3.3 Nghiên cứu định lượng
3.3.4 Phương pháp phân tích dữ liệu
Phương pháp phân tích dữ liệu được dùng cho nghiên cứu bao gồm: phân tích hệ số tin cậy Cronbach’s Alpha, phân tích nhân tố khám phá và phân tích hồi quy tuyến tính bội.
Phân tích hệ số Cronbach Alpha
Phân tích hệ số Cronbach’s Alpha để loại bỏ các biến không phù hợp, hạn chế các biến rác trong quá trình nghiên cứu. Các biến quan sát có hệ số tương quan biến tổng (item – total correlation) nhỏ hơn 0.3 sẽ bị loại và tiêu chuẩn chọn thang đo khi hệ số Cronbach’s Alpha từ 0.6 trở lên (Hoàng Trọng, Chu Nguyễn Mộng Ngọc, 2008).
Phân tích nhân tố khám phá (EFA)
Sau khi phân tích hệ số tin cậy Cronbach Alpha, các thang đo được đánh giá tiếp theo bằng phương pháp phân tích nhân tố khám phá EFA để thu nhỏ và gom các biến lại thành các nhân tố, xem xét mức độ hội tụ của các biến quan sát theo từng thành phần và giá trị phân biệt giữa các nhân tố. Các biến có hệ số tải nhân tố (factor loading) nhỏ hơn 0.5 đều bị loại.
Điều kiện cần để áp dụng phân tích nhân tố là các biến phải có tương quan với nhau. Sử dụng kiểm định Bartlett (Bartlett’s test of sphericity) để kiểm định giả thuyết Ho là các biến khơng có tương quan với nhau trong tổng thể. Nói cách khác, ma trận tương quan tổng thể là một ma trận đơn vị trong đó tất cả các giá trị trên đường chéo đều bằng 1, cịn các giá trị nằm ngồi đường chéo đều bằng 0. Đại lượng kiểm định này dựa trên sự biến đổi thành đại lượng chi bình phương (chi-square) từ định thức của ma trận tương quan. Đại lượng này có giá trị càng lớn thì ta càng có khả năng bác bỏ giả thuyết này. Nếu giả thuyết Ho khơng thể bị bác bỏ thì phân tích nhân tố rất có khả năng khơng thích hợp (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008, tập 2, trang 30-32).
Trong phân tích nhân tố, chỉ số KMO (Kaiser – Meyer – Olkin) là một chỉ số dùng để xem xét sự thích hợp của việc phân tích nhân tố. Trị số của ớn (giữa 0.5 và 1) là điều kiện đủ để phân tích nhân tố thích hợp, cịn
nếu trị số này nhỏ hơn 0.5 thì phân tích nhân tố có khả năng khơng thích hợp với các dữ liệu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008, tập 2, trang 31).
Phân tích nhân tố thường được tiến hành theo phương pháp phân tích nhân tố chính (Principal Component Analysis) với phép xoay nhân tố giữ nguyên góc các nhân tố (Varimax) (Mayers, L.S, Gamst., Guarino A.J, 2000).
Sau khi xoay các nhân tố, trọng số nhân tố (Factor Loading) phải > 0.5. Theo Hair & cộng sự (1998), trọng số nhân tố là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của phân tích nhân tố EFA. Trọng số nhân tố lớn hơn 0.3 được xem là đạt mức tối thiểu, lớn hơn 0.4 được xem là quan trọng, lớn hơn 0.5 được xem là có ý nghĩa thiết thực. Tiêu chuẩn khác biệt trọng số nhân tố của một biến quan sát giữa các nhân tố lớn hơn hay bằng 0.3 để đảm bảo giá trị phân biệt giữa các nhân tố (Jabnoun and Al Tamimi, 2003). Phương sai trích phải đạt từ 50% trở lên (Hair & cộng sự, 1998). Ngoài ra, trị số Eigenvalue phải lớn hơn 1. Chỉ những nhân tố nào có Eigenvalue lớn hơn 1 mới được giữ lại trong mơ hình phân tích. Những nhân tố có Eigenvalue nhỏ hơn 1 sẽ khơng có tác dụng tóm tắt thơng tin tốt hơn một biến gốc (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008, tập 2, trang 34).
Sau khi phân tích nhân tố xong sẽ hiệu chỉnh mơ hình lý thuyết theo kết quả phân tích nhân tố và tiến hành phân tích hồi quy tuyến tính bội.
Phân tích mơ hình hồi quy
Phân tích hồi quy nhằm mơ hình hóa (bằng phương trình hồi quy) mối quan hệ và mức độ phụ thuộc của sự hài lịng đối với cơng việc với các thành phần của công bằng tổ chức. Đồng thời đánh giá và kiểm định sự phù hợp của mô hình với tập dữ liệu qua thơng số R2
sau khi chạy hồi quy tuyến tính bội với phương pháp Enter và kiểm nghiệm F (với giá trị sig.).
Phân tích hồi quy tuyến tính bộiđược tiến hành theo các bước sau (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008, tập 1):
Trước khi tiến hành phân tích hồi quy tuyến tính bội thì việc xem xét mối tương quan tuyến tính giữa các biến độc lập với biến phụ thuộc và giữa các biến độc lập với nhau là công việc phải làm và hệ số tương quan Pearson trong ma trận hệ số tương quan là phù hợp để xem xét mối tương quan này.
Kiểm định độ phù hợp của mơ hình. Kiểm định F trong bảng phân tích phương sai là một phép kiểm định giả thuyết về độ phù hợp của mơ hình hồi quy tuyến tính tổng thể.
