Chƣơng 3 : PHƢƠNG PHÁP NGHIÊN CỨU
3.5. Thu thập thông tin từ bảng hỏi
Trên cơ sở danh sách mẫu 300 đáp viên - là các tiếp viên hàng không tại Vietnam Airlines học viên đã triển khai công tác thu thập dữ liệu như sau:
Bước 1: Sử dụng phần mềm word 7 để thiết kế bảng câu hỏi và in ấn các bản câu
hỏi
Bước 2: Gửi trực tiếp bản hỏi cho các là các tiếp viên hàng không tại Vietnam Airlines đã dự kiến khảo sát. Để cho quá trình triển khai diễn ra nhanh chóng, học viên sẽ lựa chọn 10 đáp viên tin cậy để tập huấn kỹ về quá trình phỏng vấn và nhờ họ hỗ trợ trong việc phát các bảng hỏi cho các tiếp viên
Bước 3: Cung cấp thêm các thông tin chi tiết cho mỗi đáp viên tin cậy đã được xác
lập này bằng điện thoại, email để qua đó nhờ họ triển khai thu thập thông tin về 30 tiếp viên.
Bước 4: Nhận lại các phiếu hỏi đã được trả lời từ đáp viên tin cậy đã được xác lập
này; đối với các trường hợp chưa rõ ràng về các ý nghĩa kết quả trả lời; tác gia sẽ tiến hành gặp trực tiếp người trả lời để xin ý kiến hoặc gọi điện thoại hỏi thêm cho rõ ràng.
Khi triển khai thu thập số liệu tác giả sẽ lưu ý một số vấn đề sau:
(1) Sự rõ ràng về ý nghĩa, câu chữ của các vấn đề muốn khảo sát; đảm bảo người trả lời hiểu rõ các vấn đề cần trả lời.
(2) Cần tập huấn kỹ lưỡng cho đáp viên tin cậy đã được xác định, để đảm bảo họ là cầu nối tốt giữa tác giả và các người được phỏng vấn. Đây là vấn đề quan trọng nhằm giảm thiểu các sai lệch về thông tin, và đảm bảo đáp viên tin cậy hỗ trợ đúng, đủ và nhiệt tình cho tác giả.
(3) Vấn đề rà sốt lại các bảng hỏi, tính hợp lệ của các bảng hỏi sau khi phỏng vấn
3.6. Phƣơng pháp xử lý dữ liệu
mềm Exel và sau đó được đưa vào phần mềm SPSS và AMOS để tiến hành các kỹ thuật tính tốn.
Kiểm định độ tin cậy của thang đo, việc kiểm định thang đo sẽ giúp tác giả nhìn
nhận lại nhân tố nào hợp lệ, nhân tố nào bị loại bỏ trước khi tiến hành các phân tích tiếp theo. Để kiểm định độ tin cậy của thang đo học viên đã tính tốn hệ số Cronbach’s Alpha và hệ số tương quan biến tổng thể.
Nhiều nhà nghiên cứu đồng ý rằng hệ số Cronbach Alpha từ 0.8 trở lên đến gần 1 thì thang đo lường là tốt, từ 0.7 đến gần 0.8 là sử dụng được. Cũng có nhà nghiên cứu đề nghị rằng Cronbach Alpha từ 0.6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang nghiên cứu là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu (Hoàng Trọng - Chu Nguyễn Mộng Ngọc, 2008). Vì vậy đối với nghiên cứu này thì Cronbach Alpha từ 0.6 trở lên là sử dụng được.
Hệ số tƣơng quan biến tổng là hệ số tương quan của một biến với điểm trung bình
của các biến khác trong cùng một thang đo, do đó hệ số này càng cao thì sự tương quan của biến này với các biến khác trong nhóm càng cao. Theo Nunnally & Burnstein(1994), các biến có hệ số tương quan biến tổng nhỏ hơn 0.3 được coi là biến rác và sẽ bị loại khỏi thang đo.
Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) là kỹ thuật sử dụng để thu nhỏ và tóm tắt dữ liệu. Phân tích nhân tố khám phá phát huy tính hữu ích trong việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu cũng như tìm ra các mối quan hệ giữa các biến với nhau. Phép phân tích nhân tố của các khái niệm nghiên cứu được xem xét để cung cấp bằng chứng về giá trị phân biệt và giá trị hội tụ của thang đo.
Mức độ thích hợp của tương quan nội tại các biến quan sát trong khái niệm nghiên cứu được thể hiện bằng hệ số KMO (Kaiser – Mever – Olkin). Trị số KMO lớn (giữa 0.5 và 1) là điều kiện đủ để phân tích nhân tố là thích hợp, cịn nếu trị số này nhỏ hơn 0.5 thì phân tích nhân tố có khả năng khơng thích hợp với dữ liệu.
Đo lường sự thích hợp của mẫu và mức ý nghĩa đáng kể của kiểm định Bartlett‟s Test of Sphericity trong phân tích khám phá dùng để xem xét sự thích hợp của phân tích
nhân tố.
Rút trích nhân tố đại diện bằng các biến quan sát được thực hiện với phép quay Varimax và phương pháp trích nhân tố Principle components.
Các thành phần với giá trị Eigenvalue lớn hơn 1 và tổng phương sai trích bằng hoặc lớn hơn 50% được xem như những nhân tố đại diện các biến.
Hệ số tải nhân tố (Factor loading) biểu diễn các tương quan đơn giữa các biến và các nhân tố bằng hoặc lớn 0.5 mới có ý nghĩa.
Phân tích nhân tố khẳng định (CFA), Theo Hair và cộng sự (2014), Mơ tả lại mơ
hình dù với lý do gì thì vẫn ln ln dựa trên lý thuyết mà mơ hình được xây dựng. Nếu việc điều chỉnh là nhỏ thì lý thuyết tổng thể của mơ hình đo lường có thể khơng bị ảnh hưởng nhiều và nghiên cứu có thể tiếp tục thực hiện bằng cách sử dụng mơ hình đã mơ tả và dữ liệu trước đó sau khi thực hiện đề xuất thay đổi.
Nếu việc điều chỉnh là lớn (đáng kể) thì nhà nghiên cứu phải sẵn sàng sửa đổi lý thuyết đo lường mà kết quả là tạo ra một mơ hình đo lường mới. Với cơ sở lý thuyết mạnh cho CFA thì nhà nghiên cứu nên tránh thực hiện những thay đổi chỉ dựa trên các các tiêu chuẩn thực nghiệm như các kết quả chẩn đoán của CFA. Hơn nữa, các mối quan tâm khác cần được xem xét trước khi thực hiện bất kỳ sự thay đổi nào bao gồm tính tồn vẹn lý thuyết (theoretical integrity) của các khái niệm riêng rẽ và mơ hình đo lường tổng thể và các giả định và hướng dẫn phù hợp với thực tiễn tốt.
Kiểm định mơ hình bằng mơ hình hóa cấu trúc tuyến tính SEM, Theo Hair và
cộng sự (2014), Tính phổ biến & bao quát của mô hình SEM so với các phương pháp thống kê truyền thống được thể hiện ở chổ mơ hình SEM được sử dụng trong hầu hết các nghiên cứu xã hội, hành vi, khoa học giáo dục, cũng như các ngành sinh học, kinh tế, marketing và cả trong các nghiên cứu y học. Lý do cho sự phổ biến của phương pháp là mơ hình SEM cung cấp một công cụ hiệu quả để định lượng và kiểm chứng các lý thuyết. Những khía cạnh của mơ hình SEM khác biệt so với các phương pháp ước lượng truyền thống có thể liệt kê như sau:
· Thứ nhất, mơ hình SEM tiếp cận vấn đề theo cách xác nhận (confirmatory) hơn là khám phá (exploratory) khi phân tích dữ liệu (mặc dù mơ hình SEM vẫn thực hiện được
nhân tố khám phá). Hơn nữa, bằng cách đòi hỏi mối quan hệ giữa các biến (intervariable relations) trong mơ hình phải được xác định trước, mơ hình SEM tập trung vào phân tích dữ liệu cho mục đích diễn giải (inference) thống kê. Ngược lại, phần lớn các phương pháp phân tích đa biến khác chủ yếu là mô tả (chẳng hạn, nhân tố khám phá), vì vậy, khó khăn hoặc khơng thể kiểm định giả thuyết (Byrne, 2010).
