STT Ký hiệu Biến đo lƣờng
Cam kết tình cảm - Affective Commitment
1 AC1 Tơi sẽ rất vui khi tiếp tục gắn bó sự nghiệp với Ngân hàng này 2 AC2 Tơi thích thảo luận về Ngân hàng của tơi với những người bên ngồi 3 AC3 Tôi thực sự cảm thấy những vấn đề của Ngân hàng tơi cũng chính là
vấn đề của mình
4 AC5 Tơi cảm thấy tơi là “một phần của gia đình” trong tổ chức 5 AC6 Tôi cảm thấy “gắn bó tình cảm” với Ngân hàng tơi
6 AC7 Ngân hàng này có rất nhiều ý nghĩa cá nhân đối với tôi 7 AC8 Tôi cảm thấy bản thân “thuộc về” Ngân hàng này
Cam kết đạo đức – Normative Commitment
1 NC1 Ngày nay, mọi người thay đổi nơi làm việc quá thường xuyên 2 NC2 Tôi tin rằng một người phải ln trung thành với tổ chức của mình 3 NC3 Nhảy việc dường như là một việc làm sai trái với tôi
4 NC4 Tôi tin rằng sự trung thành là quan trọng và tơi có nghĩa vụ phải duy trì nó nên tơi tiếp tục ở lại Ngân hàng này
5 NC5 Nếu tơi có một lời đề nghị về một công việc khác tốt hơn, tôi sẽ không cảm thấy đúng khi đồng ý với đề nghị đó
6 NC6 Tôi được đào tạo phải tin tưởng vào giá trị của việc trung thành với Ngân hàng mình
7 NC7 Mọi thứ trở nên tốt hơn khi mọi người làm việc tại một tổ chức trong hầu hết sự nghiệp của họ
Cam kết tiếp tục – Continuance Commitment
1 CC1 Tôi lo lắng nếu tơi rời bỏ cơng việc của mình mà khơng có người
thay thế
2 CC2 Sẽ rất khó để tơi rời khỏi tổ chức bây giờ, ngay cả khi tôi muốn 3 CC3 Có nhiều vấn đề trong cuộc sống sẽ xảy ra nếu tôi rời khỏi tổ chức
bây giờ
4 CC4 Tơi sẽ mất khá nhiều “chi phí” để rời khỏi tổ chức bây giờ
5 CC5 Hiện tại, ở lại với tổ chức là một việc cần thiết cũng là mong muốn của tôi
6 CC6 Tơi có q ít lựa chọn để cân nhắc rời khỏi tổ chức
7 CC7 Một trong những hậu quả nghiêm trọng của việc rời khỏi tổ chức là sự khan hiếm các lựa chọn thay thế có sẵn
8 CC8 Việc rời khỏi tổ chức đánh đổi đáng kể lợi ích của tơi nếu tổ chức khác không cho tôi được những lợi ích như hiện tại
Trung thành thái độ - Attitudinal Loyalty
1 AL1 Tôi nghĩ làm việc tại Ngân hàng này là lựa chọn tốt nhất với tôi 2 AL2 Tôi sẽ ở lại Ngân hàng này mặc dù có nhiều lời giới thiệu tơi làm
việc tại một Ngân hàng khác
3 AL3 Nếu Ngân hàng mà tơi làm việc có thể đảm bảo mức lương cho tôi, tôi sẽ không rời khỏi để làm việc tại Ngân hàng khác
4 AL4 Tôi sẽ ở lại Ngân hàng này mặc dù mức lương thấp hơn những Ngân hàng khác
Trung thành hành vi – Behavioral Loyalty
1 BL1 Nếu khơng có lý do nào quan trọng, tơi sẽ khơng rời bỏ Ngân hàng mà tôi đang làm việc
2 BL2 Nếu có thể, tơi sẽ giới thiệu cho người thân và bạn bè tôi làm việc tại Ngân hàng này
3 BL3 Tôi muốn làm việc thêm giờ tại Ngân hàng tôi hơn là làm một cơng việc bán thời gian khác khi tơi có thời gian rảnh
Nguồn: Kết quả nghiên cứu của tác giả (2018)
3.3. Nghiên cứu định lƣợng 3.3.1. Mục tiêu
Nghiên cứu định lượng được dùng để đánh giá độ tin cậy, giá trị của thang đo, và kiểm định sự phù hợp của thang đo và mơ hình.
