Mã hóa Biến quan sát
SS1 Tơi sẵn sàng cống hiến lợi ích cá nhân vì lợi ích của cộng đồng, xã hội.
SS2 Tôi tin tưởng việc đặt nghĩa vụ của cơng chức lên trước lợi ích bản thân
SS3 Tôi sẵn sàng chịu rủi ro cá nhân để giúp ích cho cộng đồng, xã hội.
SS4 Tôi sẽ ủng hộ một chương trình tốt để giúp đỡ người nghèo có cuộc sống tốt hơn, ngay cả khi chương trình này khiến tơi phải tốn tiền.
Nguồn: Kết quả nghiên cứu định tính của tác giả (2018)
* Thang đo Nghĩa vụ công dân
Kế thừa thang đo của Perry và cộng sự (2008). Sau khi nghiên cứu định tính, thang đo Nghĩa vụ công dân được giữ nguyên 03 biến quan sát và mã hóa như sau:
Bảng 3.5: Thang đo Nghĩa vụ cơng dân
Mã hóa Tên biến quan sát
CD1 Tơi tự nguyện, vơ vị lợi đóng góp cho cộng đồng.
CD2 Đối với tôi việc cung cấp các dịch vụ cơng chất lượng có ý nghĩa cho người dân là rất quan trọng.
CD3 Tôi coi phụng sự công là nghĩa vụ cơng dân của mình.
Nguồn: Kết quả nghiên cứu định tính của tác giả (2018)
* Thang đo Chia sẻ tri thức
Kế thừa thang đo chia sẻ tri thức của Lin (2007c). Sau khi nghiên cứu định tính, thang đo Chia sẻ tri thức được giữ nguyên 04 biến quan sát và mã hóa như sau:
Bảng 3.6: Thang đo về Chia sẻ tri thức
Mã hóa Tên biến quan sát
KS1 Tôi thường chia sẻ kinh nghiệm làm việc của mình với các đồng nghiệp.
KS2 Tôi thường chia sẻ tri thức chun mơn của mình theo đề nghị cần hỗ trợ của các đồng nghiệp.
KS3 Tôi thường chia sẻ ý tưởng về công việc của mình với các đồng nghiệp.
KS4 Tơi thường có những lời khun về công việc với các đồng nghiệp.
Sau khi xây dựng và mã hóa thang đo, tổng số mục thang đo trong mơ hình nghiên cứu là 22 biến quan sát, trong đó: Biến độc lập là các yếu tố thành phần PSM với 18 biến quan sát, gồm: Mong muốn tham gia phụng sự công: 03 biến quan sát, Cam kết với các giá trị cơng: 04 biến quan sát, Lịng trắc ẩn: 04 biến quan sát, Sự hy sinh bản thân: 04 biến quan sát, Nghĩa vụ công dân: 03 biến quan sát. Biến phụ thuộc là Chia sẻ tri thức gồm 04 biến quan sát.
3.4 Nghiên cứu định lượng
Nghiên cứu định lượng (Quanlitative research method) là loại hình nghiên cứu mà ta muốn lượng hóa sự biến thiên của đối tượng nghiên cứu. Nghiên cứu định lượng rất hữu ích và phù hợp cho vấn đề nghiên cứu là xác định các yếu tố ảnh hưởng đến một kết quả nào đó, tác động của việc can thiệp vào một vấn đề nào đó bằng chính sách kinh tế, hay phân tích dự báo sự xuất hiện của sự vật hiện tượng theo những điều kiện cho trước. Cách tiếp cận định lượng cũng là cách tiếp cận tốt nhất cho việc kiểm định một lý thuyết hay cách giải thích (Trần Tiến Khai, 2014). Mục đích nghiên cứu định lượng nhắm đến việc lượng hóa vấn nghiên cứu bằng cách mơ tả sự kiện bằng những con số, làm tiền đề cho việc phân tích và xử lý áp dụng thống kê ( Nguyễn Đình Thọ, 2011). Trong nghiên cứu này, nghiên cứu định lượng được thực hiện t hông qua việc khảo sát các đối tượng là các công chức đang làm việc tại các Sở chuyên môn thuộc Ủy ban nhân dân tỉnh Bà Rịa - Vũng Tàu.
