3.4. ĐÁNH GIÁ THANG ĐO
3.4.2. Phân tích nhân tố khám phá
Ở bƣớc phân tích hệ số Cronbach's Alpha, chúng ta đã đánh giá đƣợc độ tin cậy của thang đo. Bƣớc tiếp theo ta cần đánh giá giá trị của thang đo, đó chính là phân tích nhân tố khám phá EFA (Exploratory Factor Analysis).
Khi phân tích nhân tố khám phá, các nhà nghiên cứu thƣờng quan tâm đến một số tiêu chí:
Thứ nhất, hệ số KMO (Kaiser-Meyer-Olkin) ≥ 0.5 với mức ý nghĩa của kiểm định Bartlett ≤ 0.05
Thứ hai hệ số tải nhân tố (Factor loading) > 0.45. Nếu biến quan sát nào có hệ số tải nhân tố ≤ 0.45 sẽ bị loại (Nguyễn Khắc Duy (2006) trích từ
Tabachnick & Fidell, 1989, Using Multivariate Statistics, Northridge, USA: HarperCollins Publishers)
Thứ ba, thang đo đƣợc chấp nhận khi tổng phƣơng sai trích ≥ 50% và eigenvalue có giá trị lớn hơn 1
Tiêu chí thứ tƣ là khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố ≥ 0.3 để đảm bảo giá trị phân biệt giữa các nhân tố
Khi phân tích EFA đối với thang đo MLQ và thang đo UWES, phƣơng pháp trích “PCA - Principal Component Analysis” với phép xoay “Varimax with Kaiser Normalization” và điểm dừng khi trích các yếu tố có eigenvalue lớn hơn 1 đƣợc sử dụng.
3.4.2.1. Thang đo lãnh đạo mới về chất (MLQ)
Sau khi kiểm định bằng công cụ Cronbach's Alpha trên thang đo MLQ thì tạm thời chƣa có biến nào bị loại.
Tiến hành phân tích nhân tố khám phá EFA trên SPSS ta có kết quả ở Bảng 3.7.
BẢNG 3.7 – PHÂN TÍCH NHÂN TỐ KHÁM PHÁ – MLQ (1)
Kiểm định KMO and Bartlett Hệ số Kaiser-Meyer-Olkin
Kiểm định Bartlett “Chi-Square” gần đúng df Mức ý nghĩa .799 5101.276 66 .000 Nhân tố Eigenvalue Tổng trích
Tổng % Phƣơng sai Phần chung % Tổng % Phƣơng sai Phần chung %
1 8.185 68.206 68.206 8.185 68.206 68.206 2 .952 7.932 76.138 3 .841 7.006 83.144 4 .636 5.299 88.443 5 .453 3.773 92.217 6 .327 2.723 94.940 7 .235 1.956 96.896 8 .194 1.617 98.513 9 .085 .706 99.219 10 .052 .437 99.656 11 .038 .316 99.972 12 .003 .028 100.000
Phương pháp trích: Phép trích PCA (Principal Component Analysis)
Kết quả trên cho thấy: 12 biến quan sát của thang đo MLQ đều đạt yêu cầu. Đồng thời có thể thấy thang đo MLQ chỉ trích đƣợc 1 nhân tố.
Chúng ta thử làm thêm 2 phép kiểm định nữa để chắc chắn rằng thang đo MLQ với lãnh đạo mới về chất chỉ trích đƣợc một nhân tố, đầu tiên là dựa trên tiêu chí điểm gãy của biểu đồ dốc (Nguyễn Đình Thọ, 2011).
Theo Nguyễn Đình Thọ, tiêu chí điểm gãy dựa vào đƣờng biểu diễn giữa số nhân tố (trục hoành) và giá trị của eigenvalue (trục tung). Điểm gãy là điểm mà tại đó đƣờng biểu diễn eigenvalue = số nhân tố thay đổi đột ngột độ dốc.
Căn cứ vào Sơ đồ 3.2, chúng ta thấy vị trí điểm gãy và đối chiếu qua trục hoành, số lƣợng 1 nhân tố cũng là 1 lựa chọn hợp lý.
