Chƣơng 2 : PHƢƠNG PHÁP NGHIÊN CỨU
2.2. Phương pháp nghiên cứu cụ thể
2.2.3. Phương pháp phân tích thông tin
2.2.3.1. Phương pháp thống kê mô tả
Phương pháp này dùng để mô tả các dữ liệu trong bài nghiên cứu để thấy sự thay đổi quá trình lấy vật chất làm động lực cho người lao động tại Bưu điện tỉnh Lai Châu. Qua đó để phân tích định lượng và định tính về số liệu tác giả thu thập được.
2.2.3.2 Phương pháp so sánh
Trong nghiên cứu, tác giả sử dụng phương pháp này nhằm: so sánh các yếu tố, hiện tượng cá biệt với trung bình hoặc tiên tiến, kết quả của việc lấy vật chất là nguồn thúc đẩy người lao động, giúp năng suất lao động tăng lên, mức độ hoàn
thành công việc tăng lên. Từ đó thấy được các ưu nhược điểm của quá trình thực hiện, từ đó đưa ra được các giải pháp cần thiết để nâng cao động lực làm việc của người lao động thông qua việc kích thích bằng vật chất.
2.2.3.3. Phương pháp tổng hợp và phân tích tư liệu khoa học
Phương pháp này nhằm phân tích và tổng hợp các tài liệu liên quan đến đền tài. Từ đó xác định những vấn đề chung và vấn đề riêng nhằm giải quyết nhiệm vụ của đề tài đặt ra.
Qua phương pháp này, nghiên cứu xem xét quá trình sử dụng vật chất là nguồn thúc đẩy người lao động tại Bưu điện tỉnh Lai Châu như nào, để từ đó xem xét các kết quả đã được và chưa đạt được trong quá trình thực hiện. Qua đây đề xuất các giải pháp hiệu quả.
2.2.3.4. Phương pháp phân tích các nhân tố khám phá
Sử dụng hệ số tin cậy Cronbach Alpha: để kiểm định mức độ chặt chẽ và sự tương quan giữa các biến quan sát trong mô hình nghiên cứu. Hệ số Cronbachs có công thức tính như sau:
á = Nñ/[1+ñ(N-1)]
Trong đó: ñ: là hệ số tương quan trung bình giữa các mục hỏi. N: là tổng số người trả lời.
Phương pháp này cho phép người phân tích loại bỏ các biến không phù hợp và hạn chế các biến rác trong quá trình nghiên cứu. Những biến có hệ số tương quan biến tổng (item-total correlation) nhỏ hơn 0,3 sẽ bị loại. Theo đó, các biến có hệ số tương quan biến tổng (item-total correlation) lớn hơn 0,3 và có hệ số alpha từ 0,60 trở lên mới được xem là chấp nhận được và thích hợp đưa vào phân tích những bước tiếp theo (Nunnally & Burnstein 1994). Thông thường, thang đo có Cronbach Alpha từ 0,7 đến 0,8 là sử dụng tốt. Nhiều nhà nghiên cứu cho rằng khi thang đo có độ tin cậy từ 0,8 trở lên đến gần 1 là thang đo lường tốt.
- Sử dụng mô hình phân tích nhân tố khám phá EFA (Exploratory factor analysis): để kiểm định giá trị khái niệm của các thang đo còn lại nhằm xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu.
Mô hình phân tích nhân tố được thể hiện bằng phương trình sau: Xi = Ai1F1 + Ai2F2 + …+ AimFm + ViUi
Trong đó:
Xi: biến thứ i chuẩn hóa
Ai j: hệ số hồi qui bội chuẩn hóa của nhân tố thứ j đối với biến i F: các nhân tố chung
Vi: hệ số hồi qui chuẩn hóa của nhân tố đặc trưng i đối với biến i Ui: nhân tố đặc trưng của biến
m: số nhân tố chung
Sau khi loại đi các biến không đảm bảo độ tin cậy qua đánh giá độ tin cậy bằng hệ số Cronbach Alpha, tiến hành phân tích nhân tố. Phân tích nhân tố là tên chung của một nhóm các thủ tục được sử dụng chủ yếu để thu nhỏ và tóm tắt dữ liệu (Trọng Ngọc, 2008).
Để có thể phân tích nhân tố thì phải đảm bảo các điều kiện: chỉ số Kaiser-Meyer- Olkin (KMO) > 0,5 thì dữ liệu phù hợp để phân tích nhân tố và mức ý nghĩa của kiểm định Bartlett (sig) < 0,05: xem xét các biến có tương quan với nhau trên tổng thể.
Số lượng nhân tố được xác định dựa trên chỉ số Eigenvalue đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố. Theo tiêu chuẩn Kaiser thì những nhân tố có Eigenvalue nhỏ hơn 1 sẽ bị loại khỏi mô hình nghiên cứu.
Phương pháp trích hệ số được sử dụng trong nghiên cứu này là Principal component với phép quay Varimax. Trong bảng Rotated Component Matrix chứa các hệ số tải nhân tố (Factor loading). Theo Hair & ctg (1998), Factor loading là chỉ tiêu để đảm bảo mức ý nghĩa thiế́t thực của EFA . Factor loading > 0,3 được xem là đạt được mức tối thiểu, > 0,4 được xem là quan trọng, > 0,5 được xem là có ý nghĩa thực tiễn. Hair & ctg (1998) cũng khuyên bạn đọc như sau: nếu chọn tiêu chuẩn factor loading > 0,3 thì cỡ mẫu của bạn ít nhất phải là 350, nế́u cỡ mẫu của bạn khoảng 100-350 thì nên chọn tiêu chuẩn factor loading > 0,55, nế́u cỡ mẫu của bạn <100 thì Factor loading phải > 0,75. Đề tài nghiên cứu với cỡ mẫu 300, vì vậy các biến có hệ số tải >0,55 được đưa vào phân tích.
