Chƣơng 3 : PHƢƠNG PHÁP NGHIÊN CỨU
3.4. Phương pháp phân tích số liệu
3.4.2. Xử lý dữ liệu
Sau khi thu thập được dữ liệu, tác giả tiến hành xử lý bằng phần mềm SPSS 20.0 với các nội dung:
* Phân tích mơ tả mẫu
Phân tích mơ tả mẫu nhằm cung cấp thơng tin tổng quan về các đối tượng được khảo sát dựa vào tần suất, tỷ lệ, trung bình, giá trị lớn nhất, giá trị nhỏ nhất, các biểu đồ…
* Kiểm định độ tin cậy của thang đo bằng hệ số Cronbach’s alpha
Hệ số Cronbach‟s alpha là hệ số sử dụng phổ biến để đánh giá độ tin cậy của thang đo, kiểm định độ tin cậy của thang đo nhằm loại bỏ các biến khơng phù hợp. Để tính Cronbach‟s alpha cho một thang đao thì thang đó đó phải có ít nhất ba biến đo lượng. Hệ số Cronbach‟s alpha có giá trị biến thiên trong khoảng [0 - 1]. Một thang đó có độ tin cậy tốt khi nó biến thiên trong khoản [0.75 – 0.95]. Theo lý thuyết, Cronbach‟s alpha càng cao càng tốt. Tuy nhiên, trong thực tế nếu một thang đo có hệ số Cronbach‟s alpha > 0.95 thì thang đo đó có nhiều biến đo lường giống nhau, tức là các biến cùng đo lường một nội dung, cùng làm một việc khi đó ta chỉ cần dùng một trong hai biến. Những biến quán sát có hệ số tương quan biến tổng (item-
totalcorrelation) ≥ 0.3 và Cronbach‟s alpha ≥ 0.6 trở lên là những biến đạt yêu cầu, được sử phân tích nhân tố (Nunnally & Bernstein, 1994; Nguyễn Đình Thọ, 2011).
* Phân tích nhân tố khám phá (EFA)
Mục đích phân tích nhân tố khám phá nhằm đánh giá hai giá trị quan trọng của thang đo là giá trị hội tụ và giá trị phân biệt. Phân tích EFA dùng để rút gọn một tập k biến quan sát thành một tập F (F < k) các nhân tố có ý nghĩa hơn (Nguyễn Đình Thọ, 2011). Với kết quả EFA ta cần xem xét các yếu tố:
- Kiểm định Bartlett (Bartlett‟s test of sphericity) dùng để xem xét ma trận tương quan có phải là ma trận đơn vị (nghĩa là các biến có quan hệ với nhau) hay khơng. Nếu phép kiểm định Bartlett <5% tà từ chối giã thuyết H0 (Nguyễn Đình Thọ, 2011).
- Kiểm định KMO (Kaiser – Meyer – Olkin measure of sampling adequacy). KMO là chỉ số dùng để só sánh độ lớn tương quan giữa hai biến với độ lớn tương quan từng phần (Norusis, 1994). KMO ≥ 0.9 là rất tốt, KMO ≥ 0.8 là tốt, KMO ≥ 0.7 là được, KMO ≥ 0.6 là tạm được, KMO ≥ 0.5 là xấu, KMO ≤ 0.5 là khơng thể chấp nhận được (Nguyễn Đình Thọ, 2011).
- Phương pháp trích hệ số được sử dụng là phương pháp trích nhân tố Principal Components với phép xoay Varimax áp dụng cho các biến đo lượng.
- Tiêu chí chọn số lượng nhân tố (Eigenvalues): Với tiêu chí này số lượng nhân tố được xác định ở chỉ số Eigenvalues > 1 (Nguyễn Đình Thọ, 2011).
- Kiểm định sự phù hợp mơ hình EFA so với dữ liệu khảo sát: Tổng phương sai trích TVE (Total Variance Explained) thể hiện các nhân tố trích được bao nhiêu phần trăm của các biến đo lường. TVE ≥ 50% kết luận mơ hình EFA phù hợp (Nguyễn Đình Thọ, 2011).
- Kiểm định giá trị hội tụ: Để đạt được độ giá trị phân biệt của thang đo, các biến quan sát có hệ số tải nhân tố (Factor Loading) phải > 0.5 (Nguyễn Đình Thọ, 2011).
* Phân tích tƣơng quan
Phân tích tương quan được thực hiện cho các biến độc lập và biến phụ thuộc nhằm khẳng định có mối quan hệ tuyến tính giữa các biến độc lập với nhau,
giữa các biến độc lập và biến phụ thuộc. Có hai phương án để dánh giá mức độ tương quan trong phân tích hồi quy tuyến tính là qua đồ thị phân tán hoặc qua hệ số thương quan Pearson (ký hiệu là r). Để đánh giá mức độ tương quan thơng qua kiểm định r, thì ma trận tương quan giữa các biến phải thảo mãn hai điều kiện là hệ số tương quan r ≥ 0.3 và mức ý nghĩa sig < 0.05. Hệ số tương quan r càng tiến tới 1 thì hai biến có mối tương quan tuyến tính càng chặt chẽ, khi r = 1 thì các điểm phân tán xếp thành một đường thẳng; khi r = 0 thì hai biến khơng có quan hệ tuyến tính (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Ngoài ra, tác giả xem xét mối tương quan giữa các biến độc lập với nhau để đảm bảo không xảy ra hiện tượng đa cộng tuyến (đa cộng tuyến là hiện tượng trong đó các biến độc lập có quan hệ với nhau, có từ ba biến độc lập tương quan với nhau gọi là đa cộng tuyến; khi đó việc phân tích định lượng khơng có ý nghĩa). Để kiểm định hiện tượng đa cộng tuyến ta có thể kiểm định qua hệ số phóng đại phương sai (VIF). Thông thường, nếu VIF của một biến độc lập nào đó > 10 thì xảy ra hiện tượng đa cộng tuyến (Nguyễn Đình Thọ, 2011).
