Ký hiệu biến Phát biểu Nguồn
TRUNGTHANH1 Anh/ Chị muốn ở lại làm việc cùng tổ chức/ doanh nghiệp đến khi về hưu
Trần Minh Tiến (2014) TRUNGTHANH2 Ở lại làm việc mặc dù nơi khác có đề nghị lương bổng hấp
dẫn hơn
TRUNGTHANH3 Anh/ Chị luôn trung thành với tổ chức/ doanh nghiệp TRUNGTHANH4 Anh/ Chị luôn hết mình làm việc vì tổ chức/ doanh nghiệp TRUNGTHANH5 Anh/ Chị có cảm thấy mình có mối liên hệ gắn bó mật
thiết với công ty.
TRUNGTHANH6 Anh/ Chị có cảm thấy không vui khi hình ảnh công ty bị tổn thương
3.4 Phương pháp thu nhập và xử lí thông tin
3.4.1 Phương pháp chọn mẫu
Nhằm mục đích lấy mẫu sao cho dễ dàng phân tầng để có thể tạo ra được tỷ lệ kích cỡ mẫu hợp lí với đối tượng là nhân viên các công ty dược phẩm ở địa bàn TPHCM. Đối tượng trong nghiên cứu là các nhân viên công tác trong các công ty dược phẩm ở địa bàn TPHCM.
3.4.2 Kích thước mẫu
Tuỳ thuộc cách xử lí cũng như phân tích dữ liệu sau khi thu thập được, đề tài sử dụng phân tích nhân tố khám phá (EFA) mà theo Gorsuch (1983) được trích bởi MacClall (1999) cho thấy số lượng mẫu cần phải ít nhất gấp 5 lần số biến quan sát. Ngoài ra theo nghiên cứu của Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2005) cũng cho rằng tỷ lệ thích hợp là 4 hay 5 lần. Nghiên cứu được thực hiện với 43 biến quan sát với 8 biến độc và 1 biến phụ thuộc quan sát với lòng trung thành với tổ chức (43 biến quan sát X 5 = 215 mẫu) thì kích thước mẫu phải ít nhất là 215. Ngoài ra, theo Tabachnick & Fidell (1991) để phân tích hồi quy đạt được kết quả tốt nhất, thì kích cỡ mẫu phải thỏa mãn công thức: n > 8k + 50 Trong đó, n là kích cỡ mẫu, k là số biến độc lập của mô hình. Như vậy tóm lại để đạt được kích cỡ mẫu tối thiểu là 215 để đảm bảo kết quả cho việc phân tích EFA và hồi quy cần thực hiện với kích thước mẫu khoảng 250 phiếu khảo sát.
Phương pháp chọn mẫu nếu trên được tiến hành là phương pháp chọn mẫu thuận tiện, tức là có thể chọn những phần tử nào mà họ có thể tiếp cận được. Nói cách khác, hình thức chọn mẫu này dựa tính dễ dàng tiếp cận của đối tượng khảo sát.
Đối tượng khảo sát là các nhân viên hiện đang làm việc trong các công ty dược phẩm tại Thành phố Hồ Chí Minh.
3.5 Các phương pháp phân tích dữ liệu
Quá trình xử lý số liệu được thực hiện trên chương trình xử lý dữ liệu SPSS 20.0 để phân tích thông qua các bước sau:
Hệ số Cronbach’s Alpha có thể giúp loại trừ các biến quan sát không thực sự phù hợp để tối ưu hóa trong việc thực hiện nghiên cứu. Bên cạnh đó Cronbach’s Alpha còn giúp nhận ra tỉ lệ đóng góp của các biến trong việc đo lường khái niệm về nhân tố đó.
