trên thang đo của House và Dessler (1974) được đo lường bởi 3 biến quan sát và được mã hóa như bảng 3.7:
Bảng 3. 7: Thang đo yếu tố Kết cục thực hiện tích cực được mong đợi Kết cục thực hiện tích cực được mong đợi Kết cục thực hiện tích cực được mong đợi
(Expected positive performance outcomes)
Mã hóa 1. Tôi càng đổi mới, tôi càng thực hiện công việc tốt hơn. EPPO1 2. Những ý tưởng sáng tạo giúp tơi làm tốt cơng việc của mình. EPPO2 3. Đơn vị công việc của tôi sẽ hoạt động tốt hơn nếu tôi thường đề
xuất các cách mới để đạt được các mục tiêu. EPPO3
Nguồn: House và Dessler (1974)
3.2.2. Thiết kế bảng câu hỏi
Bảng câu hỏi được xây dựng dựa trên thang đo của các tác giả sau khi được hiệu chỉnh bởi các chuyên gia có uy tín trong lĩnh vực nghiên cứu khoa học. Bảng câu hỏi trong nghiên cứu này được đo lường bằng thang đo Likert 7 cấp độ với mức 1: Hồn tồn khơng đồng ý – mức 7: Hoàn toàn đồng ý.
Bảng câu hỏi sơ bộ sau khi được thiết kế và tác giả tiến hành phỏng vấn thử với khoảng 20 đối tượng khảo sát để nhằm mục đích để điều chỉnh về hình thức và ngôn ngữ sao cho phù hợp nhằm đảm bảo cho khảo sát chính thức các đối tượng được khảo sát có thể hiểu đúng và đủ nghĩa để có thể trả lời đúng bảng câu hỏi
Trên cơ sở của phỏng vấn thử, bảng câu hỏi chính thức gồm có 39 biến quan sát và gồm có hai phần:
- Phần 1: Bao gồm 39 câu hỏi nhằm để đánh giá các yếu tố tác động đến Hành vi đổi mới cá nhân của người lao động trong khu vực công - Phần 2: Bao gồm các câu hỏi về thơng tin cá nhân gồm có: giới tính, độ
tuổi, trình độ học vấn, chức danh/ vị trí, thâm niên cơng tác tại cơ quan hiện tại.
3.2.3. Chọn mẫu
Do điều kiện giới hạn về thời gian nên nghiên cứu này sử dụng phương pháp chọn mẫu thuận tiện bằng cách gửi các phiếu khảo sát đến những người lao động trong khu vực công hiện đang làm việc tại các Sở trên địa bàn Thành phố Hồ Chí Minh. Thời gian thực hiện khảo sát từ tháng 8 – 9/ 2017
Theo Hair, Anderson, Tatham và Black (1998) và Nguyễn Đình Thọ (2011) cho rằng việc xác định kích thước mẫu tối thiểu so với tổng số biến quan sát là phải gấp 5 lần, nghĩa là tỉ lệ quan sát/ biến đo lường phải đạt tỉ lệ tối thiểu 5:1.
Trong nghiên cứu này, có tất cả 39 biến quan sát, theo tiêu chuẩn thì kích thước mẫu tối thiểu cần để đảm bảo khảo sát là n = 39 x 5 = 195 mẫu. Vậy để nghiên cứu đảm bảo tính khả thi, số lượng mẫu khảo sát phải tối thiểu 195 mẫu.
Tuy nhiên do số lượng của các Sở ở địa bàn Thành phố Hồ Chí Minh bao gồm 18 Sở, nên để đảm bảo tính đại diện cũng như tăng thêm độ tin cậy của dữ liệu và dự phòng rủi ro, tác giả đã chọn kích thước mẫu là 450 mẫu.