· Thứ hai, nhiều phương pháp phân tích đa biến truyền thống không xét đến hoặc không khắc phục các sai số đo lường của biến. Mơ hình SEM cho phép ước lượng tham số chi tiết của những phương sai sai này đo lường này. Thật vậy, các phương pháp khác, chẳng hạn hồi quy OLS, ước lượng tuyến tính tổng quát GLM, đều giả định rằng các sai số trong biến giải thích bị triệt tiêu hay khơng tồn tại sai số trong các biến giải thích. Vì vậy, áp dụng những phương pháp truyền thống này, nếu tồn tại sai số đo lường trong các biến giải thích thì sẽ dẫn đến một sự khơng chính xác đáng kể, nhất là khi các sai số đo lường này lớn (Byrne, 2010). Trong trường hợp đó, áp dụng mơ hình SEM là một giải pháp rất phù hợp.
· Thứ ba, mặc dù trong phân tích dữ liệu các phương pháp trước chỉ dựa trên các biến đo lường được, ngược lại, mơ hình SEM có thể sử dụng được với các biến đo lường (observed variables), lẫn các biến khơng đo lường được (unobserved variables) hay cịn gọi là biến ẩn (latent variables).
· Thứ tư, mơ hình SEM cũng có thể thực hiện các kiểm định giả thuyết, các ước lượng điểm, ước lượng khoảng tương tự các phương pháp truyền thống khác. 1. Một lí do khác của phương sai khơng được giải thích có thể dữ liệu đảm bảo độ tin cậy nhưng không liên quan đến khái niệm đo lường. Một tên gọi khác cho phần sai phần dư (residual variance) này là phương sai riêng (specific variance).
Chƣơng 4: KẾT QUẢ NGHIÊN CỨU 4.1. Mô tả chung về mẫu nghiên cứu 4.1. Mô tả chung về mẫu nghiên cứu
Trên cơ sở triển khai thu thập mẫu 300 tiếp viên hàng không của Vietnam airlines học viên đã có được các thông tin khái quát chung về mẫu nghiên cứu như sau: (1) Số phiểu khảo sát phát ra 300 số phiếu thu về 296 (2) Số phiếu hợp lệ là 294 đạt tỷ lệ 98% quy mô mẫu dự kiến lớn hơn số mẫu tối thiểu cần phải có là 220. Như vậy mẫu thu thập được là đảm bảo tiêu chuẩn về quy mô mẫu đã được xác lập tại chương 3 của đề tài này. Các thông tin mô tả về mẫu nghiên cứu như sau:
Bảng 4.1. Đặc điểm mẫu nghiên cứu
Tiêu chí Phân loại Tần số Tỉ lệ (%)
Giới tính Nam 144 49%
Nữ 150 51%
Tình trạng hơn nhân Kết hôn 141 48%
Chưa kết hôn 153 52% Độ tuổi Dưới 21 57 19% Từ 21 đến 30 160 53.3% Từ 31 đến 40 83 27.7% Trình độ Dưới đại học 64 21,3% Đại học 236 78,7%
Thu nhập Dưới 30 triệu 270 90%
30- 50 triệu 30 10%
Thâm niên công tác
Dưới 3 năm 78 26%
3 -5 năm 66 22%
5 – 10 năm 156 52%
Nguồn: Kết quả khảo sát của tác giả
4.2. Phân tích độ tin cậy thang đo
Trên cơ sở dữ liệu thu thập. học viên đã tiến hành phân tích độ tin cậy thang đo của các nhân tố trong mơ hình nghiên cứu đã trình bầy tại chương 3 của đề tài nghiên
cứu. Các giá trị phản ánh độ tin cậy thang đo bao gồm: (i) Hệ số cronback Alpha > 0,6. (2) Tương quan nội > 0,3; và (3) Tương quan biến tổng > 0,3. Cụ thể các kết quả được thể hiện chi tiết ở phụ lục độ tin cậy thang đo và được tóm lược vào bảng sau:
