Đầu tiên, cần tiến hành kiểm tra tính hợp lệ của dữ liệu thu thập được từ các nhân viên. Loại bỏ những dòng dữ liệu không hợp lệ, chỉ trả lời mang tính đối phó như chọn mức độ đánh giá giống nhau cho cả 28 câu hỏi khảo sát, … Sau đó, Các dòng dữ liệu hợp lệ sẽ được tập hợp lại để làm sạch dữ liệu, mã hóa và tiến hành xử lý dữ liệu bằng phần mềm SPSS theo trình tự: phân tích thống kê mô tả, đánh giá thang đo bằng hệ số tin cậy Cronbach’s Alpha, phân tích nhân tố khám phá EFA, phân tích hồi quy, phân tích One-way ANOVA.
3.3.2.1. Phân tích thống kê mô tả
Bước phân tích này sẽ giúp hình dung rõ ràng về mẫu nghiên cứ, các thông tin thống kê về mẫu khảo sát như tổng số lượng người tham gia khảo sát, số lượng nam, số lượng nữ, tỷ lệ về giới tính, tỷ lệ về độ tuổi, tỷ lệ về học vấn, tỷ lệ phần trăm về thời gian công tác, … sẽ được trình bày rất rõ ràng và cụ thể.
3.3.2.2. Đánh giá thang đo bằng hệ số tin cậy Cronbach’s Alpha
Hệ số Cronbach’s Alpha là hệ số được sử dụng để đánh giá mức độ tin cậy cho một thang đo, giá trị của hệ số này nằm trong phạm vi từ 0 đến 1. Hệ số này có giá trị càng lớn thì thang đo được đánh giá càng đáng tin cậy và theo các nhà nghiên cứu thì một thang đo được cho là tin cậy khi có hệ số 0,6 ≤ Cronbach’s Alpha ≤ 0,95.
Ngoài ra, trong một thang đo có chứa nhiều biến đo lường. Do đó, một thang đo đạt yêu cầu khi tất cả các biến đo lường trong thang đo đạt yêu cầu và để đánh giá một biến đo lường bất kỳ thì người ta sử dụng hệ số tương quan biến-tổng, ký hiệu là r. Một biến đo lường đạt yêu cầu khi hệ số r ≥ 0,3; Khi r = 1 thì hai biến đo lường trùng nhau, lúc này có thể lựa chọn một biến bất kỳ trong hai biến đó để sử dụng.
Kết luận, một thang đo được cho là đáng tin cậy và đạt yêu cầu sử dụng khi thỏa mãn cả 2 điều kiện sau:
- Hệ số tin cậy Cronbach’s Alpha phải có giá trị nằm trong khoảng từ 0,6 đến 0,95 đối với một thang đo bất kỳ.
- Tất cả các biến đo lường trong thang đo phải có hệ số r ≥ 0,3. Một biến đo lường bất kỳ trong thang đo mà có hệ số r < 0,3 sẽ không được tham gia vào mô hình.
3.3.2.3. Phân tích nhân tố khám phá EFA
Phân tích nhân tố khám phá (EFA) là một phương pháp phân tích định lượng dùng để rút gọn một tập gồm nhiều biến đo lường phụ thuộc lẫn nhau thành một tập biến ít hơn (gọi là các nhân tố) để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu (Hair và cộng sự, 2009).
Các điều kiện để áp dụng phân tích nhân tố khám phá gồm:
- Các hệ số tương quan ≥ 0,3: Phân tích EFA dựa trên cơ sở mối quan hệ giữa
các biến đo lường. Vì vậy, trước khi quyết định sử dụng EFA, chúng ta cần xem xét mối quan hệ giữa các biến đo lường này. Sử dụng ma trận hệ số tương quan (correlation matrix), chúng ta có thể nhận biết được mức độ quan hệ giữa các biến. Nếu các hệ số tương quan nhỏ hơn 0,30 thì khi đó sử dụng EFA không phù hợp (Hair và cộng sự, 2009).