HÌNH 3.2 – BIỂU ĐỒ DỐC (MLQ)
Tiếp tục biện luận vấn đề này với Phƣơng pháp thứ 3 là chọn trƣớc số lƣợng nhân tố (Nguyễn Đình Thọ, 2011), chúng ta cũng thấy một số bất hợp lý khi buộc hệ thống chọn số lƣợng nhân tố là 4 (Bảng 3.8).
BẢNG 3.8 – PHÂN TÍCH NHÂN TỐ KHÁM PHÁ – MLQ (2)
Kiểm định KMO and Bartlett Hệ số Kaiser-Meyer-Olkin
Kiểm định Bartlett “Chi-Square” gần đúng
df Mức ý nghĩa .799 5101.276 66 .000 Nhân tố
Eigenvalue Tổng trích Tổng trích (với phép quay) Tổng % Phƣơng sai Phần chung % Tổng % Phƣơng sai Phần chung % Tổng % Phƣơng sai Phần chung % 1 8.185 68.206 68.206 8.185 68.206 68.206 3.796 31.633 31.633 2 0.952 7.932 76.138 0.952 7.932 76.138 2.828 23.565 55.198 3 0.841 7.006 83.144 0.841 7.006 83.144 2.740 22.830 78.028 4 0.636 5.299 88.443 0.636 5.299 88.443 1.250 10.415 88.443 5 0.453 3.773 92.217 6 0.327 2.723 94.940 7 0.235 1.956 96.896 8 0.194 1.617 98.513 9 0.085 0.706 99.219 10 0.052 0.437 99.656 11 0.038 0.316 99.972 12 0.003 0.028 100.000
Phương pháp trích: Phép trích PCA (Principal Component Analysis)
Ma trận nhân tố quay (a)
Nhân tố 1 2 3 4 im1 .602 .481 .514 .171 im2 .344 .179 .848 .170 im3 .080 .599 .648 .184 is1 .294 .205 .186 .904 is2 .335 .876 .238 .180 is3 .643 .462 .506 .122 ic1 .775 .240 .242 .124 ic2 .417 .231 .817 .105 ic3 .850 .220 .269 .142 ii1 .369 .857 .222 .124 ii2 .773 .233 .294 .374 ii3 .683 .483 .239 .301
Đối chiếu với các nghiên cứu trƣớc đây, cụ thể nhƣ nghiên cứu của James Edward Dibley (2009) và nghiên cứu của Maria Tims, Arnold B. Bakker, Despoina Xanthopoulou (2011), thì kết quả phân tích EFA cũng phù hợp. Điều này đƣợc giải
thích thêm là có thể các biến quan sát giải thích cho khái niệm lãnh đạo mới về chất gần giống nhau.
Vì vậy có thể khẳng định phân tích EFA cho kết quả thang đo lãnh đạo mới về chất chỉ trích đƣợc 1 nhân tố, giải quyết vấn đề này, chúng ta thực hiện bƣớc điều chỉnh lại Mơ hình nghiên cứu cho phù hợp sau khi phân tích nhân tố khám phá EFA cho thang đo UWES.
3.4.2.2. Thang đo sự gắn kết cơng việc (UWES)
Tiến hành phân tích nhân tố khám phá EFA trên SPSS ta có kết quả nhƣ Bảng 3.9.
BẢNG 3.9 – PHÂN TÍCH NHÂN TỐ KHÁM PHÁ – UWES
Kiểm định KMO and Bartlett Hệ số Kaiser-Meyer-Olkin
Kiểm định Bartlett “Chi-Square” gần đúng df Mức ý nghĩa .887 5737.029 136 .000 Thành phần Eigenvalue Tổng trích Phần tải vng góc Tổng Phƣơng sai % Phần chung % Tổng Phƣơng sai % Phần chung % Tổng Phƣơng sai % Phần chung % 1 9.165 53.911 53.911 9.165 53.911 53.911 4.834 28.435 28.435 2 2.349 13.821 67.732 2.349 13.821 67.732 4.671 27.478 55.913 3 1.625 9.557 77.289 1.625 9.557 77.289 3.634 21.376 77.289 4 1.007 5.921 83.210 5 .643 3.782 86.992 6 .496 2.917 89.909 7 .322 1.893 91.802 8 .257 1.511 93.313 9 .250 1.468 94.781 10 .210 1.236 96.017 11 .175 1.028 97.046 12 .135 0.793 97.838 13 .118 0.695 98.533 14 .096 0.568 99.101 15 .069 0.409 99.510 16 .050 0.294 99.804 17 .033 0.196 100.000
Ma trận nhân tố quay (a) Nhân tố 1 2 3 vi1 .311 .164 .827 vi2 .398 .180 .786 vi3 .123 .142 .697 vi4 .151 .219 .820 vi5 .203 .076 .726 de1 .004 .767 .130 de2 .189 .889 .206 de3 .327 .878 .147 de4 .331 .889 .160 de5 .360 .785 .092 de6 .406 .772 .276 ab1 .836 .267 .237 ab2 .548 .325 .195 ab3 .909 .268 .227 ab4 .785 .199 .438 ab5 .876 .211 .296 ab6 .864 .233 .172
Phương pháp trích: Phép trích PCA (Principal Component Analysis) Phương pháp xoay: “Varimax with Kaiser Normalization”
Kết quả phân tích trên cho thấy: với phép trích PCA ta có 03 nhân tố, các biến cũng nhóm vào nhân tố nhƣ đã giả thuyết.
