Quy trình phân tích dữ liệu được thực hiện qua hai giai đoạn trong nghiên cứu định lượng:
3.3.4.1. Đánh giá độ tin cậy của thang đo
Hệ số Cronbach’s Alpha được dùng để kiểm tra độ tin cậy các tham số ước lượng có trong tập dữ liệu theo từng nhóm yếu tố trong nghiên cứu. Các biến không phù hợp, có độ tin cậy thấp được tiến hành loại bỏ. Những mục hỏi trong cùng một nhóm sẽ có mối tương quan với nhau. Hệ số Cronbach’s Alpha thể hiện mức độ của mối quan hệ đó giữa các biến trong bảng câu hỏi và được dùng để tính toán sự thay đổi của từng biến và mối tương quan giữa các biến với nhau.
Tiêu chuẩn đánh giá:
- Các biến có hệ số tương quan biến – tổng (item – total correlation) nhỏ hơn 0,3 sẽ bị loại.
- Các biến có Cronbach’s Alpha nếu loại biến lớn hơn Cronbach’s Alpha sẽ bị loại.
- Chọn thang đo có hệ số Cronbach’s Alpha lớn hơn 0,6.
- Thực hiện loại từng biến, sau đó chạy lại kiểm định thang đo, xác định lại hệ số Cronbach’s Alpha để quyết định là biến tiếp theo có bị loại hay không.
3.3.4.2. Phân tích nhân tố khám phá EFA
Các biến sau khi được kiểm định thang đo và loại bỏ các biến không đảm bảo độ tin cậy, sẽ được đưa vào phân tích nhân tố để xác định lại thang đo, điều này sẽ giúp đánh giá chính xác hơn các thang đo, loại bỏ bớt các biến đo lường không đạt yêu cầu và làm cho thang đo đảm bảo tính đồng nhất.
Phân tích nhân tố được hiểu là nhằm mục đích để nhóm các biến ít tương quan với nhau thành các nhân tố mà các biến trong đó có sự tương quan với nhau hơn, từ đó hình thành các nhân tố đại diện nhưng vẫn mang đầy đủ thông tin so với số lượng biến ban đầu. Bao gồm các bước sau:
Bước 1: Kiểm định sự thích hợp của phân tích nhân tố đối với các dữ liệu ban đầu bằng chỉ số KMO (Kaiser– Meyer– Olkin, trị số dùng để xem xét sự thích hợp của phân tích nhân tố) và giá trị thống kê Barlett (đại lượng thống kê, trong đó các biến hoàn toàn không tương quan với các biến khác). Tiêu chuẩn đánh giá:
Chỉ số KMO > 0,5
Mức ý nghĩa quan sát nhỏ (sig < 0,05)
Các biến quan sát trong tổng thể có mối liên hệ với nhau, đồng thời cho thấy phân tích nhân tố (EFA) là thích hợp.
Bước 2: Tiếp theo, phương pháp trích nhân tố và phương pháp xoay nhân tố sẽ được tiến hành để xác định số lượng các nhân tố được trích ra và xác định các biến phụ thuộc từng nhân tố.
Tiêu chuẩn đánh giá:
- Trong mô hình phân tích, tiến hành giữ lại các nhân tố có Eigenvalue lớn hơn 1. Vì những nhân tố này tóm tắt những thông tin có giá trị cao hơn các nhân tố còn lại. Eigenvalue chính là đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố.
- Hệ số Factor loading: là hệ số tương quan đơn giữa biến và nhân tố. Điều kiện: hệ số Factor loading > 0,5. Biến sẽ thuộc nhân tố nào mà tại đó biến có hệ số Factor loading lớn nhất. Những biến nào không thoả các tiêu chuẩn trên sẽ bị loại.
Bước 3: Kiểm định lại độ tin cậy của thang đo các nhân tố này bằng hệ số Cronbach’s Alpha.
3.3.4.3. Phân tích tƣơng quan
Từ quá trình phân tích trên, các thang đo đã được đánh giá đạt yêu cầu tiếp tục được đưa vào phân tích tương quan Pearson và phân tích hồi quy để kiểm định các giả thuyết.
Phương pháp phân tích hồi quy tuyến tính được xem là phù hợp nhất khi phân tích tương quan Pearson được thực hiện giữa biến phụ thuộc và biến độc lập nhằm xác định mối quan hệ tuyến tính giữa các biến độc lập và biến phụ thuộc. Hai biến cần phân tích có mối liên quan chặt chẽ khi giá trị tuyệt đối của Pearson càng gần đến 1. Để phát hiện những mối tương quan chặt chẽ giữa các biến độc lập cũng cần phân tích đồng thời tương quan giữa các biến độc lập với nhau vì những tương quan như vậy có thể ảnh hưởng lớn đến kết quả phân tích hồi quy như gây ra hiện tượng đa cộng tuyến (theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
3.3.4.4. Phân tích hồi quy bội
Sau khi kết luận các biến độc lập và biến phụ thuộc có mối quan hệ tuyến tính với nhau có thể mô hình hóa quan hệ nhân quả này bằng hồi quy tuyến tính (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
Kiểm định sự phù hợp của mô hình thông qua kiểm định hệ số xác định R2 hiệu chỉnh.
Căn cứ vào biểu đồ tần số của phần dư chuẩn hóa; kiểm tra giá trị trung bình bằng 0 và độ lệch chuẩn bằng 1 để kiểm định giả thuyết về phân phối chuẩn của phần dư.
Kiểm tra giả định về hiện tượng đa cộng tuyến thông qua giá trị của dung sai (Tolerance) hoặc hệ số phóng đại phương sai VIF (Variance Inflation Factor). Nếu VIF > 10 thì có hiện tượng đa cộng tuyến (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
3.3.5. Mẫu nghiên cứu chính thức
Mẫu nghiên cứu chính thức được chọn bằng phương pháp thuận tiện, nghiên cứu tiến hành khảo sát từ tháng (7.2021) đến (8.2021).
Sau khi nhận được sự đồng ý, bảng câu hỏi khảo sát được gửi trực tiếp và gián tiếp đến các nhân viên đang làm việc tại bệnh viện Bà Rịa. Kết quả khảo sát cho thấy có 175 phản hồi, trong đó có 15 phản hồi không hợp lệ vì nhiều phiếu trả lời bỏ trống nên không đạt yêu cầu. Số phản hồi hợp lệ chính thức còn lại là 160.
Hair & cộng sự (2010) cho rằng kích thước mẫu tối thiểu phải từ 100 đến 150. Nguyễn Đình Thọ (2014) đề xuất mẫu được chọn theo phương pháp thuận tiện: 5* số biến quan sát. Theo kết quả nghiên cứu định tính, số biến quan sát là 19, vậy mẫu tối thiểu: 5 * 23 = 115 . Như vậy, mẫu nghiên cứu chính thức cho đề tài là 160 quan sát là phù hợp và đảm bảo tính đại diện của mẫu.