Sau khi đánh giá độ tin cậy của thang đo, số liệu dùng để phân tích nhân tố gồm có9thành phần: Công việc,đàotạo,lãnh đạo, tiền lương, môi trường,đồng nghiệp,phúc lợi, đánh giá, qui trình. Mỗi thành phần gồm có 4 biến, riêng thành phần đồng nghiệp gồmcó3 biến.Do đóta tiếnhành phântích nhân tốcho 9 nhân tố thành phầnnày.
4.3.1 Tóm tắtcác điều kiện phântích EFA
Khi phân tích nhân tố khám phá, các nhà nghiên cứu thường quan tâm đến một số tiêu chuẩn để kiểm tra độ phù hợp của mơ hình như sau:
-Thứ nhất, hệ số KMO (Kaiser-Meyer-Olkin) phải ≥ 0.5 và mức ý nghĩa của kiểm
định Bartlett phải ≤ 0.05 (Othman & Owen, 2000).
-Thứ hai, theo Anderson & Gerbing (1988) , thang đo được chấp nhận khi tổng phương sai trích (Cumulative % Extraction Sums of Squared Loadings) ra từ mơ hình phải ≥ 50% và các nhân tố trích được đều phải có giá trị điểm dừng Eigenvalue (đạidiện cho phầnbiếnthiênđượcgiảithích bởimỗi nhân tố) lớn hơn 1.
-Thứ ba, hệ số tải nhân tố (factor loading) phải > 0.5. Nếu biến quan sát nào có hệ số tải nhân tố cao nhất mà≤ 0.5 thì sẽ bị loại.
-Thứ tư, là khác biệt hệ số tải nhân tố cao nhất của một biến quan sát trên nhân tố mà nó đo lường so với các các nhân tố còn lại phải cao chênh lệch ≥ 0.3 để đảm bảo giá trị phân biệt giữa các nhân tố (nghĩa là phải tải mạnh lên nhân tố mà biến đó đo lường).
Phương pháp trích “Principal Axis Factoring” vớiphép quay “Varimax” được sử dụng trong phân tích nhân tố thang đo các thành phần độc lập
4.3.2 Kết quả phân tích nhân tố
Sau khi loại quan sát “đồng nghiệp 4” (Phụ lục số 4) ở giai đoạn đánh giá độ tin cậy của các thang đo, còn lại 35 quan sát của 9 thành phần độc lập đưavào phântích, nếu các biến không đạt yêu cầu (hệ số truyền tải <0.5 hoặc khác biệt giữa hai nhân tố < 0.3) sẽ bị loại và ta tiếp tục chạy EFA cho đến khi các biến còn lại đạt yêu cầu. Tuy nhiên, với dữ liệu thu thập được của đề tài này sau khi chạy EFA lần đầu đã đáp ứng được điều kiện đặt ra đối vớicác biếnvà các biếnnhóm theothành phần. Kếtquả tóm tắt được thểhiệnbảng bên dưới.
