CHƢƠNG 3 : PHƢƠNG PHÁP NGHIÊN CỨU
3.4 Nghiên cứu định lượng chính thức
3.4.2 Xây dựng mẫu nghiên cứu chính thức
Đối tượng khảo sát của nghiên cứu: Nhân viên đang làm việc trong các công ty thang máy tại TP.HCM.
Theo Nguyễn Đình Thọ (2012), xác định kích thước mẫu là một công việc không dễ dàng trong nghiên cứu khoa học, kích thước mẫu càng lớn thì càng tốt nhưng lại tốn thời gian và chi phí. Tuy nhiên, thế nào là một mẫu lớn vẫn chưa có nhà nghiên cứu nào khẳng định một cách chính thức. Theo Hair & cộng sự (2006) cho rằng, để tiến hành phân tích EFA, kích thước mẫu tối thiểu phải là 50, tốt hơn là 100 và tỉ lệ quan sát/biến đo lường tối thiểu là 5:1, tốt nhất là 10:1 trở lên. Theo Bollen (1989), tối thiểu phải có 5 quan sát cho mỗi thơng số ước lượng (tỷ lệ 5:1). Số biến quan sát được sử dụng trong nghiên cứu chính thức là 25 biến, do đó theo khuyến cáo của Bolen (1989), số mẫu phải đạt là 125 (25*5). Tuy nhiên, nghiên cứu này có thực hiện kiểm định mơ hình SEM đa nhóm, chỉ duy nhất giới tính được chia thành 2 nhóm là nam và nữ nên kích thước mẫu chỉ cần 250 (125*2). Tuy nhiên, độ tuổi chia thành 4 nhóm (dưới 25 tuổi, từ 25 đến 34 tuổi, từ 35 đến 44 tuổi, trên 44 tuổi) nên kích thước mẫu là 500 (125*4). Tương tự thu nhập cũng được chia thành 4 nhóm (dưới 5 triệu, từ 5 đến 9 triệu, từ 10 đến 14 triệu và trên 14 triệu) nên kích thước mẫu tổng cộng của thu nhập cũng là 500 (125*4).
Tuy nhiên dù với kích thước mẫu tổng cộng là 500 thì vẫn rất khó để từng nhóm của độ tuổi (dưới 25 tuổi, từ 25 đến 34 tuổi, từ 35 đến 44 tuổi, trên 44 tuổi), từng nhóm của thu nhập (dưới 5 triệu, từ 5 đến 9 triệu, từ 10 đến 14 triệu và trên 14 triệu) đều đạt kích thước mẫu tối thiểu là 125 (25*5). Do vậy, nhằm giảm sai số do
chọn mẫu, tiêu chí thực hiện khảo sát này trong điều kiện cho phép thì việc thu thập dữ liệu nghiên cứu càng nhiều càng tốt, giúp tăng tính đại diện cho tổng thể, nên tác giả đề xuất kích thước mẫu nghiên cứu là 800 để sau khi phỏng vấn, làm sạch dữ liệu có thể đạt kích thước mẫu mong muốn.
3.4.3 Thiết kế bảng câu hỏi và thu thập dữ liệu
Bảng câu hỏi khảo sát định lượng chính thức (chi tiết tại phụ lục 7) gồm 25 biến quan sát, được chia thành 02 phần:
- Phần 1: Các câu phát biểu nhằm thu thập thơng tin khảo sát về tính cách chủ
động, sự hỗ trợ của tổ chức, ý nghĩa công việc, động lực nội tại và sự sáng tạo của nhân viên.
- Phần 2: Các câu hỏi về thông tin cá nhân của đối tượng khảo sát để phân loại
và phân tích dữ liệu.
Thông tin được thu thập bằng cách phát bảng câu hỏi trực tiếp đến các nhân
viên làm việc tại các công ty thang máy trên địa bàn TP.HCM.
Mẫu được chọn theo phương pháp thuận tiện. Phát ra 800 bảng câu hỏi, thu về 752 bảng câu hỏi. Sau khi sàng lọc, loại bỏ các kết quả trả lời không hợp lệ (bỏ trống nhiều câu hoặc trả lời giống nhau từ trên xuống dưới) được 694 bảng hợp lệ (tỷ lệ 86.75%).
