CHƯƠNG 3 : PHƯƠNG PHÁP NGHIÊN CỨU
3.3. Phương pháp xử lý số liệu:
Quá trình xử lý số liệu được thực hiện trên chương trình xử lý dữ liệu SPSS 16.0 theo 3 bước sau :
Bước 1 - Kiểm định độ tin cậy của các thang đo
Các thang đo trong nghiên cứu được kiểm định độ tin cậy bằng công cụ Cronbach’s Alpha cho từng thành phần của thang đo. Hệ số Cronbach’s Alpha cho phép kiểm định thống kê về mức độ chặt chẽ mà các mục hỏi trong thang đo tương quan nhau. Hệ số này phải có giá trị ít nhất là 0.6 có thể chấp nhận được về mặt độ tin cậy. Trong mỗi thang đo, tương quan biến tổng (Corrected Item-Total Correlation ) thể hiện tương quan giữa một biến quan sát với tất cả các biến quan sát. Hệ số này càng cao thì sự tương quan giữa biến này với các biến trong thang đo càng cao. Hệ số tương quan biến tổng trong thang đo ít nhất lớn hơn 0.3 thì biến đó đạt u cầu. (Nguyễn Đình Thọ, 2011).
Bước 2: Phân tích nhân tố khám phá EFA: bằng các thành phần chính
(principal components) cho phép rút gọn nhiều biến số ít nhiều có một tương quan lẫn nhau thành những đại lượng được thể hiện dưới dạng mối tương quan theo đường thẳng được gọi là những nhân tố. Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008) các tham số thống kê quan trọng trong phân tích nhân tố bao gồm:
- Bartlett’s test spehericity: đại lượng Bartlett là một đại lượng thống kê dùng để xem xét giả thuyết các biến khơng có tương quan trong tổng thể. Điều kiện cần để áp dụng phân tích nhân tố là các biến phải có tương quan với nhau.
- Chỉ số Chỉ số Kaiser – Meyer – Olkin (KMO): là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số của KMO lớn (giữa 0.5 và 1) là điều kiện đủ để phân tích nhân tố thích hợp, cịn nếu như trị số này nhỏ hơn 0.5 thì phân tích nhân tố có khả năng khơng thích hợp với các dữ liệu.
- Eigenvalue: đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố. Những nhân tố có eigenvalue nhỏ hơn 1 sẽ khơng có tác dụng tóm tắt thơng tin tốt hơn một biến gốc. Chỉ có những nhân tố nào có eigenvalue lớn hơn 1mới được giữ lại trong mơ hình phân tích.
- Percentage of variance: phần trăm phương sai tồn bộ được giải thích bởi từng nhân tố. Tổng phương sai trích phải lớn hơn 50%.
- Factor loadings (hệ số tải nhân tố): là những hệ số tương quan đơn giữa các biến và các nhân tố. Hệ số này càng lớn cho biết các biến và nhân tố càng có quan hệ chặt chẽ với nhau. Theo Hair và ctg (1988,111) hệ số tải nhân tố lớn hơn 0.3 được xem là đạt được mức tối thiểu, lớn hơn 0.4 được xem là quan trọng và lớn hơn 0.5 được xem có ý nghĩa thực tế. Trong nghiên cứu này, tác giả chỉ chọn những biến quan sát có hệ số tải nhân tố lớn hơn bằng 0.5.
- Các biến quan sát có tương quan với nhau trong phạm vi tổng thể, khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố lớn hơn 0.3 để tạo giá trị phân biệt giữa các nhân tố (Jabnoun và al-tamimi,2003).
Trong nghiên cứu này, tác giả sử dụng phương pháp phân tích nhân tố Principal Components và phép xoay nhân tố Varimax để tìm ra các nhân tố đại diện cho các biến. Phép xoay nhân tố Varimax là cách xoay nguyên góc các nhân tố để tối thiểu hóa số lượng biến có hệ số lớn tại cùng một nhân tố, vì vậy sẽ tăng cường khả năng giải thích của các nhân tố.
Bước 3: Phân tích tương quan và hồi quy đa biến
Phân tích tương quan là phương pháp sử dụng hệ số tương quan Pearson (ký hiệu là r) để lượng hóa mức độ chặt chẽ của mối tương quan giữa hai biến định lượng. Trị tuyệt đối của r cho mức độ chặt chẽ của mối liên hệ tuyến tính. Giá trị tuyệt đối của r tiến gần đến 1 khi hai biến có mối tương quan chặt chẽ. Giá trị r =0 chỉ ra rằng hai biến khơng có mối tương quan liên hệ tuyến tính. (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008)
Phân tích hồi quy đa biến là phương pháp được sử dụng để phân tích mối quan hệ giữa một biến phụ thuộc với nhiều biến độc lập. Mục đích của phân tích hồi quy đa biến là dự đoán mức độ biến phụ thuộc khi biết trước giá trị của biến độc lập.
