3.2.1 Nghiên cứu định tính
Đề tài dùng phương pháp định tính thơng qua thảo luận nhóm để hiệu chỉnh thang đo đo lường các thành phần của mơ hình biểu hiện mối quan hệ giữa sự thỏa mãn công việc, sự cam kết tổ chức, và ý định ở lại tổ chức với sự tham gia của 07 giảng viên khoa Kinh tế - Luật, trường đại học Bạc Liêu.
Mơ hình mối quan hệ giữa sự thỏa mãn công việc, sự cam kết tổ chức và ý định ở lại tổ chức do Douglas B. Currivan đề xuất vào năm 1999 đã được nghiên cứu trong lĩnh vực giáo dục tại các nước phát triển như Mỹ, Pakistan,… Cụ thể là mơ hình của Douglas B. Currivan (1999) được Muhammad & ctg (2014), Adam Martin & Gert Roodt (1999) vận dụng vào nghiên cứu về các nhân viên, giảng viên thuộc các trường đại học ở Mỹ, Nam Phi.
Như đã trình bày ở Chương 2, mơ hình của Douglas B. Currivan là một mơ hình tổng quát. Tuy nhiên, Douglas B. Currivan (1999) cho rằng mơ hình này có thể sử dụng cho nhiều loại hình kinh doanh khác nhau nhưng kết quả nghiên cứu của các nhà nghiên cứu khác cho thấy, trong cùng một ngành nhưng tại những nước khác nhau, những khu vực khác nhau thì cần sự điều chỉnh tiếp tục. Ví dụ, Adam Martin & Gert Roodt (1999) đã sử dụng mơ hình này nhưng điều chỉnh cho phù hợp với đối tượng cán bộ cơng nhân viên của các trường thuộc khu vực phía Nam châu Phi. Các khu vực này có mức độ phát triển kinh tế và mức độ phức tạp trong đánh giá hành vi tổ chức nhiều hơn so với Việt Nam. Do vậy, chúng cần được điều chỉnh và bổ sung cho phù hợp với cán bộ giáo viên tại các trường đại học, cao đẳng Việt Nam.
Lý thuyết về phương pháp nghiên cứu cho thấy thảo luận nhóm là một trong các cơng cụ thích hợp trong việc điều chỉnh và bổ sung thang đo cho phù hợp với bối cảnh nghiên cứu, và được dùng phổ biến trong các dự án nghiên cứu định tính (Morgan, 1996 trích trong Nguyễn Đình Thọ, 2013). Do vậy, bài luận văn này tác giả sử dụng phương pháp thảo luận nhóm để điều chỉnh và bổ sung thang đo cho phù hợp với việc
Dàn bài thảo luận nhóm được trình bày tại phụ lục 2. Kết quả thảo luận giúp tác giả có cơ sở quyết định 03 vấn đề: (1) lược bỏ phát biểu JS9 và CS6, (2) bổ sung biến quan sát (bản chất cơng việc của T/C rất thú vị: Cơng việc có nhiều thách thức, sự sáng tạo, và có nhiều ý nghĩa xã hội) cho thang đo sự thỏa mãn công việc và (3) điều chỉnh câu từ của các biến JS5, JS6, JS7, JS12, JS18, CS2 và CS8 cho phù hợp với đối tượng nghiên cứu và khu vực nghiên cứu ở địa bàn Tp.Bạc Liêu, tỉnh Bạc Liêu (xem chi tiết tại phụ lục 2).
Như vậy, so với thang đo ban đầu, thang đo hiệu chỉnh được bổ sung thêm 01 biến quan sát và loại bỏ 02 biến quan sát. Tổng cộng có 20 biến quan sát dùng để đo lường các khía cạnh của sự thỏa mãn công việc, 26 biến dùng để đo lường các thành
phần của sự cam kết tổ chức như “Cam kết với trường”, “Cam kết với công việc giảng dạy”, “Cam kết với nghề nghiệp giảng dạy”, “Cam kết với nhóm làm việc”, và
3 biến quan sát của thang đo ý định ở lại với tổ chức. Phục lục 2 (Bảng 2) trình bày nội dung chi tiết của thang đo sau điều chỉnh.
Sau khi hồn thành thang đo chính thức tác giả tiến hành các cuộc phỏng vấn chuyên sâu nhằm đảm bảo người được phỏng vấn hiểu rõ nội dung các khái niệm và ý nghĩa của từ ngữ. Thang đo Likert 5 mức độ được sử dụng trong nghiên cứu. Việc sử dụng thang đo này rất phổ biến trong nghiên cứu kinh tế - xã hội vì các vấn đề trong kinh tế xã hội đều mang tính đa khía cạnh.
