Sử dụng phần mềm SPSS 20.0. để phân tích kết quả thu thập. Kết quả thu về, sau khi hoàn tất việc gạn lọc, kiểm tra, mã hóa, nhập liệu và làm sạch dữ liệu, một số phương pháp phân tích sẽ được sử dụng trong nghiên cứu, cụ thể như sau:
a. Phân tích mơ tả
Phân tích này là phân tích thống kê tần số để mơ tả các thuộc tính của nhóm mẫu khảo sát như: giới tính, chức danh, phịng kỹ thuật hay phịng ban khác, ……
b. Đánh giá độ tin cậy của thang đo
Những biến không đảm bảo độ tin cậy sẽ bị loại sau khi kiểm tra độ tin cậy với Cronbach alpha để kiểm tra độ tin cậy (Reliability) các tham số ước lượng trong tập dữ liệu theo từng nhóm yếu tố trong mơ hình.
c. Phương pháp xử lý dữ liệu
Bước 1: kiểm định độ tin cậy của thang đo
Đánh giá độ tin cậy bằng hệ số Cronbach’s Alpha. Phân tích hệ số Croanbach’s Alpha được sử dụng trước để loại các biến không phù hợp. Theo Nunnally (1978); Peterson (1994) và slater (1995) thang đo có hệ số Cronbach alpha từ 0,6 trở lên sẽ có thể sử dụng được. Những biến có hệ số tương quan tổng (Corrected-Total Correlation) nhỏ hơn 0,3 và thành phần thang đo có hệ số Croanbach’s Alpha nhỏ hơn 0,6 được xem xét loại bỏ.
Theo nghiên cứu của Hoàng Trọng và Chu Nguyễn Mộng (2008) trị số Kaiser- Meyer-Olkin (KMO) trị số KMO là chỉ số dùng để xem xét sự thích hợp trong việc đưa các biến vào phân tích nhân tố. Trị số KMO lớn khi đạt từ 0,5 đến 1,0 đây là điều kiện đủ để phân tích nhân tố thích hợp, khi trị số này nhỏ hơn 0,5 thì phân tích nhân tố có khả năng khơng thích hợp với dữ liệu.
Ngồi ra khi phân tích dữ liệu bằng SPSS ta cần lưu ý các trị số sau:
- Eigenvalue: những nhân tố có trị số Eigenvalue lớn hơn 1 được giữ lại vì những nhân tố này nó đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố.
- Phương sai trích (% cumulative variance): phần trăm biến thiên của các biến quan sát. Như vậy Thang đo được chấp nhận khi tổng phương sai trích bằng hoặc lớn hơn 50%.
- Ma trận nhân tố (Component Matrix): mặc dù phương pháp này giúp kiểm tra mối liên hệ giữ các nhân tố và từng biến một nhưng thông thường kết quả sẽ cho thấy mỗi nhân tố sẽ có mối liên hệ với nhiều biến làm cho việc giải thích khó khăn. Chính vì lý do đó cần phải kết hợp với việc xoay các nhân tố (Rotated Component Matrix). Sau khi xoay, kết quả là mối liên hệ giữ các biến và các nhân tố sẽ giảm đi, thỉnh thoảng một biến chỉ có mối liên hệ với một nhân tố mà thôi. Kết quả này được dựa vào hệ số khác khơng (có ý nghĩa) của các nhân tố đối với từng biến.
Bước 3: Phân tích hồi quy
Phân tích hồi quy tuyến tính để biết được mức độ tác động của các biến độc lập lên biến phụ thuộc. Từ đó sẽ kiểm tra độ thích hợp của mơ hình, xây dựng mơ hình hồi quy bội để kiểm định giả thuyết.
Bước 3: Phân tích mối quan hệ
Sử dụng phương pháp tương quan về hệ số tương quan “Pearson correlation coefficient”, được ký hiệu bởi chữ “r”. Giá trị trong khoảng -1≤ r ≤+1.
Để kiểm định mối quan hệ giữa các khía cạnh văn hóa tổ chức trong công việc và sự hài lịng trong cơng việc, kết quả cơng việc của nhân viên trong mơ hình nghiên cứu.
Nếu r>0 thể hiện tương quan đồng biến. Ngược lại, r<0 thể hiện tương quan nghịch biến. Giá trị r=0 chỉ ra rằng hai biến khơng có mối liên hệ tuyến tính.
|r| → 1 : Quan hệ giữa 2 biến càng chặt
|r| → 0 : Quan hệ giữa 2 biến càng yếu Mức ý nghĩa “sig” của hệ số tương quan, cụ thể như sau:
< 5%: mối tương quan khá chặt chẽ < 1%: mối tương quan rất chặt chẽ
Bước 4: Kiểm tra độ thích hợp của mơ hình, xây dựng mơ hình hồi quy bội để kiểm tra giả thuyết. Thực hiện T-test, ANOVA giữ các nhóm đối tượng khác nhau với các thành phần của mơ hình cấu trúc đã được kiểm định nhằm tìm ra sự khác biệt có ý nghĩa của một vài nhóm cụ thể.