3.4.4 Phƣơng pháp phân tích dữ liệu
Phương pháp phân tích dữ liệu được dùng trong nghiên cứu bao gồm các bước sau:
Bƣớc 1: Phân tích hệ số tin cậy Cronbach’s Alpha
Phân tích hệ số tin cậy Cronbach‟s Alpha tương tự như ở nghiên cứu định lượng sơ bộ, nhưng trong nghiên cứu định lượng chính thức thực hiện với cỡ mẫu lớn hơn để kiểm định thống kê về mức độ chặt chẽ của các biến quan sát trong thang đo tương quan với nhau.
Bƣớc 2: Phân tích nhân tố khám phá (Exploratory Factor Analysis - EFA)
Phân tích EFA là phương pháp đánh giá liên kết, tức là đánh giá khái niệm này trong mối liên hệ với các thang đo khái niệm khác (Nguyễn Đình Thọ, 2012). Vì vậy, trong nghiên cứu này, tất cả các biến quan sát đều được đưa vào để phân tích EFA đồng thời. Theo Hair & cộng sự (1998), Factor Loading là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực trong phân tích EFA. Factor Loading > 0.3 được xem là đạt mức tối thiểu, Factor Loading > 0.4 được xem là quan trọng, Factor Loading ≥ 0.5 được xem là có ý nghĩa thực tiễn. Hệ số KMO là một hệ số dùng để xem xét sự thích hợp của EFA với mẫu nghiên cứu, hệ số này phải từ 0.5 trở lên, nếu hệ số này nhỏ hơn 0.5 thì phân tích nhân tố có khả năng khơng thích hợp với dữ liệu (Hồng Trọng & Chu Nguyễn Mộng Ngọc, 2008; Nguyễn Đình Thọ, 2012). Kiểm định Bartlett xem xét giả thuyết về độ tương quan giữa các biến quan sát bằng không 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 & Chu Nguyễn Mộng Ngọc, 2008). Thang đo sẽ được chấp nhận khi tổng phương sai trích trên 50% (Nguyễn Đình Thọ, 2014).
Bƣớc 3: Phân tích nhân tố khẳng định (CFA)
Khi phân tích nhân tố khẳng định (CFA) chúng ta cần chú ý đến các vấn đề sau: Chỉ số Chi-square (CMIN) được sử dụng để đo lường mức độ phù hợp của mơ hình với dữ liệu thị trường nghiên cứu, Chi-square điều chỉnh theo bậc tư do (CMIN/df); chỉ số CFI (Comparative fit index), Chỉ số TLI (Turker & Lewis Index) và chỉ số RMSEA (Root Mean Square Error Approximation). Mơ hình được xem là thích hợp với dữ liệu thị trường khi kiểm định Chi-square có P-value > 0.05 (Nguyễn Khánh Duy, 2009). Tuy nhiên Chi-square có nhược điểm phụ thuộc kích thước mẫu (Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2011). Nếu một mơ hình nhận được Chi-square/df ≤ 2, nhưng p < 0.05 thì ta kiểm tra thêm GFI, TLI và CFI từ 0.9 đến 1 (0.9 ≤ GFI, TLI, CFI ≤ 1) (Bentler & Bonett, 1980).
Một mơ hình được xem là phù hợp với dữ liệu thị trường khi có kiểm định Chi- square/df (Chi-square điều chỉnh theo bậc tự do) nhỏ hơn 3 (Hair & cộng sự, 2010).
Chỉ số CFI và TLI lớn hơn 0.9, chỉ số GFI vẫn có thể chấp nhận được khi nhỏ hơn 0.9 (Hair & cộng sự, 2010) và chỉ số RMSEA nhỏ hơn 0.08 (Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2008). Khi RMSEA < 0.05 được xem là rất tốt (Steiger, 1990).
Khi thực hiện phân tích CFA nên đánh giá thêm một số chỉ tiêu sau:
(1) Độ tin cậy của thang đo thông qua độ tin cậy tổng hợp CR (composite reliability), tổng phương sai trích AVE (variance extracted) và hai chỉ tiêu này phải đạt từ 0.5 trở lên (Nguyễn Khánh Duy, 2009).
(2) Tính đơn hướng/ đơn nguyên (unidimensionality): Mức độ phù hợp với dữ liệu thị trường là điều kiện cần và đủ để cho tập biến quan sát đạt tính đơn hướng, trừ trường hợp các sai số biến quan sát có tương quan với nhau (Hair & cộng sự, 2010).
(3) Giá trị hội tụ (Convergent validity): Genbring & Anderson (1988) cho rằng thang đo đạt được giá trị hội tụ khi các trọng số chuẩn số của thang đo đều cao (>0.5) và có ý nghĩa thống kê (p<0.05).