Yi = β0 + β1X1i + β2X2i +..+βpXpi +ei
Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), các tham số thống kê quan trọng trong phân tích hồi quy đa biến là:
- Hệ số hồi quy riêng phần βk: là hệ số đo lường sự thay đổi giá trị trung bình Y khi Xk thay đổi một đơn vị, giữ các biến độc lập cịn lại khơng đổi.
- Hệ số biến thiên R2: hệ số xác định tỉ lệ biến thiên của biến phụ thuộc được giải thích bởi biến độc lập trong mơ hình hồi qui. Đó cũng là thơng số đo lường độ thích hợp của đường hồi qui theo qui tắc R2 càng gần 1 thì mơ hình đã xây dựng càng thích hợp, R2 càng gần 0 mơ hình càng kém phù hợp với tập dữ liệu mẫu. Tuy nhiên, R2 có khuynh hướng là một ước lượng lạc quan của thước đo sự phù hợp của mơ hình đối với dữ liệu trong trường hợp có hơn 1 biến giải thích trong mơ hình. Trong tình huống này R2 điều chỉnh (Adjusted R square) được sử dụng để phản ánh sát hơn mức độ phù hợp của mơ hình hồi qui tuyến tính đa biến vì nó khơng phụ thuộc vào độ lệch phóng đại của R2.
- Kiểm định F trong bảng phân tích phương sai là một phép kiểm định giả thuyết về độ phù hợp của mơ hình hồi qui tuyến tính tổng thể. Nếu giả thuyết Ho
của kiểm định F bị bác bỏ thì có thể kết luận mơ hình hồi qui tuyến tính đa biến phù hợp với tập dữ liệu và có thể sử dụng được.
Kiểm định các giả thuyết của mơ hình
Theo Hồng Trọng và Chu Nguyễn Mộng Ngọc (2008), các giả thuyết của mơ hình hồi quy là:
- Kiểm định đa cộng tuyến: Phân tích chỉ số VIF (variance inflation factor) được sử dụng để kiểm tra hiện tượng đa cộng tuyến. Thông thường chỉ số này vượt quá giá trị 2 biểu thị cho vấn đề tiềm tàng do đa cộng tuyến gây ra. Khi chỉ số VIF vượt q 10 thì mơ hình xảy ra hiện tượng đa cộng tuyến.
- Giải định về phân phối chuẩn của phần dư: phần dư có thể khơng tuân thể phân phối chuẩn vì những lý do như: sử dụng sai mơ hình, phương sai khơng phải là hằng số, số lượng các phần dư khơng đủ để phân tích,.. Để kiểm định về giả thuyết phân phối chuẩn của phần dư ta có thể xây dựng biểu đồ tần số Histogram để khảo sát phân phối của phần dư hoặc xây dựng hai phân phối tích lũy của phần dư lên biểu đồ P-P Plot. Bằng cách quan sát mức độ các điểm thực tế phân tán xung quanh đường thẳng kỳ vọng, ta có thể so sánh hai p hân phối này và kết luận phân phối phần dư có gần chuẩn khơng.
- Giả định về tính độc lập của sai số (khơng có tương quan giữa các phần dư):
đại lượng thống kê Durbin-Watson (d) có thể dùng để kiểm định tương quan của các sai số kề nhau (tương quan chuỗi bậc nhất). Đại lượng d có giá trị biến thiên từ khoảng 0 đến 4. Nếu giá trị phần dư khơng có tương quan chuỗi bậc nhất nhau, giá trị d sẽ gần bằng 2. Giá trị d thấp (và nhỏ hơn 2) có nghĩa là phần dư gần nhau có tương quan thuận. Giá trị d lớn hơn 2 (và gần bằng 4) có nghĩa là các phần dư có tương quan nghịch.
Bước 4: Hồi quy với biến độc lập định tính (biến giả)
Trong nghiên cứu này có xem xét tác động của biến nguồn gốc sở hữu (Origin) ảnh hưởng đến văn hóa tổ chức đến sự thỏa mãn và sự gắn kết tổ chức. Đây là biến độc lập định tính và được sử dụng như một biến độc lập trong mơ hình hồi quy nên phải chuyển biến này thành biến giả. Trong nghiên cứu này, doanh nghiệp Việt Nam mang giá trị 0 và doanh nghiệp FDI mang giá trị 1. Biến giả Origin được đưa vào mơ hình hồi quy như biến độc lập bình thường. Vì biến giả được mã hóa thành 0 và 1 phụ thuộc vào địa vị mức độ, kết hợp nó vào một mơ hình hồi quy cũng giống như có hai đường hồi quy đơn có cùng độ nghiên nhưng khác nhau mặt bằng.