3.3.2. Chọn mẫu
Đối tượng thu thập dữ liệu của nghiên cứu là nhân viên đang làm việc tại các Ngân hàng TMCP trên địa bàn TPHCM. Mẫu đại diện là 10 Ngân hàng TMCP uy tín nhất Việt Nam năm 2018 (theo Báo cáo của Viet Nam Report tháng 06/2018) tại TP.HCM, bao gồm:
(1) Ngân hàng TMCP Ngoại thương Việt Nam (2) Ngân hàng TMCP Công thương Việt Nam
(3) Ngân hàng TMCP Đầu tư và Phát triển Việt Nam (4) Ngân hàng TMCP Kỹ thương Việt Nam
(5) Ngân hàng TMCP Á Châu (6) Ngân hàng TMCP Quân đội
(7) Ngân hàng TMCP Việt Nam Thịnh Vượng
(8) Ngân hàng TMCP Nông nghiệp và Phát triển Nông thôn Việt Nam (9) Ngân hàng TMCP Sài Gòn – Hà Nội
(10) Ngân hàng TMCP Sài Gịn Thương Tín
Việc chọn kích cỡ mẫu phụ thuộc vào nhiều yếu tố như phương pháp xử lý dữ liệu và độ tin cậy cần thiết, mà hiện nay các nhà nghiên cứu thường xác định thông qua các công thức kinh nghiệm cho từng phương pháp xử lý (Nguyễn Đình Thọ, 2013). Khi phân tích EFA, cỡ mẫu thường được xác định dựa vào hai yếu tố là kích thước tối thiểu và số lượng biến đo lường. Trong đó kích thước tối thiểu là 50, hoặc 100 với tỷ lệ quan sát/biến đo lường là 5:1, tốt nhất là 10:1, tức là 1 biến đo
lường cần 5 hoặc 10 quan sát (Hair và cộng sự, 2006, trích trong Nguyễn Đình Thọ, 2013).
Theo kinh nghiệm, khi sử dụng mơ hình cấu trúc tuyến tính SEM, kích cỡ mẫu thường là 250-300 quan sát (Trần Thị Kim Dung và cộng sự, 2005). Với việc sử dụng EFA và SEM trong nghiên cứu, cùng số biến quan sát là 29 biến nên số lượng mẫu tối thiểu cần thiết trong nghiên cứu này sẽ là 29*10 =290 quan sát. Tính đến những trường hợp dữ liệu thu thập được không như mong muốn hay những bảng trả lời không đạt yêu cầu thì trong giai đoạn này, mẫu dự kiến = 400 quan sát, nhằm kiểm định mơ hình và các giả thuyết nghiên cứu.
3.3.3. Cơng cụ khảo sát
Trên cơ sở các nguyên tắc thiết kế thang đo do Churchill (1979) đề xuất, bảng câu hỏi khảo sát (Phụ lục 2) theo thang đo Likert 5 điểm đã được sử dụng để đo lường các khái niệm và kiểm định các mối tương quan trong mơ hình nghiên cứu này.
1 2 3 4 5
Hồn tồn khơng đồng ý
Khơng đồng ý Trung lập Đồng ý Hoàn toàn
đồng ý
Trong nghiên cứu định lượng, dữ liệu sẽ được thu thập bằng cách gửi bản khảo sát qua mạng internet (thông qua Google Form). So với các phương thức truyền thống, khảo sát trên mạng internet có nhiều ưu điểm với thời gian gửi nhanh hơn, tiết kiệm chi phí và khơng phải mất nhiều thời gian nhập dữ liệu (Fan và Yan, 2010). Ngoài ra, khảo sát online cho phép thu thập số lượng mẫu lớn nhờ đó làm giảm sai số mẫu. Một ưu điểm khác là tốc độ và độ chính xác của dữ liệu thu thập; dữ liệu được tự động chèn vào bảng tính, hoặc phần mềm thống kê, khơng chỉ giúp tiết kiệm thời gian và tiền bạc, mà còn làm giảm lỗi của con người trong việc nhập dữ liệu và mã hóa (Fleming và Bowden, 2009). Hơn nữa, dữ liệu có thể được thu thập liên tục, bất kể thời gian trong ngày, trong tuần, và không giới hạn địa lý
(Madge, 2006; Manfreda, 2001). Hơn hết, khảo sát online có nhiều tùy chọn thiết kế mẫu, cho phép nhắc nhở hoặc cảnh báo nếu đáp viên bỏ qua hoặc trả lời không đúng cách cho các câu hỏi.
Tuy nhiên, hình thức này cũng có một số nhược điểm cụ thể, như sai lệch về khung mẫu (một bộ phận không truy cập được Internet, kỹ năng tin học còn hạn chế) và tỷ lệ phản hồi thấp (Couper, 2000; Fricker và Schonlau, 2002; Groves, 1989 trích từ Fan và Yan, 2010). Để khắc phục những nhược điểm trên, bảng câu hỏi khảo sát giấy cũng được phát trực tiếp tại các giảng đường sau đại học, văn bằng 2 tại trường Đại học Kinh tế TPHCM và các Chi nhánh, Phòng giao dịch thuộc những Ngân hàng được chọn để tham gia nghiên cứu.
3.3.4. Phân tích hệ số tin cậy Cronbach’s 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, 2003 trích 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).
3.3.5. Phân tích nhân tố khám phá EFA
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.
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).
(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).
3.3.6. Phân tích nhân tố khẳng định CFA
Trong phân tích nhân tố khám phá EFA, các yếu tố cấu thành được phát hiện dựa trên số liệu nghiên cứu; trong phân tích nhân tố khẳng định CFA, mơ hình các yếu tố cấu thành được khẳng định đã có sẵn từ nghiên cứu trước đó hoặc mơ hình lý thuyết đã được xác định từ trước. Theo Hair và cộng sự (2010), CFA được sử dụng để đánh giá mức độ đại diện của biến đo lường cho các khái niệm nghiên cứu và kiểm định sự phù hợp của mơ hình lý thuyết với dữ liệu thị trường.
Các chỉ số thường được sử dụng trong CFA: Chi-bình phương (Chi- square), df (bậc tự do). Sự phù hợp của mơ hình được xác định bởi sự tương ứng giữa ma trận hiệp phương sai quan sát được và một ma trận hiệp phương sai ước
lượng lấy kết quả từ mơ hình được đề xuất. Với mức ý nghĩa thống kê của Chi- square là p < 0.05, hai ma trận hiệp phương sai khác nhau về mặt thống kê. Ngược lại, với mức ý nghĩa thống kê của Chi-square là p > 0.05, mơ hình đề xuất phù hợp với dữ liệu thị trường (Hair và cộng sự, 2010).
Tuy nhiên, Chi-square là chỉ số phụ thuộc vào kích thước mẫu (kích thước mẫu tăng => Chi-square tăng). Vì vậy các chỉ số được tính tốn bổ sung bao gồm:
Chi-square/df (Cmin/df): dùng để đo mức độ phù hợp một cách chi tiết hơn của cả mơ hình với dữ liệu thị trường, điều kiện: Chi-square/df ≤ 3 (Carmines và Mclver, 1981) và Chi-square/df càng nhỏ càng tốt.
Chỉ số so sánh sự phù hợp – CFI (Comparative fix index): lấy độ phù hợp của một mơ hình với một bộ dữ liệu và so sánh với độ phù hợp của một mơ hình khác với chính bộ dữ liệu đó. CFI dao động trong khoảng (0,1) và CFI càng lớn càng tốt, thường là CFI ≥ 0.9 (Bentler và Bonett, 1980). Đồng thời, chỉ số TLI (Tucker-Lewis Index) cũng được xem xét với giá trị TLI ≥ 0.9 (Hair và cộng sự, 2006).
Chỉ số GFI (Goodness of Fix Index): đo lường quan hệ của phương sai và hiệp phương sai trong ma trận hiệp phương sai. Qua đó cho thấy mức độ phù hợp tuyệt đối của mơ hình (khơng điều chỉnh bậc tự do). Chỉ số GFI
≥ 0.85 được xem là phù hợp tốt (Segar và Grover, 1993; Chin và Todd,
1995).
Chỉ số RMSEA: xem xét giá trị sai số của mơ hình (Steiger và Lind, 1980), chỉ số đạt giá trị càng thấp càng tốt, thông thường RMSEA ≤ 0.8 (Steiger, 1990).
Để kiểm định giá trị của các khái niệm nghiên cứu trong CFA, các chỉ số đánh giá thang đo thường được sử dụng bao gồm: (1a) Độ tin cậy tổng hợp CR, (1b) Phương sai trích VE; (1c) Hệ số Cronbach‟s Alpha; (2) Tính đơn hướng; (3) Giá trị
hội tụ; (4) Giá trị phân biệt và (5) Giá trị liên hệ theo lý thuyết (Hair và cộng sự, 1998). Các chỉ số từ (1) đến (4) đươc đánh giá trong mơ hình thang đo các khái niệm nghiên cứu, giá trị liên hệ theo lý thuyết (5) được đánh giá trong mơ hình lý thuyết (Anderson và Grebing, 1988).
(1) Độ tin cậy tổng hợp và phƣơng sai trích
Độ tin cậy tổng hợp (Jorekog, 1971) được tính theo cơng thức sau:
(∑ )
(∑ ) ∑ ( )
Trong đó:
: Trọng số chuẩn hóa của biến quan sát thứ i;
: Phương sai của sai số đo lường biến quan sát thứ i; p: Số biến quan sát của thang đo.
Điều kiện: Chỉ số độ tin cậy tổng hợp của các thang đo lớn hơn 0.6 (Bagozzi và Yi, 1988)
Phương sai trích (Fornell và Larcker, 1981) phản ánh lượng biến thiên chung của các biến quan sát được tính tốn bởi biến tiềm ẩn và được tính theo cơng thức sau:
∑
∑ ∑ ( )
Trong đó:
: Trọng số chuẩn hóa của biến quan sát thứ i;
: Phương sai của sai số đo lường biến quan sát thứ i; p: Số biến quan sát của thang đo.
Điều kiện: Phương sai trích của các thang đo lớn hơn 0.5 (Fornell và Larcker, 1981; Bagozzi và Yi, 1988)
(2) Tính đơn hƣớng
Để kiểm định tính đơn hướng của thang đo các khái niệm nghiên cứu, Steenkamp và Van Trijp (1991) cho rằng khi khơng có tương quan giữa các sai số đo lường thì mơ hình phù hợp với dữ liệu thị trường (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2008).
(3) Giá trị hội tụ
Giá trị hội tụ có nghĩa là các biến trong một yếu tố có mối tương quan