- Hệ số Kaiser-Meyer-Olkin 0,5 ≤ KMO ≤ 1: Đây là chỉ số dùng để so sánh độ
lớn của hệ số tương quan giữa 2 biến Xi và Xj với hệ số tương quan riêng phần của chúng. Chỉ số này giúp cân nhắc việc có nên sử dụng phân tích nhân tố khám phá EFA. Kaiser (1974) đề nghị:
KMO >= 0,90: Rất tốt 0,80 <= KMO < 0,90: Tốt 0,70 <= KMO < 0,80: Được 0,60 <= KMO < 0,70: Tạm được 0,50 <= KMO < 0,60: Xấu
KMO < 0,50: Không chấp nhận được
- Kiểm định Barlett có sig. < 0,05: Kiểm định này dùng để xem xét ma trận tương quan có phải là ma trận đơn vị hay không (ma trận đơn vị là ma trận có hệ số tương quan giữa các biến bằng 0 và hệ số tương quan với chính nó bằng 1). Nếu phép kiểm định Bartlett có sig. < 0,05, lúc này ma trận tương quan là
ma trận đơn vị và có thể từ chối giả thuyết H, có nghĩa là các biến có quan hệ với nhau.
- Hệ số tải Factor loadings > 0,5: Hệ số tải Factor loadings là những hệ số tương quan đơn giữa các biến và các nhân tố. Khi hệ số tải Factor loadings < 0,5 trong EFA sẽ tiếp tục bị loại để đảm bảo giá trị hội tụ giữa các biến. (Nguyễn Đình Thọ, 2011)
- Giá trị Eigenvalue ≥ 1: Trong phân tích EFA giá trị này dùng để xác định số lượng nhân tố, những nhân tố có giá trị Eigenvalue không đạt yêu cầu sẽ bị loại khỏi mô hình.
- Tổng phương sai trích ≥ 50%: Giá trị này thể hiện phần trăm biến thiên của các biến quan sát.
3.3.2.4. Phân tích hồi quy
Việc thực hiện phân tích hồi quy tuyến tính bằng phương pháp bình phương nhỏ nhất thông thường (ordinary Least Square - OLS) sẽ giúp kiểm định mô hình lý thuyết và qua đó xác định mức độ ảnh hưởng của từng yếu tố đến động lực làm việc của nhân viên tại Công ty.
Nhập dữ liệu vào phần mềm SPSS, sử dụng phương pháp chạy hồi quy Enter và đưa các biến cùng một lượt vào phân tích hồi quy. Trình tự thực hiện phân tích hồi quy tuyến tính được thực hiện như sau:
Bước 1: Dùng hệ số R2 hiệu chỉnh (Adjusted R Square) để kiểm tra mức độ phù
hợp của mô hình hồi quy đối với tập dữ liệu. Hệ số này có giá trị dao động trong khoảng 0 đến 1, R2 hiệu chỉnh càng lớn thì ý nghĩa của mô hình càng lớn, ngược lại giá trị này càng nhỏ thì ý nghĩa mô hình càng nhỏ.
Bước 2: Xem xét mức độ phù hợp của mô hình hồi quy tuyến tính tổng thể bằng cách sử dụng kiểm định F. Mô hình hồi quy tuyến tính được cho là phù hợp với tập dữ liệu khi giá trị sig của kiểm định F nhỏ hơn 0,05.
Bước 3: Kiểm định ý nghĩa của hệ số hồi quy của từng biến độc lập trong mô hình bằng giá trị sig trong kiểm định t. Nếu giá trị sig của kiểm định t nhỏ hơn 0,05 thì hệ số hồi quy của biến độc lập này khác 0 (biến độc lập này có tác động lên biến
phụ thuộc), nếu giá trị sig của kiểm định t lớn hơn 0,05 thì hệ số hồi quy của biến độc lập này bằng 0 (biến độc lập này không tác động lên biến phụ thuộc).