(4) Giá trị phân biệt (discriminant validity) là một tính chất quan trọng của đo lường, nó sẽ thể hiện cấp độ phân biệt các khái niệm đo lường (Steenkamp & Van Trijp, 1991). Theo Nguyễn Khánh Duy (2009) cho rằng, hai khái niệm đạt được giá trị phân biệt khi hệ số tương quan của chúng nhỏ hơn 1 và có ý nghĩa thống kê (p < 0.05).
Bƣớc 4: Sử dụng mơ hình cấu trúc SEM để kiểm định mơ hình lý thuyết và các giả thuyết nghiên cứu.
Phân tích mơ hình cấu trúc tuyến tính (SEM) thơng qua phần mềm AMOS 20
để kiểm định độ phù hợp mơ hình lý thuyết cùng với những giả thuyết nghiên cứu. Theo Hair & cộng sự (2010), về cơ bản CFA là một dạng của SEM, do đó các chỉ số sử dụng trong mơ hình SEM cũng được xem xét như trong kiểm định CFA, mơ hình sẽ phù hợp với dữ liệu thị trường khi CMIN/df ≤ 2, một số trường hợp CMIN/df ≤ 3, các giá trị TLI, GFI, CFI ≥ 0.90 và RMSEA ≤ 0.08. Để chấp nhận giả
thuyết thì mối quan hệ giữa các khái niệm trong mơ hình phải đạt mức ý nghĩa thống kê (p ≤ 0.05).
Bƣớc 5: Kiểm tra ƣớc lƣợng mơ hình bằng phƣơng pháp Bootstrap
Để đánh giá độ tin cậy của các ước lượng, bằng phương pháp lấy mẫu trong nghiên cứu định lượng thường chia mẫu thành ra 2 mẫu con, một nửa dùng để ước lượng tham số trong mơ hình, một nửa cịn lại dùng để đánh giá. Phương pháp khác là lặp lại nghiên cứu bằng một mẫu khác. Tuy nhiên, cả 2 phương pháp này thường khơng thực tế vì phương pháp lấy mẫu cấu trúc thường yêu cầu mẫu lớn, nên sẽ tốn kém thời gian và chi phí (Anderson & Gerbing, 1988). Trong những trường hợp như vậy thì phương pháp Bootstrap sẽ là phù hợp để thay thế (Schumacker & Lomax, 2006; trích trong Nguyễn Khánh Duy, 2009). Bootstrap là phương pháp lấy mẫu lặp lại và có thay thế, trong đó mẫu ban đầu sẽ đóng vai trị là đám đơng. Hiệu số trung bình giữa các ước lượng ban đầu và từ Bootstrap được gọi là độ chệch, trị tuyệt đối độ chệch càng nhỏ, càng khơng có ý nghĩa thống kê càng tốt (Nguyễn Khánh Duy, 2009).
Bƣớc 6: Phân tích cấu trúc đa nhóm
Phương pháp phân tích cấu trúc đa nhóm để so sánh mơ hình nghiên cứu theo các nhóm nào đó của một biến định tính. Đầu tiên sẽ có 2 mơ hình: Mơ hình khả biến và mơ hình bất biến. Trong mơ hình bất biến, các thành phần đo lường sẽ không bị ràng buộc, tuy nhiên mối quan hệ giữa các khái niệm trong mơ hình nghiên cứu được ràng buộc như nhau ở tất cả các nhóm. Ngược lại, trong mơ hình khả biến, các tham số ước lượng trong từng mơ hình của các nhóm là tự do. Kiểm định Chi-square được sử dụng để so sánh 2 mơ hình. Nếu giữa mơ hình bất biến và mơ hình khả biến khơng có sự khác biệt (P-value > 0.05) thì mơ hình bất biến sẽ được chọn (có bậc tự do cao hơn). Ngược lại, nếu kiểm định Chi-square giữa 2 mơ hình có P-value < 0.05 thì mơ hình khả biến được chọn vì có độ tương thích cao hơn (Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2008).
Tóm tắt chương 3:
Chương này đã trình bày về quy trình nghiên cứu, phương pháp nghiên cứu, cách thức chọn mẫu và thông tin mẫu khảo sát. Đồng thời, chương này cũng thực hiện kiểm định sơ bộ độ tin cậy của thang đo thông qua hệ số Cronbach‟s Alpha và đánh giá sơ bộ giá trị thang đo bằng phân tích nhân tố khám phá (EFA). Tuy nhiên, cỡ mẫu trong nghiên cứu định lượng sơ bộ nhỏ, nên trong nghiên cứu chính thức cần phải tiếp tục đánh giá thang đo với số lượng mẫu lớn hơn. Dữ liệu sau khi thu thập sẽ được xử lý bằng phần mềm SPSS 22 và AMOS 20 để phân tích thơng tin và kết quả nghiên cứu.
