Nhân tố Biến quan sát Tên nhóm Mã hóa
1 ENV1, ENV2, ENV3, ENV4 Mơi trường làm việc ENV 2 CB1, CB2, CB3, CB4 Lương, thưởng, phúc lợi CB 3 JOB1, JOB2, JOB3, JOB4 Đặc điểm công việc JOB
(Nguồn: Tác giả tự tổng hợp)
4.3.2. Phân tích cho biến trung gian và biến phụ thuộc
Kết quả phân tích trên SPSS cho các biến trung gian và phụ thuộc được tóm tắt như sau:
Hình 4.3: Kết quả phân tích EFA biến trung gian
(Nguồn: Kết quả phân tích của tác giả trên SPSS, n=204)
- Biến trung gian: Hệ số KMO = 0,674 thuộc khoảng từ 0,5 đến 1, sig=0,000 nhỏ hơn 0,05. Trích rút được 1 nhân tố có Eigen Value lớn hơn 1 (= 2,205) với tổng phương sai trích bằng 73,512%.
Hình 4.4: Kết quả phân tích EFA biến phụ thuộc
(Nguồn: Kết quả phân tích của tác giả trên SPSS, n=204)
- Biến phụ thuộc: Hệ số KMO = 0,806 thuộc khoảng từ 0,5 đến 1, sig=0.000 nhỏ hơn 0,05. Trích rút được 1 nhân tố có Eigen Value lớn hơn 1 (=2.959) với tổng phương sai trích bằng 73,980%
Các kết quả đều thỏa mãn các điều kiện cần thiết, ngồi ra ma trận xoay khơng thể thực hiện do chỉ trích xuất được một ngun tố, từ đó có thể thấy thang đo đảm bảo được tính đơn hướng, các biến quan sát của biến trung gian và biến phụ thuộc hội tụ khá tốt. Từ đó tác giả phân nhóm có các biến quan sát như sau:
- Các biến trung gian (OPT1, OPT2, OPT3) được mã hóa là OPT
- Các biến phụ thuộc (MOT1, MOT2, MOT3, MOT4) được mã hóa là MOT
4.4. Phân tích hệ số tương quan Pearson
Phương pháp phân tích hệ số tương quan Pearson được tác giả thực hiện để kiểm tra mối quan hệ tương quan tuyến tính giữa các biến độc lập, biến phụ thuộc và biến trung gian. Kết quả sau khi tiền hành trên phần mềm SPSS như sau: