CHƯƠNG 3 PHƯƠNG PHÁP NGHIÊN ỨU
3.4 Thành phần thang đo chính thức
Sử dụng trên nền tảng thang đo của JSS của Spector (1997) và thang đo trong các nghiên cứu liên quan trong chương 2 và những kết quả khám phá trong nghiên cứu định tính để xây dựng thang đo sơ bộ. Với việc sử dụng thang đo Likert 5 điểm để đo lường các biến quan sát, với 5= hoàn toàn đồng ý, 4= đồng ý, 3= trung dung, 2= khơng đồng ý, 1= hồn tồn khơng đồng ý. Các thành phần thang đo cụ thể như sau:
3.4.1 Thang đo biến độc lập
Cảm nhận ý nghĩa về cơng việc (CN): có 4 thành phần
1. CN1: Tơi cảm thấy cơng việc của mình rất có ý nghĩa.
2. CN2: Tơi thích cơng việc mình đang làm vì có giá trị với nhiều người. 3. CN3: Tôi thường hãnh diện về công việc hiện tại khi trao đổi với người khác. 4. CN4: Công việc của tơi đang làm rất thú vị.
Chế độ chính sách tiền lương (CSTL): có 6 thành phần
5. CSTL1: Tơi cảm thấy mình được trả lương xứng đáng với những gì đã làm. 6. CSTL2: Lương của tôi thường được xem xét để tăng định kỳ.
8. CSTL4: Tiền thưởng cuối năm tương xứng với kết quả tơi đóng góp cho CTy. 9. CSTL5: Chế độ cơng tác phí FPT đang dùng rất hợp lý.
10. CSTL6: Tơi thấy hài lịng với lương thưởng mà FPT đang trả cho mình.
Điều kiện làm việc (DKLV): có 4 thành phần
11. DKLV1: Tôi được cung cấp đầy đủ trang thiết bị phục vụ cho công việc. 12. DKLV2: Môi trường làm việc chuyên nghiệp
13. DKLV3: Cách làm việc tại FPT mang lại cho tôi cảm giác thoải mái. 14. DKLV4: Tôi cảm thấy hài lịng ở nơi làm việc của mình.
Đặc thù ngành nghề (CNTT- Cơng nghệ thơng tin): có 4 thành phần
15. CNTT1: Cơng việc tơi q nhiều áp lực vì đặc thù các dự án phần mềm.
16. CNTT2: Tôi rất mệt mỏi khi phải đi triển khai ở khách hàng trong một thời gian dài.
17. CNTT3: Cơng việc của tơi q phức tạp vì số lượng kiến thức, thông tin, nghiệp vụ rất lớn.
18. CNTT4: Tơi phải cố gắng hết sức mới có thể đạt các chỉ tiêu quản lý chất lượng đề ra.
Quan hệ nơi làm việc (QH): có 4 thành phần
19. QH1: Mọi nhân viên được đối xử công bằng với nhau
20. QH2: Mọi người sẵn sàng hợp tác, hướng dẫn, ủng hộ nhau để thực hiện công việc. 21. QH3: Sự hỗ trợ, động viên, giám sát từ cấp trên khiến tôi làm việc hiệu quả hơn. 22. QH4: Tôi thấy hài lịng về mối quan hệ với cấp trên của mình.
Đánh giá hiệu quả cơng việc (DG): có 4 thành phần
24. DG2: FPT có những phần khen thưởng xứng đáng để động viên nhân viên. 25. DG3: Tôi tin sự thành công của tôi và của tổ chức gắn chặt với nhau.
