7. Kết cấu luận văn
2.2. Phương pháp và thiết kế nghiên cứu
2.2.2 Phương pháp phân tích dữ liệu
Đối với phương pháp nghiên cứu định tính mẫu được chọn là các cá nhân có kinh nghiệm trong lĩnh vực nghiên cứu số lượng 10 thành viên để tham gia thảo luận nhóm.
Đối với nghiên cứu định lượng do khó khăn trong việc nếu chọn mẫu theo phương pháp xác suất, nên sẽ chọn mẫu theo phương pháp phi xác suất là chọn mẫu thuận tiện kết hợp với định mức, tuy phương pháp chọn mẫu này khơng có tính khái qt tốt nhưng vẫn có thể đảm bảo kết quả nghiên cứu có được.
Nghiên cứu định lượng: cơng cụ thu thập dữ liệu là bảng câu hỏi khảo sát, được thiết kế dựa vào các nghiên cứu trước đây và kết quả của q trình nghiên cứu định tính.
Cơng cụ phục vụ cho nghiên cứu định lượng sử dụng phần mềm Excel để nhập dữ liệu thu thập được, sau đó dùng phần mềm SPSS 20.0 để phân tích các kỹ thuật định lượng cần thiết (Cronbach alpha, EFA, tương quan, hồi quy).
Sau khi có được mơ hình và thang đo chính thức cho bài nghiên cứu, tiến hành thu thập dữ liệu thứ cấp và dữ liệu sơ cấp cho bài nghiên cứu, sau đó nhập liệu và làm sạch dữ liệu, và tiến hành phân tích dữ liệu cần thiết với các kỹ thuật nghiên cứu định lượng như kiểm định độ tin cậy thang đo (cronbach alpha), phân tích nhân tố khám phá (EFA), phân tích tương quan và hồi quy tuyến tính bội để biết được mức độ tác động của các yếu tố đến sự gắn kết trong công việc của người lao động, kiểm định các giả thuyết nghiên cứu, kết hợp các kỹ thuật thống kê mơ tả để tóm tắt mẫu nghiên cứu và phân tích dữ liệu thứ cấp.
Các dữ liệu thứ cấp được thu thập và xử lý thông qua các kỹ thuật thống kê mô tả để có thể mơ tả được tình hình các yếu tố ảnh hưởng đến sự gắn kết của người lao động tại De Heus trong thời gian qua, các số liệu được xử lý vẽ các biểu đồ thông qua phần mềm Excel.
Số liệu sơ cấp từ việc khảo sát được nhập liệu thông qua phần mềm Excel, được kiểm tra sơ bộ để làm sạch dữ liệu, sau đó được đưa vào phần mềm SPSS mã hóa và làm sạch dữ liệu chính thức để phục vụ cho các nghiên cứu định lượng chính thức.
2.2.2.1 Sàng lọc dữ liệu
Dữ liệu thu thập được nhập vào phần mềm excel, sau đó được sàng lọc sơ bộ và đưa vào phần mềm SPSS, từ SPSS sẽ phát hiện các dữ liệu bị thiếu, dữ liệu bị trùng lắp (các dữ liệu lõi) từ đó đưa vào nghiên cứu chính thức, các dữ liệu thiếu được thay thế bằng các quan sát có số điểm trung bình để tiện cho việc xử lý dữ liệu.
2.2.2.2 Kiểm định thang đo (cronbach alpha)
Thang đo được kiểm định thơng qua phân tích hệ số cronbach apha, các khái niệm nghiên cứu có hệ số cronbach alpha > 0.6 được chấp nhận, và các biến quan sát có hệ số tương quan biến tổng > 0.3 sẽ được chấp nhận, sau khi kiểm định thang đo thông qua hệ số cronbach alpha.
Độ tin cậy của thang đo được đánh giá thông qua hệ số Cronbach’s Alpha. Phép kiểm định này phản ánh mức độ tương quan chặt chẽ giữa các biến quan sát trong cùng một nhân tố.
Hệ số Cronbach’s Alpha có giá trị biến thiên trong khoảng [0,1]. Về lý thuyết, hệ số này càng cao càng tốt (thang đo càng có độ tin cậy cao). Tuy nhiên điều này khơng hồn tồn chính xác. Hệ số Cronbach’s Alpha quá lớn (α> 0.95) cho thấy có nhiều biến trong thang đo khơng có khác biệt gì nhau (nghĩa là chúng cùng đo lường một nội dung nào đó của khái niệm nghiên cứu. Hiện tượng này gọi là trùng lắp trong đo lường(redundancy) (Nguyễn Đình Thọ, 2013).
Mơ hình đo lường kết quả dựa trên nguyên tắc trùng lắp (De Vellis, 2003trích từ Nguyễn Đình Thọ, 2013). Các biến đo lường dùng để đo lường cùng một khái niệm nghiên cứu nên chúng phải có tương quan chặt chẽ với nhau. Vì vậy khi kiểm tra từng biến đo lường chúng ta sử dụng hệ số tương quan biến-tổng (item-total
correlation). SPSS sử dụng hệ số tương quan biến-tổng hiệu chỉnh (corrected item- total correlation). Hệ số này lấy tương quan của biến đo lường xem xét với tổng các
biến cịn lại của thang đo (khơng tính biến đang xem xét). Nếu một biến đo lường có hệ số tương quan biến-tổng hiệu chỉnh≥ 0.30 thì biến đó đạt u cầu (Nunnally và Bernstein, 1994 trích từ Nguyễn Đình Thọ, 2013).