Bước 4: Dò tìm các vi phạm giả định hồi quy. Tiến hành công việc này nhằm
đảm bảo độ tin cậy của phương trình hồi quy được xây dựng cuối cùng là phù hợp. Để đạt được điều này thì cần thực hiện các dò tìm như sau:
- Hiện tượng tự tương quan bậc 1: Dùng hệ số Durbin – Watson (DW) để kiểm tra hiện tượng này, giá trị DW nằm trong khoảng từ 0 đến 4. Theo Yahua Quiao (2011) thì hiện tượng tự tương quan bậc 1 sẽ không xảy ra nếu giá trị DW nằm trong khoảng từ 1,5 đến 2,5. Để chính xác thì cần dựa vào số lượng biến độc lập k’, kích thước mẫu N và bảng thống kê Durbin – Watson để tra ra các chỉ số dL và dU; sau đó đối chiếu giá trị DW với các khoảng giá trị như sau:
0 <= DW < dL : Tự tương quan dương dL <= DW < dU : Không quyết định
dU <= DW < 4-dU : Không có hiện tượng tự tương quan bậc 1 4-dU <= DW < 4-dL: Không quyết định
4-dL <= DW <= 4 : Tự tương quan âm
- Hiện tượng phương sai sai số thay đổi: Dùng biểu đồ Scatterplot.
- Giả định phần dư có phân phối chuẩn: Dùng biểu đồ Histogram và P - P Plot.
- Hiện tượng đa cộng tuyến: Dùng hệ số phóng đại phương sai VIF để kiểm tra hiện tượng đa cộng tuyến. Đối với đề tài nghiên cứu sử dụng thang đo Linkert, nếu VIF < 2 thì không có hiện tượng đa cộng tuyến giữa các biến độc lập.
Hồi quy đa biến mô tả mối quan hệ giữa các biến độc lập với các biến phụ thuộc. Mô hình dự kiến như sau:
DLLV = β + β1*TN+ β2*BCCV + β3*MTLV + β4*DN + β5*SCN + β6*HTTT Trong đó:
DLLV : Động lực làm việc (biến phục thuộc) TN : Thu nhập (biến độc lập)
MTLV : Môi trường làm việc (biến độc lập) DN : Đồng nghiệp (biến độc lập)
SCN : Sự công nhận (biến độc lập)
HTTT : Cơ hội học tập và thăng tiến (biến độc lập) β : Hằng số
β1, β2, β3, β4, β5, β6: Hệ số hồi quy của từng biến độc lập.
3.3.2.5. Phân tích One-way ANOVA
Phân tích One-way ANOVA là phương pháp kiểm định, so sánh giá trị trung bình với trường hợp biến định tính có 2 giá trị trở lên.
Trong nghiên cứu của tác giả có 4 biến định tính là: Giới tính, Độ tuổi, Trình độ học vấn, Thời gian làm việc.
Kết quả của phân tích One-way ANOVA giúp trả lời câu hỏi: Có sự khác nhau về động lực làm việc giữa 2 nhóm nhân viên nam và nữ, giữa các nhóm độ tuổi khác nhau, giữa các nhóm trình độ học vấn, giữa các nhóm có thời gian công tác khác nhau hay không hay không?
