Bảng 4. 9 : Total Variance Explained
3.5Phƣơng pháp xử lý số liệu
3.5.1 Làm sạch dữ liệu
Trƣớc khi xử lý – phân tích dữ liệu, các bảng câu hỏi đƣợc kiểm tra để loại bỏ những phiếu trả lời sót, phiếu trả lời mâu thuẫn. Số liệu sau khi nhập vào máy tính đƣợc kiểm tra lỗi nhập dữ liệu (sai, sót, thừa), loại bỏ những quan sát có điểm số bất thƣờng bằng các phép kiểm định thống kê mô tả (bảng tần số, bảng kết hợp).
3.5.2 Kiểm định thang đo bằng hệ số Cronbach Alpha
Hệ số Cronbach’s alpha là một phép kiểm định thống kê về mức độ chặt chẽ mà các mục hỏi trong thang đo tƣơng quan với nhau (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005), hệ số này đánh giá độ tin cậy của phép đo dựa trên sự tính tốn phƣơng sai của từng biến và tính tƣơng quan điểm của từng biến với điểm của tổng các biến còn lại của phép đo.
Nhiều nhà nghiên cứu đồng ý rằng hệ số alpha của từng thang đo từ 0.8 trở lên đến gần 1 thì thang đo lƣờng là tốt, từ 0.7 đến gần 0.8 là sử dụng đƣợc. Cũng có nhà nghiên cứu đề nghị rằng hệ số alpha từ 0.6 trở lên là có thể sử dụng đƣợc trong trƣờng hợp khái niệm đang nghiên cứu là mới hoặc mới đối với ngƣời trả lời trong bối cảnh nghiên cứu (Nunnally, 1978; Peterson, 1994; Slater, 1995 dẫn theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005). Vì vậy, đối với nghiên cứu này thì hệ số alpha từ 0.6 trở lên là chấp nhận đƣợc.
Khi đánh giá độ phù hợp của từng biến, những biến nào có hệ số tƣơng quan biến tổng (item-total correlation) lớn hơn hoặc bằng 0.3 đƣợc coi là những biến có độ tin cậy bảo đảm (Nguyễn Cơng Khanh, 2005), các biến có hệ số tƣơng quan biến tổng nhỏ hơn 0.3 sẽ bị loại bỏ ra khỏi thang đo.
3.5.3 Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis)
Sau khi đánh giá độ tin cậy của thang đo bằng hệ số Cronbach alpha và loại bỏ các biến không đảm bảo độ tin cậy. Phân tích nhân tố khám phá (EFA) là phƣơng pháp đƣợc sử dụng nhằm thu nhỏ và tóm tắt các dữ liệu. Trong phân tích này sử dụng phƣơng pháp principal axis factoring với phép xoay promax và điểm dừng khi trích các yếu tố có eigenvalue ≥ 1 đƣợc sử dụng. Trong q trình phân tích EFA các nhân tố, thang đo không đạt yêu cầu sẽ bị loại. Tiêu chuẩn chọn là:
- Các nhân tố phải có hệ số tải nhân tố (factor loading) > 0,4; - Tổng phƣơng sai trích ≥ 50%;
- Hệ số của phép thử KMO (Kaiser-Meyer-Olkin of Sampling Adeqacy) > 0,5;
- Phép thử Bartlett (Bartlett Test of Sphericity) có mức ý nghĩa <0,05 (Hair và cộng sự, 2006 dẫn theo Lê Văn Huy, 2009).
3.5.4 Kiểm định hệ số tƣơng quan và phân tích hồi quy bội
Để kiểm định mối quan hệ thỏa mãn đối với công việc và dự định nghỉ việc của giảng viên trong mơ hình nghiên cứu, sử dụng phƣơng pháp tƣơng quan với hệ số tƣơng quan Pearson (r). Nếu r > 0 thể hiện tƣơng quan đồng biến, ngƣợc lại, r < 0 thể hiện tƣơng quan nghịch biến. Giá trị r = 0 chỉ ra rằng hai biến khơng có mối liên hệ tuyến tính.
│r│ 1: quan hệ giữa hai biến càng chặt │r│ 0: quan hệ giữa hai biến càng yếu Mức ý nghĩa “sig” của hệ số tƣơng quan nhƣ sau:
- < 5 % : mối tƣơng quan khá chặt chẽ - < 1 % : mối tƣơng quan rất chặt chẽ - >5 % : có tƣơng quan ít
- > 10 %: khơng có mối tƣơng quan.
