Bước 1: Trực tiếp khảo sát ý kiến của viên chức thuộc Cơ sở xã hội Nhị
Xuân. Phiếu không hợp lệ sẽ bị loại ra trước lúc đưa vào xữ lý bằng phần mềm SPSS 20.
Bước 2: Dựa vào các quan sát được chọn ra tiến hành thống kê mô tả về các
đối tượng được khảo sát như: độ tuổi, giới tính, chức vụ, thâm niên cơng tác.
Bước 3: Kiểm định độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha.
Những câu hỏi đo lường cùng một khái niệm tiềm ẩn thì phải có mối liên quan với những biến cịn lại trong nhóm đó. Các hệ số Cronbach alpha là một thử nghiệm thống kê về mức độ tương quan giữa các yếu tố liên quan.
Công thức của hệ số Cronbach’s Alpha là:
= N
[1 + (N – 1)]
Thực hiện phép kiểm định này cho phép tác giả loại bỏ các biến không phù hợp và biến rác ra khỏi quá trình nghiên cứu đồng thời đánh giá mức độ tin cậy của từng thang đo thông qua hệ số Cronbach Alpha. Những biến có hệ số tương quan biến tổng (Corrected item-total correlation) nhỏ hơn 0.3 sẽ bị loại. Thơng thường, thang đo có Cronbach Alpha thu được từ 0.7 đến 0.8 là sử dụng được (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Cũng có nhà nghiên cứu khác đề nghị rằng Cronbach’s Alpha từ 0.6 trở lên là có thể sử dụng được vì hệ số Cronbach’s Alpha chỉ là giới hạn dưới của độ tin cậy các thang đo và còn nhiều đại lượng đo lường độ tin cậy của thang đo, cho nên ở giai đoạn đầu trong khi xây dựng bảng câu hỏi, hệ số này nằm trong phạm vi từ khoảng 0.6 đến 0.8 là chấp nhận được (Nguyễn Đình Thọ, 2011).
Bước 4: Kiểm định hồi quy cho các giả thuyết, từ đó chấp nhận hay bác bỏ
những giả thuyết nghiên cứu đưa ra. Phần này sẽ thực hiện theo trình tự:
- Vẽ biểu đồ biểu thị mối tương quan giữa những cặp nhân tố muốn nghiên cứu bằng biểu đồ Scatter.
- Kiểm định các tương quan giữa những nhân tố. Sau khi đánh giá độ tin cậy của các thang đo và loại các biến khơng phù hợp. Phân tích EFA là kỹ thuật được dùng nhằm mục đích tóm tắt và thu nhỏ các dữ liệu.
Kiểm định Bartlett’s (Bartlett’s Test of Sphericity): Đại lượng Bartlett’s được sử dụng để xem xét giả thuyết H0 các biến khơng có tương quan trong tổng thể. Kiểm định Bartlett’s có ý nghĩa (Significant) tại mức (Sig.) < 0.05, tức là giả thuyết H0 cho rằng ma trận tương quan giữa các biến trong tổng thể là một ma trận đơn vị sẽ bị bác bỏ.
Trị số KMO (Kaiser-Meyer - Olkin) là chỉ số dùng để xem xét sự thích hợp của (EFA) phân tích nhân tố. Phân tích nhân tố chỉ phù hợp khi trị số KMO phải thỏa mãn có giá trị 0.5 ≤ KMO ≤ 1, cịn nếu như trị số này < 0.5 thì phân tích nhân tố có khả năng khơng thích hợp với các dữ liệu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Ngoài ra, EFA được dựa vào đại lượng Eigenvalue nhằm xác định số lượng nhân tố. Đại lượng Eigenvalue được đại diện cho lượng biến thiên được giải thích thơng qua nhân tố. Những nhân tố được giữ lại trong mơ hình chỉ khi có Eigenvalue lớn hơn 1. Những nhân tố có Eigenvalue nhỏ hơn 1 sẽ khơng có tác dụng tóm tắt thơng tin tốt hơn một biến gốc.
Ma trận nhân tố (component matrix) hay ma trận nhân tố khi các nhân tố được xoay (rotated component matrix) có ý nghĩa quan trọng đối với kết quả EFA. Các biến có trọng số < 0.5 sẽ bị loại, các biến có trọng số khơng đạt độ phân biệt cao giữa các nhân tố (< 0.3) cũng sẽ bị loại (Hair và cộng sự, 1998).
Trong ma trận nhân tố, những hệ số tải nhân tố (factor loading) sẽ biểu diễn mối tương quan giữa tất cả các biến và các nhân tố. Hệ số này cho chúng ta biết giữa biến và nhân tố có tương quan chặt chẽ với nhau hay không và các hệ số tải nhân tố phải có trọng số > 0.5 thì mới đạt được yêu cầu (Hair và cộng sự, 1998).
- Kiểm định mơ hình bằng hồi quy tuyến tính
Phân tích nhân tố khám phá (EFA) giúp chúng ta trích rút được những nhân tố phù hợp để thực hiện phân tích hồi quy bội. Phân tích hồi quy bội giúp phân tích, làm rõ hơn mối tương quan giữa một biến phụ thuộc và nhiều biến độc lập. Mục tiêu của việc phân tích hồi quy bội là mơ tả mối liên hệ và qua đó giúp ta dự đốn được mức độ của biến phụ thuộc khi biết trước giá trị của biến độc lập. Những thông số cần chú ý:
Hệ số Beta: Cho phép so sánh trực tiếp các hệ số dựa trên mối quan hệ giải thích của chúng với biến phụ thuộc.
Hệ số khẳng định R2: Đánh giá phần thay đổi của biến phụ thuộc được giải thích bởi các biến dự báo hay biến độc lập.
Hệ số R2 điều chỉnh: Mơ hình nào có hệ số R2 hiệu chỉnh lớn hơn sẽ giải thích mơ hình động lực phụng sự của nhân viên tại Cơ sở xã hội Nhị Xuân thực hiện
nhiệm vụ quản lý người cai nghiện ma túy thuộc Lực lượng TNXP Thành phố tốt hơn.
- Phân tích ảnh hưởng của các biến định tính bằng T- Test và ANOVA
Phân tích T-test và ANOVA nhằm đánh giá sự tác động giữa các biến định tính đến yếu tố Sự hài lịng trong cơng việc của nhân viên với tổ chức, Sự cam kết với tổ chức và Hiệu quả công việc của viên chức. Phân biệt các yếu tố dựa trên nhân khẩu học như độ tuổi, giới tính, thâm niên cơng tác, vị trí cơng việc, thu nhập và trình độ học vấn.
Trong Chương 3, tác giả đã trình bày tổng quan về thiết kế nghiên cứu, các phương pháp nghiên cứu và hệ thống các thông tin cần thiết của các đối tượng được khảo sát như: độ tuổi, giới tính, vị trí cơng việc, thâm niên công tác, trình độ học vấn, của viên chức. Từ đó nêu cách thức chọn mẫu và cách tiến hành khảo sát. Ngoài ra, chương này đã xây dựng được thang đo về Động lực phụng sự công (PSM), Sự hài lịng trong cơng việc (JS), Sự cam kết với tổ chức (OC) và Hiệu quả công việc (JP).
Chương 4
KẾT QUẢ NGHIÊN CỨU
Ở chương này, tác giả trình bày các kết quả nghiên cứu từ việc phân tích dữ liệu đã thu thập được. Các bước thực hiện bao gồm: kiểm định độ tin cậy của thang đo thơng qua hệ số Cronbach’s alpha; phân tích nhân tố khám phá (EFA); xây dựng mơ hình nghiên cứu điều chỉnh bằng phương pháp phân tích hồi quy tuyến tính, kiểm định các giả thuyết của mơ hình; Phân tích ảnh hưởng của các biến định tính bằng T- Test và ANOVA, đánh giá tác động những biến nhân khẩu học.