Ma trận xoay các thành phần Biến quan sát Nhân tố
1 2 M5 0,848 0,188 M6 0,836 0,072 M2 0,802 0,157 M8 0,799 0,136 M9 0,797 0,114 M3 0,796 0,112 M1 0,783 0,259 M7 0,772 0,152 M4 0,765 0,152 E8 0,144 0,854 E3 0,154 0,836 E9 0,146 0,826 E7 0,056 0,815 E4 0,230 0,792 E5 0,285 0,765 E2 0,099 0,753 E1 0,102 0,751 E6 0,139 0,710 Phương sai trích 44,810 65,840 Trị số Eigenvalues 8,066 3,785 KMO 0,911
Sig. (kiểm định Bartlett) 0,000
Nguồn: kết quả xử lý từ dữ liệu khảo sát của tác giả.
Kết quả từ bảng 3.7 cho thấy có 2 nhân tố được trích và có nhận xét như sau.
- Về trọng số nhân tố, các biến đều có trọng số nhân tố > 0,4, đồng thời chênh lệch
𝜆𝑖𝐴− 𝜆𝑖𝐵 > 0,3.
- Về tổng phương sai trích TVE là 65,84% > 50%. Về số lượng nhân tố trích, hệ số Eigenvalue là 3,785 > 1. Về kiểm định KMO và Bartlett, hệ số KMO là 0,911 > 0,5 và Sig. (mức ý nghĩa của kiểm định Bartlett) < 0,05.
- Từ đó, có thể kết luận rằng các kết quả phù hợp với các điều kiện của EFA. Vì vậy, có thể kết luận được rằng, phân tích EFA để kiểm định giá trị các thang đo trong mơ hình là phù hợp.
3.6.2.5. Kết luận về kết quả nghiên cứu sơ bộ định lượng.
Nghiên cứu sơ bộ với 150 người lao động thuộc đối tượng khảo sát theo phương pháp chọn mẫu thuận tiện, sau đó kiểm định độ tin cậy thang đo và phân tích nhân tố khám phá để đánh giá giá trị của thang đo. Kết quả kiểm định độ tin cậy các hệ số Cronbach’s alpha và hệ số tương quan biến tổng đều đạt yêu cầu. Kết quả EFA cho thấy duy nhất một biến khơng đạt u cầu vì có chênh lệch trọng số nhỏ hơn 0,3 là CB1. Tuy nhiên biến này vẫn chứa đựng giá trị nội dung cần thiết, cho nên biến này sẽ được xem xét tiếp trong nghiên cứu chính thức. Vì vậy, kết quả nghiên cứu sơ bộ không loại bỏ biến nào và vẫn giữ nguyên các biến như sau thảo luận cặp đôi. Bảng câu hỏi khảo sát chính thức được xây dựng từ các thang đo đạt yêu cầu để thu thập dữ liệu cho nghiên cứu định lượng chính thức.
3.7. Nghiên cứu định lượng chính thức.
Bước này bao gồm những hoạt động chính như sau: khảo sát chính thức, phân tích nhân tố khẳng định (CFA - Confirmatory Factor Analysis) và mơ hình cấu trúc tuyến tính (SEM - Structural Equation Modeling).
Khảo sát chính thức được thực hiện trên cơ sở khảo sát 336 người lao động nằm trong đối tượng khảo sát. Từ dữ liệu thu thập được tiến hành phân tích nhân tố khẳng định (CFA). Sau khi CFA đạt kết quả tốt, bước tiếp theo là kiểm định các mối quan hệ trong mơ hình khái niệm thơng qua phân tích mơ hình cấu trúc tuyến tính (SEM).
3.7.1. Phương pháp chọn mẫu
Nghiên cứu này là loại nghiên cứu lặp lại từ các nghiên cứu đã có trên thế giới, được kiểm chứng tại bối cảnh Việt Nam cụ thể là TP.HCM. Theo Nguyễn Đình Thọ (2014), một lý thuyết khoa học phải được kiểm định trong nhiều điều kiện và ngữ cảnh khác nhau. Nếu một lý thuyết được khẳng định thông qua nhiều lần kiểm định thì độ mạnh (khả năng giải thích và dự báo hiện tượng khoa học) của lý thuyết đó càng cao. Lần kiểm định này vẫn góp phần đánh giá lý thuyết, nghĩa là kết quả nghiên cứu vẫn có giá trị.