26. DG4: Tơi cảm thấy mình được khen thưởng xứng đáng với những nỗ lực đã cống hiến..
Cơ hội nghề nghiệp(CH): 4 thành phần
27. CH1: Cơng ty FPT ln rõ lộ trình cơng danh để nhân viên được thăng tiến.
28. CH2: Tôi nhận thấy cơ hội thăng tiến của những người làm việc giỏi tại công ty rất tốt.
29. CH3: Tơi hài lịng với những cơ hội, thách thức thăng tiến của công ty. 30. CH4: Tôi luôn nỗ lực để tiến bộ nhằm giành lấy cơ hội thăng tiến. 31. CH5: Tơi nhận thấy cơng viện hiện tại của mình rất có tương lai.
Thương hiệu tổ chức FPT(TH): 4 thành phần
32. TH1: Tơi thích được nghe về thơng tin của Tập đồn FPT. 33. TH2: Tơi cảm nhận rằng thương hiệu FPT luôn phát triển. 34. TH3: Tơi cảm nhận mình là một phần giá trị của FPT. 35. TH4: Cảm giác gắn bó với FPT của tơi ngày càng bền chặt.
3.4.2 Thang đo biến phụ thuộc
Thang đo được sử dụng để đo lường tổng thể về cảm nhận độ hài lịng cơng việc dựa trên thang đo có hiệu chỉnh phù hợp với điểm của lĩnh vực hỗ trợ, phục vụ khách hàng của Michigan Organization Job Satisfation Subscale (Job Satisfaction: Application, Assesment, Cause and Consequences của Spector, 1997).
Cảm nhận độ hài lịng của anh/chị về cơng việc triển khai phần mềm tại FPT:
- Nói chung, tơi hài lịng với cơng việc hiện tại.
- Tơi u thích cơng việc triển khai phầm mềm tại FPT. - Tơi nghĩ mình sẽ gắn bó lâu dài với cơng việc này.
3.5 Thiết kế nghiên cứu định lượng
3.5.1 Mục tiêu của nghiên cứu định lượng
Trong giai đoạn này tác giả sẽ sử dụng thang đo sơ bộ tiến hành khảo sát thử với NVTKPM và những nhà quản lý của 3 CTC chuyên về lĩnh vực phần mềm chính của Tập đồn FPT là FIS SOFT, FIS ERP và FSOFT. Trong quá trình thu thập số liệu và xử lý thơng tin, kiểm định định mơ hình, thang đo, phân tích các hệ số hài lịng để xem xét tác động của các nhân tố đến sự hài lòng của NVTKPM.
3.5.2 Phương pháp chọn mẫu
- Phương pháp lấy mẫu thuận tiện, phi xác suất và cỡ mẫu được xác định phù hợp theo cách căn cứ theo địa chỉ email nhân viên thu thập từ hệ thống ghi nhận Timesheet của FPT. Từ đấy tác giả gửi link survey mời tham gia trên Google docs.
- Bên cạnh đó, để tiến hành phân tích hồi qui tốt nhất cỡ mẫu thu thập được tính theo số biến quan sát trong mơ hình :
o Cỡ mẫu phải lớn hơn 100 và khơng ít hơn 5 lần số biến quan sát (Hair và ctg, 1995). Bảng câu hỏi này có 38 biến quan sát. Vì thế, nếu theo tiêu chuẩn năm mẫu một biến quan sát thì kích thước mẫu tối thiểu cần là 38 * 5 = 190.
o Hơn nữa, kích thước mẫu đạt yêu cầu để thực hiện hồi quy tối thiểu là 8m + 50, với m là số nhân tố độc lập của mơ hình (Hồng Trọng và Mộng Ngọc, 2009). Mơ hình tác giả nghiên cứ đề xuất gồm có 8 nhân tố độc lập vậy kích thước mẫu yêu cầu tối thiểu là 8*8+50=114 mẫu.
- Kết hợp 2 điều trên, tác giả quyết định chọn mẫu tối thiểu là 190. Thời gian lấy mẫu từ tháng 6 /2013 đến 8/2013. Sử dụng kết quả từ Survey hardcopy và Online của Google, cuối cùng tác giả có 255 bảng câu hỏi hồn tất được sử dụng.