Theo Hair &ctg (1998), thang đo được chấp nhận khi tổng phương sai trích bằng hoặc lớn hơn 50%.
2.2.3.5. Mã hóa dữ liệu
Trong đề tài, tác giả sử dụng 5 nhóm nhân tố, được đo lượng bằng thang đo likert với 5 thang đo đó là Mức 1: Hoàn toàn không đồng ý, Mức 2: Không đồng ý, Mức 3: Trung lập Mức 4: Đồng ý, Mức 5: Hoàn toàn đồng ý
Bảng 2.2. Mã hóa dữ liệu
STT Mã hóa Các nhân tố
Yếu tố bản thân người lao động
1 BT 1 Có được việc làm phù hợp với nhu cầu bản thân 2 BT 2 Có thu nhập đúng với trình độ
3 BT 3 Lao động có tính chuyên nghiệp luôn được trả lương cao 4 BT 4 Người lao động có thái độ tốt cần trả lương cao
5 BT 5 Thu nhập người lao động phù hợp với sức khỏe
Chế độ lương
6 CL 1 Trả lương đúng thời gian
7 CL 2 Tiền lương tương xứng với kết quả, khối lượng công việc 8 CL 3 Mức lương của nhân viên thấp cao hơn hoặc bằng so với thị
trường bên ngoài
9 CL 4 Nhân viên được xem xét tăng lương đúng quy định 10 CL 5 Tiêu chí tăng lương phù hợp
Khen thưởng, khuyến khích tài chính
11 KT 1 Trong quá trình làm việc anh/chị thường xuyên nhận được phần thưởng cho thành tích làm việc
12 KT 2 Cuối năm anh/chị luôn nhận được phần thưởng đặc biệt từ đơn vị 13 KT 3 Trong quá trình làm việc được tăng lương tương xứng với công việc 14 KT 4 Ngoài chính sách lương thưởng tại đơn vị còn áp dụng các
khuyến khích vật chất khác (hoa hồng, tiền lương lũy tiến cho vượt kế hoạch …)
15 KT 5 Trong quá trình làm việc anh/chị thường xuyên nhận được phần thưởng cho thành tích làm việc
Chế độ phúc lợi của doanh nghiệp
16 PL 1 Cung cấp đầy đủ chế độ BHXH, BHYT, TCTN cho nhân viên, chế độ nghỉ phép, nghỉ lễ hợp lý.
17 PL 2 Thường xuyên tổ chức, hỗ trợ kinh phí cho nhân viên đi tham quan, nghỉ mát
18 PL 3 Thường xuyên nhận hỗ trợ các ngày lễ tết 19 PL 4 Nhận được hỗ trợ kinh phí từ công đoàn
Yếu tố bên ngoài doanh nghiệp
20 BN 1 Mức lương bình quân thị trường lao động cao
21 BN 2 Dễ dang tìm được việc mới
22 BN 3 Hệ thống phúc lợi xã hội tốt
2.2.3.6. Mô hình hồi quy tuyến tính bội
Mô hình hồi quy tuyến tính bội được sử dụng để xác định ảnh hưởng của các nhóm nhân này đến động lực vật chất của các lao động thuộc bưu điện tỉnh Lai Châu như thế nào.
Sau khi rút trích các nhân tố từ phân tích nhân tố khám phá EFA, dò tìm các vi phạm giả định cần thiết trong mô hình hồi quy tuyến tính bội: phân tích ma trận tương quan, hồi quy tuyến tính bội, kiểm tra hệ số phóng đại phương sai VIF (Variance inflatinon factor - VIF). Quy tắc là khi VIF>10, đó là dấu hiệu đa cộng tuyến (Trọng Ngọc, 2008). Nếu các giả định không bị vi phạm, mô hình hồi quy tuyến tính bội được xây dựng.
Mô hình hồi quy tuyến tính bội được thể hiện bằng phương trình sau: Yi = â0 + â1X1i + â2X2i + …+ âpXpi + ei
Trong đó:
Xpi: biểu hiện giá trị của biến độc lập thứ p tại quan sát thứ i â0: hệ số chắn
âp: hệ số hồi quy từng phần ei: sai số ngẫu nhiên
Yi: Động lực làm việc
Các bước đánh giá mô hình
Đánh giá độ phù hợp của mô hình
Hệ số xác định R2 và R2 hiệu chỉnh (Adjusted R square) được dùng để đánh giá độ phù hợp của mô hình. Vì R2
sẽ tăng khi đưa thêm biến độc lập vào mô hình nên dùng R2 hiệu chỉnh sẽ an toàn hơn khi đánh giá độ phù hợp của mô hình. R2 hiệu chỉnh càng lớn thể hiện độ phù hợp của mô hình càng cao
Kiểm định độ phù hợp của mô hình
Giả thuyết H0: â1 = â2 = â3 = â4 = â5 = 0
Để kiểm định độ phù hợp của mô hình hồi quy tuyến tính đa bội ta dùng giá trị F ở bàng phân tích ANOVA.
Ý nghĩa các hệ số hồi quy riêng phần trong mô hình
- Ý nghĩa của hệ số riêng phần là âk đo lường sự thay đồi giá trị trung bình Y khi Xk thay đổi 1 đơn vị, giữ các biến độc lập còn lại không đổi.
- Hệ số Beta được dùng để so sánh khi các biến độc lập không cùng đơn vị đo lường.