Mục tiêu chọn mẫu hướng đến trong nghiên cứu này là người lao động đang làm việc tại TP.HCM. Người lao động đang làm việc tại TP.HCM được lựa chọn làm tổng thể nghiên cứu vì chưa có bất kỳ một nghiên cứu nào khác về mối quan hệ giữa lãnh đạo tư lợi và sự kiệt sức về tinh thần của nhân viên, với vai trị trung gian sự hồi nghi của nhân viên đối với tổ chức tại TP.HCM.
Việc lựa chọn một phương pháp lấy mẫu phụ thuộc vào nhiều yếu tố như: bản chất của các vấn đề nghiên cứu, thời gian và chi phí, mức độ chính xác mong muốn và các phương pháp thu thập dữ liệu (de Vaus, 2004). Chọn mẫu thuận tiện là một phương pháp chọn mẫu phi xác suất, trong đó mọi người được chọn làm mẫu chi đơn giản vì họ là nguồn dữ liệu “thuận tiện” cho nhà nghiên cứu (Nguyễn Đình Thọ, 2014). Vì vậy, nghiên cứu này sử dụng kỹ thuật lấy mẫu thuận tiện (phương pháp chọn mẫu phi xác suất) vì tính mới của đề tài, đồng thời kỹ thuật này ít tốn kém, dễ tiếp cận đối tượng và mất ít thời gian nhất trong các kỹ thuật lấy mẫu.
3.7.2. Cấu trúc mẫu.
Tổng thể của nghiên cứu này người lao động đang làm việc tại TP.HCM, việc lựa chọn như vậy bởi vì ba lý do chính như sau. Đầu tiên người lao động đang làm việc tại TP.HCM được là bởi vì họ là những người làm việc trong thành phố lớn nhất tại miền Nam, nơi diễn ra nhiều hoạt động kinh tế và có nhịp sống sơi động. Như vậy, họ sẽ có khả năng cao chịu nhiều áp lực về cơng việc và xuất hiện sự kiệt sức về tinh thần hơn những nơi khác. Lý do thứ hai do trình độ văn hố nhìn chung cao hơn khu vực nơng thôn nên kiến thức về nơi làm việc và các mối quan hệ cơng việc có thể
được định hình rõ nét hơn. Và thứ ba là vì TP.HCM là nơi diễn ra các hoạt động kinh tế sôi nổi nên cần nhiều hơn nữa các giải pháp về lãnh đạo cũng như nguồn nhân lực.
Mẫu của nghiên cứu là những người người lao động đang làm việc tại TP.HCM, đồng thời là các học viên cao học hoặc sinh viên bằng 2 chính quy, đang học tập tại Đại Học Kinh Tế TP.HCM. Các đối tượng này là những người này đến từ nhiều ngành nghề và lĩnh vực hoạt động, phù hợp với sự đa dạng về ngành nghề của TP.HCM. Vì vậy, đặc điểm như trên nên các đối tượng này có thể đại diện cho đặc những người lao động đang làm việc tại TP.HCM.
Kích thước mẫu phụ thuộc vào kỳ vọng về độ tin cậy, phương pháp phân tích dữ liệu, phương pháp ước lượng và số lượng tham số ước lượng trong mơ hình nghiên cứu. Phương pháp phân tích dữ liệu chính trong nghiên cứu này là phân tích nhân tố khẳng định (CFA) và mơ hình cấu trúc tuyến tính (SEM). Hair và cộng sự (2014) cho rằng, nếu dùng phương pháp ước lượng ML (maximum likehood) thì kích thước mẫu tối thiếu phải từ 100 đến 150 quan sát. Tabachnick và cộng sự (2007) cho rằng, kích thước mẫu lớn hơn 300 quan sát là tốt, lớn hơn 500 quan sát là rất tốt và lớn hơn 1.000 quan sát là tuyệt vời. Từ những điều trên, để đảm bảo độ tin cậy cao của kết quả nghiên cứu, nghiên cứu này chọn mẫu có kích thước là 336. Với số lượng quan sát này, nghiên cứu sẽ có thể đáp ứng được các yêu cầu về kích thước mẫu nêu trên.