3.4.1 Thiết kế mẫu nghiên cứu định lượng
Đối tượng khảo sát: Người lao động đang làm việc tại các Sở chuyên môn thuộc Ủy ban nhân dân tỉnh Bà Rịa Vũng Tàu.
Phương pháp chọn mẫu: Có nhiều phương pháp chọn mẫu, chúng được chia thành hai nhóm chính bao gồm: (1) phương pháp chọn mẫu theo xác suất, thường gọi là chọn mẫu ngẫu nhiên, và (2) các phương pháp chọn mẫu khơng theo xác suất, cịn gọi là phi xác suất hay không ngẫu nhiên. Do điều kiện thời gian có hạn, trong nghiên cứu này phương pháp chọn mẫu phi xác suất với hình thức chọn mẫu thuận tiện được sử dụng. Lý do vì người trả lời dễ tiếp cận, họ sẵn sàng trả lời phiếu điều tra cũ ng như
ít tốn kém về thời gian và chi phí để thu thập thơng tin cần nghiên cứu, các phiếu điều tra được khảo sát trực tiếp đến đối tượng nghiên cứu.
Cỡ mẫu: Vấn đề xác định kích thước mẫu phù hợp là vấn đề phức tạp. Trong Phân tích nhân tố khám phá (Exploratory Factor Analysis - EFA), kích thức mẫu thường được xác định dựa vào (1) kích thước tối thiểu, (2) số lượng biến đo lường đưa vào phân tích. Theo Hair và cộng sự (2006) cho rằng để sử dụng EFA thì kích thước mẫu tối thiểu phải là 50, tốt hơn là 100 và tỷ lệ quan sát (Observations)/biến đo lường (items) là 5:1, nghĩa là 1 biến đo lường cần tối thiểu là 5 quan sát, tốt nhất là 10:1 trở lên (Nguyễn Đình Thọ , 2011). Với mơ hình nghiên cứu này gồm 22 biến quan sát, thì kích thước mẫu tối thiểu cho nghiên cứu này sẽ là 110 quan sát (5 x 22 biến quan sát).
Mặc khác, đối với phân tích hồi quy bội (MLR), kích thước mẫu cũng là một vấn đề cần quan tâm khi sử dụng MLR. Chọn kích thước mẫu trong MLR phụ thuộc nhiều yếu tố, ví dụ như mức ý nghĩa (Significant level), độ mạnh của phép kiểm định (Power of the test) số lượng biến độc lập, vv… ( Tabachnick và cộng sự, 2007). Cơng thức thường dùng để tính kích thước mẫu cho MLR là N ≥ 50 + 8p, trong đó n là kích thước mẫu tối thiêu cần thiết và p là số lượng biến độc lập trong mơ hình. Green (1991) cho rằng công thức trên tương đối phù hợp nếu p < 7. Khi p > 7, công thức nêu trên hơi quá khắc khe (địi hỏi kích thước mẫu lớn hơn cần thiết) (Nguyễn Đình Thọ, 2011). Với nghiên cứu này, mơ hình nghiên cứu gồm 05 biến độc lập thì kích thước mẫu tối thiểu cho nghiên cứu này sẽ là 90 quan sát (50 + 8 x 5 biến).
Tuy nhiên, trong dữ liệu khảo sát, chúng ta thường dùng EFA cùng với MLR trong một nghiên cứu. EFA ln địi hỏi kích thước mẫu lớn hơn nhiều so với MLR. Kích thước mẫu tính từ cơng thức trên thường nhỏ hơn kích thước mẫu địi hỏi cho EFA, cho nên chúng ta có thể dùng nó tính kích thước mẫu cho MLR và so sánh lại kích thước mẫu địi hỏi cho EFA (Nguyễn Đình Thọ, 2011). Vì vậy, trong nghiên cứu này, tác giả sử dụng cơng thức tính kích thước mẫu cho EFA với kích thước mẫu tối thiểu cho nghiên cứu này là 110 quan sát (5 quan sát x 22 biến quan sát) vì thỏa mãn điều kiện chọn mẫu cho EFA và cả MLR. Để số lượng mẫu nghiên cứu đạt mức tốt và đảm bảo độ tin cậy, tác giả chọn kích thước mẫu gấp đơi lần kích thước mẫu tối thiểu, vì vậy trong nghiên cứu này tác giả chọn cỡ mẫu là 220 quan sát. Song, để đạt được cỡ
mẫu 220 quan sát sau khi đã loại bỏ các mẫu không đạt yêu cầu, tác giả quyết định sử dụng 250 bảng câu hỏi và gửi đến 250 công chức đang làm việc tại các Sở chuyên môn thuộc UBND tỉnh Bà Rịa - Vũng Tàu.
