Trong bài nghiên cứu, tác giả thu thập dữ liệu sơ cấp sau khi xác định xong cỡ mẫu và cách lấy mẫu Tác giả đã sử dụng bảng câu hỏi chính thức để tiến hành phỏng vấn trực tiếp từng người lao động đã và đang làm việc tại Trường cao đẳng Y tế Đồng Nai Tác giả khảo sát 255 người lao động thông qua phiếu hỏi phỏng vấn trực tiếp từng người lao động đã và đang làm việc tại Trường cao đẳng Y tế Đồng Nai Tác giả hướng dẫn trả lời và thu nhận phiếu trả lời sau khi đã hoàn thành phiếu trả lời, kiểm tra độ chính xác, làm sạch dữ liệu và bỏ những phiếu không hợp lệ Thời gian tiến hành khảo sát từ 07/2020 đến 08/2020
3 3 3 2 Dữ liệu thứ cấp
Trong bài nghiên cứu, tác giả thu thập dữ liệu thứ cấp thông qua tài liệu thu thập tại phòng hành chính nhân sự, các báo cáo tổng kết hàng năm và số liệu từ các phòng liên quan tại Trường cao đẳng Y tế Đồng Nai trong 2 năm từ 2018 - 2019
3 3 4 Phương pháp xử lý số liệu 3 3 4 1 Thống kê mô tả
Trong luận văn, tác giả sử dụng thống kê mô tả để mô tả những đặc tính cơ bản của dữ liệu thu thập được từ kết quả khảo sát 255 người lao động đã và đang làm việc tại Trường cao đẳng Y tế Đồng Nai Thống kê mô tả dung đồ họa mô tả dữ liệu Để hiểu được các hiện tượng và ra quyết định đúng đắn, các phương pháp cơ bản của mô tả dữ liệu thông qua bảng tần số, suất tuất, tần số tích lũy và tần suất tích lũy Ngoài ra, trong luận văn cũng sử dụng thống kê mô tả các giá trị trung bình, độ lệch chuẩn, phương sai, sai số chuẩn theo Hoàng Trọng và cộng sự (2008)
3 3 4 2 Kiểm định độ tin cậy Cronbach’s Alpha
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 4 3 Phân tích nhân tố khám phá (EFA)
Trong bài nghiên cứu này, tác giả sử dụng phân tích nhân tố khám phá chủ yếu để đánh giá giá trị hội tụ và giá trị phân biệt Trong phân tích nhân 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 nhân tố Trị số của KMO lớn (nằm giữa khoảng 0,5 và 1) là điều kiện đủ để phân tích nhân tố là thích hợp Nếu chỉ số KMO nhỏ hơn 0 5 thì phân tích nhân 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 < 0,05) thì các biến quan sát có tương quan với nhau trong tổng thể Ba là, hệ số nhân tố tải (factor loading): là những hệ số tương quan đơn giữa các biến và các nhân 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 nhân 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 nhân tố Chỉ số này phải lớn hơn 1 theo Hoàng Trọng và cộng sự (2008)
Cuối cùng, phần trăm phương sai toàn bộ được giải thích bởi từng nhân tố (Percentage of variance) nghĩa là coi biến thiên là 100% thì giá trị này cho biết phân tích nhân tố cô đọng được bao nhiêu % và bị thất thoát bao nhiêu % Chỉ tiêu này càng tiến tới 100 % càng tốt theo Hoàng Trọng và cộng sự (2008)
Như vậy, sau khi đánh giá hệ số tin cậy Cronbach’s Alpha và phân tích nhân tố khám phá (EFA) tác giả tiếp tục kiểm định sự phù hợp của mô hình
3 3 4 4 Phân tích nhân tố khẳng định (CFA)