3.5.3 Đối tượng khảo sát
- Đối tượng khảo sát là NVTKPM đang làm việc tại 3 Công ty con của Tập đoàn chuyên về sản xuất, triển khai phần mềm tin học đó là FIS SOFT: mảng phần mềm nội địa, FIS ERP: triển khai, tư vấn giải pháp ERP và FSOFT: gia công phần mềm xuất khẩu, triển khai phần mềm nước ngoài.
Làm sạch dữ liệu Kiểm định Cronbach Alpha
Phân tích nhân tố (EFA) Phân tích hồi quy
Phân tích hồi qui bội kiểm định mơ hình lý thuyết
Kiểm tra BLUE các vi phạm giả thuyết hồi qui
Phân tích sự khác biệt giữa các nhóm
- Do mục tiêu nghiên cứu muốn có so sánh sự khác biệt giữa các chức danh công tác, giữa người có hợp đồng chính thức, cộng tác viên, giữa những người có đi cơng tác triển khai nhiều, ít; giữa những cấp bậc công việc khác nhau. Do vậy, việc khảo sát đi sâu các đối tượng này cũng rất có ý nghĩa cho đề tài.
3.5.4 Phương pháp phân tích dữ liệu
Phần mềm SPSS được dùng để phân tích dữ liệu trong tài liệu này với việc sử dụng các kỹ thuật thống kê như kiểm định các giả thuyết thống kê, phân tích nhân tố, phân tích hồi qui, phân tích ANOVA, …Các bước xử lý số liệu bằng SPSS sẽ được giới thiệu trong hình 3.2:
Hình 3.3: Quy trình phân tích dữ liệu bằng SPSS
3.5.4.1 Làm sạch dữ liệu
Sau khi loại các mẫu không phù hợp với yêu cầu ban đầu, chúng ta chạy phân bổ tần số để kiểm tra các biến nhập sai có giá trị gây nhiễu (outliers) khơng nằm trong các giá trị lựa chọn. Tiếp đó, ta sẽ cho kiểm tra các mẫu đối tượng bị trùng nhau và loại mẫu bị trùng. Kiểm tra các tần suất các giá trị missing và đảm bảo các giá trị missing của một biến phải nhỏ hơn 10% tổng số mẫu. Ở bước này, tác giả đã bỏ bớt 47 mẫu qua bước làm sạch dữ liệu, bỏ dữ liệu không hợp logic như: Không nằm trong 3 công ty được chọn, vị trí cơng tác khơng liên quan đến cơng tác triển khai phần mềm, tuổi đời trẻ < 22 nhưng lại có thâm niên triển khai > 4 năm hoặc trình độ sau đại học. Vì vậy, từ 255 mẫu, kích thước mẫu cuối cùng đưa vào nghiên cứu tiếp theo là 208.
3.5.4.2 Kiểm định Cronbach Alpha
Các thang đo được đánh giá thông qua độ tin cậy CR cho từng nhóm biến khác nhau. Độ tin cậy CR phải nằm trong khoảng từ 0.6 đến 1.0 để đảm bảo các biến trong cùng một nhóm nhân tố có tương quan về ý nghĩa (Hoàng Trọng và Mộng Ngọc, 2009). Ngồi ra, mỗi biến có tương quan tổng thể nhỏ hơn 0.3 cũng được loại bỏ trước khi đưa vào phân tích nhân tố.
3.5.4.3 Phân tích nhân tố EFA
Với số lượng các biến khá lớn và có mối tương quan với nhau, chúng ta cần giảm số lượng này xuống còn một số nhân tố ít hơn mà chúng ta có thể sử dụng được nhưng vẫn có thể đại diện cho phần lớn ý nghĩa các biến thu thập. Các nhân tố này thể hiện được sự liên hệ qua lại giữa các biến và thể hiện sự giải thích của biến đối với các khía cạnh khác nhau của vấn đề.