3.4.2 Thiết kế bảng hỏi
Thang đo (Bảng hỏi - Questionnaire) trong nghiên cứu này là kết quả của q trình nghiên cứu định tính và các thang đo trong các nghiên cứu trước có liên quan được điều chỉnh cho phù hợp với đặc điểm của các Sở chuyên môn thuộc UBND tỉnh Bà Rịa - Vũng Tàu. Nghiên cứu thiết kế bảng câu hỏi sử dụng thang đo đối nghĩa (Semantic differential; Osgood và cộng sự, 1957), thang đo Likert 5 điểm với 1 là “Hồn tồn khơng đồng ý” đến 5 là “Hồn tồn đồng ý” để thu thập thơng tin. Thang đo Likert là loại thang đo trong đó mà các phát biểu liên quan đến thái độ trong câu hỏi được nêu ra và người trả lời sẽ chọn một trong các trả lời đó, từ r ất khơng đồng ý đến rất đồng ý (Nguyễn Đình Thọ, 2011).
Các mức độ đồng ý được quy ước tăng dần từ 1 đến 5 như sau:
Bảng 3.7 Bảng thang đo Likert 5 điểm
Hồn tồn khơng đồng ý
Không đồng ý Trung hịa Đồng ý Hồn tồn đồng ý
1 2 3 4 5
Bảng câu hỏi sơ bộ được thiết kế và tiến hành phỏng vấn thử với khoảng 20 đối tượng khảo sát để đánh giá sơ bộ thang đo và điều chỉnh câu từ cho phù hợp với nội dung nghiên cứu cũng như phù hợp với bối cảnh tại UBND tỉnh Bà Rịa - Vũng Tàu để đảm bảo đối tượng khảo sát có thể hiểu, trả lời đúng với mục đích của bài nghiên cứu.
Sau khi căn cứ vào kết quả phỏng vấn thử, tác giả hiệu chỉnh thành bảng câu hỏi chính thức sử dụng để thu thập thơng tin mẫu nghiên cứu. Bảng câu hỏi phỏng vấn chính thức gồm 22 biến quan sát, chia thành 2 phần:
- Phần 1: Thông tin cá nhân gồm các câu hỏi để người được khảo sát cung cấp những thơng tin cá nhân: độ tuổi, giới tính, vị trí cơng tác, trình độ học vấn, thâm niên công tác nhằm phân loại và phân tích dữ liệu về sau (5 mục hỏi)
- Phần 2: Các câu hỏi nhằm thu thập sự đánh giá của công chức đối với các thành phần của PSM ảnh hưởng đến chia sẻ tri thức. Tổng cộng có 22 câu hỏi khảo sát, trong đó: 05 yếu tố của PSM với 18 câu hỏi, gồm (1) Mong muốn tham gia phụng sự công: 03 câu hỏi, (2) Cam kết với các giá trị công: 04 câu hỏi, (3) Lòng trắc ẩn: 04 câu hỏi, (4) Sự hy sinh bản thân: 04 câu hỏi, và (5) Nghĩa vụ công dân: 03 câu hỏi. Yếu tố Chia sẻ tri thức gồm 04 câu hỏi.
Kết cấu bảng khảo sát gồm: 02 cột. Cột bên trái: nội dung các quan sát về các yếu tố thành phần PSM và yếu tố Chia sẻ tri thức. Cột bên phải: đánh giá của người tham gia khảo sát về mức độ quan trọng của các yếu tố thành phần PSM và yếu tố Chia sẻ tri thức (Phụ lục 7).
