CHƯƠNG 3 : PHƯƠNG PHÁP NGHIÊN CỨU
3.7 Phương pháp xử lý dữ liệu
Phương pháp xử lý dữ liệu được thực hiện qua các bước sau:
3.7.1 Thống kê mô tả
Sau khi phát phiếu khảo sát khoảng một tuần, tác giả liên hệ lại với cán bộ, viên chức để thu lại các phiếu đã phát ra, sau đó sắp xếp lại theo nhóm các yếu tố và trước đó đã được đảo lộn, nhấp số liệu vào SPSS 20.0, những phiếu không đạt yêu cầu, bất hợp lý sẽ bị loại ra.
Trong đề tài luận văn, việc thống kê mô tả được thực hiện qua các đặc điểm: độ tuổi, nam nữ, trình độ, chức danh và số năm cơng tác.
3.7.2 Kiểm định độ tin cậy của thang đo
Dùng phương pháp Cronbach’s Alpha để kiểm định thang đo các nhân tố nhằm loại các biến khơng phù hợp, bởi vì các biến rác này có thể tạo ra các yếu tố giả. Trong nghiên cứu của tác giả, các biến quan sát có hệ số tương quan biến tổng nhỏ hơn 0,3 sẽ bị loại ra khỏi thang đo, khơng đưa vào phân tích nhân tố khám phá EFA và chấp nhận thang đo khi có độ tin cậy Alpha lớn hơn 0,6. Alpha càng lớn thì độ tin cậy nhất quán nội tại càng cao.
Theo Nunnally (năm 1994), ý nghĩa giá trị của Cronback Alpha như sau:
Bảng 3.2 Ý nghĩa giá trị của Cronbach’s Alpha
Giá trị của Cronbach’s Alpha
Ý nghĩa
< 0.6 Thang đo không chấp nhận
0.6 - 0.7 Chấp nhận được
0.7 - 0.8 Thang đo ổn định
0.8 - 0.9 Thang đo tốt
3.7.3 Phân tích nhân tố khám phá EFA
Sau khi thang đo các nhân tố được kiểm định bằng phương pháp Crobach’s Alpha sẽ tiếp tục được phân tích EFA để kiểm định giá trị tin cậy thang đo, độ hội tụ của các biến quan sát hoặc phát hiện ra nhân tố mới (nếu có). Phân tích EFA phải đảm bảo các giá trị sau:
- Hệ số tải nhân tố (Factor loading) lớn hơn 0,5 trong một nhân tố để đảm bảo có ý nghĩa thiết thực của EFA. Chêch lệch giá trị lớn nhất và giá trị lớn thứ nhì trong cùng một dòng lơn hơn 0,3 (Hair và cộng sự, 1998).
- Kaiser-Meyer-Olkin (Hệ số KMO) phải có giá trị trong khoảng lớn hơn hoặc bằng 0,5 và nhỏ hơn hoặc bằng 1 (Hair và cộng sự, 1998).
- Kiểm định Bartlett có ý nghĩa thống kê Sig. nhỏ hơn 0,05 thì các biến quan sát có mối tương quan với nhau trong tổng thể (Hair và cộng sự, 1998) .
- Percentage of variance: Phần trăm phương sai toàn bộ phải lớn hơn 50%, thể hiện phần trăm biến thiên của các biến quan sát, để biết được nhân tố giải thích được bao nhiêu % (Hair và cộng sự, 1998).
Sử dụng phương pháp trích yếu tố Princial components với phép quay Varimax và điểm dừng khi trích các yếu tố có Eigenvalues bằng 1 để đảm bảo số lượng nhân tố là bé nhất (Gerbing & Anderson, 1988).
3.7.4 Phân tích hồi qui tuyến tính bội
Bước 1: Phân tích hồi qui chỉ đủ điều kiện khi những biến độc lập có mối
tương quan với nhau, giữa các biến độc lập với biến phụ thuộc hệ số tương quan phải nhỏ hơn 0,85 (John và Benet – Martinez, 2000), vì nếu lớn hơn 0,85 thì rất dễ xảy ra đa cộng tuyến.
Bước 2: Xây dựng và kiểm định mơ hình hồi qui
Đưa các biến vào mơ hình hồi qui và dùng Enter - SPSS để xử lý hết các biến cùng một lần.
Hệ số R2 (R Square) được dùng để đánh sự phù hợp của mơ hình hồi qui, ví dụ R2 là 0.65, thì mơ hình hồi quy tuyến tính này phù hợp với tập dữ liệu ở mức 65%, có nghĩa là 65% biến thiên của biến phụ thuộc được giải thích bởi các biến độc lập. Thông thường, ngưỡng của R2 trên 50% thì mơ hình mới phù hợp. Tuy
nhiên, càng đưa nhiều biến vào mơ hình thì giá trị R2 càng tăng nên trong đề tài này tác giả sử dụng hệ số R2 điều chỉnh (Adjusted R Square) để đánh giá mức độ phù hợp của mơ hình.
Sử dụng phân tích ANOVA để lựa chọn mơ hình tối ưu. Dựa vào hệ số hồi quy đã chuẩn hóa (beta) để xác định mức độ ảnh hưởng nào là quan trọng của các biến độc lập đến biến phụ thuộc, hệ số beta của biến độc lập càng lớn thì độ ảnh hưởng càng lớn.
Bước 3: Kiểm tra các giả định hồi qui có bị vi phạm
Mơ hình hồi qui chỉ phù hợp với nghiên cứu mang tính tổng thể khi thỏa mãn các điều kiện sau:
Có quan hệ tuyến tính gữa các biến độc lập với biến phụ thuộc Phần dư của biến phụ thuộc có phân phối chuẩn.
Phương sai của sai số khơng đổi.
Khơng có tương quan giữa các phần dư (tính độc lập của các sai số). Khơng có hiện tượng đa cộng tuyến.
Được kiểm chứng bằng các công cụ.
Phát hiện hiện tượng đa cộng tuyến bằng hệ số phóng đại phương sai (Variance inflation factor - VIF). Nếu VIF lớn hơn 10 là dấu hiệu đa cộng tuyến.
TÓM TẮT CHƯƠNG 3
Tác giả sử dụng cả phương pháp nghiên cứu định tính và nghiên cứu định lượng. Phương pháp định tính được thực hiện qua việc phỏng vấn trực tiếp 15 người, gồm Lãnh đạo, công chức, viên chức tại UBND huyện Xuân Lộc để xây dựng các thang đo hợp lý để thực hiện khảo sát. Phương pháp định lượng được tiến hành qua việc sử dụng phần mềm SPSS 20.0 để xác định độ tin cậy của các thang đo, bao gồm có 7 yếu tố với 29 biến, xác định các nhóm nhân tố và phân tích độ ảnh hưởng của 6 yếu tố độc lập tác động đến 01 yếu tố phụ thuộc (động lực phụng sự công).