3.3. Phương pháp phân tích dữ liệu
Tác giả tiến hành khảo sát ý kiến những người lao động trong khu vực công đang làm việc tại các Sở trên địa bàn Thành phố Hồ Chí Minh bằng bảng câu hỏi khảo sát (không ghi danh) qua một đầu mối ở mỗi Sở, cùng với những phong bì trống có thể dán kín, mỗi người lao động trong khu vực công khi tiến hành trả lời xong phiếu khảo sát, sẽ bỏ phiếu khảo sát vào phong bì trống, dán kín lại và gửi lại cho đầu mối để đảm bảo tính bảo mật tuyệt đối. Tác giả thường xuyên liên hệ với các đầu mối để các thu hồi phiếu khảo sát khi đã hoàn thành.
Cuối cùng, với 450 phiếu khảo sát phát ra, tác giả thu về được 416 phiếu, đạt tỷ lệ 92.4%, trong đó có 28 phiếu khảo sát khơng hợp lệ được tiến hành loại bỏ ( do thông tin trả lời không đầy đủ hoặc không hợp lệ). Cuối cùng, tác giả sử dụng 388 phiếu khảo sát hợp lệ đưa vào quá trình nghiên cứu..
3.3.2. Làm sạch dữ liệu
Sau khi thu hồi về, các phiếu khảo sát được kiểm tra tính hợp lệ của thơng tin, và tiến hành loại bỏ những phiếu khảo sát không hợp lệ ( cung cấp thơng tin thiếu sót, hoặc khơng hợp lệ) để làm sạch dữ liệu. Sau đó, tác giả tiến hành mã hóa, nhập liệu và kiểm tra dữ liệu lại một lần nữa trước khi tiến hành phân tích. Dữ liệu được nhập vào phần mềm SPSS 20.0 để tiến hành quá trình phân tích tiếp theo.
Sau khi tiến hành nhập dữ liệu đã được làm sạch vào phần mềm SPSS 20.0, tác giả sẽ tiến hành các bước thống kê, phân tích dựa vào phần mềm SPSS 20.0.
3.3.3. Thống kê mô tả
Dựa vào 388 quan sát được chọn ra, tác giả tiến hành thống kê mô tả về các đối tượng được khảo sát qua các tiêu chí như: giới tính, độ tuổi, trình độ học vấn, chức danh/ vị trí, thâm niên cơng tác tại cơ quan hiện tại.
3.3.4. Kiểm định độ tin cậy của thang đo (Cronbach alpha)
Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), kiểm định độ tin cậy của thang đo (Cronbach’s alpha) là một phép kiểm định nhằm kiểm tra sự chặt chẽ và tương quan giữa các biến quan sát, đánh giá độ tin cậy của thang đo dựa trên sự
tính tốn phương sai của từng biến quan sát và tính tương quan điểm của từng biến quan sát với điểm tổng các biến quan sát còn lại của thang đo. Giá trị đóng góp của các biến quan sát nhiều hay ít được phản ánh thơng qua hệ số tương quan biến tổng (Corrected Item – Total Correlation). Từ đó, sau khi phân tích cho phép loại bỏ những biến khơng phù hợp trong mơ hình.
Tiêu chuẩn chấp nhận thang đo như sau: dựa vào (1) hệ số Cronbach’s alpha và (2) hệ số tương quan biến tổng:
- Hệ số Cronbach’s alpha của các biến phải từ 0.6 trở lên
- Hệ số tương quan biến tổng giữa các biến quan sát phải từ 0.3 trở lên
Hệ số Cronbach’s alpha là hệ số cho phép đánh giá xem nếu đưa các biến quan sát nào đó thuộc về một biến nghiên cứu có phù hợp hay khơng.
Hệ số tương quan biến tổng là hệ số cho biết mức độ “liên kết” giữa một biến quan sát trong yếu tố với các biến còn lại.
Nhiều nhà nghiên cứu đồng ý rằng hệ số alpha của từng thang đo từ 0.8 trở lên đến gần 1 thì tnang đo lường tốt, từ 0.7 đến gần 0.8 là sử dụng được. Cũng có nhà nghiên cứu đề nghị rằng hệ số alpha từ 0.6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang nghiên cứu là mới hoặc đối với người trả lời trong bối cảnh nghiên cứu (Nunnally, 1978; Peterson, 1994; Slater, 1995; dẫn theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Vì vậy đối với nghiên cứu này thì hệ số alpha từ 0.6 trở lên là chấp nhận được.
3.3.5. Phân tích T – Test và ANOVA
a. Phân tích T - Test
Phân tích T – Test là để kiểm định xem có sự khác biệt hay khơng giữa hành vi đổi mới cá nhân của người lao động trong khu vực công theo từng nhóm biến: Giới tính, Chức danh/ vị trí với điều kiện áp dụng với trường hợp biến định tính có 2 nhóm.
Trước khi tiến hành phân tích T – Test, tiêu chuẩn Levence được sử dụng để kiểm tra giả thuyết bằng nhau của phương sai hai nhóm với xác xuất ý nghĩa Sig.
(Significance) là 5%. Nếu xác suất ý nghĩa lớn hơn 5% thì khơng có sự khác nhau của phương sai 2 nhóm và ngược lại. Sau đó tiến hành sử dụng giá trị của kiểm định T – Test để tìm ra có hoặc khơng có sự khác biệt có ý nghĩa thống kê giữa biến phụ thuộc và 2 nhóm của biến định tính.
b. Phân tích ANOVA
Phân tích ANOVA là để kiểm định xem có sự khác biệt hay không giữa hành vi đổi mới cá nhân của người lao động trong khu vực cơng theo từng nhóm biến: Độ tuổi, trình độ học vấn, thâm niên công tác tại cơ quan hiện tại với điều kiện áp dụng với trường hợp biến định tính có 3 nhóm trở lên.
Theo Hồng Trọng và Chu Nguyễn Mộng Ngọc (2008), kĩ thuật phân tích phương sai một yếu tố (One – way ANOVA) được áp dụng trong nghiên cứu này để tìm ý nghĩa thống kê của những khác biệt trung bình giữa biến phụ thuộc và các biến định tính có từ 3 nhóm trở lên. Trước khi tiến hành phân tích ANOVA, tiêu chuẩn Levence được sử dụng để kiểm tra giả thuyết bằng nhau của phương sai các nhóm với xác xuất ý nghĩa Sig. (Significance) là 5%. Nếu xác suất ý nghĩa lớn hơn 5% thì khơng có sự khác nhau của phương sai các nhóm và ngược lại. Sau đó, để đảm bảo các kết luận được rút ra trong nghiên cứu này, phép kiểm định phi tham số Krus – Wallis cũng được tiến hành nếu giả định tổng thể có phân phối chuẩn khơng đáp ứng trong phân tích ANOVA.
3.3.6. Phân tích tương quan
Theo Hồng Trọng và Chu Nguyễn Mộng Ngọc (2008), người ta sử dụng một số thống kê là hệ số tương quan Pearson (kí hiệu là r – Pearson Correlation Coefficient) để lượng hóa mức độ chặt chẽ giữa hai biến định lượng. Trị tuyệt đối của r cho biết mức độ chặt chẽ của mối liên hệ tuyến tính. Giá trị tuyệt đối của r càng tiến gần đến 1 khi hai biến có mối tương quan tuyến tính chặt chẽ. Tuy nhiên nếu r của các biến độc lập cao thì có thể ảnh hưởng lớn đến kết quả hồi quy, gây ra hiện tượng đa cộng tuyến.
Phân tích tương quan Pearson được thực hiện giữa biến phụ thuộc và các biến độc lập. Tác giả sử dụng phương pháp phân tích tương quan Pearson nhằm đánh giá mối quan hệ giữa các biến độc lập và phụ thuộc trong mơ hình. Hệ số tương quan (r) có giá trị trong khoảng -1 ≤ r ≤ 1.
Nếu r càng gần 1 và -1: quan hệ giữa biến độc lập và biến phụ thuộc cành chặt chẽ, r > 0 thể hiện tương quan đồng biến, r < 0 thể hiện tương quan nghịch biến
Nếu r càng gần 0: quan hệ giữa biến độc lập và biến phụ thuộc càng yếu Nếu r = 0: các biến phân tích khơng có mối liên hệ với nhau.
3.3.7. Phân tích hồi quy
3.3.7.1. Các bước phân tích hồi quy
Theo Nguyễn Đình Thọ (2014), mơ hình hồi quy là một trong những mơ hình thống kê được sử dụng phổ biến trong kiểm lý thuyết khoa học (kiểm định mơ hình nghiên cứu các giả thuyết). Mơ hình hồi quy biểu diễn mối quan hệ giữa các biến độc lập (independent hay predictor variable) và một biến kết quả, gọi là biến phụ thuộc (dependent hay criterion variable).
Mơ hình hồi quy được biểu diễn dưới dạng sau:
Yi = 𝜷0 + 𝜷1X1i + 𝜷2X2i + 𝜷3X3i + ... + 𝜷kXki + 𝜺i
Trong đó:
Yi: biến phụ thuộc Xk: các biến độc lập
𝛽0: hằng số hồi quy 𝛽k: các hệ số hồi quy
𝜀i: sai số (error), nghĩa là những giải thích khác cho Y ngồi X, trong
đó bao gồm các biến độc lập khác (không hiện diện trong mơ hình) và sai số, ví dụ như sai số đo lường.
Khi sử dụng mơ hình hồi quy, chúng ta cần chú ý sự phù hợp và kiểm tra các giả định (assumption) của nó.
Các bước trong phân tích hồi quy gồm có:
- Kiểm định trọng số hồi quy - Kiểm định hệ số phù hợp mơ hình - Kiểm tra đa cộng tuyến
- Kiểm định sự phù hợp của giả định - Kết quả cuối cùng
3.3.7.2. Kiểm định
a. Kiểm định trọng số hồi quy
- Trọng số hồi quy chưa chuẩn hóa (unstandardized regression coefficients)
Để kiểm định các trọng số hồi quy 𝛽k trong mơ hình hồi quy, chúng ta dùng
phép kiểm định t với bậc tự do là n – p – 1 (n là kích thước mẫu và p là số lượng biến độc lập trong mô hình).
- Trọng số hồi quy đã chuẩn hóa (standardized regression coefficients) Trong nghiên cứu, chúng ta thường xem xét tầm quan trọng giữa các biến độc lập (mức độ giải thích của chúng cho biến thiên của biến phụ thuộc). Nếu chúng ta dùng trọng số hồi quy chưa chuần hóa, chúng ta khơng thể so sánh được vì thang đo lường chúng ta thường khác nhau. Vì vậy, chúng ta phải sử dụng trọng số hồi quy đã chuẩn hóa, kí hiệu là z𝛽̂k. Trọng số hồi quy này chính là trọng số hồi quy chưa chuẩn hóa điều chỉnh theo biến thiên của biến độc lập và biến phụ thuộc trong mẫu. Chúng được tính như sau:
z𝛽̂k = 𝛽̂k 𝑆𝑥𝑘
𝑆𝑦
Trong đó, Sxk Và Sy theo thứ tự là độ lệch chuẩn trong mẫu của biến độc lập xk và biến phụ thuộc y.
Hệ số xác định R2 trong mẫu
Chúng ta dùng hệ số xác định R2 trong mẫu để kiểm định sự phù hợp của mơ hình, R2 trong mẫu là phần biến thiên của y do mơ hình (các biến độc lập) giải thích. Các biến thiên của mơ hình hồi quy trong mẫu cũng tương tự như trong đám đơng. Do đó, hệ số xác định R2 là chỉ số dùng để đánh giá mức độ phù hợp của mơ hình hồi quy. Kiểm định mức độ phù hợp của mơ hình chính là kiểm đjnh giả thuyết: H0 : R2
= 0 so với giả thuyết thay thế Ha : R2 ≠ 0. Phép kiểm định F được sử dụng trong
ANOVA: nghĩa là chúng ta so sánh biến thiên hồi quy SSr với biến thiên phần dư SSe (biến thiên của Y (tổng biến thiên) là SSy, biến thiên hồi quy SSr, biến thiên sai số SS𝜀 , SSy = SSr + SS𝜀). Ý nghĩa của pháp kiểm định này như sau: nếu biến thiên hồi quy lớn hơn nhiều so với biến thiên phần dư thì mơ hình hồi quy càng phù hợp vì biến thiên của SSy (tổng biến thiên của biến phụ thuộc) chủ yếu do các biến độc lập giải thích.
Trong mơ hình hồi quy, vì có nhiều biến độc lập nên chúng ta phải dùng hệ số xác định R2 hiệu chỉnh để thay thế cho R2 khi so sánh các mơ hình với nhau. Hệ số điều chỉnh này giúp chúng ta điều chỉnh mức độ phù hợp của mơ hình: nghĩa là kiểm tra những mơ hình có nhiều biến độc lập nhưng thực sự trong đó có một số biến khơng giúp bao nhiêu cho việc giải thích biến thiên của Y.
Như vậy, khi đưa thêm biến độc lập vào mơ hình hồi quy (tăng p), thì biến đưa thêm này chỉ làm tăng R2 khi nó làm giảm được SSe. Vì vậy, R2 hiệu chỉnh rất phù hợp để quyết định có nên đưa thêm biến độc lập vào mơ hình hay khơng. Hay nói cách khác, R2 hiệu chỉnh là một chỉ tiêu dùng để so sánh các mơ hình với nhau.
c. Kiểm tra đa cộng tuyến
Trong mơ hình hồi quy, chúng ta phải kiểm định đa công tuyến để đảm bảo các biến độc lập khơng có tương quan hồn toàn với nhau. Đa cộng tuyến (multicollinearity) là hiện tượng trong đó các biến độc lập có quan hệ với nhau. Khi chỉ có hai biến độc lập tương quan nhau, nó được gọi là hiện tượng cộng tuyến (collinearity) và khi có từ ba biến độc lập có tương quan nhau, gọi là đa cộng tuyến.
Để kiểm tra hiện tượng đa cộng tuyến, chỉ số thường dùng là hệ số phóng đại phương sai VIF (Variance Inflation Factor). Hệ số phóng đại phương sai VIF là giá trị nghịch đảo của dung sai T (Tolerance). Cụ thể, hệ số phóng đại phương sai của biến Xp là:
VIFp = 1 Tp
Như vậy, chúng ta nhận thấy, nếu dung sai T của một biến độc lập nào đó càng lớn, có nghĩa là phần riêng của nó càng lớn, nên hệ số phóng đại phương sai VIF càng nhỏ, và lúc này khả năng đa cộng tuyến sẽ giảm. Ngược lại, khi T của một biến độc lập nào đó càng nhỏ, VIF của biến đó sẽ càng lớn (lúc này các biến độc lập khác có thể giải thích thay cho biến độc lập đang xem xét) và hiện tượng đa cộng tuyến xảy ra.
Thông thường, theo Hair và ctg (2006) nếu VIF của một biến độc lập nào đó < 5 thì khơng xảy ra hiện tượng đa cộng tuyến.
d. Kiểm định sự phù hợp của giả định
Theo Hoàng Trọng, Chu Nguyễn Mộng Ngọc (2008) và Nguyễn Đình Thọ (2014) chúng ta phải kiểm tra các giả định của nó để xem kết quả có tin cậy được