2. Mục tiêu nghiên cứu
3.2. KẾT QUẢ NGHIÊN CỨU
3.2.2.6. Đánh giá thang đo nhân tố Quan hệ công việc
Tiến hành kiểm tra độ tin cậy của thang đo nhân tố Quan hệ công việc hệ số Cronbach’s Alpha được kết quả:
Nhân tốthang đo nếuTrung bình loại biến
Biến quan
sátquan biến tổngHệ số tươngCronbach’s Alphanếu loại biến
QHCV19,84675,231,487,732
QHCV210,18674,878,540,705
QHCV310,13334,922,549,700
QHCV410,03334,274,636,648
Nguồn: Kết quả phân tích dữ liệu của tác giả từ chương trình SPSS
Thang đo nhân tố Quan hệ cơng việc có hệ số Cronbach’s Alpha là 0,755 > 0,6. Như vậy có thể đảm bảo độ tin cậy của thang đo và hệ số tương quan biến tổng của các biến quan sát đều có giá trị lớn hơn 0,3 nên sẽ khơng có biến nào bị loại.
3.2.2.7. Đánh giá thang đo nhân tố Sự hài lịng trong cơng việc
Tiến hành kiểm tra độ tin cậy của thang đo nhân tố Sự hài lòng bằng hệ số Cronbach’s Alpha được kết quả:
Bảng 3.19. Kiểm định CRA nhân tố Sự hài lòng Nhân tốthang đo nếuTrung bình
loại biến
Biến quan
sátquan biến tổngHệ số tươngCronbach’s Alphanếu loại biến
HAILONG19,513335,366,593,735
HAILONG29,726675,368,577,743
HAILONG39,700005,701,519,771
HAILONG49,760004,680,693,680
Nguồn: Kết quả phân tích dữ liệu của tác giả từ chương trình SPSS
Thang đo nhân Sự hài lòng trong cơng việc có hệ số Cronbach’s Alpha là 0,787 > 0,6. Như vậy có thể đảm bảo độ tin cậy của thang đo. Và hệ số tương quan biến tổng của các
biến quan sát đều có giá trị lớn hơn 0.3 nên sẽ khơng có biến nào bị loại.
Qua kết quả phân tích hệ số Cronbach’s Alpha ta thấy 6 thành phần thang đo về đánh giá sự hài lịng trong cơng việc của CBCNV và yếu tố phụ thuộc đều có độ tin cậy lớn hơn 0,6 nên đều tin cậy để sử dụng. Khơng có biến quan sát bị loại bỏ và điều đó cho thấy thang đo được xây dựng có ý nghĩa trong thống kê và đạt hệ số tin cậy cần thiết. Nên được tiếp tục đưa vào phân tích nhân tố khám phá EFA.
Kết quả đánh giá lại thang đo, cho thấy các thang đo đều thỏa mãn yêu cầu về đánh giá độ tin cậy bằng Cronbach’s Alpha. Như vậy, từ 25 biến độc lập ban đầu ta vẫn giữ nguyên để đưa vào phân tích nhân tố khám phá EFA..
3.2.3. Phân tích nhân tố khám phá EFA
Việc phân tích nhân tố khám phá EFA trong đề tài này được thực hiện với phương pháp trích hệ số là phương pháp Principal Component Analysis và phép xoay Varimax để nhóm các yếu tố. Bước đầu phải xem xét hệ số trích (Extraction) của các biến, nếu biến nào có hệ số này nhỏ hơn 0,5 sẽ bị loại bỏ. Tiếp theo ta tiến hành xem xét hai chỉ tiêu hệ số KMO phải thỏa điều kiện 0,5 <= KMO <=1 và kiểm định Bartlett xem xét giả thuyết H0: độ tương quan giữa các biến quan sát bằng khơng trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (sig. < 0,05) thì các biến quan sát có tương quan với nhau trong tổng thể (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Kết quả nhóm nhân tố được thể hiện trong bảng Rotated Component Matrix và hệ số tải nhân tố - factor loading phải
có giá trị lớn hơn 0,5 để đảm bảo sự hội tụ giữa các biến trong một nhân tố (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Điểm dừng khi trích các nhân tố có hệ số Eigenvalue lớn hơn 1 (mặc định của SPSS, nhân tố có Eigenvalue bé hơn 1 sẽ khơng có tác dụng tóm tắt thơng tin tốt hơn một biến gốc, vì sau mỗi lần chuẩn hóa mỗi biến gốc có phương sai là 1).
3.2.3.1. Phân tích nhân tố khám phá EFA đối với các biến độc lập
Phương pháp phân tích nhân tố khám phá EFA được tiến hành bằng phần mềm SPSS – Factor Analysis với kết quả như sau:
Bảng 3.20. Hệ số KMO và kiểm định Bartlett’s của các nhân tố độc lập
Hệ số KMO,657
Kiểm định Bartlett's Approx. Chi-SquareDf 928,084210
Sig.,000
Nguồn: Kết quả phân tích dữ liệu của tác giả từ chương trình SPSS
Dựa vào Bảng 3.20, có giá trị KMO là 0,657 > 0.5 và giá trị Sig của kiểm định Bartlett’s bằng 0,000 < 0,05 cho thấy các biến có tương quan với nhau nên mơ hình là phù hợp để đưa vào phân tích nhân tố khám phá.
Phương pháp trích trong phân tích nhân tố yêu cầu các giá trị trích Eigenvalue phải lớn hơn 1 mới được giữ lại trong mơ hình phân tích. 6 nhân tố được trích ra đều có giá trị Eigenvalue lớn hơn 1 và điểm dừng khi trích các yếu tố tại nhân tố thứ 06 có Eigenvalue là 1,214 > 1. Tổng phương sai trích của 06 nhân tố bằng 61,998% > 50% điều này cho thấy
khả năng sử dụng 06 nhân tố thành phần này giải thích được 61,998% biến thiên của các biến quan sát.
Dựa vào ma trận xoay nhân tố khi chạy EFA có 21 biến cịn lại được trích thành 06 nhân tố và khơng có biến nào bị loại (bảng 3.21)
Bảng 3.21. Ma trận xoay EFA các biến độc lập
Nhân tố 123456 TIENLUONG4,810 TIENLUONG3,809 TIENLUONG2,795 TIENLUONG1,761 QHCV4,790 QHCV3,744 QHCV2,724 QHCV1,698 DDCV1,747 DDCV3,738 DDCV4,725 DDCV2,585 MTLV1,821 MTLV3,800 MTLV2,697 PHUCLOI3,793 PHUCLOI2,784 PHUCLOI1,768 DTTT3,759 DTTT2,714 DTTT1,706
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a Rotation converged in 6 iterations.
Nguồn: Kết quả phân tích dữ liệu của tác giả từ chương trình SPSS
Như vậy, sau khi tiến hành kiểm định độ tin cậy Cronbach’s Alpha và phân tích nhân tố khám phá EFA thì 21 biến quan sát độc lập ban đầu vẫn giữ nguyên nhóm lại thành
06 nhân tố và 06 nhân tố này khơng có sự biến đổi so với mơ hình nghiên cứu đề xuất ban đầu bao gồm:
Nhân tố 1: Tiền lương và thu nhập có tính chất tương tự lương nhận được. Nhân tố này được đo lường bởi các biến TIENLUONG1, TIENLUONG2, TIENLUONG3, TIENLUONG4.
Nhân tố 2: Quan hệ công việc. Nhân tố này được đo lường bởi các biến QHCV1, QHCV2, QHCV3, QHCV4.
Nhân tố 3: Đặc điểm và tính chất cơng việc. Nhân tố này được đo lường bởi các biến DDCV1, DDCV2, DDCV3, DDCV4.
Nhân tố 4: Điều kiện và môi trường làm việc. Nhân tố này được đo lường bởi các MTLV1, MTLV2, MTLV3.
Nhân tố 5: Chế độ phúc lợi được hưởng. Nhân tố này được đo lường bởi các biến PHUCLOI1, PHUCLOI2, PHUCLOI3.
Nhân tố 6: Đào tạo và thăng tiến. Nhân tố này được đo lường bởi các biến DTT1, DTTT2, DTTT3.
Bảng 3.22. Tổng phương sai trích của các biến độc lập Hệ số Eigenvalues
Extraction Sums of Squared Loadings
Rotation Sums of Squared Loadings Tổng % phương sai % phương sai tích lũy Tổng % phương sai % phương sai tích lũy Tổng % phương sai % phương sai tích lũy 13,73217,77117,7713,73217,77117,7712,67912,75612,756 22,55512,16829,9392,55512,16829,9392,42311,53924,294 32,16610,31340,2522,16610,31340,2522,14910,23534,529 41,8538,82349,0751,8538,82349,0752,0579,79444,323 51,5007,14356,2171,5007,14356,2171,9109,09353,416 61,2145,78161,9981,2145,78161,9981,8028,58261,998 7,8714,14666,144 8,8253,93070,074 9,7783,70573,779 10,7363,50377,282 11,6663,16980,452 12,6262,98383,435 13,5882,80286,237
14,5592,66488,901 15,4712,24291,142 16,4021,91593,058 17,3581,70594,762 18,3281,56296,324 19,3081,46597,790 20,2771,31899,108 21,187,892100,000
Extraction Method: Principal Component Analysis.
Nguồn: Kết quả phân tích dữ liệu của tác giả từ chương trình SPSS
3.2.3.2. Phân tích nhân tố khám phá EFA nhân tố sự hài lịng trong cơng việc
Kết quả phân tích nhân tố khám phá EFA với KMO bằng 0.758 > 0.5 và kiểm định Bartlett’s có sig bằng 0.000 < 0.05 nên có thể khẳng định dữ liệu phù hợp để phân tích nhân tố. ( Bảng 3.23)
Bảng 3.23. Hệ số KMO và kiểm định Bartlett’s của nhân tố sự hài lòng
Hệ số KMO,758
Kiểm định Bartlett's Approx. Chi-SquareDf 170,0846
Sig.,000
Nguồn: Kết quả phân tích dữ liệu của tác giả từ chương trình SPSS
Phân tích đã rút trích từ 4 biến đánh giá sự hài lịng thành một nhân tố chính có Eigenvalue bằng 2,441 và tổng phương sai trích là 61,017 % >50%.(Bảng 3.24)
STT
Hệ số EigenvaluesBình phương hệ số tải trọng Tổng% phươngsai% phươngsai tích lũyTổng% phươngsai% phương saitích lũy
12,44161,01761,0172,44161,01761,017
2,68517,12378,139
3,49512,36990,508
4,3809,492100,000
Nguồn: Kết quả phân tích dữ liệu của tác giả từ chương trình SPSS
Bảng 3.25. Ma trận thành phần nhân tố đánh giá sự hài lòng
Biến đánh giáHệ số tải trọng
HAILONG1.852
HAILONG2 .781
HAILONG3 .769
HAILONG4 .717
Nguồn: Kết quả phân tích dữ liệu của tác giả từ chương trình SPSS
Như vậy, sau khi kiểm định bằng Cronbach’s Alpha và phân tích nhân tố khám phá EFA, thì 06 nhân tố ban đầu vẫn không thay đổi. Như vậy, giữ nguyên tất cả 21 biến quan sát độc lập nhóm thành 06 nhân tố độc lập và 04 biến đánh giá nhóm thành 1 nhân tố đánh giá sự hài lịng trong cơng việc của CBCNV tại VNPT Kiên Giang (tổng cộng gồm 25 biến).
3.2.4. Phân tích hồi quy
Sau khi rút trích được các nhân tố từ phân tích nhân tố khám phá, ta tiến hành phân tích hồi quy để xác định các nhân tố ảnh hưởng đến sự hài lịng của CBCNV. Phân tích hồi quy sẽ được thực hiện với 06 nhân tố độc lập là: Quan hệ cơng việc, Đặc điểm và tính chất cơng việc, Tiền lương và thu
nhập tương tự lương, Chế độ phúc lợi, Đào tạo và thăng tiến và 1 biến phụ thuộc là Đánh giá chung về sự hài lịng trong cơng việc của CBCNV. Giá trị của mỗi nhân tố được dùng để chạy hồi quy là giá trị trung bình của các biến quan sát thuộc nhân tố đó. Phương trình hồi quy tuyến tính đa biến của nghiên cứu này có dạng:
Hàm hồi quy tổng thể:
SAF=β0 + β1SAL + β2WORK + β3PRO + β4EVR + β5BEN + β6REL + Ui
Hàm hồi quy mẫu:
SAF=βˆ 0 + βˆ 1SAL+ βˆ 2 WORK + βˆ 3 PRO + βˆ 4 EVR + βˆ 5 BEN + βˆ 6 REL + ei
Trong đó: SAF: Đánh giá chung về sự hài lịng trong cơng việc của CBCV
SAL: Tiền lương và thu nhập tương tự lương nhận được ;
WORK: Đặc điểm và tính chất cơng việc ; PRO: Đào tạo và thăng tiến ;
EVR: Điều kiện và môi trường làm việc ; BEN: Chế độ phúc lợi nhận được ;
REL: Quan hệ công việc (bao gồm cả cấp trên và đồng nghiệp) ;
Mơ hình hồi quy sẽ tìm ra các nhân tố độc lập có tác động tới nhân tố phụ thuộc. Đồng thời mơ hình cũng mơ tả mức độ tác động như thế nào qua đó giúp ta dự đốn được giá trị của nhân tố phụ thuộc.
3.2.4.1. Kết quả ước lượng hồi quy
Bảng 3.26. Kết quả hồi quy OLS lần 1 Nhân tố
Hệ số chưa chuẩn hóa
Hệ số đã
chuẩn hóaGiá trị TSig. BSai số chuẩnBeta
Hằng số-,682,358-1,904,059 SAL,178,043,2454,153,000 WORK,422,071,3605,916,000 PRO-,006,061-,006-,097,923 EVR,068,054,0751,255,212 BEN,168,052,1833,227,002 REL,392,062,3736,335,000
a Dependent Variable: SAF
Nguồn: Kết quả phân tích dữ liệu của tác giả từ chương trình SPSS
Kết quả hồi quy cho thấy cả chỉ có 4 nhân tố độc lập đều có ý nghĩa thống kê và tác động tích cực đến sự hài lịng trong cơng việc của CBCNV hiện đang làm việc tại VNPT Kiên Giang. Hai nhân tố là Đào tạo thăng tiến và Điều kiện môi trường làm việc do có sig > 0,05 nên được loại bỏ. Thực tế cho thấy người lao động tại VNPT Kiên Giang đã khá hài lịng với Điều kiện và mơi trường làm việc tại đơn vị, theo qui định hàng năm CB CNV đều được trang cấp quần áo bảo hộ lao động, dụng cụ làm việc đầy đủ và hiện đại, môi trường làm việc ổn định, ít thay đổi. Đối với cơng tác đào tạo tại VNPT Kiên Giang hàng năm đều lập kế hoạch đào tạo nâng cao tay nghề và chuyên môn nghiệp vụ cần thiết phục vụ công tác, đồng thời tổ chức thi kiểm tra tay nghề hàng năm nhằm phát hiện người giỏi để tạo điều kiện chăm bồi, đào tạo thêm về công tác quản lý để tạo nguồn nhân lực quản lý, qua đó cũng thấy được các cá nhân cịn yếu kém để có kế hoạch tiếp tục đào tạo. Các cơng việc này đều được thể hiện thành qui chế để thực hiện đều
đặn tạo cơ hội công bằng cho các cá nhân.
Thực hiện lại việc kiểm định OLS lần 2 như sau :
Bảng 3.27. Kết quả hồi quy OLS lần 2 Nhân tố
Hệ số chưa chuẩn hóa
Hệ số đã
chuẩn hóaGiá trị TSig. BSai số chuẩnBeta
Hằng số-,458,277-1,652,101
SAL,181,043,2494,239,000
WORK,407,070,3485,811,000
BEN,170,052,1853,269,001
REL,404,061,3846,619,000
Nguồn: Kết quả phân tích dữ liệu của tác giả từ chương trình SPSS
Dựa vào kết quả bảng ANOVA 3.28 dưới đây thấy rằng giá trị Sig = 0,000 < 0,05 nên bác bỏ giả thuyết H0, thừa nhận đối thuyết H1. Tức là mơ hình tồn tại. Hay nói cách khác với mức ý nghĩa 5% có thể kết luận rằng sự hài lịng của CBCNV trongcơng việc của họ hiện nay đang thực hiện tại VNPT Kiên Giang chịu tác động ít nhất của 1 trong 4 nhân tố (Tiền lương và thu nhập, Đặc điểm và tính chất cơng việc; Chế độ phúc lợi; Quan hệ trong cơng việc).
Bảng 3.28. Bảng phân tích ANOVA Ng̀n biến
thiênTổng bìnhphươngBậc tự doPhương saiGiá trịFSig.
Từ hồi quy45,699411,42546,152,000(a)
Từ phần dư35,895145,248
Tổng81,594149
Nguồn: Kết quả phân tích dữ liệu của tác giả từ chương trình SPSS
Kết quả từ Bảng 3.28. cho ta kết quả mức ý nghĩa (Sig.) = 0.000, điều đó có nghĩa ta có thể bác bỏ giả thuyết H0 cho rằng mơ hình khơng phù hợp. Tức là mơ hình là phù hợp và R2 là lớn hơn khơng có ý nghĩa thống kê.
Ngồi ra, phần dư có thể khơng tn theo phân phối chuẩn vì những lý do: Sử dụng mơ hình khơng đúng, phương sai không phải là hằng số, số lượng các phần dư khơng đủ nhiều để phân tích. Vì vậy, ta sử dụng nhiều cách khảo sát khác nhau để đảm bảo tính xác đáng của kiểm định. Trong nghiên cứu này sẽ sử dụng cách xây dựng biểu đồ tần số Histogram, biểu đồ P - P plot và đồ thị Scatterplot để khảo sát phân phối của phần dư.
Regression Standardized Residual
3 2 1 0 -1 -2 -3 F r e q u e n c y 25 20 15 10 5 0 Histogram
Dependent Variable: SAF
Mean =-2,95E-17 Std. Dev. =0,986
N =150
__
Hình 3.1. Biểu đờ Histogram
Nhìn vào biểu đồ tần số Histogram (Hình 3.1.) cho thấy một đường cong phân phối chuẩn được đặt chồng lên biểu đồ tần số. Như vậy phân phối phần dư xấp xỉ chuẩn Mean < 0 và độ lệch chuẩn Std. Dev. = 0.986 (gần bằng 1), nên có thể kết luận rằng giả thuyết phân phối chuẩn không bị vi phạm.
Observed Cum Prob 1,0 0,8 0,6 0,4 0,2 0,0 Ex pe ct ed C um P ro b 1,0 0,8 0,6 0,4 0,2 0,0
Normal P-P Plot of Regression Standardized Residual
Dependent Variable: SAF
__
Hình 3.2. Đờ thị P-P Plot
Nhìn vào đồ thị P - P Plot (Hình 3.2.) biểu diễn các điểm quan sát thực tế tập trung khá sát đường chéo những giá trị kỳ vọng, có nghĩa là dữ liệu phần dư có phân phối chuẩn.
SAL 3,00 2,00 1,00 0,00 -1,00 -2,00 -3,00 S A F 2,00 1,00 0,00 -1,00 -2,00
Partial Regression Plot
Dependent Variable: SAF
__
Hình 3.3. Đờ thị Scatterplot
Nếu giả định này được thỏa mãn thì sẽ khơng nhận thấy có sự liên hệ nào giữa các giá trị dự đoán và phần dư; phần dư phải phân tán ngẫu nhiên.