản xuất Việt Thọ, bảng phỏng vấn trực tiếp tại Công ty TNHH thương mại sản xuất Việt Thọ Kết quả nhận lại 165 bảng trả lời từ phỏng vấn trực tiếp Sau khi chọn lọc, kiểm tra 165 phiếu đạt yêu cầu, đạt tỷ lệ 82,5 phần trăm và được xử lý chính thức trong phần mềm SPSS 20 0

3 3 Phân tích dữ liệu nghiên cứu3 3 1 Đánh giá thang đo 3 3 1 Đánh giá thang đo

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 Hồng Trọng và cộng sự (2008) hay nói cách khác là giúp loại đi những biến quan sát, những thang đo khơng 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 Hồng Trọng và Chu Nguyễn Mộng Ngọc, (2008) Phương pháp trích hệ số sử dụng là “Principal components” với phép xoay vng 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 khơng 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 tồn 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 cơ 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 mơ hình

3 3 2 Kiểm định sự phù hợp của mơ 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 cịn 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 khơng 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 khơng 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 khơng 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 mơ hình để giải thích cho biến phụ thuộc theo Hồng Trọng và cộng sự (2008)

3 3 2 2 Mơ 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 đốn 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 mơ 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 mơ hình hóa mối quan hệ nhân quả của hai biến này bằng hồi quy tuyến tính theo Hồng 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 mơ hình Vì R2 sẽ tăng khi đưa thêm biến độc lập vào mơ hình nên dùng R2 hiệu chỉnh sẽ an toàn hơn khi đánh giá độ phù hợp của mơ hình R2 hiệu chỉnh càng lớn thể hiện độ phù hợp của mơ hình càng cao, (R2 hiệu chỉnh lớn hơn 0,5 là mơ 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 Hồng 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 thơng 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 dị 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 thơng tin cá nhân thơng qua phương pháp phấn tích phương sai (ANOVA)

Như vậy, để mơ hình đạt kết quả tốt thì các dị 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

Một phần của tài liệu Các yếu tố ảnh hưởng đến mức độ thoả mãn trong công việc của người lao động trường hợp nghiên cứu tại công ty TNHH thương mại sản xuất việt thọ luận văn thạc sĩ (Trang 49)

Tải bản đầy đủ (DOCX)

(120 trang)
w