Trong tài liệu này, tác giả sử dụng phương pháp phân tích nhân tố “Principle Components” và phép quay Equamax để tìm ra các nhân tố đại diện cho các biến. Mục tiêu để tối thiểu hố số lượng biến có hệ số tải lớn tại cùng một nhân tố, vì vậy sẽ tăng cường khả năng giải thích các nhân tố (Hồng Trọng và Mộng Ngọc, 2009).
3.5.4.4 Phân tích hồi qui bội kiểm định mơ hình lý thuyết
Phân tích hồi qui bội là một kĩ thuật thống kê có thể được sử dụng để phân tích mối quan hệ giữa một biến phụ thuộc và nhiều biến độc lập. Khi chạy hồi qui cần quan tâm đến các thơng số sau:
•Hệ số Beta: hệ số hồi qui chuẩn hoá cho phép so sánh trực tiếp giữa các hệ số dựa trên mối quan hệ giải thích của chúng với biến phụ thuộc.
•Hệ số khẳng định R2: đánh giá phần biến động của biến phụ thuộc được giải thích bởi các biến dự báo hay biến độc lập. Hệ số này có thể thay đổi từ 0 đến 1.
•(Multi)collinearity (Đa cộng tuyến): mô tả mối quan hệ tuyến tính giữa hai hay nhiều biến độc lập. Hai biến độc lập được xem là tuyến tính hồn tồn nếu hệ số tương quan giữa chúng là 1 và hoàn tồn khơng quan hệ tuyến tính nếu hệ số tương quan giữa chúng là 0. Đa cộng tuyến xảy ra khi một biến độc lập nào đó tương quan mạnh với một nhóm biến độc lập khác. Ngồi ra, theo Hair và ctg(1995) có thể sử dụng hệ số VIF(hay Tolerance) để đánh giá hiện tượng này.
•Hệ số tương quan r: chỉ mối quan hệ giữa biến phụ thuộc và các biến độc lập. Dấu của hệ số tương quan chỉ hướng của mối quan hệ này. Giá trị của r có thể thay đổi từ -1 đến +1.
•Hằng số hồi qui b0: giá trị của cột Y khi đường thẳng Y = b0 + b1X1 cắt cột này. Hằng số hồi qui thể hiện các tác động của tất cả các biến dự báo khác khơng được bao gồm trong mơ hình.
•Hệ số hồi qui bn: giá trị hệ số góc của các biến trong mơ hình ước lượng. Các hệ số này mang tính riêng phần vì mỗi hệ số khơng chỉ thể hiện mối quan hệ giữa các biến độc lập và biến phụ thuộc mà còn giữa các biến độc lập với nhau.
3.5.4.5 Kiểm tra BLUE các vi phạm giả thuyết hồi qui
Kiểm định độ phù hợp của mơ hình
Trong tài liệu này, tác giả sử dụng kiểm định ANOVA để kiểm tra tính phù hợp của mơ hình với tập dữ liệu gốc. Nếu mức ý nghĩa của kiểm định <0.05 thì ta có thể kết luận mơ hình hồi qui phù hợp với tập dữ liệu.
Kiểm định phương sai sai số thay đổi
Kiểm tra giả định này bằng cách vẽ đồ thị phân tán giữa các phần dư và giá trị dự đốn mà mơ hình hồi qui tuyến tính cho ra. Nếu giả định phương sai bằng nhau được thỏa mãn, thì các giá trị sẽ phân tán ngẫu nhiên quanh trục 0 trong một phạm vi không đổi. Như vậy mơ hình hồi qui phù hợp.
Đo lường đa cộng tuyến
Đa cộng tuyến là trạng thái trong đó các biến độc lập có tương quan chặt chẽ với nhau và nó cung cấp cho mơ hình những thơng tin rất giống nhau và khó tách ảnh hưởng của từng biến một. Đa cộng tuyến khiến cho việc diễn dịch kết quả có thể sai lầm vì nó làm đổi dấu kì vọng của các hệ số đi theo các biến độc lập, vì vậy chúng ta phải kiểm tra độ tương quan giữa các biến này để đảm bảo không xảy ra hiện tượng đa cộng tuyến.