Bảng 4-8:Bảng kếtquảEFAcủa mơhình nghiên cứu
Nhân tố Tên biến 1 2 3 4 5 6 7 8 9 Qui trinh 4 .798 Qui trinh 1 .793 Qui trinh 3 .788 Qui trinh 2 .780 Moi truong 4 .846 Moi truong 1 .846 Moi truong 3 .827 Moi truong 2 .787 Phuc loi 2 .802 Phuc loi 4 .797 Phuc loi 1 .797 Phuc loi 3 .769 Danh gia 1 .876 Danh gia 4 .851 Danh gia 3 .787 Danh gia 2 .734 Lanh dao 4 .850 Lanh dao 1 .824 Lanh dao 2 .798 Lanh dao 3 .761 Dao tao 3 .774 Dao tao 1 .767 Dao tao 4 .729 Dao tao 2 .709 Cong viec 2 .777 Cong viec 4 .720 Cong viec 3 .717 Cong viec 1 .698 Dong nghiep 3 .868 Dong nghiep 1 .866 Dong nghiep 2 .833 Tien luong 4 .774 Tien luong 1 .736 Tien luong 2 .721 Tien luong 3 .640 Cronbach’s Alpha 0.859 0.851 0.845 0.833 0.828 0.819 0.807 0.897 0.784 Initial Eigenvalues 7.479 3.206 2.661 2.595 2.083 1.919 1.585 1.501 1.219 %của phương sai 21.369 9.160 7.604 7.414 5.950 5.482 4.530 4.288 3.482
Từ kếtquả củabảng 4-8 ta thấycó 35 quan sát được đưa vào phân tích nhân tố theo tiêu chuẩn Eigenvalue lớn hơn1đã có 9 nhân tố được rút trích. Tổng phương sai trích = 69.28%, điều này cho biết 9 nhân tố này giải thích được 69.28% biến thiên của dữ liệu. Hệ số KMO = 0.810 (>0.5) do đó đã đạt yêu cầu. Với phép quay Varimax các hệ số truyền tải<0.5 hoặc khác biệt giữa hai nhân tố nhỏ hơn 0.3bị loại. Tuy nhiên với dữliệu thu thập được các quan sát điều đạt yêu cầu bởi các biến có hệ số truyền tải (factors loading) lớn hơn 0.5. Sốliệu chi tiết (Vuilịng xemphụ lục số5)
4.3.3 Đặt tên và giải thích nhân tố
Việc giảithích các nhân tố được thựchiện trên cơsởnhậnra các biếnquan sát có hệ số truyền tải (factor loading) lớn nằm trong cùng một nhân tố. Như vậy nhân tố này có thể giải thích bằng các biến có hệ số lớn nằm trong nó. Ma trận nhân tố sau khi xoay. Với dữ liệu thu thập được từ đề tài nghiên cứu, sau khi phân tích nhân tố thì các nhóm biến vẫn nhóm theo các thành phần của mơ hình nghiên cứu. Tuy nhiên, hệ số truyền tải của từng biến sắp xếp theo trật tự giảm dần từ lớn tới nhỏ theo từng thành phần,đểdễtheo dõi,cũng như tiện lợi cho việc phân tích hồi quy bước sau ta nhóm các nhân tốtheo thứtựsau:
Nhân tố 1 - Quitrình: tập hợp 4 biến: Qui trình 1, quitrình 2, quitrình 3, qui trình 4. Quitrình, qui định.
Nhân tố 2 - Môi trường: tập hợp 4 biến: Môi trường 1, Môi trường 2, Môi trường 3, Môi trường 4. Môi trườnglàm việc.
Nhân tố 3 - Phúc lợi: tập hợp 4 biến:Phúc lợi 1, Phúc lợi 2,Phúc lợi 3,Phúc lợi 4.Phúc lợi.
Nhân tố 4 - Đánh giá: tập hợp 4 biến: Đánh giá 1, Đánh giá 2, Đánh giá 3, Đánhgiá4.Đánhgiánhân viên.
Nhân tố 5 - Lãnh đạo: tập hợp 4 biến: Lãnh đạo 1, Lãnh đạo 2, Lãnh đạo 3, Lãnh đạo 4.Lãnh đạo.
Nhân tố6 - Đàotạo: tậphợp 4 biến: Đào tạo 1,Đào tạo 2,Đàotạo 3, Đàotạo 4.Đàotạovà thăng tiến.
Nhân tố 7 - Bản chất: tập hợp4 biến: Công việc 1, Công việc 2, Công việc 3, Công việc 4.Bản chất công việc.
Nhân tố 8 - Đồng nghiệp: tập hợp 3 biến: Đồng nghiệp 1, Đồng nghiệp 2, Đồng nghiệp 3,Đồng nghiệp 4.Đồng nghiệp.
Nhân tố 9 - Tiền lương: tập hợp 4 biến: Tiền lương 1, Tiền lương 2, Tiền lương 3, Tiền lương4. Tiền lương.