Thang đo mức độ trung thành đối với tổ chức dùng trong nghiên cứu được điều chỉnh từ thang đo của Mowday et al. (1979) được sử dụng để kiểm định độ tin cậy Cronbach’s Alpha, hệ số này ít nhất 0.6 và tương quan biến tổng (Corrected Item- Total Correlation) > 0.3. Đánh giá sơ bộ và sau đó loại đi những biến quan sát có hệ số tin cậy Cronbach’s Alpha ở mức nhỏ hơn 0.6 (Hoàng Trọng và Mộng Ngọc, 2005). Theo Hair et al (2006) thì hệ số độ tin cậy Cronbach's Alpha có giá trị càng lớn thì càng đáng tin cậy, các tiêu chuẩn cụ thể như sau:
Bé hơn 0.6: Ở mức không thể chấp nhận được
Từ 0.6 đến 0.7: Ở mức chấp nhận được nhưng có thể cần phải xem xét lại Từ 0.7 đến 0.8: Ở mức chấp nhận được
Từ 0.8 đến 0.95: Tốt
Từ 0.95 trở lên: Ở mức chấp nhận được nhưng không tốt, vì khả năng xảy ra hiện tượng “trùng biến”. Tức là có thể trong trường hợp đó biến quan sát la dư thừa đối với thang đo. Vì vậy khi đó biến dư thừa nên loại đi.
Hệ số tương quan biến tổng cần được chú ý xem xét vì nó thể hiện mức độ liên kết giữa một biến quan sát trong nhân tố với các biến còn lại. Tiêu chuẩn để đánh giá một biến có đóng góp thực sự có ý nghĩa vào nhân tố hay không là hệ số tương quan biến tổng cần có giá trị lớn hơn 0.3(Nunnally & Bernstein, 1994).
Bước 2 – Phân tích nhân tố khám phá EFA
Sau khi kiểm định thang đo bằng hệ số tin cậy Cronbach’s Alpha, đề tài nghiên cứu tiếp tục sử dụng phương pháp nhân tố khám phá EFA, đây là kỹ thuật nhằm xác định để nhằm mục đích tiến hành đánh giá giá trị hội tụ và giá trị phân biệt.
Các biến quan sát có hệ số tải nhân tố (factor loading) nhỏ hơn 0.5 sẽ bị loại bỏ và thang đo chấp nhận khi tổng phương sai trích lớn hơn hoặc bằng 50%.
Khi thang đo đạt độ tin cậy, các biến quan sát cần đảm bảo một số giới hạn sau: Phần trăm phương sai trích (Percentage of variance) > 50%: Thể hiện phần trăm biến thiên của các biến quan sát.
Trị số Eigenvalue là một tiêu chí được dùng phổ biến để nhằm xác định số lượng nhân tố trong phân tích EFA. Với tiêu chí này, nhân tố nào có giá trị từ 1 trở lên mới đạt yêu cầu phân tích.
Bước 3 – Phân tích hồi quy tuyến tính để biết được cường độ tác động của các biến độc lập lên biến phụ thuộc.
Sự chấp nhận và diễn giải các kết quả hồi quy không thể tách rời các giả thuyết nghiên cứu. Do vậy mà nếu như các giả thuyết đó bị vi phạm thì các kết quả ước lượng các tham số trong hàm hồi quy không đạt được giá trị tin cậy.
Đầu tiên đối với phân tích tương quan, tác giả tiến hành thực hiện phân tích tương quan trước khi phân tích hồi quy với ý nghĩa nhằm kiểm tra mối liên hệ tương quan tuyến tính chặt chẽ giữa biến phụ thuộc với các biến độc lập và sớm phát hiện ra hiện tượng đa cộng tuyến.
Hệ số tương quan Pearson (Pearson correlation coefficient, kí hiệu r) đo lường mức độ tương quan tuyến tính giữa hai biến (Gayen, 1951). Về nguyên tắc, việc phân tích tương quan Pearson sẽ tìm ra một đường thẳng phù hợp nhất.
Đối với phân tích hồi quy đa biến thì với phân tích này, có những sự khác biệt với phân tích tương quan ở chỗ các biến sẽ không có tính chất đối xứng. Để đảm bảo khả năng tin cậy, tác giả cần tiến hành thực hiện 3 kiểm định sau:
Kiểm định tương quan từng phần của hệ số hồi quy:
Nhằm mục đích xem xét biến độc lập tương quan có ý nghĩa với biến phụ thuộc hay không, tác giả xét riêng từng biến độc lập. Khi mức ý nghĩa của hệ số hồi quy từng phần có độ tin cậy ít nhất 95% (Sig. =< 0,05) thì sẽ tương quan giữa biến độc lập và biến phụ thuộc.
