Biến quan sát N Min Max Mean Std. Deviation
Mean - Thang
đo
Tôi được quản lý hướng dẫn,
hỗ trợ trong công việc 211 1 5 3.52 .819
3.67
Tơi tìm thấy nhiều mẫu hình
quản lý lý tưởng trong công ty 211 1 5 2.72 1.071 Tơi được chỉ rõ mình đã làm
tốt và chưa tốt ở đâu 211 1 5 3.46 .922 Quản lý của tơi tích cực chia
sẻ thông tin cho nhân viên 211 1 5 3.42 .871 Tôi kỳ vọng được làm việc
linh hoạt trong bối cảnh hiện tại
211 1 5 4.17 .990 Đội nhóm phối hợp tốt giúp tôi
làm việc hiệu quả hơn 211 1 5 4.24 .928 Tôi yên tâm làm việc khi quản
lý thấu hiểu vấn đề cá nhân của tôi
211 1 5 4.14 .964
Đối với thang đo về phong cách lãnh đạo, có thể thấy chỉ có một biến “Tơi tìm
thấy nhiều mẫu hình quản lý lý tưởng trong cơng ty” đạt được sự đồng thuận thấp
dưới 3. Còn lại các biến đều đạt được sự đồng thuận từ mức trung bình trở lên, đặc biệt những biến nói về kỳ vọng trong làm việc nhóm, và mong muốn quản lý hiểu được tình thế cá nhân của mỗi nhân viên. Trong bối cảnh “bình thường mới”, khi mà tình hình hoạt động kinh doanh có thể bị ảnh hưởng bất cứ lúc nào bởi dịch bệnh, nhân viên luôn kỳ vọng được làm việc linh hoạt để thích ứng với tình huống, đặc biệt những nhân viên có con nhỏ, họ mong muốn cơng ty có thể triển khai những ngày làm việc tại nhà để dễ quản lý thêm việc gia đình trong khi vẫn đảm bảo hồn thành cơng việc được giao. Đồng thời, làm việc từ xa đòi hỏi sự phối hợp đội nhóm rất tốt, do đó nhân viên cũng kỳ vọng có thể nâng cao tinh thần và năng lực làm việc đội nhóm để khơng ảnh hưởng đến kết quả thực hiện cơng việc. Mức trung bình của thang đo đạt 3.67, cho thấy phong cách lãnh đạo đang được đánh giá khơng thấp nhưng cần cải thiện.
4.4 Phân tích mơ hình cấu trúc tuyến tính (SEM)
Mơ hình cấu trúc tuyến tính (Structural Equation Model - SEM) dùng để phân tích các giả thuyết trong mơ hình nghiên cứu, thu được độ tin cậy và tính hợp lệ. Luận văn sử dụng phương pháp phân tích mơ hình cấu trúc tuyến tính SEM-PLS bằng phần mềm Smart PLS 3.3.3 để kiểm định mơ hình nghiên cứu. Các kết quả dưới đây được thu thập từ quy trình xử lý dữ liệu.
4.4.1 Phân tích nhân tố
Phân tích nhân tố là một kỹ thuật đa biến được sử dụng để kiểm định các mối tương quan phức tạp và đa chiều giữa các thang đo trong mơ hình nghiên cứu (Hair và cộng sự, 2014). Kỹ thuật phân tích này cũng được sử dụng để tổng hợp hoặc rút gọn nhiều biến thành một tập hợp các yếu tố hoặc thành phần (Hair và cộng sự, 2014). Bên cạnh đó, phân tích nhân tố cũng cung cấp bằng chứng xác thực về độ tin cậy của mơ hình (Litwin, 1995).
Đầu ra của phân tích nhân tố thường ở dạng bảng với các hệ số tải nhân tố (Straub và cộng sự, 2004). Theo Leech và cộng sự (2013), hệ số tải nhân tố là một dạng ma trận tương quan cho biết mối tương quan giữa mơ hình và các thang đo của chúng. Đây cũng là cơ sở để cung cấp bằng chứng về tính hội tụ và tính phân biệt (Litwin, 1995).
Ảnh hưởng tuyệt đối của các nhân tố vào mơ hình được xem xét bởi Cenfetelli và cộng sự (2009) thông qua hệ số tải nhân tố - outer loading (mối tương quan song phương giữa nhân tố và mơ hình). Theo Hair và cộng sự (2017), nhân tố có trọng số khơng đáng kể nên được loại bỏ nếu hệ số tải nhân tố cũng không đáng kể. Với hệ số tải nhân tố nhỏ hơn hoặc bằng 0.7, nhân tố đó nên được xem xét loại bỏ trừ khi có cơ sở lý thuyết vững chắc kết luận về sự ảnh hưởng của nhân tố đó đến mơ hình.
Sau khi thực hiện phân tích, thủ tục kiểm định này đề xuất loại một số biến quan sát ra khỏi thang đo do có hệ số tải nhân tố nhỏ hơn 0,7 (bao gồm: TH3, SN3, VH5, GK2 và GK3).