Kiểm định ý nghĩa của các hệ số hồi quy. Kiểm định t trong bảng các thông số thống kê của từng biến độc lập dùng để kiểm định ý nghĩa của các hệ số hồi quy.
Sử dụng phương pháp Enter, tất cả các biến đưa vào một lần và đưa ra các thông số thống kê liên quan đến các biến.
Sau đó, dị tìm các vi phạm giả định cần thiết trong hồi quy tuyến tính bội.
- Đối với giả định liên hệ tuyến tính và phương sai bằng nhau, sử dụng đồ thị phân tán giữa các phần dư chuẩn hóa và giá trị dự đốn chuẩn hóa. Nếu giả định liên hệ tuyến tính và phương sai bằng nhau được thỏa mãn, thì sẽ khơng nhận thấy có liên hệ gì giữa các giá trị phần dư chuẩn hóa và giá trị dự đốn chuẩn hóa. Chúng sẽ phân tán rất ngẫu nhiên trong một vùng xung quanh đường đi qua tung độ 0, khơng tạo thành một hình dạng nào.
- Đối với giả định phương sai của sai số không đổi, kiểm tra phương sai của sai số khơng thay đổi có bị vi phạm hay khơng. Nếu độ lớn của phần dư tăng hoặc giảm cùng với các giá trị của biến độc lập mà ta nghi ngờ gây ra
hiện tượng phương sai thay đổi, chúng ta nên nghi ngờ giả định phương sai của sai số không đổi đã bị vi phạm. Với cỡ mẫu nhỏ, chúng ta sử dụng kiểm định tương quan hạng Spearman, với giả thuyết Ho là hệ số tương quan hạng của tổng thể bằng 0. Nếu kết quả kiểm định không bác bỏ giả thuyết Ho thì kết luận phương sai của sai số khơng thay đổi. Phương trình hồi quy tuyến tính bội có nhiều biến giải thích thì hệ số tương quan hạng có thể tính giữa trị tuyệt đối của phần dư với từng biến riêng.
- Đối với giả định về phân phối chuẩn của phần dư, sử dụng biểu đồ tần số của các phần dư. Nếu trung bình bằng 0 và độ lệch chuẩn xấp xỉ bằng 1 thì có thể kết luận rằng giả định phân phối chuẩn không bị vi phạm.
- Đối với giả định khơng có mối tương quan giữa các biến độc lập (đo lường hiện tượng đa cộng tuyến), sử dụng hệ số phóng đại phương sai (VIF – Variance Inflation Factor), nếu VIF vượtquá 10 đó là dấu hiệu của hiện tượng đa cộng tuyến.
Tiếp theo là đánh giá độ phù hợp của mơ hình hồi quy tuyến tính bội bằng hệ số R2
và hệ số R2 điều chỉnh. Hệ số R2 đã được chứng minh là hàm không giảm theo số biến độc lập được đưa vào mơ hình, càng đưa thêm nhiều biến độc lập vào mơ hình thì R2 càng tăng. Tuy nhiên, điều này cũng được chứng minh rằng khơng phải phương trình càng có nhiều biến sẽ càng phù hợp hơn với tập dữ liệu. Để giải quyết tình huống này, hệ số R2 điều chỉnh được sử dụng để phản ánh tốt hơn mức độ phù hợp của mơ hình hồi quy tuyến tính bội. Hệ số R2 điều chỉnh khơng nhất thiết phải tăng lên khi nhiều biến độc lập được đưa thêm vào mơ hình. Hệ số R2 điều chỉnh là thước đo sự phù hợp được sử dụng cho tình huống hồi quy tuyến tính bội vì nó khơng phụ thuộc vào độ lệch phóng đại của hệ số R2
Sau cùng sẽ hiệu chỉnh mơ hình lý thuyết. Sau khi hiệu chỉnh mơ hình xong, viết phương trình hồi quy tuyến tính bội, dựa vào các hệ số hồi quy riêng phần để xác định mức độ ảnh hưởng của các yếu tố công bằng đến sự hài lòng của nhân viên. Hệ số hồi quy riêng phần của yếu tố nào càng lớn thì mức độ ảnh hưởng của yếu tố đó đến sự hài lịng trong cơng việc của nhân viên càng cao, nếu cùng dấu thì mức độ ảnh hưởng theo chiều thuận và ngược lại.
Tóm tắt Chương 3
Chương 3 trình bày phương pháp nghiên cứu. Thang đo nháp 1 được xây dựng từ cơ sở lý thuyết và được điều chỉnh thơng qua khảo sát định tính. Việc khảo sát chính thức được thực hiện bằng phương pháp phát bảng câu hỏi trực tiếp đến đối tượng khảo sát. Dữ liệu thu thập được sẽ được phân tích bằng phần mềm SPSS theo quy trình, bắt đầu từ phân tích độ tin cậy và phân tích nhân tố để rút ra các nhân tố phù hợp cho phân tích hồi quy. Sau khi thực hiện kiểm định các giả thuyết mơ hình cấu trúc và độ phù hợp của mơ hình tổng thể, kết quả hồi quy sẽ xác định các thành phần nào có ảnh hưởng và mức độ ảnh hưởng của từng thành phần của công bằng trong tổ chức đến sự hài lịng đối với cơng việc của nhân viên.
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU
Từ kết quả thu thập dữ liệu như thiết kế ở chương 3, chương 4 sẽ lần lượt thực hiện các phân tích gồm có: phân tích tương quan, phân tích độ tin cậy, phân tích nhân tố, phân tích hồi quy bội và cuối cùng là kiểm định các giả thuyết của mơ hình nghiên cứu đã được trình bày ở chương 2.