Vì vậy một thang đo có độ tin cậy tốt khi nó biến thiên trong khoảng [0.75- 0.95]. Nếu Cronbach’s Alpha ≥ 0.60 là thang do có thể chấp nhận được về mặt độ tin cậy (Nunnally và Bernstein, 1994 trích từ Nguyễn Đình Thọ, 2013)
2.2.2.3 Phân tích nhân tố khám phá EFA
Với bài nghiên cứu này, phương pháp mơ hình nhân tố chung (Common Factor
Model – CFM) được sử dụng với phép trích Principal Axis Factoring và phép xoay
Promax, bởi vì phương pháp này phản ánh cấu trúc dữ liệu chính xác hơn các phương pháp khác (Gerbing và Anderson 1988 trích dẫn từ Nguyễn Đình Thọ 2013).
Hai giá trị quan trọng của thang đo là giá trị hội tụ và giá trị phân biệt. Phương pháp phân tích nhân tố khám phá EFA,được sử dụng để đánh giá hai loại giá trị này
và thơng qua đánh giá ba thuộc tính quan trọng trong kết quả EFA gồm: (1) số lượng nhân tố trích được, (2) trọng số nhân tố và (3) tổng phương sai trích.
(1) Xem xét số lượng nhân tố trích cho phù hợp với giả thuyết ban đầu về số lượng khái niệm nghiên cứu. Nếu đạt được điều này, có thể kết luận là các khái niệm nghiên cứu (đơn hướng) đạt giá trị phân biệt.
(2) Trọng số nhân tố của biến Xi trên nhân tố mà nó là một biến đo lường sau khi quay phải cao và các trọng số trên các nhân tố khác nó khơng đo lường phải thấp. Đạt được điều kiện này, thang đo đạt giá trị hội tụ. Theo Hair và cộng sự (2009) thì:
• Trọng số nhân tố ≥ 0.3: Điều kiện tối thiểu để biến quan sát được giữ lại. • Trọng số nhân tố ≥ 0.5: Biến quan sát có ý nghĩa thống kê tốt.
• Trọng số nhân tố ≥ 0.7: Biến quan sát có ý nghĩa thống kê rất tốt.
Tuy nhiên, giá trị tiêu chuẩn của trọng số nhân tố phụ thuộc vào kích thước mẫu. Với từng khoảng kích thước mẫu khác nhau, mức trọng số nhân tố để biến quan sát có ý nghĩa thống kê là hồn tồn khác nhau.Với tiêu chí chấp nhận:trọng số nhân tố ≥ 0.4 (với kích thước mẫu tối thiểu 200) để đảm bảo ý nghĩa thiết thực của phân tích khám phá nhân tố trong trường hợp này (Hair và cộng sự, 2010 trích từ Nguyễn Đình Thọ, 2013). Chênh lệch giữa trọng số nhân tố lớn nhất và trọng số nhân tố bất kỳ ≥ 0.3 (Jabnoun và Al-Tamimi, 2003 trích từ Nguyễn Đình Thọ, 2013) để đảm bảo giá trị thang đo.
(3) Tổng phương sai trích TVE ≥ 50% (Gerbing và Anderson, 1988) để đảm bảo giá trị trong nghiên cứu thực tiễn.
Kiểm định KMO là chỉ số dùng để so sánh độ lớn của hệ số tương quan giữa hai biến với độ lớn của hệ số tương quan từng phần của chúng (Norusis, 1994 trích từ Nguyễn Đình Thọ, 2013). Để sử dụng EFA, KMO ≥ 0.50. Kaiser (1974) đề nghị với 0.50 ≤ KMO ≤ 1 thì phân tích nhân tố là thích hợp.
Kiểm định Bartlett dùng để xem xét ma trận tương quan có phải là một trận đơn vị I. Nếu kiểm định này có p < 0.05 (có ý nghĩa thống kê) thì các biến quan sát có tương quan với nhau trong tổng thể (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Phân tích nhân tố khám phá cũng góp phần vào điểu chỉnh mơ hình nghiên cứu thông qua kiểm định giá trị nội dung và giá trị hội tụ của các biến quan sát trên nhân tố mà nó đo lường thơng qua hệ số tải nhân tố lên nhân tố mà biến quan sát sẽ hội tụ sẽ cho thấy những biến quan sát nào đạt yêu cầu và không đạt yếu cầu (hệ số KMO > 0.5, giá trị kiểm định sig. <0.05 thì mơ hình có ý nghĩa barlett test đạt u cầu, tổng phương sai trích > 50%, hệ số tải nhân tố > 0.5), bên cạnh đó sẽ dùng kết quả hồi quy để điều chỉnh mơ hình nghiên cứu sơ bộ.
2.2.2.4 Phân tích tương quan và hồi quy
Thơng qua kết quả của phân tích tương quan (sau khi kiểm định độ tin cậy thang đo, phân tích nhân tố khám phá) các biến đạt yêu cầu sẽ được dùng để phân tích mối quan hệ nhân quả giữa những biến độc lập và biến phụ thuộc, kết quả hồi quy tuyến tính sẽ cho ta trả lời rõ những phần này.
Thơng qua kết quả phân tích hồi quy tuyến tính, sẽ đo lường được sự tác động của các yếu tố đến biến phụ thuộc (dựa vào hệ số Beta chuẩn hóa), bên cạnh đó các giá trị kiểm định của hệ số Beta cho ta biết được các giả thuyết nghiên cứu có được chấp nhận hay bác bỏ từ đây ta có thể kết luận để đi đến hàm ý và gợi mở cho các hướng nghiên cứu tiếp theo, cũng như rút ra kinh nghiệm cho bài nghiên cứu của tác giả.