CHƢƠNG 4: KẾT QUẢ NGHIÊN CỨU
Chương 4 sẽ xử lý dữ liệu và trình bày kết quả của nghiên cứu định lượng. Cụ thể gồm các phần sau: (1) Thống kê mô tả mẫu nghiên cứu; (2) Đánh giá độ tin cậy của thang đo bằng hệ số Cronbach‟s Alpha; (3) Kiểm định giá trị thang đo bằng phân tích EFA; (4) Dùng mơ hình SEM để kiểm định mơ hình nghiên cứu, kiểm định các giả thuyết nghiên cứu, kiểm định Bootstrap, phân tích cấu trúc đa nhóm.
4.1. Thơng tin mẫu khảo sát
Bảng 4.1: Bảng kết quả mô tả mẫu nghiên cứu
Đặc điểm mẫu Mã hóa Số lƣợng Tỷ lệ %
Giới tính Nữ 1 218 31.4% Nam 2 476 68.6% Total 694 100.0% Độ tuổi Dưới 25 tuổi 1 68 9.8% Từ 25 đến 34 tuổi 2 362 52.2% Từ 35 đến 44 tuổi 3 205 29.5% Trên 44 tuổi 4 59 8.5% Total 694 100.0% Thu nhập Dưới 5 triệu 1 63 9.1% Từ 5 đến 9 triệu 2 151 21.8% Từ 10 đến 14 triệu 3 411 59.2% Trên 14 triệu 4 69 9.9% Total 694 100.0%
(Nguồn: Xử lý từ dữ liệu điều tra của tác giả)
Trong nghiên cứu định lượng chính thức, mẫu được thu thập dữ liệu theo phương pháp chọn mẫu thuận tiện với 800 bảng câu hỏi được phát ra cho đối tượng khảo sát là nhân viên đang làm việc tại các công ty thang máy ở tại TP.HCM, số lượng mẫu thu về được 752 bảng câu hỏi. Sau khi sàng lọc có 58 bảng câu hỏi không đạt yêu cầu, nguyên nhân chủ yếu do đối tượng không đọc kỹ câu hỏi, đánh nhiều lựa chọn trong cùng một câu hỏi, trả lời theo quy luật, thông tin trả lời không
đầy đủ, trả lời tất cả các tham số như nhau. Số mẫu thực tế hợp lệ còn lại là 694 bảng câu hỏi, đạt tỷ lệ 86.75%. Kết quả thống kê mơ tả mẫu nghiên cứu được trình bày ở bảng 4.1.
Về giới tính: Trong 694 bảng khảo sát định lượng chính thức thì nam giới có
476 đối tượng, chiếm 68.6%; nữ giới có 218 đối tượng, chiếm 31.4%. Số liệu này cho thấy số lượng nhân viên nam tại các công ty thang máy chiếm tỷ trọng cao hơn so với số lượng nhân viên nữ giới.
Về độ tuổi: Trong 694 bảng khảo sát định lượng chính thức thì độ tuổi dưới 25
có 68 đối tượng chiếm 9.8%; độ tuổi từ 25 tuổi đến 34 tuổi có 362 đối tượng chiếm 52.2%; độ tuổi từ 35 đến 44 có 205 đối tượng chiếm 29.5%; độ tuổi trên 44 có 59 đối tượng chiếm 8.5%. Số liệu này cho thấy số lượng nhân viên làm việc trong các các cơng ty thang máy chủ yếu tập trung ở nhóm có độ tuổi từ 25 đến 34 và độ tuổi từ 35 đến 44.
Về thu nhập: Đối tượng thu nhập dưới 5 triệu có 63 đối tượng chiếm 9.1%, thu
nhập từ 5 đến 9 triệu có 151 đối tượng chiếm 21.8%, thu nhập từ 10 đến 14 triệu có 411 đối tượng chiếm 59.2%, thu nhập trên 14 triệu có 69 đối tượng chiếm 9.9%. Từ số liệu này cho thấy thu nhập của những đối tượng trên 10 triệu chiếm tỷ trọng khá cao 69.1% (vì nhóm từ 10 đến 14 triệu chiếm 59.2% cộng với nhóm trên 14 triệu chiếm 9.9%).