Mức độ phù hợp của mô hình:
Tác giả tiến hành kiểm định này nhằm mục đích xác định có mối quan hệ tuyến tính giữa các biến độc lập với biến phụ thuộc hay không. Nếu tất cả hệ số hồi quy bằng không thì mô hình sẽ được cho là không phù hợp. Mô hình sẽ được công nhận là phù hợp khi có ít nhất một hệ số hồi quy khác không. Tác giả đưa ra giả thuyết sau để hiểu rõ hơn về vấn đề này cụ thể là:
Giả thuyết H0 là các hệ số hồi quy đều bằng không và giả thuyết H1 là có ít nhất một hệ số hồi quy khác không
Phân tích phương sai (analysis of variance, ANOVA) được tác giả dùng để kiểm định. Nếu mức ý nghĩa đảm bảo có độ tin cậy ít nhất 95% (Sig. < 0,05), tác giả kết luận chấp nhận giả thuyết H1, mô hình được xem như là phù hợp.
Hiện tượng đa cộng tuyến:
Là hiện tượng xảy ra khi các biến độc lập có mối quan quan hệ gần như tuyến tính. Các trường hợp này có thể làm sai số chuẩn thường cao hơn, giá trị thống kê thấp hơn hoặc là sẽ không có ý nghĩa nếu tác giả bỏ qua hiện tượng đa cộng tuyến. Trong đề tài, tác giả sẽ tiến hành dùng thước đo độ phóng đại phương sai (Variance Inflation Factor, VIF) nhằm kiểm định hiện tượng tương quan giữa các biến độc lập. Điều kiện là VIF < 2 thì được xem như không có hiện tượng đa cộng tuyến.
Phân tích ANOVA
Hay còn được gọi là kiểm định ANOVA là một kỹ thuật thống kê tham số được sử dụng để so sánh giữa các bộ dữ liệu. Phân tích ANOVA là kiểm định có chức năng đánh giá sự khác biệt tiềm năng trong một biến phụ thuộc mức quy mô bằng một biến mức danh nghĩa có từ 2 loại trở lên (Ronald Fisher, 1918). Trong đề tài này, tác giả
dùng phương pháp phân tích phương sai một yếu tố (còn gọi là oneway anova) sử dụng để kiểm định giả thuyết trung bình bằng nhau của các nhóm mẫu với khả năng sai số chỉ là 5%.
TÓM TẮT CHƯƠNG 3
Chương 3 giới thiệu cũng như điều chỉnh thang đo để xây dựng phương pháp phân tích dữ liệu. Số lượng mẫu được đưa vào nghiên cứu chính thức là 250 mẫu. Kỹ thuật thảo luận nhóm được sử dụng cho phương pháp nghiên cứu định tính, để xây dựng thang đo đo lường các khái niệm liên quan. Dữ liệu thu về sẽ tiếp tục được phân tích bằng phần mềm SPSS 20. Kế đến thang đo chính thức được xây dựng dựa vào kết quả của các nghiên cứu định tính và nghiên cứu định lượng sơ bộ. Chương tiếp theo sẽ trình bày cũng như thảo luận kết quả nghiên cứu.
4 CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN 4.1 Giới thiệu
Mục đích của chương 4 này là phân tích, mô tả mẫu khảo sát, trình bày kết quả kiểm định thang đo và các giả thuyết đưa ra trong mô hình.
4.2 Thống kê mô tả dữ liệu
Nhằm đạt được kích thước mẫu nghiên cứu thực sự phù hợp với phân tích EFA đã được nhắc đến tại chương 2 là 250 mẫu. Đề tài gởi đi là 250 phiếu khảo sát, kết quả số phiếu khảo sát thu về, và loại các bảng không hợp lệ để phân tích là 219 phiếu. Thu về 219 mẫu hợp lệ để tiếp tục xử lí ở các bước tiếp theo, đảm bảo cỡ mẫu n = 5m, với m = 43 (Hair, Anderson, Tatham & Black, 1998). Đây là cỡ mẫu phù hợp cho nghiên cứu có sử dụng phân tích nhân tố (Comrey, 1973; Roger, 2006).
Bốn mươi ba (43) biến quan sát đo lường 9 khái niệm trong đề tài được tiến hành mã hóa và sử dụng phần mềm SPSS để phân tích.