3.2.2 Nghiên cứu định lƣợng
Phương pháp phân tích nhân tố khám phá (Exploratory Factor Analysis - EFA). Trong nghiên cứu, chúng ta có thể thu được số lượng biến khá lớn và hầu hết các biến này có liên hệ với nhau và số lượng của chúng phải được giảm bớt đến một lượng mà chúng ta có thể sử dụng được. Mối quan hệ giữa nhiều biến được xác định và đại diện bởi một vài nhân tố (nhân tố đại diện cho một số biến). EFA được sử dụng trong trường hợp người nghiên cứu cần nhận diện một tập hợp gồm một số lượng biến mới tương đối ít, khơng có tương quan với nhau để thay thế tập hợp biến gốc có tương quan với nhau nhằm thực hiện một phân tích đa biến tiếp theo như CFA, SEM.
Để sử dụng EFA, trước hết phải đánh giá độ tin cậy thang đo. Hệ số của
Cronbach là phép kiểm định thống kê về mức độ chặt chẽ mà các mục hỏi trong thang đo tương quan với nhau. Nhiều nhà nghiên cứu cho rằng hệ số Cronbach alpha càng cao thì càng tốt (nghĩa là thang đo càng có độ tin cậy cao). Tuy nhiên điều này không thật sự như vậy. Hệ số Cronbach alpha quá lớn ( > 0,95) cho thấy có nhiều biến
trong thang đo khơng có sự khác biệt (nghĩa là chúng cùng đo lường một nội dung nào đó của khái niệm nghiên cứu). Vì vậy, một thang đo có độ tin cậy tốt khi nó biến thiên trong khoảng [0,70 - 0,80]. Nếu Cronbach 0,6 là thang đo có thể chấp nhận được
về mặt độ tin cậy (Nunnally & Bernstein, 1994 trích trong Nguyễn Đình Thọ, 2011). Bên cạnh đó, Nunnally & Bernstein (1994) cho rằng cần xem xét hệ số tương quan của biến đo lường với tổng các biến còn lại của thang đo, nếu biến đo lường có hệ số tương quan biến tổng (hiệu chỉnh) 0,3 thì biến đó đạt u cầu (trích trong Nguyễn Đình
Thọ, 2011).
Nghiên cứu này sử dụng phương pháp rút trích nhân tố Principal components2 (phép xoay Varimax) cho thang đo ý định ở lại tổ chức và phương pháp Principal Axis Factoring3 (phép xoay Promax) cho thang đo sự thỏa mãn công việc và sự cam kết tổ
chức với nguyên tắc (Nguyễn Khánh Duy, 2009):
- Quan tâm đến tiêu chuẩn: | | lớn nhất của mỗi biến >= 0,5
(Hair & ctg, 1998).
- Quan tâm đến tiêu chuẩn: Tại mỗi biến (Item), chênh lệch: | |
lớn nhất và | | bất kỳ phải >= 0,3 (Jabnoun & Al-Tamimi, 2003). - Tổng phương sai trích >= 50% (Gerbing & Anderson, 1988)
2
Theo Nguyễn Khánh Duy (2009) thì thang đo có khái niệm đơn hướng (unidimensionality) nên dùng phương pháp trích Principal Component Analysis với phép xoay Varimax vì phương pháp trích này làm cho tổng phương sai trích tốt hơn.
3
Theo Gerbing & Anderson (1988) trích trong Nguyễn khánh duy (2009) thì thang đo có khái niệm đa hướng (multidimensionality) nên dùng phương pháp trích Principal Axis Factoring với phép xoay Promax sẽ phản ánh cấu trúc dữ liệu chính xác hơn phương pháp trích Principal
- KMO là một chỉ tiêu dùng để xem xét sự thích hợp của EFA, 0,5 KMO 1 thì phân tích nhân tố thích hợp. Kiểm định Bartlett xem xét giả thuyết về độ tương quan giữa các biến quan sát bằng không trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig<0,05) thì các biến quan sát có tương quan với nhau trong tổng thể (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008).
Tiếp theo, tác giả dùng phân tích nhân tố khẳng định CFA. Sau khi tìm được các biến mới từ EFA ở trên, chúng ta cần kiểm định xem mơ hình đo lường này có đạt được u cầu khơng? Các thang đo có đạt được u cầu của một thang đo tốt không? Để đo lường mức độ phù hợp của mơ hình với thơng tin tổng thể, nghiên cứu này sử dụng các chỉ tiêu Chi-bình phương (CMIN), Chi - bình phương điều chỉnh theo bậc tự do (CMIN/df), chỉ số thích hợp so sánh CFI (comparative fit index), chỉ số TLI (Tucker & Lewis index) và chỉ số RMSEA (root mean square error approximation). Mơ hình được xem là thích hợp với dữ liệu thị trường khi kiểm định Chi-square có p- value>0,05. Tuy nhiên Chi-square có nhược điểm là phụ thuộc vào kích thước mẫu4. Nếu một mơ hình nhận được các giá trị GFI, TLI, CFI 0,9 (Bentler & Bonett, 1980); CMIN/df 2, một số trường hợp khác CMIN/df 3 (Carmines & McIver, 1981);
RMSEA 0,08 (Steiger,1990); thì mơ hình được xem là phù hợp tốt với dữ liệu thị
trường (tổng thể), hay tương thích với dữ liệu thị trường (tổng thể). Thọ & Trang (2008) cho rằng nếu mô hình nhận được các giá trị TLI, CFI 0,9, CMIN/df 2,
RMSEA 0,08 thì mơ hình phù hợp (tương thích với dữ liệu thị trường). Quy tắc này được sử dụng để đánh giá mức độ phù hợp của mơ hình thang đo và mơ hình nghiên cứu SEM.