3.7.3. Quá trình thu thập dữ liệu.
Dựa vào bảng câu hỏi chính thức đã được thiết lập, các dữ liệu trong nghiên cứu chính thức được thu thập bằng cách sử dụng phương pháp khảo sát hai hình thức: (1) bảng câu hỏi khảo sát (tiếp cận trực tiếp đáp viên và phát bảng câu hỏi tự điền), (2) bảng câu hỏi khảo sát trực tuyến thông qua Google Forms. Bảng câu hỏi khảo sát tự điền được phân phối cho các học viên cao học và sinh viên văn bằng 2, khi họ tham dự lớp học vào buổi tối các ngày trong tuần, thứ bảy và chủ nhật.
Với cách tiếp cận trực tiếp, bảng câu hỏi tự điền có lợi thế là cho phép người trả lời cảm thấy tự do để trả lời các câu hỏi được đưa ra. Người trả lời có một khoảng thời gian để điền vào bảng câu hỏi và cho phép giấu tên của họ. Ngoài ra, với cách tiếp cận trực tiếp cho phép nhà nghiên cứu có thể giải đáp những thắc mắc của người
được hỏi, có thể làm sáng tỏ bất kỳ sự mơ hồ phát sinh cũng như giảm thiểu sự hiểu nhầm gây ảnh hưởng đến người trả lời.
Với câu hỏi khảo sát trực tuyến là một hình thức mới gần đây, tận dụng thế mạnh của công nghệ và internet. Bảng câu hỏi khảo sát trực tuyến có những ưu điểm so với bảng câu hỏi tự điền bằng tiếp cận trực tiếp, đó là tiết kiệm thời gian, người khảo sát có thể trả lời bất cứ khi nào và đối với một số câu hỏi nhạy cảm sẽ người trả lời cảm thấy tự do để trả lời các câu hỏi được đưa ra.
Mỗi hình thức đều có những ưu và nhược điểm khi so sánh với nhau. Cho nên nghiên cứu này sử dụng kết hợp cả hai hình thức trên khi thu thập dữ liệu. Mặt khác để thể hiện sự khách quan, nghiên cứu này sử dụng kết quả của các đối tượng khảo sát từ 224 phiếu khảo sát trực tiếp và 112 phiếu khảo sát trực tuyến bằng Google Forms.
3.7.4. Thống kê mơ tả mẫu.
Phân tích thống kê mơ tả: nhằm cung cấp thông tin tổng quan về mẫu nghiên cứu dựa vào tần suất, tỉ lệ, trung bình, các giá trị lớn nhất nhỏ nhất, các biểu đồ...
- Giá trị trung bình: bằng tổng tất cả các giá trị biến quan sát chia cho số quan sát.
- Số trung vị: là giá trị của biến đứng ở giữa của một dãy số đã được sắp theo thứ tự tăng hoặc giảm dần.
- Mode: là giá trị có tần số xuất hiện cao nhất trong tổng số hay trong một dãy số phân phối.
- Phương sai: là trung bình giữa bình phương các độ lệch giữa các biến và giá trị trung bình của các biến đó.
- Độ lệch chuẩn: là căn bậc hai của phương sai.
3.7.5. Phân tích nhân tố khẳng định CFA.
3.7.5.1. Đánh giá mức độ phù hợp của mơ hình
Trước khi một lý thuyết có thể được kiểm định, điều kiện quan trọng là cấu trúc phải đạt tính đơn hướng theo Hair và cộng sự (2014). Tính đơn hướng thể hiện rằng một tập hợp các biến đo lường (items hoặc indicators) chỉ đo lường một cấu trúc
mà thơi. Khơng có hiện tượng tải trên nhiều cấu trúc khác nhau. Nói cách khác những tải chéo (nếu có) đều được giả định bằng 0.
Mơ hình phù hợp với dữ liệu thị trường : theo Hair và cộng sự (2014), đây
là điều kiện cần và đủ để đạt được tính đơn hướng, trừ trường hợp sai số của các biến quan sát có tương quan với nhau. Mơ hình được xem là phù hợp với dữ liệu thị trường khi các chỉ số thóa mãn các điều kiện sau:
- Chi-square/df (Chi-square điều chỉnh theo bậc tự do) nhỏ hơn 3. Trong một số nghiên cứu thực tế người ta phân biệt thành 2 trường hợp Chi-square/df nhỏ hơn 3 (với mẫu N < 200) và Chi-square/df nhỏ hơn 5 (với mẫu N > 200) (Hair và c.s., 2014).