Phân tích nhân tố khẳng định (CFA): sử dụng thích hợp khi nhà nghiên cứu có sẵn một số kiến thức về cấu trúc biến tiềm ẩn cơ sở Trong đó mối quan hệ hay giả thuyết (có được từ lý thuyết hay thực nghiệm) giữa biến quan sát và nhân tố cơ sở thì được các nhà nghiên cứu mặc nhiên thừa nhận trước khi tiến hành kiểm định thống kê Như vậy CFA là bước tiếp theo của EFA nhằm kiểm định xem có một mô hình lý thuyết có trước làm nền tảng cho một tập hợp các quan sát không CFA cũng là một dạng của SEM Khi xây dựng CFA, các biến quan sát cũng là các biến chỉ báo trong mô hình đo lường, bởi vì chúng cùng” tải” lên khái niệm lý thuyết cơ sở theo Hair et al, (1998)
Phương pháp phân tích nhân tố khẳng định CFA chấp nhận các giả thuyết của các nhà nghiên cứu, được xác định căn cứ theo quan hệ giữa mỗi biến và một hay nhiều hơn một nhân tố Sau đây là một mô hình SEM sử dụng kỹ thuật phân tích CFA theo Hoàng Trọng và cộng sự (2008) Phân tích yếu tố khẳng định (CFA) là mô hình hay gặp trong phân tích SEM (Structural Equation Analysis) CFA khác với phân tích yếu tố khám phá (Exploratory Factor Analysis: EFA) về phương pháp cũng như các giả định
3 3 4 5 Phân tích mô hình cấu trúc tuyến tính (SEM)
Mô hình cấu trúc tuyến tính (SEM) được dùng để mô tả mối quan hệ giữa các biến quan sát được với mục tiêu cơ bản là kiểm định các giả thuyết thống kê Cụ thể hơn, SEM có thể được sử dụng để kiểm định mối quan hệ giữa các khái niệm Mô hình SEM phối hợp được tất cả các kỹ thuật như hồi quy đa biến, phân tích nhân tố và phân tích mối quan hệ hỗ tương giữa các phần tử trong sơ đồ mạng để cho phép chúng ta kiểm tra mối quan hệ phức hợp trong mô hình Khác với những kỹ thuật thống kê khác chỉ cho phép ước lượng mối quan hệ riêng phần của từng cặp nhân tố trong mô hình cổ điển, SEM cho phép ước lượng đồng thời các phần tử trong tổng thể mô hình, ước lượng mối quan hệ nhân quả giữa các khái niệm tiềm ẩn qua các chỉ số kết hợp cả đo lường và cấu trúc của mô hình lý thuyết
Mục tiêu của phân tích SEM là để xác định mô hình lý thuyết nào được củng cố bởi bộ dữ liệu Nếu mẫu khảo sát ủng hộ cho mô hình lý thuyết thì các mô hình lý thuyết phức tạp hơn sẽ được nghiên cứu trong các nghiên cứu sau đó Ngược lại, mô hình ban đầu có thể được điều chỉnh và kiểm định lại Tóm lại, SEM được dùng để kiểm định các mô hình lý thuyết bằng cách sử dụng các phương pháp khoa học về kiểm định giả thuyết theo Hair et al, (1998)
Để đo lường mức độ phù hợp của mô hình với thông tin khảo sát, các nghiên cứu thường sử dụng các chỉ tiêu như chi bình phương, chi bình phương điều chỉnh theo bậc tự do (CMIN/df) Cũng dùng để đo mức độ phù hợp một cách chi tiết hơn của cả mô hình Một số tác giả đề nghị 1 < χ2/df < 3 theo Hair et al, (1998); một số khác đề nghị χ2 càng nhỏ càng tốt theo Segar, Grover, (1993) và cho rằng χ2/df < 3:1 theo Chin & Todd, (1995) Ngoài ra, trong một số nghiên cứu thực tế người ta
phân biệt ra 2 trường hợp: χ2/df < 5(với mẫu N > 200); hay < 3 (khi cỡ mẫu N < 200) thì mô hình được xem là phù hợp tốt theo Kettinger và Lee, (1995)
GFI: đo độ phù hợp tuyệt đối (không điều chỉnh bậc tự do) của mô hình cấu trúc và mô hình đo lường với bộ dữ liệu khảo sát theo Kettinger và Lee, (1995)
Chỉ số thích hợp so sánh CFI (Comparative Fit Index), chỉ số NFI (Normal Fit Index), RFI (Relative Fit Index), chỉ số IFI (Incremental Fix Index), chỉ số TLI (Tucker & Lewis Index) và chỉ số RMSEA (Root Mean Square Error
Approximation) Một mô hình được gọi là thích hợp khi phép kiểm định chi bình phương có giá trị p-value lớn hơn 5% (hay p < 0 05) Trong tạp chí nghiên cứu IS, các tác giả cho rằng chỉ số RMSEA, RMR yêu cầu < 0 05 thì mô hình phù hợp tốt Trong một số trường hợp giá trị này < 0 08 mô hình được chấp nhận theo Taylor, Sharland, Cronin và Bullard, (1993)
Tuy nhiên, Chi bình phương có nhược điểm là nó phụ thuộc vào kích thước mẫu, bởi Chi bình phương = (n-1)*FML Khi cỡ mẫu, n, càng lớn thì giá trị thống kê Chi bình phương càng lớn Điều này sẽ làm giảm mức độ phù hợp của mô hình, nghĩa là làm tăng khả năng bác bỏ mô hình khi cở mẫu lớn Vì vậy, một số chỉ tiêu tương thích khác sẽ được sử dụng để so sánh Nếu giá trị NFI, RFI, IFI, TLI và CFI càng gần đến 1 thì mô hình càng phù hợp (tốt nhất đạt giá trị từ 0 9 đến 1) Tuy nhiên có một số trường hợp lớn hơn 0 85 tạm chấp nhận được CMIN/df có giá trị nhỏ hơn 2 hoặc 3, RMSEA có giá trị nhỏ hơn 0 08 thì mô hình có thể được xem là phù hợp (tương thích) với dữ liệu khảo sát theo Hair et al, (1998)
Về phương pháp ước lượng, mô hình SEM sử dụng phương pháp ước lượng hợp lý cực đại ML (Maximum Likelihood) Phương pháp ML sẽ cho kết quả ước lượng phù hợp vì các biến quan sát không lệch nhiều so với phân phối chuẩn đa biến (Multivariate normality) Các tiêu chí về độ nhọn (Kurtosis) và độ trôi
(Skewness) nằm trong khoảng [-1;+1] nên ước lượng ML vẫn là phương pháp thích hợp (Muthen & Kaplan, 1985)
3 3 4 6 Kiểm định Anova
Trước khi phân tích phương sai ANOVA, thực hiện kiểm định xem kết quả phân tích ANOVA có thể sử dụng được hay không Dựa vào kết quả ở bảng Test of Homogeneity of Variances, nếu giá trị Sig < 0,05 thì phương sai đánh giá sự gắn
kết với tổ chức thông qua sự hài lòng của người lao động tại Trường cao đẳng Y tế Đồng Nai khác nhau một cách có ý nghĩa thống kê Khi đó, bài toán phân tích phương sai ANOVA kết thúc Ngược lại, nếu giá trị Sig > = 0,05 thì phương sai đánh giá sự gắn kết với tổ chức thông qua sự hài lòng của người lao động tại Trường cao đẳng Y tế Đồng Nai không khác nhau một cách có ý nghĩa thống kê Khi đó, kết quả phân tích ANOVA có thể sử dụng được
Sau đó, tiến hành phân tích dựa vào kết quả ở bảng ANOVA, nếu giá trị Sig > 0,05: kết luận không có sự khác biệt có ý nghĩa thống kê về sự gắn kết với tổ chức thông qua sự hài lòng của người lao động tại Trường cao đẳng Y tế Đồng Nai Ngược lại, nếu giá trị Sig < 0,05: kết luận có sự khác biệt có ý nghĩa thống kê về sự gắn kết với tổ chức thông qua sự hài lòng của người lao động tại Trường cao đẳng Y tế Đồng Nai theo thông tin nhân khẩu học cá nhân
3 3 5 Kiểm định sự khác biệt giữa các nhóm
Phân tích Independent Samples Test và phương sai ANOVA (Analysis of variance) để so sánh sự khác biệt về sự gắn kết với tổ chức thông qua sự hài lòng của người lao động tại Trường cao đẳng Y tế Đồng Nai theo thông tin nhân khẩu học cá nhân Phân tích Independent Samples Test dùng để kiểm tra sự khác biệt trung bình giữa hai nhóm:
Nếu sig Levene's Test <= 0,05 thì phương sai giữa 2 giới tính là khác nhau, chúng ta sẽ sử dụng giá trị sig T-Test ở hàng Equal variances not assumed
Nếu sig Levene's Test > = 0,05 thì phương sai giữa 2 giới tính là không khác nhau, chúng ta sẽ sử dụng giá trị sig T-Test ở hàng Equal variances assumed