3.4.3 Thu thập dữ liệu nghiên cứu
Trong nghiên cứu này tác giả sử dụng dữ liệu sơ cấp do chính tác giả thu thập. Để thu thập dữ liệu, tác giả gửi trực tiếp bảng câu hỏi đến các công chức đang làm việc tại các Sở chuyên môn thuộc UBND tỉnh Bà Rịa - Vũng Tàu. Mẫu điều tra được lựa chọn theo phương pháp thuận tiện, phi xác suất. Thông tin về mẫu thu thập: Có 250 bảng câu hỏi được gửi đi trực tiếp.
Thời gian khảo sát được thực hiện từ ngày 01 đến ngày 15 tháng 8 năm 2018. Kết quả thu hồi phiếu khảo sát được 248/250 phiếu khảo sát, do có 02 phiếu khảo sát chưa thu hồi kịp vì người được khảo sát đi cơng tác xa chưa về. Sau khi kiểm tra 248 phiếu khảo sát đã loại 02 phiếu khảo sát do không hợp lệ do thiếu một số thông tin. Như vậy tổng số phiếu khảo sát hợp lệ là 246 phiếu khảo sát, đạt tỷ lệ 98.4%.
3.4.4 Phương pháp xử lý dữ liệu nghiên cứu
Phân tích dữ liệu là những chứng cứ thống kê có cơ sở cho việc hiểu biết, gia tăng tri thức và ra quyết định (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Dữ liệu sau khi được thu thập sẽ xử lý bằng phần mềm SPSS 20.0 với các nội dung:
Phân tích thống kê mơ tả: Mục đích của phân tích là cung cấp thơng tin tổng quan về mẫu nghiên cứu dựa vào tần suất, tỉ lệ, trung bình, giá trị lớn nhất, giá trị nhỏ nhất, các biểu đồ thống kê.... Để tính các đại lượng thống kê mơ tả bằng phần mềm xử lý dữ liệu SPSS 20.0 được thực hiện bằng lệnh Descriptives (Analyze → Descriptives Statistics → Descriptives).
Phân tích hệ số Cronbach’s Alpha: Hệ số Cronbach’s Alpha là một phép kiểm
định thống kê về mức độ chặt chẽ mà các mục hỏi trong thang đo tương quan với nhau. Để tính hệ số Cronbach’s Alpha của các biến thang đo bằng phần mềm xử lý dữ liệu SPSS 20.0 được thực hiện bằng lệnh Reliability Analysis (Analyze → Scale → Reliability Analysis).
Hệ số Cronbach’s Alpha chỉ đo lường độ tin cậy của thang đo có tối thiểu là ba biến đo lường (thông tin được độ tin cậy cho từng biến quan sát). Cronbach’s Alpha càng cao càng tốt (độ tin cậy càng cao). Nếu một biến đo lường có hệ số tương quan biến tổng (hiệu chỉnh) ≥ 0.3 thì biến đó đạt u cầu. Nếu chúng trùng l ắp (r = 1) thì hai biến đo lường này thật sự chỉ làm một việc, chỉ cần một trong hai biến là đủ . Một thang đo có độ tin cậy tốt khi nó biến thiên trong khoảng [ 0.75 - 0.95], tuy nhiên nếu Cronbach’s Alpha quá cao (> 0.95) cho thấy có nhiều biến trong thang đo khơng có khác biệt gì nhau, gọi là hiện tượng trùng lắp trong đo lường (Redundancy). Nếu Cronbach’s Alpha ≥ 0.6 là thang đo có thể chấp nhận được về mặt độ tin cậy (Nunnally và Bernstein,1994; Nguyễn Đình Thọ, 2011).
Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), nhiều nhà nghiên cứu đồng ý khi hệ số Cronbach Alpha từ 0.8 đến gần 1 thì thang đo lường là tốt, từ 0.7 đến gần 0.8 là sử dụng được. Một số nhà nghiên cứu khác đề nghị rằng Cronbach’s Alpha từ 0.6 trở lên là có thể sử dụng được trong trường hợp khái niệm thang đo lường là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu.
