6. Bố cục đề tài
2.8. Phương pháp phân tích số liệu
Để ứng dụng mô hình SPSS trong đánh giá mức độ ảnh hưởng của các nhân tố đến mức lương, các bước tiến hành phân tích bao gồm:
- Bước 1: Đánh giá độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha. Hệ số Alpha được phát triển bởi Cronbach (1951) nhằm đo lường tính nhất quán nội tại (internal consistency) của các biến trong cùng một nhóm. Theo đó, hệ số Cronbach’s Alpha có thể được dùng để đánh giá độ tin cậy của thang đo và loại các biến không phù hợp ra khỏi mô hình. Các biến có tương quan biến tổng nhỏ hơn 0.3 thì bị loại và thang đo được chấp nhận khi hệ số Cronbach’s Alpha lớn hơn 0.6.
- Bước 2: Phân tích nhân tố khám phá (exploratory factor analysis – EFA)
nhằm đánh giá giá trị hội tụ và giá trị phân biệt của từng biến trong các nhóm nhân tố; phân tích nhân tố khám phá là một phương pháp phân tích thống kê dùng để rút gọn một tập hợp gồm nhiều biến quan sát phụ thuộc lẫn nhau thành một tập biến (gọi là các nhân tố) ít hơn để chúng có ý nghĩa nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu (Hair & ctg, 1998).
Xem xét sự phù hợp của phân tích nhân tố: So sánh trị số KMO - Nếu trị số KMO từ 0.5 đến 1 thì phân tích nhân tố thích hợp với dữ 35
liệu.
- Nếu trị số KMO nhỏ hơn 0.5 thì phân tích nhân tố không thích hợp với các dữ liệu.
Xác định số lượng nhân tố: sử dụng trị số Eigenvalue - là đại lượng đại diện cho phần biến thiên được giải thích bới các nhân tố trị số Eigenvalue >1 thì việc tóm tắt thông tin mới có ý nghĩa.
Hệ số tải nhân tố (Factor loading): là những hệ số tương quan giữa các biến và các nhân tố. Tiêu chuẩn đối với hệ số tải nhân tố là phải lớn hơn hoặc bằng 0.5, những biến không ddue tiêu chuẩn này sẽ bị loại.
- Bước 3: Phân tích mối tương quan (Correlation) giữa các biến xem thử có mối liên hệ tuyến tính giữa biến độc lập và biến phụ thuộc hay không
- Bước 4: Phân tích hồi quy tuyến tính (Regression) để biết được tác động của các biến độc lập lên biến phụ thuộc, cũng như mức độ tác động của từng biến.
Mối tương quan của biến phụ thuộc “Mức Lương” so với các biến độc lập.
Thiết lập giả thuyết:
H0: không có mối tương quan giữa biến phụ thuộc và biến độc lập Nếu giá trị sig. <0.05 thì ta bác bỏ giả thuyết H0, có nghĩa là có mối tương quan giữa biến phụ thuộc và biến độc lập.
Phương trình hồi quy tổng quát:
Y= β0 + β1X1 + β2X2 + β3X3 + ... + βnXn + ε
Mức độ phù hợp của mô hình được đánh giá bằng hệ số R2 điều chỉnh. Giá trị R2 điều chỉnh không phụ thuộc vào độ lệch phóng đại của R2 do đó được sử dụng phù hợp với hồi quy tuyến tính đa biến. (Giá trị R2 phải lớn hơn 40%)
Thiết lập giả thuyết:
36
H0: β0 = β 1= β2 = β3= … = βn = 0
H1: Có ít nhất 1 biến độc lập có ảnh hưởng đến biến phụ thuộc Kiểm tra giá trị sig. trong bảng ANOVAb, nếu giá trị sig. <0.05, ta bác bỏ giả thuyết H0 và thừa nhận giả thuyết H1, có nghĩa là tồn tại ít nhất 1 biến độc lập có ảnh hưởng đến biến phụ thuộc.
Thiết lập giả thuyết:
H0 : βk = 0
Xét giá trị sig. trong bảng Coefficientsa, loại những biến có giá trị Sig. >0.05 vì đây là những biến không có ý nghĩa trong mô hình.
37
KẾT LUẬN CHƯƠNG 2
Chương 2 đã trình bày phương pháp nghiên cứu gồm phương pháp nghiên cứu định tính và phương pháp nghiên cứu định lượng. Trong đó, nghiên cứu định tính được thực hiện với kỹ thuật phỏng vấn nhóm và thảo luận nhóm tập trung. Nghiên cứu định lượng được thực hiện bằng khảo sát trực tiếp với công cụ là bảng khảo sát định lượng với mẫu là 200. Thiết kế mẫu nghiên cứu, quy trình nghiên cứu, phương pháp chọn mẫu, phương pháp thu thập dữ liệu, định nghĩa các biến, phương pháp xử lý thông tin cũng sẽ được trình bày trong chương này. Kết quả nghiên cứu định lượng sẽ được trình bày trong chương tiếp theo.
38
CHƯƠNG 3: KẾT QUẢ NGHIÊN CỨU