Hình 3.2. Quy trình phân tích One-way ANOVA
(Nguồn: https://www.hocviendaotao.com/2020/01/phan-tich-khac-biet-trung- binhone-way.html)
Kiểm tra
Sig Levene Test
Sig Levene > 0,05
Phương sai các nhóm giá trị là đồng nhất Dùng bảng ANOVA Sig F < 0,05 Có khác biệt trung bình Sig F > 0,05 Không có khác biệt trung bình
Sig Levene < 0,05
Phương sai các nhóm giá trị là không đồng nhất Dùng bảng Robust Test Sig Welch < 0,05 Có khác biệt trung bình Sig Welch > 0,05 Không có khác biệt trung bình
Tóm tắt chương 3
Trong chương 3 này, tác giả đã xây dựng quy trình nghiên cứu chi tiết để từ đó nắm rõ các bước thực hiện. Thông qua phương pháp nghiên cứu định tính, tác giả hoàn thiện việc xây dựng và mã hóa thang đo chính thức gồm 28 biến quan sát để từ đó tạo ra phiếu khảo sát phù hợp với đặc thù và điều kiện thực tế tại Công ty, phục vụ cho công tác khảo sát thu thập dữ liệu từ mẫu gồm 175 phiếu khảo sát tương ứng với 175 nhân viên hiện đang làm việc cho Công ty. Đồng thời tác giả cũng trình bày các phương pháp xử lý dữ liệu để đánh giá thang đo và kiểm định sự phù hợp của mô hình cũng như các giả thuyết nghiên cứu. Trong Chương 4 tiếp theo, các dữ liệu đã thu thập sẽ được tiến hành xử lý và phân tích để từ đó hình thành cái nhìn tổng thể về sự ảnh hưởng của các yếu tố đến động lực làm việc của nhân viên tại Công ty.
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN 4.1. Mô tả mẫu nghiên cứu
Tác giả thu thập dữ liệu bằng hình thức gửi phiếu khảo sát online. Số lượng nhân viên tham gia khảo sát là 181, trong đó các đáp án từ 06 đáp viên không hợp lệ vì tác giả nhận thấy những người này lựa chọn cùng mức điểm cho tất cả các thang đo. Do đó kích thước mẫu mà tác giả sử dụng là n = 175. Mẫu được thống kê mô tả như sau (Chi tiết xem tại bảng 4.1):
Bảng 4.1. Thống kê mẫu khảo sát
TT Tiêu chí Số lượng (Người) Tỷ lệ (%) 1 Giới tính 175 100,0 Nam 107 61,1 Nữ 68 38,9 2 Độ tuổi 175 100,0 Dưới 25 tuổi 45 25,7 Từ 25 – 40 tuổi 70 40,0 Trên 40 tuổi 60 34,3 3 Trình độ học vấn 175 100,0
Trên đại học và đại học 123 70,3 Cao đẳng và trung cấp 52 29,7
Khác 0 0
4 Thời gian công tác 175 100,0
Dưới 1 năm 45 25,7
Từ 1- 3 năm 53 30,3
Trên 3 năm 77 44,0
(Nguồn: Tác giả tổng hợp từ kết quả điều tra)
Chi tiết kết quả ở bảng 4.1 được diễn giải như sau:
Về Giới tính: Tổng số đáp viên tham gia trả lời là 175, trong đó có 107 nam với tỷ lệ 61,1%; còn nữ có 68 người chiếm 38,9%. Đặc điểm cơ cấu mẫu thu thập được
tương đồng với nguồn nhân lực thực tế hiện nay của Công ty chuyên về thi công cầu đường nên tỷ lệ nam nhiều hơn nữ.
Về Độ tuổi: tỷ lệ đáp viên ở độ tuổi từ 25-40 tuổi chiếm tỷ lệ cao nhất 40,0%. Tiếp theo là nhóm trên 40 tuổi (60 đáp viên chiếm tỷ lệ 34,3%), nhóm cuối cùng là dưới 25 tuổi (45 đáp viên chiếm 25,7%). Qua đây nhận thấy rằng đa số nhân viên của Công ty đang còn rất trẻ, khỏe, sung mãn và tinh thần phấn đấu vươn lên mạnh mẽ.
Về Trình độ học vấn: tỷ lệ đáp viên tham gia khảo sát có trình độ học vấn cao, phần lớn thuộc nhóm trên đại học và đại học (123 người chiếm 70,3%). Số người còn lại thuộc nhóm cao đẳng và trung cấp (52 người chiếm 29,7%). Cơ cấu mẫu này tương đồng với nguồn nhân lực hiện nay của Công ty (300 nhân viên trong đó có 200 kỹ sư, thạc sỹ, tiến sĩ). Cơ cấu nguồn nhân lực này hoàn toàn phù hợp với Công ty chuyên ngành về tư vấn thiết kế và thi công cầu đường.