Nếu giá trị sig T-Test < 0,05 chúng ta kết luận: Có sự khác biệt có ý nghĩa thống kê về mức độ hài lòng của những đáp viên có giới tính khác nhau
Nếu giá trị sig T-Test >= 0,05 chúng ta kết luận: Không có sự khác biệt có ý nghĩa thống kê về sự gắn kết với tổ chức thông qua sự hài lòng của người lao động tại Trường cao đẳng Y tế Đồng Nai có giới tính khác nhau
Tóm tắt chương 3
Chương 3, tác giả trình bày nghiên cứu sơ bộ và nghiên cứu chính thức Nghiên cứu sơ bộ là tham khảo các đề tài, tạp chí trước đó có liên quan tới vấn đề nghiên cứu Kế đến, nghiên cứu chính thức được tiến hành thiết kế thang đo cho bảng câu hỏi nghiên cứu, diễn đạt và mã hoá lại thang đo, thu thập và phân tích dữ liệu của 255 người lao động đã và đang làm việc tại Trường cao đẳng Y tế Đồng Nai Cuối cùng, xây dựng được quy trình thực hiện nghiên cứu, lý thuyết đánh giá thang đo, phân tích Cronbach’Alpha, phân tích nhân tố khám phá, phân tích nhân tố khẳng định, phân tích mô hình cấu trúc tuyến tính và phân tích phương sai
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU 4 1 Giới thiệu tổng quan về Trường cao đẳng Y tế Đồng Nai
4 1 1 Quá trình hình thành và phát triển của Trường cao đẳng Y tế Đồng Nai
Xuất phát từ Trường Tá viên Điều dưỡng từ trước 1975, ngày 07/10/1977 trường Trung cấp Y tế Đồng Nai được Ủy ban nhân dân tỉnh Đồng Nai thành lập và đến ngày 01/02/2007 Bộ Giáo dục và Đào tạo quyết định nâng cấp thành lập
Trường Cao đẳng Y tế Trải qua 35 năm xây dựng và phát triển vượt nhiều khó khăn, gian khổ đến nay Trường cao đẳng Y tế Đồng Nai có nhiều bước tiến đáng kể trong sự nghiệp giáo dục đào tạo cán bộ y tế góp phần phục vụ chăm sóc tốt sức khỏe nhân dân trong Tỉnh Đồng Nai và khu vực lân cận
Lịch sử hình thành của Trường được đánh dấu qua các mốc sau:
Ngày 07/10/1977: Trường được thành lập theo Quyết định của UBND Tỉnh Đồng Nai với tên gọi “Trường Trung cấp Y tế Đồng Nai”, trực thuộc Sở Y tế tỉnh Đồng Nai Trụ sở tại khu phố 9, phường Tân Biên, TP Biên Hòa, tỉnh Đồng Nai
Ngày 01/02/2007: Trường được đổi tên theo Quyết định số 662/QĐ-
BGDĐT của Bộ Giáo dục và Đào tạo, đổi tên thành “Trường cao đẳng Y tế Đồng Nai”, trực thuộc Ủy ban ban nhân dân tỉnh Đồng Nai Từ đó đến nay, trường giữ nguyên tên gọi và trụ sở
Xuyên suốt sự nghiệp đào tạo của mình luôn lấy mục tiêu chính để đề ra sứ mạng phát triển chung của toàn trường trong quá khứ, hiện tại và tương lai là: đào tạo, đào tạo lại, bồi dưỡng cán bộ y tế đủ về số lượng và chất lượng, đáp ứng được nhu cầu chăm sóc sức khỏe của nhân dân theo hướng ngày càng hiện đại
Là trường Y tế chuyên đào tạo cán bộ trong lĩnh vực chăm sóc sức khỏe, khởi đầu chỉ có một ngành đào tạo y sĩ với chỉ tiêu hàng năm 50 - 100 học sinh, đến nay chỉ tiêu đào tạo hàng năm hơn 1500, với qui mô học sinh sinh viên tòan trường trên 3000 bao gồm các ngành: Điều dưỡng, Dược, Hộ sinh, Vật lý trị liệu/ phục hồi chức năng trình độ Trung cấp và Cao đẳng Ngoài ra theo nhu cầu y tế tuyến cơ sở, y tế trường học: ngành Y sĩ chuyên ngành Y học cổ truyền và Y học dự phòng cũng được xem trọng, từng bước đáp ứng tình hình thiếu bác sĩ tuyến cơ sở và nhân viên y tế trường học Song song đó là quá trình bồi dưỡng, đào tạo