- Chỉ số thích hợp so sánh (CFI - Comparative Fit Index) và chỉ số Turker - Lewis (TLI - Turker và Lewis index) lớn hơn 0,9. Chỉ số thích hợp tốt (GFI - Good of Fitness Index) có thể nhỏ hơn 0,9 cũng có thể chấp nhận được. và chỉ số RMSEA (Root Mean Square Error Approximation) nhỏ hơn 0,08 (Hu và Bentler, 1999).
- Một cách tổng quát, một số các tiêu chí để đánh giá sự phù hợp của mơ hình có thể được thể hiện qua bảng như sau.
Bảng 3.9 Các chỉ số đánh giá mơ hình phù hợp với dữ liệu thị trường.
Chỉ số Ký hiệu Giá trị tham chiếu Tác giả
Chi-bình phương điều chỉnh theo bậc tự do Chi- square/df (Cmin/df) Từ 1 - 3: tốt Kettinger và Lee (1995) Hu và Benler (1999) Hair và cộng sự (2014) Từ 3 - 5: chấp nhận được (3 với mẫu có N < 200 và 5 với mẫu có N > 200) Từ 5 trở lên : xấu (đôi khi chấp nhận được) Kiểm định Chi-
bình phương p-value < 0,05: chấp nhận được
Anderson và Gerbing (1988)
Comparatrive
Fit Index CFI
Từ 0,95 trở lên: tốt Bentler và Bonett (1980) Hu và Benler (1999) Hair và cộng sự (2014) Từ 0,9 - 0,95: chấp nhận được Từ 0,8 - 0,95: (đôi khi chấp nhận được) Good of Fitness
Index GFI > 0,9: chấp nhận được Hair và cộng sự (2014)
Adjusted Goodness of
Fix
AGFI > 0,8: chấp nhận được Hu và Benler (1999) Tucker and
Lewis Index TLI > 0,9: chấp nhận được
Bentler và Bonett (1980) Standardized Root Mean Square Residual SRMR Từ 0,8 trở xuống: tốt Hu và Benler (1999) Hair và cộng sự (2014) Từ 0,8 - 1: chấp nhận được Từ 0,1 trở lên : xấu Root Mean Square Error Approximation RMSEA Từ 0,06 trở xuống: tốt Steiger (1998) Hu và Benler (1999) Từ 0,06 - 0,08: chấp nhận được Từ 0,08 trở lên : xấu Kiểm định giả
thiết null PCLOSE
Từ 0,05 trở lên: tốt Carmines và McIver (1981) Từ 0,01 - 0,05: chấp nhận được Từ 0,01 trở xuống : xấu
Nguồn: tổng hợp từ các tác giả Hu và Benler (1999), Hair và cộng sự (2014).
Theo Hair và cộng sự (2014), nhiều chỉ số phù hợp khác nhau nên được sử dụng để đánh giá sự phù hợp của mơ hình với dữ liệu thị trường bao gồm:
- Giá trị Chi-bình phương (ký hiệu Chi-square hay χ2) và bậc tự do df.
- Một trong những chỉ số phù hợp tuyệt đối (absolute fit index) (ví dụ như GFI, RMSEA hoặc SRMR)
- Một trong những chỉ số phù hợp tăng cường (incremental fit index) (ví dụ như CFI hoặc TLI)
- Một trong những chỉ số độ phù hợp (goodness-of-fit index) (GFI, CFI, TLI, ...)
- Một trong những chỉ số độ không phù hợp (RMSEA, SRMR, ...)
Vì những lý do trên mà nghiên cứu này sử dụng các chỉ số sau để đánh giá sự phù hợp của mơ hình với dữ liệu thị trường: Giá trị Chi-bình phương (Chi-square) điều chỉnh theo bậc tự do, p-value, CFI, GFI, SRMR, RMSEA và PCLOSE.
Đánh giá cấu trúc giá trị của đo lường.