Sau khi kiểm định mối tƣơng quan, đề tài tiếp tục sử dụng phƣơng pháp hồi quy bội để dự đoán cƣờng độ tác động của sự thỏa mãn trong công việc đến dự định nghỉ việc của giảng viên. Mơ hình dự đốn có thể là:
Yi = β0 + β1X1i + β2X2i + β3X3i + … + βkXki + ϵ i
Trong đó:
Yi: biến phụ thuộc Xk: các biến độc lập β0: hằng số
βk: các hệ số hồi quy
ϵ i: thành phần ngẫu nhiên hay yếu tố nhiễu Các điều kiện phân tích hồi quy tuyến tính bội :
- Hệ số R2 và R2 điều chỉnh để đánh giá độ phù hợp của mơ hình. Chấp nhận giá trị: R2
≥ 0,5 (mơ hình hồi quy tuyến tính đã xây dựng phù hợp với tập dữ liệu đến mức ≥ 50%).
- Kiểm định độ phù hợp của mơ hình hồi quy ở mức ý nghĩa 5% : o Giả thuyết Ho : β1 = β2 = β3 = β4 = 0
o Phát biểu Ho : tất cả các hệ số hồi quy của các biến độc lập đều bằng không (ngoại trừ hằng số).
o Trị thống kê F có mức ý nghĩa ≤ 0,05, có thể bác bỏ giả thuyết Ho một cách an toàn, nghĩa là các hệ số hồi quy khác khơng, mơ hình hồi quy tuyến tính bội phù hợp với tập dữ liệu và có thể đƣợc sử dụng.
- Ý nghĩa của hệ số hồi quy riêng từng phần: βk đo lƣờng sự thay đổi giá trị trung bình Y khi Xk thay đổi một đơn vị, các biến độc lập cịn lại khơng thay đổi. - Hiện tƣợng đa cộng tuyến : sử dụng công cụ Variance inflation factor – VIF để kiểm tra hiện tƣợng đa cộng tuyến. Điều kiện VIF <10 : khơng có hiện tƣợng đa cộng tuyến.
3.5.5 Phân tích phƣơng sai ANOVA, Independent sample T-Test
Phân tích phƣơng sai ANOVA, Independent sample T-Test để kiểm định giả thuyết có hay không sự khác nhau về ý định nghỉ việc của cán bộ khơng chun trách giữa: các vị trí cơng tác, độ tuổi, giới tính, trình độ học vấn, trình độ lý luận chính trị, thời gian cơng tác, thu nhập bình qn
Trƣớc khi tiến hành phân tích ANOVA, tiêu chuẩn Levence đƣợc tiến hành để kiểm tra giả thuyết bằng nhau của phƣơng sai trong các nhóm với xác suất ý nghĩa Sig. (Significance) là 5%. Trong phép kiểm định này, nếu xác suất ý nghĩa lớn hơn 5% thì chấp nhận tính bằng nhau của các phƣơng sai nhóm.
Tiêu chuẩn Fisher F trong phép phân tích phƣơng sai ANOVA với mốc để so sánh các xác suất ý nghĩa Sig. là 5% đƣợc áp dụng. Trong phép kiểm định này, nếu xác suất ý nghĩa nhỏ hơn 5% thì ta có quyền bác bỏ giả thuyết: khơng có sự khác nhau về các biến quan sát của các cán bộ không chuyên trách với các yếu tố nhân khẩu học.
3.5.6 Thống kê mô tả
Thống kê mô tả cho phép các nhà nghiên cứu trình bày các dữ liệu thu đƣợc dƣới hình thức cơ cấu và tổng kết (Huysamen, 1990). Các thống kê mô tả sử dụng
trong nghiên cứu này để để biết tần suất của các thành phần trong thang đo hoạt động quản trị nguồn nhân lực, động lực phụng sự công, sự thỏa mãn trong công việc và dự định nghỉ việc của cán bộ khơng chun trách.
Tóm tắt chƣơng 3:
Chƣơng này đã trình bày phƣơng pháp tiến hành nghiên cứu bao gồm: (1) thiết kế nghiên cứu; (2) quy trình nghiên cứu; (3) chọn mẫu, (4) thang đo hoạt động quản trị nguồn nhân lực, động lực phụng sự cơng, sự hài lịng trong công việc và ý định nghỉ việc, (5) các phƣơng pháp để xử lý số liệu.