4.4 MƠ HÌNH ĐIỀU CHỈNH
4.4.1 Nội dung điều chỉnh
Mơ hình mới được đưa ra vớibiến phụthuộc là “Sựthỏa mãn trong công việc” và 9 biến độc lập lần lượt là: Qui trình, mơi trường, phúc lợi, đánh giá, lãnh đạo, đào tạo, công việc, đồng nghiệp, tiền lương. Sau khi phân tích nhân tố 9 biến độc lập này vẫn được giữnguyên. Tuy nhiên, sự tác động của các biến khác nhau theo thứ tự giảm dần lần lượt theo thứtựtừtrên xuống theo mơhình sau:
Mơhình nghiên cứu điềuchỉnh được biểu diễn:
Hình 3-3: Sơ đồmơhình nghiên cứu điềuchỉnh
(Ghichú: Mơhình 3-3 vẫn giữngun 9thành phần so với mơhình 3-1)
4.4.2 Các giả thuyết cho mơ hìnhđiều chỉnh
Các giả thuyết cho mơ hình nghiên cứu điều chỉnh sẽ được xây dựng dựa trên chiều hướng ảnh hưởng (Phương sairút trích giảm dần từ cao xuống thấp) của các yếu
H1: Hệthống quy định, quytrình
H3:Phúc lợi
H4:Đánhgiáthực hiện cơng việc H5:Lãnh đạo
H6:Cơ hội đàotạovà thăng tiến H7:Bản chất công việc
H8:Đồng nghiệp
H2: Môi trườnglàm việc
H9: Tiền lương
SỰ THỎAMÃN
tố tác động đến sự thỏa mãn trong công việc của nhân viên. Trong mơ hìnhđiềuchỉnh này, có 9 yếu tố tác động đến sự thỏa mãn trong công việc của nhân viên đó là: Qui trình, mơi trường, phúc lợi, đánh giá, lãnh đạo, đào tạo, công việc, đồng nghiệp, tiền lương.
Các giả thuyết của mơ hình điều chỉnh như sau:
H1: Cảm nhận của nhân viên càng thỏa mãn với hệthống qui định, quitrình của cơng tythìhọ càng thỏa mãn với cơng việc.
H2: Cảm nhận của nhân viên càng thỏa mãn với môi trường làm việc thì họ càng thỏa mãn vớicơng việc.
H3: Cảm nhận của nhân viên càng thỏa mãn với các chính sách phúc lợi thì họ càng thỏa mãn vớicơng việc.
H4: Cảm nhận của nhân viên càng thỏa mãn với việc đánh giá thực hiện công việchọ càng thỏa mãn với công việc.
H5: Cảm nhận của nhân viên càng thỏa mãn với lãnhđạo thì họcàng thỏa mãn với cơng việc.
H6: Cảm nhận của nhân viên càng thỏa mãn với cơ hộiđào tạo và thăng tiến của tổ chức thì họ càng thỏa mãn với công việc.
H7: Cảm nhận của nhân viên càng thỏa mãn với bản chất cơng việc đang làm thì họ càng thỏa mãn vớicông việc.
H8: Cảm nhận của nhân viên càng thỏa mãn với yếu tố đồng nghiệp thì họ càng thỏa mãn vớicông việc.
H9: Cảm nhận của nhân viên càng thỏa mãn vớitiền lương mà họ nhậnđược khi làm việc cho tổ chức thì họ càng thỏa mãn vớicơng việc.
Từ các giả thuyếtcủa mơ hình điều chỉnh ta dự đốn phương trình hồi quy tuyến tính bộicó dạng như sau:
- Phương trình 3-2: Phương trình hồi quy bội điều chỉnh sau khi kiểm định sơ bộ Cronbach Alpha vàEFAnhư sau:
4.5 PHÂN TÍCH CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN SỰ THỎA MÃNTRONG CÔNG VIỆC CỦA NHÂN VIÊN TẠI C.T RETAIL TRONG CÔNG VIỆC CỦA NHÂN VIÊN TẠI C.T RETAIL
4.5.1 Xemxét mối tương quan tuyếntínhcủacác biếnthành phần
Mục tiêu của phân tích tương quan là tính tốn ra đ ộ mạnh hay mức độ liên hệ tuyến tính giữa 2 biến số. Mặc d ù phân tích tương quan khơng chú ý đến mối liên hệ nhân quả như phân tích hồi quy, nhưng hai phân tích này có m ối liên hệ chặt chẽ và phân tích tương quan được xem như là cơng cụ bổ trợ hữu ích cho phân tích hồi quy.