Phân tích nhân tố khám phá (Exploratory factor analysis - EFA): Để đánh giá
giá trị của thang đo, hai giá trị quan trọng của thang đo là giá trị hội tụ và giá trị phân biệt, phương pháp phân tích nhân tố khám phá (EFA) giúp đánh giá hai giá trị này. EFA cần kích thước mẫu lớn, kích thước mẫu được xác định dựa vào kinh nghiệm, tối thiểu phải là 50, tốt hơn là 100 và tỷ lệ quan sát /biến đo lường tối thiểu là 5:1. Để phân tích nhân tố khám phá EFA bằng SPSS 20.0 thực hiện lệnh Factor (Analyze → Data Reduction → Factor) (Nguyễn Đình Thọ, 2011).
- Kiểm định sự tương quan giữa các biến đo lường bằng kiểm định Bartlett với mức ý nghĩa 5% (Hair và cộng sự, 2006; Nguyễn Đình Thọ, 2011). Kiểm định Bartlett (Barlett’s test of sphericity) dùng để xem xét ma trận tương quan (là ma trận đơn vị,
nghĩa là các biến có quan hệ với nhau) có phải là ma trận đơn vị (Identity matrix), là ma trận có các thành phần (hệ số tương quan giữa các biến) bằng 0 và đường chéo (hệ số tương quan với chính nó) bằng 1. Nếu phép kiểm định Bartlett có p < 5% thì từ chối giả thuyết H0 (Nguyễn Đình Thọ, 2011).
- Kiểm định KMO > 0.5 để kiểm định độ tương quan (Nguyễn Đình Thọ, 2011). Theo Norusis (1994) kiểm định KMO (Kaiser - Meyer – Olkin measure of sampling adequacy) là chỉ số dùng để so sánh độ lớn của hệ số tương quan giữa hai biến với độ lớn của hệ số tương quan từng phần của chúng. Theo Kaiser (1974) nếu KMO ≥ 0.9 là rất tốt, KMO ≥ 0.8 là tốt, KMO ≥ 0.7 là được, KMO ≥ 0.6 là tạm được, KMO ≥ 0.5 là xấu, KMO < 0.5 không thể chấp nhận được (Nguyễn Đình Thọ, 2011).
- Phương pháp trích hệ số là Principal Components và phép quay Varimax. - Tiêu chí chọn số lượng nhân tố: Dựa vào chỉ số Eigenvalues > 1 và mơ hình lý thuyết có sẵn (Nguyễn Đình Thọ, 2011).
- Kiểm định sự phù hợp mơ hình EFA so với dữ liệu khảo sát: Tổng phương sai trích (Cumulative %) ≥ 50% (Nguyễn Đình Thọ, 2011).
- Kiểm định giá trị hội tụ: Để đạt được độ giá trị phân biệt, các biến có hệ số tải nhân tố (factor loading) phải ≥ 0.5; các biến có hệ số tải nhân tố (factor loading) ≤ 0.5 sẽ bị loại (Nguyễn Đình Thọ, 2011).
Phân tích tương quan: Hệ số tương quan Pearson (ký hiệu là r) để lượng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến định lượng. Để phân tích tương quan bằng phần mềm xử lý dữ liệu SPSS 20.0 được thực hiện bằng lệnh Bivariate (Analyze → Correlate → Bivariate).
Có 2 phương án để đánh giá mức độ tương quan trong phân tích hồi quy tuyến tính là qua đồ thị phân tán hoặc hệ số tương quan r. Đánh giá mức độ tương quan bằng kiểm định r, ma trận tương quan giữa các biến phải thỏa 2 điều kiện: Hệ số tương quan (r ≥ 0.3) và Mức ý nghĩa (Sig. < 0.05). Trị tuyệt đối của r cho biết 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 tuyến tính chặt chẽ. Khi giá trị tuyệt đối của r = 1 thì tất cả các diểm phân tán xếp thành một đường thẳng. Khi giá trị tuyệt đối của r = 0 thì hai biến khơng có mối liên hệ tuyến tính (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Phân tích hồi quy: Để phân tích hồi quy đa biến bằng phần mềm xử lý dữ liệu SPSS 20.0 được thực hiện bằng lệnh Linear (Analyze → Regression → Linear).
Phương pháp hồi quy tuyến tính là phương pháp được sử dụng phổ biến để