Bảng 4.2: Tóm tắt độ tin cậy thang đo
Thang đo Hệ số
cronback alpha
Tƣơng quan biến tổng Ghi chú OSi (i= 1-6) 0,881 > 0,3 Đạt LMXi (i= 1-7) 0,858 > 0,3 Đạt SLi (i= 1-4) 0,845 > 0,3 Đạt TRi (i= 1-5) 0,802 > 0,3 Đạt SATISi (i= 1-5) 0,798 > 0,3 Đạt EMCOi (i= 1-5) 0,900 > 0,3 Đạt BECOi (i= 1-5) 0,901 > 0,3 Đạt MOCOi (i= 1-6) 0,891 > 0,3 Đạt
Nguồn: Tính tốn của học viên từ SPSS Như vậy các kết quả đều đạt và các thang đo đều được sử dụng vào các bước phân tích tiếp theo.
4.3. Phân tích nhân tố khám phá
Quá trình phân tích nhân tố khám phá phải thỏa mãn các điều kiện sau: KMO > 0.5; thang đo được chấp nhận nếu tổng phương sai trích >=50%; các yếu tố có Eigenvalue ln lớn hơn 1; Hệ số tải nhân tố được xác định là lớn hơn 0.5; đồng thời phương pháp trích Principal với phép quay Varimax được sử dụng để tối thiểu hóa lượng biến có hệ số lớn tại cùng một nhân tố nhằm tăng cường khả năng giải thích các nhân tố.
Tác giả đã tiến hành phương pháp phân tích nhân tố cho biến giải thích và các nhóm biến phụ thuộc nhằm loại bớt biến. đạt được các giá trị tối ưu và thu nhỏ các biến quan sát thành các nhân tố phục vụ cho việc nghiên cứu. Kết quả tính tốn chi tiết được tác giả trình bày chi tiết ở phụ lục và bảng tổng hợp kết quả như dưới đây:
Bảng 4.3: Kết quả phân tích nhân tố khám phá cho các nhóm biến nghiên cứu
No Efa Kmo Bartlett's Test
of Sphericity
Cumulative %
Conclusion
01 EFA cho nhóm biến OSi (i= 1-6)
0,870 Sig <0,05 66,233 Nhóm biến OSi được thu thành 1 nhân tố hợp lý cho việc nghiên cứu và đặt tên là OS
02 EFA cho nhóm biến LMXi (i= 1-7)
0,797 Sig <0,05 55,324 Nhóm biến LMXi được thu thành 1 nhân tố hợp lý cho việc nghiên cứu và đặt tên là LMX
03 EFA cho nhóm biến SLi(i= 1-4)
0,807 Sig <0,05 68,362 Nhóm biến SLi được thu thành 1 nhân tố hợp lý cho việc nghiên cứu và đặt tên là SL
04 EFA cho nhóm biến TRi (i= 1-5)
0,737 Sig <0,05 56,263 Nhóm biến TRi được thu thành 1 nhân tố hợp lý cho việc nghiên cứu và đặt tên là TR
05 EFA cho nhóm biến SATISi (i= 1-4) – loại SATIS5
0,711 Sig <0,05 60,701 Nhóm biến SATISi được thu thành 1 nhân tố hợp lý cho việc nghiên cứu và đặt tên là SATIS
06 EFA cho nhóm biến EMCOi (i= 1-5)
0,877 Sig <0,05 71,877 Nhóm biến EMCOi được thu thành 1 nhân tố hợp lý cho việc nghiên cứu và đặt tên là EMCO
07 EFA cho nhóm biến BECOi (i= 1-5)
0,870 Sig <0,05 74,039 Nhóm biến BECOi được thu thành 1 nhân tố hợp lý cho việc nghiên cứu và đặt tên là BECO
08 EFA cho nhóm biến MOCOi (i= 1-6)
0,884 Sig <0,05 64,972 Nhóm biến MOCOi được thu thành 1 nhân tố hợp lý cho việc nghiên cứu và đặt tên là MOCO
Như vậy q trình phân tích nhân tố khám có 8 nhân tố phù hợp được hình thành.