Giá trị đa cộng tuyến cao có thể làm cho kết quả khơng chính xác, do đó cần thiết phải có điều kiện về đa cộng tuyến. Theo Hair và ctg(1995) để kiểm định hiện tượng đa cộng tuyến chúng ta sử dụng hệ số VIF(hệ số phóng đại phương sai). Nếu VIF lớn hơn 10 thì hiện tượng đa cộng tuyến nghiêm trọng đang tồn tại. Theo kinh nghiệm, hệ số VIF nên nhỏ hơn 5 là tốt nhất để hạn chế về sự đa cộng tuyến, tuy nhiên nếu nhỏ hơn 10 thì vẫn có thể chấp nhận với ảnh hưởng rất nhỏ (Hoàng Trọng và Mộng Ngọc, 2009).
Kiểm định phần dư
Sau khi thực hiện kiểm định mơ hình hồi qui, chúng ta cần kiểm định phân dư chuẩn hố của mơ hình để bảo đảm phần dư chuẩn hố có dạng phân phối chuẩn Cách kiểm định có thể sử dụng là vẽ đường cong chuẩn hoá của phân bổ phần dư này. Nếu chúng ta thấy trên đồ thị đường cong chuẩn hố có dạng hình chng như phân phối chuẩn với giá trị Mean xấp xỉ 0 và giá trị độ lệch chuẩn xấp xỉ 1 thì xem như phần dư có phân phối gần chuẩn.
Một cách khác để kiểm định sự chuẩn hoá của phần dư là vẽ và đồ thị P-P plots để so sánh với phân phối chuẩn. Đồ thị này thể hiện những giá trị tích luỹ của các điểm phân vị của phân phối của biến phần dư theo tích luỹ phân vị của phân phối chuẩn. Nếu trên đồ thị p-p plots các điểm này không nằm quá xa đường thẳng của phân phối chuẩn thì có thể xem như phần dư có phân phối gần chuẩn.
3.5.4.6 Phân tích sự khác biệt giữa các nhóm
Phân tích ANOVA nhằm tìm ra sự khác biệt về một thuộc tính giữa các nhóm mẫu khác nhau được phân biệt bằng các biến phân loại, biến nhân khẩu học. Trong phần nghiên cứu này, tác giả sẽ phân tích ANOVA về sự hài lịng của nhân viên với các biến phân tích như: vị trí chức vụ, tuổi, giới tính, thời gian làm việc, trình độ học vấn. Những kết quả phân tích này sẽ là cơ sở để xây dựng và cung cấp các giải pháp, kiến nghị cho các nhà quản lý các Công ty chi nhánh của FPT.
Tóm tắt chương 3
Trong chương này, đề tài đã trình bày qui trình nghiên cứu, nêu rõ một số nội dung về: PPNC định tính và kết quả của nó, PPNC định lượng, qui trình phân tích và xử lý số liệu trong nghiên cứu định lượng. Trong chương kế tiếp, tác giả sẽ trình bày kết quả cụ thể của quá trình trình phân tích định lượng.
CHƯƠNG 4. KẾT QUẢ NGHIÊNCỨU CỨU
Trong chương 4, tác giả tiến hành phân tích kết quả khảo sát bằng các cơng cụ kiểm định thang đo, kiểm định mơ hình và các giả thuyết nghiên cứu. Bên cạnh đó tác giả cũng kiểm định các sự khác biệt giữa các nhóm nhân viên khác nhau về các đặc điểm nhân khẩu học.
4.1 Mơ tả mẫu nghiên cứu
Vì đối tượng khảo sát chính trong nghiên cứu này là NVTKPM vốn thường