Về Thời gian công tác: đáp viên trả lời khảo sát có thời gian công tác trên 3 năm chiếm tỷ lệ lớn nhất, thuộc nhóm giàu kinh nghiệm (77 người chiếm 44%).
4.2. Kiểm định thang đo bằng hệ số tin cậy Cronbach’s Alpha
Nunnally & Bernstein (1994) phát biểu rằng: “Một biến quan sát được cho là đạt yêu cầu khi nó có hệ số tương quan biến – tổng lớn hơn hoặc bằng 0,3. Còn một thang đo được cho là đáng tin cậy và có thể sử dụng được khi nó có hệ số Cronbach’s Alpha lớn hơn hoặc bằng 0,6”.
Như vậy dựa vào hệ số Cronbach’s Alpha và hệ số tương quan biến – tổng, lần lượt đánh giá các thang đo Likert 5 mức độ của 07 yếu tố trong mô hình nghiên cứu. Thu được kết quả chi tiết như sau (Chi tiết xem tại bảng 4.2):
Kiểm định độ tin cậy của thang đo Thu nhập (TN): Khi chạy phân tích độ tin
cậy thì thang đo TN đạt yêu cầu khi cho kết quả hệ số Cronbach’s Alpha = 0,892 > 0,6. Ngoài ra, tất cả các biến thành phần đều có tương quan với tổng > 0,3 nên thang đo TN có các biến TN1, TN2, TN3, TN4 đạt yêu cầu để đưa vào phân tích tiếp theo.
Kiểm định độ tin cậy của thang đo Bản chất công việc (BCCV):Thực hiện phân
tích độ tin cậy 02 lần. Kết quả chạy phân tích độ tin cậy lần 1 của thang đo này cho thấy độ tin cậy đạt yêu cầu là 0,710 > 0,6 nhưng biến thành phần BCCV3 có tương
quan với tổng = 0,220 < 0,3 nên ta loại biến BCCV3 và chạy lại lần 2 (chi tiết xem phụ lục 5). Kết quả chạy phân tích độ tin cậy lần 2 của thang đo BCCV cho thấy độ tin cậy đạt 0,841 > 0,6 thỏa mãn. Ngoài ra, tất cả các biến thành phần đều có tương quan với tổng > 0,3 nên thang đo BCCV có các biến BCCV1, BCCV2, BCCV4 đạt yêu cầu để đưa vào phân tích tiếp theo.
Kiểm định độ tin cậy của thang đo Môi trường làm việc (MTLV): thang đo này
thỏa mãn yêu cầu khi có hệ số Cronbach’s Alpha = 0,839 > 0,6. Mặt khác, tất cả các biến thành phần đều có tương quan với tổng > 0,3. Ngoài ra, khi loại bất kỳ biến nào trong thang đo này cũng không làm tăng độ tin cậy. Do đó, thang đo MTLV sẽ được giữ nguyên các biến đạt yêu cầu gồm MTLV1, MTLV2, MTLV3, MTLV4 để đưa vào phân tích tiếp theo.
Kiểm định độ tin cậy của thang đo Đồng nghiệp (DN): Kết quả chạy phân tích
độ tin cậy thỏa mãn yêu cầu khi cho kết quả hệ số Cronbach’s Alpha = 0,846 > 0,6. Ngoài ra, phân tích tiếp theo cũng sẽ có sự góp mặt của các biến thành phần đạt yêu cầu gồm DN1, DN2, DN3, DN4 khi có tương quan với tổng > 0,3.
Kiểm định độ tin cậy của thang đo Sự công nhận (SCN): Đây là thang đo đạt
yêu cầu vì có kết quả hệ số Cronbach’s Alpha = 0,832 > 0,6. Mặt khác, các biến thành