Trước tiên chúng ta xem qua mối tương quan tuyến tính giữa các thành phần của sự thỏa mãn trong công việc thông qua ma trận tương quan với giá trị kiểm định là hệ số tương quan Pearson. Các gi ả thuyết H0 của kiểm định này cho rằng khơng có tương quan giữa 2 biến (tức các hệ số khơng có ý nghĩa thống kê). Chúng ta sẽ xem xét với độ tin cậy 95% các giá trị p-value (mức ý nghĩa Sig) có < 0.05 hay khơng? Nếu Sig < 0.05 thì ta có đủ cơ sởbác bỏ giả thuyết H0. Tức là hệ số tương quan giữa 2 biến là có ý nghĩa. Ngược lại, nếu Sig > 0.05 thì ta chấp nhận giả thuyết H0. Tức là hệ số tương quan tuyến tính giữa 2 biến là khơng có ý nghĩa.
Bảng4-9: Ma trận kiểm định hệ số tương quan Pearson của các biến nhân tố.
Bản chất Đào tạo Lãnh đạo Tiền lương Mơi trường Đồng nghiệp Phúc lợi Đánh giá Qui trình Thỏa mãn Hệsố tương quan 1.000 0.413 0.050 0.475 (0.015) 0.439 0.371 0.025 0.349 0.393 Bản chất Mứcý nghĩa (Sig) 0.000 0.467 0.000 0.830 0.000 0.000 0.712 0.000 0.000 Hệsố tương quan 1.000 0.028 0.418 0.015 0.333 0.364 0.029 0.434 0.426 Đào
tạo Mứcý nghĩa (Sig) 0.678 0.000 0.832 0.000 0.000 0.674 0.000 0.000
Hệsố tương quan 1.000 0.035 0.078 (0.058) 0.106 (0.051) 0.033 0.052
Lãnh
đạo Mứcý nghĩa (Sig) 0.607 0.256 0.396 0.122 0.460 0.628 0.450
Hệsố tương quan 1.000 0.072 0.335 0.337 0.035 0.412 0.395
Tiền
lương Mứcý nghĩa (Sig) 0.290 0.000 0.000 0.614 0.000 0.000
Hệsố tương quan 1.000 0.003 0.021 (0.067) (0.031) 0.025
Môi
trường Mứcý nghĩa (Sig) 0.969 0.759 0.327 0.647 0.715
Hệsố tương quan 1.000 0.234 0.059 0.351 0.291
Đồng
nghiệp Mứcý nghĩa (Sig) 0.001 0.393 0.000 0.000
Hệsố tương quan 1.000 (0.025) 0.267 0.356
Phúc
lợi Mứcý nghĩa (Sig) 0.712 0.000 0.000
Hệsố tương quan 1.000 0.061 -0.059
Đánh
giá Mứcý nghĩa (Sig) 0.376 0.391
Hệsố tương quan 1.000 0.309 Qui trình Mứcý nghĩa (Sig) 0.000 Hệsố tương quan 1.000 Thỏa mãn Mứcý nghĩa (Sig)
Theo ma trận tương quan thì các biến Qui trình, mơi trường,phúc lợi,đánh giá, lãnh đạo, đào tạo, công việc, đồng nghiệp, tiền lương đều có tương quan với biến (sự thỏa mãn trong công việc) với mức ý nghĩa <0.05. Giữa các biến độc lập cũng có mối
tươngquan vớihệ số khơng q lớn.
Phân tích tương quan được sử dụng để xem xét sự phù hợp khi đưa các thành phần vào mơ hình hồi quy. Kếtquảcủa phân tích hồi quy sẽ được sửdụng để kiểm định các giả thuyết từH1đến H9đã mô tả ở phần trên.
4.5.2 Tóm tắt các điều kiện trong đánh giá phân tích hồi quy
Phần này sẽ trình bày các điều kiện trong đánh giá phân tích mơ hình hồi quy nhằm xác thực độ tin cậy của các ước lượng hồi quy có được từ dữ liệu khảo sát.