* Phân tích hồi quy
Phân tích hồi quy để kiểm định sự phù hợp của mơ hình. Tác giả sử dụng mơ hình hồi quy bội (MLR) là mơ hình biểu diễn mối quan hệ giữa hai hay nhiều biến độc lập với một biến phụ thuộc định lượng. Kiểm định sự phù hợp của mơ hình thơng qua kiểm định hệ số F và hệ số R2 hiệu chỉnh (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
- R2 hiệu chỉnh dùng để đánh giá mức độ phù hợp của mơ hình với tập dữ liệu. R2 hiệu chỉnh càng gần 1 thì mơ hình càng phù hợp, R2 hiệu chỉnh càng gần 0 thì mơ hình càng ít phù hợp (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
- Đại lượng F (giá trị sig) dùng để xem xét mức độ phù hợp của mơ hình hồi quy tuyến tính tổng thể. Kiểm định F, nếu biến thiên hồi quy lớn hơn nhiều so với biến thiên phần dư thì mơ hình hồi quy càng phù hợp (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008; Nguyễn Đình Thọ, 2011).
- Đánh giá mức độ tác động mạnh, yếu giữa các biến độc lập lên biến phụ thuộc thông qua hệ số Beta (β). Biến độc lập nào có hệ số β lớn, tức là biến đó có tác động mạnh lên biến phụ thuộc (Nguyễn Đình Thọ, 2011).
* Phân tích sự khác biệt về hành vi chia sẻ tri thức theo đặc điểm của đối tƣợng khảo sát bằng T-Test và ANOVA.
Từ kết quả phân tích hồi quy, tác giả tiến hành phân tích sự khác biệt về hành vi chia sẻ tri thức theo đặc điểm của đối tượng khảo sát bao gồm: giới tính, độ tuổi, trình độ học vấn, tình trạng cơng việc và thâm niên công tác của đối tượng được khảo sát thông qua kiểm định giả thuyết về giá trị trung bình của hai tổng thể (Independent samples T-Tes) đối với yếu tố có 02 nhóm là: giới tính và tình trạng cơng việc, đồng thời kiểm định giả thuyết các trung bình nhóm có giá trị trung bình bằng nhau (ANOVA) đối với yếu tố có từ 03 nhóm trở trở lên là: độ tuổi, trình độ học vấn và thâm niên công tác.
Trong kiểm định Independent samples Tes:
Nếu giá trị Sig > 0.05 thì xem xét giá trị Sig T – Tes ở hàng phương sai bằng nhau (Equal variances assumed): Nếu Sig T-Test < 0.05 thì kết luận có sự khác biệt. Nếu Sig T-Test ≥ 0.05, kết luận khơng có sự khác biệt.
Nếu giá trị Sig < 0.05 thì sem xét giá trị Sig T – Tes ở hàng phương sai không bằng nhau (Equal variances not assumed): Nếu Sig T-Test < 0.05 thì kết luận có sự khác biệt. Nếu Sig T-Test ≥ 0.05, kết luận khơng có sự khác biệt.
Phân tích ANOVA: Tiêu chuẩn Levence được dùng để kiểm định giả thuyết bằng nhau của phương sai trong các nhóm với Sig = 5%. Với Sig > 5% thì chấp nhận tính bằng nhau của các phương sai nhóm đủ điều kiện phân tích ANOVA. Nếu Sig < 0.05 (bảng ANOVA) thì kết luận có sự khác biệt có ý nghĩa thống kê. Nếu Sig ≥ 0.05 (bảng ANOVA) thì kết luận khơng có sự khác biệt có ý nghĩa thống kê.
Tóm tắt Chương 3
Trong Chương 3 tác giả trình bày phương pháp nghiên cứu gồm hai bước, bước 01 nghiên cứu định tính và bước 02 nghiên cứu định lượng. Nghiên cứu định
tính được thực hiện bằng cách thảo luận nhóm và phỏng vấn để điều chỉnh thang đo nháp thành thang đo chính thức, việc khảo sát được tiến hành bằng phương pháp phát phiếu trực tiếp, thuận tiện đến đối tượng được khảo sát. Nghiên cứu định lượng được thực hiện dựa trên cơ sở dữ liệu thu thập được sau khi khảo sát, tiến hành phân tích phầm mềm SPSS 20.0; phân tích độ tin cậy của thang đo bằng Cronbach‟s alpha, phân tích nhân tố khám phá (EFA), phân tích tương quan tuyến tính và phân tích hồi quy nhằm tìm ra những yếu tố có ảnh hưởng tích cực đến hành vi chia sẻ tri thức. Bên cạnh đó, tác giả phân tích các yếu tố cá nhân ảnh hưởng đến hành vi chia sẻ tri thức của cán bộ, công chức trên địa bàn huyện Cái Nước, tỉnh Cà Mau.