4.4. Phân tích nhân tố khẳng định
Để xem xet các nhân tố đã được khám phá ở các phần trên có đảm bảo các yếu tố của một mơ hình chuẩn hay khơng, tác giả tiến hành phân tích khẳng định lại các nhân tố (CFA) cho các thang đo đạt cuahuaane và được tổng hợp thành các bảng kết quả và các biểu đồ đi kèm như sau; đồng thời được chi tiết tại phụ lục của luận văn.
Bảng 4.4: Bảng tổng hợp CFA các nhân tố độc lập
Nhân tố Chi^2/df GFI TLI CFI RMSEA Kết luận Nhóm nhân tố độc lập LM, SL và TR 2,910 0.903 0,932
0,946 0,081 Như vậy về cơ bản CFA nhóm nhân tố độc lập là đạt yêu cầu, riêng nhân tố OS là không đạt tiêu chuẩn khi CFA nên bị loại khỏi mơ hình
Bảng 4.5: Bảng tổng hợp second order factor CFA các nhân tố gắn kết
Nhân tố Chi^2/df GFI TLI CFI RMSEA Kết luận Nhóm nhân tố gắn kết EMCO, BECO, MOCO 2,563 0.905 0,965
0,976 0,073 Như vậy về cơ bản CFA nhóm nhân tố gắn kết là đạt yêu cầu
Nguồn: Kết quả tính tốn từ AMOS
Bảng 4.6: Bảng tổng hợp CFA cho mơ hình tới hạn
Nhân tố Chi^2/df GFI TLI CFI RMSEA Kết luận Tất cả các nhân tố và các nhân tố găn kết dạng second order factor 2,239 0.901 0,909
0,922 0,065 Như vậy về cơ bản CFA các nhóm nhân tố là đạt yêu cầu
Nguồn: Kết quả tính tốn từ AMOS
Tóm lại, với việc xem xét các chỉ tiêu đánh giá độ tin cậy của mơ hình là Chi- square/df là < = 3; GFI; TLI; CFI đều > = 0.9 và < = 1; RMSEA nhỏ hơn 0.08; như vậy các nhân tố trong phép xoay của phân tích nhân tố khám phá (EFA), loại bỏ các thang đo không đạt đủ độ tin cậy; và sau khi được phân tích khẳng định lại bằng kỹ thuật CFA đều
đã đạt các yêu cầu về mặt lý thuyết và được tiếp tục xem xét trong các phân tích tiếp theo.
4.5. Phân tích hồi quy mối quan hệ giữa sự hài lòng và sự gắn kết của tiếp viên Vietnam Airlines theo mơ hình SEM Vietnam Airlines theo mơ hình SEM
Trên cơ sở các kết quả kiểm định độ tin cậy của thang đo và phân tích nhân tố khám phá, phân tích nhân tố khẳng định và căn cứ vào phần lý luận đã trình bầy tại chương 2 và 3; học viên đã hình thành mơ hình nghiên cứu về mối quan hệ giữa sự hài lòng và sự gắn kết của tiếp viên hàng khơng theo mơ hình SEM. Cụ thể kết quả: