5. Cấu trúc nghiên cứu
3.2. Phương pháp chọn mẫu và phân tích dữ liệu
3.2.1. Phương pháp chọn mẫu
Kích cỡ mẫu tùy thuộc vào phương pháp phân tích, trong nghiên cứu có sử dụng phân tích nhân tố khám phá EFA và phân tích hồi qui mà theo Hồng Trọng và Chu Nguyễn Mộng Ngọc (2005) cũng cho rằng tỷ lệ đó 5 lần. Nghiên cứu được thực hiện với 37 biến quan sát (37 x 5 = 185 mẫu).
Ngoài ra, theo Tabachnick & Fidell (2007) để phân tích hồi quy MLR đạt được kết quả tốt nhất, thì kích cỡ mẫu phải thỏa mãn cơng thức :
n ≥ 50 + 8p
Trong đó, n là kích thước mẫu cần thiết. p là số biến độc lập của mơ hình.
Từ hai phương pháp, nghiên cứu cần thực hiện với kích thước mẫu tối thiểu là 185 được xem là đạt yêu cầu.
Phương pháp chọn mẫu được thực hiện trong nghiên cứu là phương pháp chọn mẫu thuận tiện, đối tượng khảo sát là các nhân viên công tác tại Liên Doanh Việt-Nga (Vietsovpetro). Tuy nhiên, để đảm bảo kích thước mẫu tối thiểu, thì cần phát ra số phiếu khảo sát là 250 phiếu.
3.2.2. Phương pháp phân tích dữ liệu
Kết quả sau khi thu thập sẽ được mã hóa, làm sạch dữ liệu sẽ trải qua các bước sau:
• Cơng việc trước tiên là cần đánh giá độ tin cậy của thang đo, tức là đánh giá mối quan hệ của các biến quan sát trong cùng một thang đo. Hay nói cách khác, các biến quan sát cùng đo lường một khái niệm nghiên cứu. Đánh giá độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha, qua đó các biến khơng phù hợp sẽ bị loại nếu hệ số tương quan tổng biến (Corrected Item-Total Correlation) nhỏ hơn 0.3 và thang đo sẽ được chấp nhận khi hệ số Cronbach’s Alpha đạt yêu cầu từ 0.6 trở lên. Qúa trình chạy Cronbach’s Alpha phải được thực hiện trước để loại các biến rác trước khi thực hiện phân tích EFA.
• Tiếp theo phân tích nhân tố khám phá EFA sẽ được sử dụng để đánh giá hai giá trị hội tụ và giá trị phân biệt của thang đo. EFA dùng để rút gọn các biến quan sát với các nhân tố có ý nghĩa hơn. Phương pháp trích “Principal Axis Factoring” được sử dụng kèm với phép quay “Varimax”. Điểm dừng trích khi các yếu tố có “Initial Eigenvalues” lớn hơn 1. Các biến có hệ số tải nhân tố (factor loading) nhỏ hơn 0.5 sẽ bị loại.
• Sau đó, tiến hành kiểm định các giả thuyết được đưa ra trong mô hình bằng phương pháp hồi qui bội MLR với mức ý nghĩa 5%. Ngoài ra, từ kết quả phân tích hồi qui cũng biết được cường độ tác động khác nhau của các biến độc lập lên biến phụ thuộc.
Mức độ thỏa mãn trong công việc = B0 + B1 * đặc điểm công việc + B2* thu nhập + B3 * đồng nghiệp + B4 * lãnh đạo + B5 * cơ hội đào tạo, thăng tiến + B6 * điều kiện làm việc + B7 * phúc lợi.
• Cuối cùng, thực hiện phân tích ANOVA và t-test mẫu cặp để xem xét mức độ thỏa mãn khác nhau giữa các yếu tố giới tính, độ tuổi, nhóm cơng tác, nơi cơng tác, trình độ học vấn, thâm niên công tác đối với công việc.