Kết hợp nội dung trình bày ở phần 3.4.2.1 và 3.4.2.2 ta điều chỉnh lại Mơ hình nghiên cứu nhƣ Sơ đồ 3.3.
HÌNH 3.3 – MƠ HÌNH NGHIÊN CỨU ĐIỀU CHỈNH
Trong đó:
H1: Lãnh đạo mới về chất tác động dƣơng đến sự mạnh mẽ của ngƣời lao động H2: Lãnh đạo mới về chất tác động dƣơng đến sự cống hiến của ngƣời lao động H1: Lãnh đạo mới về chất tác động dƣơng đến sự dấn thân của ngƣời lao động
TĨM TẮT CHƢƠNG 3
Chƣơng 3 trình bày:
Thiết kế nghiên cứu với các bƣớc cơ bản; nghiên cứu sơ bộ và hiệu chỉnh thang đo (thực hiện các lần thử để có bảng câu hỏi hồn chỉnh, thiết kế thang đo, diễn đạt và mã hoá thang đo): kết quả là chúng ta có thang đo lãnh đạo mới về chất 12 biến quan sát tƣơng ứng với 12 câu hỏi đƣợc mã hố; thang đo sự gắn kết cơng việc 17 biến quan sát tƣơng ứng với 17 câu hỏi đƣợc mã hoá.
Nghiên cứu chính thức (thực hiệc các vấn đề liên quan đến mẫu, khảo sát, nhập liệu): số lƣợng mẫu là 290 mẫu đƣợc chọn bằng Phƣơng pháp chọn mẫu thuận tiện.
Đánh giá thang đo (đánh giá độ tin cậy của 2 thang đo MLQ và UWES dựa trên công cụ Cronbach's Alpha, phân tích nhân tố khám phá): kết quả cho thấy thang đo MLQ và thang đo UWES phù hợp với bối cảnh của nghiên cứu.
Nội dung quan trọng khác của Chƣơng 3 đó chính là việc điều chỉnh lại Mơ hình nghiên cứu do kết quả phân tích EFA của thang đo MLQ chỉ trích đƣợc 1 nhân tố mà thơi.
CHƢƠNG 4 – PHÂN TÍCH KẾT QUẢ KHẢO SÁT
Chƣơng 4 thể hiện phân tích tác động của lãnh đạo mới về chất đến các thành phần của sự gắn kết cơng việc của ngƣời lao động thơng qua phân tích hồi qui.
Chúng ta bỏ qua phân tích thơng tin mơ tả mẫu vì các bƣớc này khơng cần thiết với nghiên cứu.
Sau kết quả Chƣơng 3, thang đo lãnh đạo mới về chất MLQ và thang đo sự gắn kết công việc UWES cho thấy phù hợp với nghiên cứu trong bối cảnh ở Việt Nam.
Đặt tên cho các biến để mã hoá trong phần mềm SPSS:
lanh_dao_moi_ve_chat: lãnh đạo mới về chất
su_manh_me: sự mạnh mẽ
su_cong_hien: sự cống hiến
su_dan_than: sự dấn thân
Tiếp theo chúng ta kiểm định mối quan hệ tƣơng quan giữa biến lãnh đạo mới về chất (lanh_dao_moi_ve_chat) và các biến thành phần của sự gắn kết công việc của ngƣời lao động nhƣ sự mạnh mẽ (su_manh_me), sự cống hiến (su_cong_hien) và sự dấn thân (su_dan_than).