Có bốn yếu tố quan trọng của cấu trúc giá trị của đo lường cần phải được xem xét: (1) Độ tin cậy, (2) Giá trị hội tụ, (3) Giá trị phân biệt, (4) Giá trị liên hệ lý thuyết (Hair và c.s., 2014).
(1) Độ tin cậy (Reliability): nói lên tính nhất qn của đo lường. Độ tin cậy được
đo lường thông qua 3 chỉ số: Hệ số tin cậy tổng hợp (ρ𝐶), hệ số tổng phương sai trích (ρ𝑉𝐶) và hệ số Cronbach’s alpha (đã trình bày ờ mục 3.5.2.3). Cơng thức tính như sau : 𝜌𝐶 = (∑ 𝜆𝑖 𝑝 𝑖=1 )2 (∑𝑝𝑖=1𝜆𝑖)2+ ∑𝑝𝑖=1(1 − 𝜆𝑖2) 𝜌𝑉𝐶 = ∑ 𝜆𝑖 2 𝑝 𝑖=1 ∑𝑝𝑖=1𝜆𝑖2+ ∑𝑝𝑖=1(1 − 𝜆𝑖2)
- Trong đó: 𝜆𝑖 là trọng số chuẩn hóa của biến quan sát thứ i, (1 − 𝜆2𝑖) là phương sai của sai số đo lường biến quan sát thứ i.
- Hệ số tin cậy tổng hợp (Composite Reliability, ký hiệu là 𝜌𝐶 hoặc CR). Theo Hair và cộng sự (2014), hệ số CR này phải lớn hơn hoặc bằng 0,7.
- Tống phương sai trích phản ánh biến thiên chung của các biến quan sát dùng để đo lường độ tin cậy. Phương sai trích (Average Variance Extracted, ký hiệu là
𝜌𝑉𝐶 hoặc AVE) lớn hơn 0,5 là đạt yêu cầu (Hair và c.s., 2014).
(2) Giá trị hội tụ (Convergent): nói lên mức độ hội tụ của thang đo, nghĩa là khi
thực hiện đo lường khái niệm qua hai lần thì số đo hai lần đó phải có tương quan chặt chẽ với nhau. Thang đo đạt được giá trị hội tụ khi giá trị giá trị trọng số chuẩn hoá (Standardized Regression Weight) lớn hơn hoặc bằng 0,5 (lý tưởng là 0,7) và có ý nghĩa thống kê (Sig. < 0,05) (Hair và c.s., 2014).
(3) Giá trị phân biệt (Discrimant): nói lên sự phân biệt giữa hai khái niệm đo lường.
Giá trị phân biệt đạt được khi tương quan giữa 2 khái niệm khác biệt so với 1. Để đạt được tính phân biệt thì giá trị Maximum Shared Variance (MSV) phải nhỏ hơn giá trị Average Variance Extracted (AVE); đồng thời căn bậc hai của AVE đều lớn hơn các giá trị tương quan của nó với các khái niệm khác (Hair và c.s., 2014).
(4) Giá trị liên hệ lý thuyết: đề cập đến mối quan hệ quan sát được giữa những cấu
trúc và cung cấp bằng chứng cho thấy có mối quan hệ khái niệm giữa các biến được quan sát và những cấu trúc nền tảng của nó. Giá trị liên hệ lý thuyết được
kiểm định cùng với mơ hình lý thuyết, khi xem xét mối quan hệ của nó với các khái niệm khác trong mơ hình (Hair và c.s., 2014). Mơ hình cấu trúc tuyến tính (SEM) được sử dụng để kiểm định mơ hình lý thuyết và kiểm định các giả thuyết nghiên cứu.
3.7.5.2. Cải thiện mức độ phù hợp của mơ hình
Trong trường hợp mơ hình chưa phù hợp với dữ liệu thị trường, có thể sử dụng đánh giá phần dư chuẩn hóa (SR - standardised residuals) và chỉ số điều chỉnh mơ hình (MI - modification indexes) để chỉnh sửa.
Khi phần dư chuẩn hoá của các biến lớn so với các biến khác trong cùng một nhân tố, thì chúng có thể đại diện cho nhân tố khác, và nếu cần thiết có thể xóa những