4 Giá trị thống kê Chi-bình phương = (n-1) FML; trong đó FML là hàm tương thích khi dùng phép ước lượng ML và n là kích thước mẫu. Như vậy, khi n càng lớn thì giá trị thống kê Chi-bình phương càng lớn. Điều này làm giảm mức độ phù hợp của mơ hình. Nghĩa là nó khơng phản ánh đúng mức độ thực sự của mơ hình khi kích thước mẫu lớn.
Các chỉ tiêu đánh giá là (1) hệ số tin cậy tổng hợp (composite reliability), (2) tổng phương sai trích được (variance extracted), (3) tính đơn nguyên5 (unidimensionality), (4) giá trị hội tụ6 (convergent validity), và giá trị phân biệt7 (discriminant validity).
Trong kiểm định thang đo, phương pháp CFA trong phân tích cấu trúc SEM có nhiều ưu điểm hơn so với các phương pháp như phương pháp hệ số tương quan, phương pháp phân tích nhân tố khám phá EFA, v.v.. (Bagozzi & Foxall, 1996 trích trong Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2002). Lý do là CFA cho phép chúng ta kiểm định cấu trúc lý thuyết của các thang đo lường như mối quan hệ giữa một khái niệm nghiên cứu với các khái niệm khác mà không bị chệch do sai số đo lường. Hơn nữa, chúng ta có thể kiểm định giá trị hội tụ và giá trị phân biệt của thang đo mà không cần dùng nhiều nghiên cứu như trong phương pháp nghiên cứu truyền thống (Steenkamp & van Trijp, 1991 trích trong Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2002).
Tiếp theo, tác giả dùng phân tích mơ hình cấu trúc (SEM). Sau khi chứng minh được mơ hình thích hợp với dữ liệu thị trường, mơ hình tiếp tục được đánh giá mối quan hệ nhân quả giữa các thành phần. Mục đích của phương pháp SEM nhằm ước lượng mức độ tác động của biến độc lập lên biến phụ thuộc. Trong kiểm định giả thuyết và mơ hình nghiên cứu, mơ hình cấu trúc tuyến tính cũng có lợi thế hơn các phương pháp truyền thống như hồi qui đa biến vì nó có thể tính được sai số đo lường8.
5
Mức độ phù hợp của mơ hình đo lường với dữ liệu thị trường cho chúng ta điều kiện cần và đủ để cho tập quan sát đạt được tính đơn hướng, trừ trường hợp các sai số của các biến quan sát có tương quan với nhau (Steenkamp & Van Trijp, 1991 trích trong Nguyễn Khánh Duy, 2009).
6
Thang đo đạt giá trị hội tụ nếu các trọng số chuẩn hóa đều cao (>0.50) và có ý nghĩa thống kê (p<5%) (Gerbring & Anderson, 1988 trích trong Nguyễn Khánh Duy, 2009).
7
Hai khái niệm đạt được giá trị phân biệt khi hệ số tương quan giữa chúng nhỏ hơn 1 (có ý nghĩa thống kê) (Nguyễn Khánh Duy, 2009).
8
Những phương pháp phân tích đa biến chẳng hạn như mơ hình hồi quy tuyến tính thường giả sử các biến độc lập được đo lường chính xác (khơng có sai số đo lường). Nhưng giả sử này không
Hơn nữa, phương pháp này cho phép chúng ta kết hợp được các khái niệm tiềm ẩn với đo lường của chúng và có thể xem xét các đo lường độc lập hay kết hợp chung với một mơ hình lý thuyết cùng một lúc. Chính vì vậy, phương pháp phân tích mơ hình cấu trúc tuyến tính được sử dụng rất phổ biến trong môi trường giáo dục đại học, cao đẳng trong những năm gần đây (Phạm Lê Hồng Nhung & ctg, 2012).
Cuối cùng, kiểm định Bootstrap - dùng để đánh giá độ tin cậy của các ước lượng, nếu độ chệch xuất hiện khơng có ý nghĩa thống kê (>0,05) thì lúc này kết luận rằng mơ hình là có thể tin cậy được.