Xem xét mối quan hệ tƣơng quan giữa biến lãnh đạo mới về chất (lanh_dao_moi_ve_chat) và các biến thành phần sự gắn kết công việc nhƣ sự mạnh mẽ (su_manh_me), sự cống hiến (su_cong_hien) và sự dấn thân (su_dan_than) ta thấy hệ số tƣơng quan tuyến tính của các biến su_manh_me,
su_cong_hien và su_dan_than nằm trong khoảng từ 0.623 đến 0.876 ở mức ý
BẢNG 4.1 – TƢƠNG QUAN GIỮA CÁC BIẾN
lanh_dao_moi_
ve_chat su_manh_me su_cong_hien su_dan_than
lanh_dao_moi_ve_chat
Tƣơng quan Pearson
1 0.623** 0.745** 0.876**
Tương quan được xét với mức ý nghĩa 0.01
Dừng phân tích ngay tại đây chúng ta cũng đã thấy tƣơng quan giữa các biến do đây là dạng hồi qui đơn biến, tuy nhiên nếu các biến có mối quan hệ tƣơng quan tuyến tính thì chắc gì đã có mối quan hệ nhân quả? (Hồng Trọng & Chu Nguyễn Mộng Ngọc, 2008); mặt khác, khi phân tích tƣơng quan thì khơng có sự phân biệt
giữa 2 biến (các biến có tính chất đối xứng). Vì vậy, để làm rõ hơn mối quan hệ dựa trên 3 giả thuyết trong Mơ hình nghiên cứu, chúng ta sẽ xem xét tác động của biến
lanh_dao_moi_ve_chat lên các biến su_manh_me, su_cong_hien và
su_dan_than thơng qua các mơ hình hồi qui tuyến tính sau:
Mơ hình hồi qui 1: xem xét tác động của biến lãnh đạo mới về chất đến biến sự mạnh mẽ (su_manh_me), biến phụ thuộc của mơ hình là biến su_manh_me, biến lanh_dao_moi_ve_chat là biến độc lập
Su_manh_me = c1 + a1 * lanh_dao_moi_ve_chat
Mơ hình hồi qui 2: xem xét tác động của biến lãnh đạo mới về chất đến biến thành phần sự cống hiến (su_cong_hien), biến phụ thuộc của mơ hình là biến
su_cong_hien, biến lanh_dao_moi_ve_chat là biến độc lập Su_cong hien = c2 + a2 * lanh_dao_moi_ve_chat
Mơ hình hồi qui 3: xem xét tác động của biến lãnh đạo mới về chất đến biến thành phần sự dấn thân (su_dan_than), biến phụ thuộc của mơ hình là biến
su_dan_than, biến lanh_dao_moi_ve_chat là biến độc lập Su_dan_than= c3 + a3 * lanh_dao_moi_ve_chat
Nhiệm vụ cịn lại chính là đi tìm các hệ số c1, c2, c3, a1, a2, a3 để có đƣợc các phƣơng trình hồi qui.
4.1. PHÂN TÍCH ẢNH HƢỞNG CỦA LÃNH ĐẠO MỚI VỀ CHẤT ĐẾN SỰ MẠNH MẼ TRONG CÔNG VIỆC CỦA NGƢỜI LAO ĐỘNG
Phần này sẽ trình bày các kết quả của kỹ thuật thống kê nhằm đánh giá ảnh hƣởng của lãnh đạo mới về chất đến sự mạnh mẽ của ngƣời lao động trong công việc.
Chúng ta đã biết các kết luận dựa trên hàm hồi qui tuyến tính thu đƣợc chỉ có ý nghĩa khi hàm hồi qui đó phù hợp với dữ liệu mẫu và các hệ số hồi qui khác có ý nghĩa, đồng thời các giả định của hàm hồi qui tuyến tính cổ điển về phƣơng sai và tính độc lập của phần dƣ….. đƣợc đảm bảo. Vì thế trƣớc khi phân tích kết quả hồi qui ta thực hiện các kiểm định về hệ số hồi qui và đặc biệt là kiểm định các giả thuyết hồi qui.