Chúng ta đã biết, các kết luận dựa trên hàm hồi quy tuyến tính thu đ ược chỉ có ý nghĩa khi hàm hồi quy đó phù hợp với dữ liệu mẫu và các hệ số hồi quy khác 0 có ý nghĩa; đồng thời, các giả định của hàm hồi quy tuyến tính cổ điển về ph ương sai, tính độc lập của phần dư… được đảm bảo. Vì thế, trước khi phân tích kết quả hồi quy, ta thực hiện các kiểm định về độ phù hợp của hàm hồi quy, kiểm định ý nghĩa của các hệ số hồi quy và đặc biệt là kiểm định các giả định của hàm hồi quy.
a) Kiểm chứng các giả định của mơ hình hồi quy
Nếu các giả định bị vi phạm, thì các kết quả ước lượngsẽkhơng cịn đáng tin cậy nữa. Vì thế, để đảm bảo sự diễn dịch từ kết quả hồi quy của mẫu cho tổng thể có giá trị, trong phần này, ta tiến hành kiểm định các giả định của hàm hồi quy tuyến tính cổ điển bao gồm các giả định nhưsau:
- Khơng có hiện tượng đa cộng tuyến giữa các biến độc lập.
- Phương sai của phân phối phần dư là khơng đổi.
- Các phần dư có phân phối chuẩn.
- Khơng có hiện tượng tự tương quan giữa các phần dư.
*Giả định khơng có hiện tượng đa cộng tuyến giữa các biến độc lập:
Đa cộng tuyến là hiện tượng mà trong đó có sự tồn tại của nhiều hơn một mối quan hệ tuyến tính chính xác. Tức là giữa các biến độc lập có thể có một biến nào đó được biểu diễn bởi tổ hợp tuyến tính của các biến còn lại. Hiện tượng này sẽ dẫn đến những hậu quả nghiêm trọng trong phân tích hồi quy như kiểm định t sẽ không còn ý nghĩa, dấu của các ước lượng hệ số hồi quy có thể sai. Trong mơ hình hồi quy bội, chúng ta giả định giữa các biến độc lập của mơ hình khơng có hiện tượng đa cộng tuyến.
phương sai VIF (variance inflation factor). Khi VIF vượt quá 10 thì đó là dấu hiệu của
hiện tượng đa cộng tuyến. Trong phần mềm thống kê SPSS cịn những cơng cụ khác để xem xét có hay khơng có sự xuất hiện của hiện tượng này như chỉ số điều kiện (condition
index). Chỉ số điều kiện lớn hơn 15 thì đó là một dấu hiệu cho thấy có thể xảy ra hiện tượng đa cộng tuyến (trong mục trợ giúp của phần mềm SPSS v16.0).
*Giả định phương sai của phân phối phần dư là không đổi:
Phần dư (residual) của một quan sát là độ chênh lệch (εi hay ei) giữa tung độ của giá trị quan sát thực tế (Yi) và tung độ của giá trị hồi quy (Ŷi). Tập hợp các độ lệch này so với một giá trị hồi quy sẽ tạo nên một phân phối chuẩn tại giá trị (Ŷi). Một hàm hồi quy tuyến tính sẽ có nhiều phân phối chuẩn của phần dư tại các giá trị (Ŷi).
Giả định này cho rằng các phân phối chuẩn của các phần dư nói trên này đều có phương sai là một hằng số (phương sai khơng đổi).
Ta có thể quan sát và kiểm chứng được điều kiện này bằng biểu đồ Histogram của phân phối phần dư chuẩn hóa (standardized residual). Nếu phương sai của phần dư không đổi thì các chấm sẽ phân tán một cách ngẫu nhiên quanh trục hồnh, tức là xung quanh giá trị trung bình (cótung độ = 0) chứ khơng hình thành nên một dạng đồ thị nhất định nào cả.
Kiểm định hệ số tương quan Spearman có gi ả thuyết H0 cho rằng hệ số tương quan hạng giữa các biến giải thích (Xi) và phần dư (ε) là khơng có ý nghĩa (bằng 0). Nếu ta khơng có đủ cơ sở bác bỏ giả thuyết này thì có thể chấp nhận rằng phương sai của phân phối phần dư là không thay đổi.
*Giả định về phân phối của phần dư là phân phối chuẩn:
Phần dư có thể khơng tn theo phân phối chuẩn vì nhiều lý do: sử dụng mơ hình khơng đúng, phương sai không ph ải là hằng số, số lượng các phần dư không đủ nhiều để