4.2 Đánh giá độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha
Kết quả phân tích độ tin cậy của thang đo bằng hệ số Cronbach‟s Alpha được trình bày tóm tắt trong bảng 4.2, chi tiết tại phụ lục 8.1, cho thấy các thang đo đều đạt hệ số Cronbach‟s Alpha ≥ 0.6. Tuy nhiên biến “tccd4” có hệ số tương quan biến tổng là 0.144 < 0,3; biến “tccd8” có hệ số tương quan biến tổng là 0.130 < 0.3, biến “shtctc6” có hệ số tương quan biến tổng là 0.227 < 0.3. Vì vậy phải loại bỏ 3 biến này và tiến hành kiểm định lần thứ hai (phụ lục 8.1). Kết quả lần thứ hai cho thấy hệ số Cronbach‟s Alpha đều lớn hơn 0.6 (dao động từ 0.862 đến 0.893) và hệ số tương quan biến tổng của các biến quan sát đều lớn hơn 0.3 (dao động từ 0.648 đến
0.773). Do đó thang đo đạt độ tin cậy cần thiết và có thể sử dụng cho các kiểm định tiếp theo.
Bảng 4.2: Kết luận về kiểm định độ tin cậy bằng hệ số Cronbach’s Alpha
Khái niệm Số biến quan sát
sau kiểm định Cronbach‟s Alpha Hệ số tương quan biến tổng nhỏ nhất Tính cách chủ động 7 ( loại tccd4, tccd8) 0.893 0.648 (tccd3) Sự hỗ trợ của tổ chức 5 (loại shtctc6) 0.886 0.691 (shtctc5) Sự sáng tạo của nhân viên
4 0.865 0.657 (sstcnv1) Ý nghĩa công việc
3 0.880 0.763 (ynccv1)
Động lực nội tại
3 0.862 0.732 (dlnt1 bằng dlnt2)
(Nguồn: Xử lý từ dữ liệu điều tra của tác giả)
4.3 Phân tích nhân tố khám phá (EFA)
Kết quả nhân tố khám phá (EFA) với 22 biến quan sát (phụ lục 8.2) như sau: Hệ số KMO = 0.894 > 0.5 và kiểm định Bartlett có giá trị Chi-square = 8146.575 với Sig = 0.000 < 0.05, điều này cho thấy việc phân tích nhân tố là phù hợp. Đồng thời tổng phương sai trích là 61.796% > 50% cho thấy 5 nhân tố được rút trích giải thích 61.796% sự biến thiên của tập dữ liệu và giá trị Eigenvalue lớn hơn 1 đủ tiêu chuẩn phân tích nhân tố.
Ngồi ra, các biến quan sát có mức tải nhân tố lớn hơn 0.5 (bảng 4.3), chứng tỏ các biến quan sát có ý nghĩa thực tiễn (Theo Hair & cộng sự, 1998), như vậy các khái niệm này có thể dùng cho các bước phân tích tiếp theo.
Bảng 4.3: Kết quả phân tích ma trận xoay nhân tố khám phá (EFA) Factor 1 2 3 4 5 tccd7 .830 tccd9 .813 tccd6 .749 tccd2 .719 tccd1 .693 tccd5 .678 tccd3 .665 shtctc3 .831 shtctc2 .817 shtctc4 .801 shtctc5 .737 shtctc1 .717 sstcnv2 .879 sstcnv3 .784 sstcnv1 .724 sstcnv4 .723 ynccv1 .856 ynccv2 .841 ynccv3 .836 dlnt3 .843 dlnt1 .814 dlnt2 .804
4.4. Phân tích nhân tố khẳng định (CFA)
Mơ hình nghiên cứu được đo lường bằng 22 biến quan sát, kết quả phân tích CFA cho 5 khái niệm: Tính cách chủ động (TCCĐ), sự hỗ trợ của tổ chức (HTTC), ý nghĩa công việc (YNCV), động lực nội tại (ĐLNT) và sự sáng tạo của nhân viên (STNV), được trình bày ở hình 4.1 (chi tiết tại phụ lục 8.3).
Hình 4.1: Kết quả CFA mơ hình đo lƣờng tới hạn (chuẩn hóa)
Kết quả phân tích cho thấy mơ hình này có giá trị thống kê Chi-bình phương là
326.056 có P-value=0.000 < 0.05 với bậc tự do df= 199, giá trị CMIN/df=1.638 < 2.