Nguồn: Hoàng Trọng – Chu Nguyễn Mộng Ngọc, 2008
3.6.1.1 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 sau có giá trị gây nhiễu (outliners) khơng nằm trong các giá trị lựa chọn.
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 Làm sạch dữ liệu
Kiểm định phân phối chuẩn
Kiểm định độ tin cậy Cronbach’s Alpha
Phân tích nhân tố khám phá (EFA)
Phân tích hồi quy
một biến phải nhỏ hơn 10% tổng số mẫu.
3.6.1.2 Kiểm định phân phối chuẩn
Để có thể sử dụng mẫu thu thập được vào việc chạy mơ hình hồi quy, chúng ta cần đảm bảo các biến trong mơ hình thỏa mãn giả định về tính phân phối chuẩn. Giả định về tính phân phối chuẩn là giả định quan trọng nhất trong việc phân tích đa biến, do vậy trước khi tiến hành phân tích định lượng cần quan tâm đến tiêu chuẩn này.
Kiểm tra tính phân phối chuẩn cho tất cả các biến để đánh giá sự hài lòng để xem dạng phân phối tần số của các mẫu cũng như các thông số Skewness và Kurtosis (Hair et al., 1995). Nếu Skewness và Kurtosis nằm trong khoảng ± 1 được xem là tốt, trong khoảng ± 2 thì biến đó vẫn được chấp nhận để sử dụng thực hiện các kỹ thuật thống kê.
Kiểm định độ tin cậy của các nhóm nhân tố
Phương pháp này cho phép người phân tích loại bỏ các biến khơng phù hợp và hạn chế các biến rác trong quá trình nghiên cứu và đánh giá độ tin cậy của thang đo bằng hệ số thông qua hệ số Cronbach Alpha. Những biến có hệ số tương quan biến - tổng (item-total correlation) nhỏ hơn 0.3 sẽ bị loại. Thang đo có hệ số Cronbach Alpha từ 0.6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang nghiên cứu mới (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008). Thơng thường, thang đo có Cronbach Alpha từ 0.7 đến 0.8 là sử dụng được. Nhiều nhà nghiên cứu cho rằng khi thang đo có độ tin cậy từ 0.8 trở lên đến gần 1 là thang đo lường tốt.
3.6.1.3 Phân tích nhân tố
Sau khi đánh giá độ tin cậy của thang đo bằng hệ số Cronbach Alpha và loại đi các biến khơng đảm bảo độ tin cậy. Phân tích nhân tố khám phá là kỹ thuật được sử dụng nhằm thu nhỏ và tóm tắt các dữ liệu. Phương pháp này rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu và được sử dụng để tìm mối quan hệ giữa các biến với nhau.
Trong phân tích nhân tố khám phá, trị số KMO (Kaiser-Meyer-Olkin) là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO phải có giá trị
trong khoảng từ 0.5 đến 1 thì phân tích này mới thích hợp, cịn nếu như trị số này nhỏ hơn 0.5 thì phân tích nhân tố có khả năng khơng thích hợp với các dữ liệu.
Ngồi ra, phân tích nhân tố cịn dựa vào Eigenvalue để xác định số lượng nhân tố. Chỉ những nhân tố có Eigenvalue lớn hơn 1 thì mới được giữ lại trong mơ hình.
Đại lượng Eigenvalue đại diện cho lượng biến thiên được giải thích bởi nhân tố. Những nhân tố có Eigenvalue nhỏ hơn 1 sẽ khơng có tác dụng tóm tắt thơng tin tốt hơn một biến gốc.
Một phần quan trọng trong bảng kết quả phân tích nhân tố là ma trận nhân tố (component matrix) hay ma trận nhân tố khi các nhân tố được xoay (rotated component matrix). Ma trận nhân tố chứa các hệ số biểu diễn các biến chuẩn hóa bằng các nhân tố (mỗi biến là một đa thức của các nhân tố). Những hệ số tải nhân tố (factor loading) biểu diễn tương quan giữa các biến và các nhân tố. Hệ số này cho biết nhân tố và biến có liên quan chặt chẽ với nhau. Nghiên cứu sử dụng phương pháp trích nhân tố principal components nên các hệ số tải nhân tố phải có trọng số lớn hơn 0.5 thì mới đạt yêu cầu.
3.6.1.4 Phân tích hồi quy bội kiểm định mơ hình lý thuyết
Sau khi rút trích được các nhân tố từ phân tích nhân tố khám phá EFA, dị tìm các vi phạm giả định cần thiết trong mơ hình hồi quy tuyến tính bội như kiểm tra phần dư chuẩn hóa, kiểm tra hệ số phóng đại phương sai VIF (Variance inflation factor – VIF). Nếu các giả định khơng bị vi phạm, mơ hình hồi quy tuyến tính bội được xây dựng. Và hệ số R2 đã được điều chỉnh (adjusted R square) cho biết mơ hình hồi quy được xây dựng phù hợp đến mức nào.
3.6.1.5 Kiểm định các vi phạm giả thiết hồi quy
Kiểm định tính 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 quy phù hợp với tập dữ liệu.
Đo lường đa cộng tuyến
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 kỳ 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.
Sự 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&cgt (2006) 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 (dẫn theo John & Benet-Martinez, 2000 – dẫn theo Hoàng Thị Phương Thảo, Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2010).
Tác giả sử dụng ma trận hệ số tương quan Pearson và độ chấp nhận Tolerance để kiểm tra đo lường đa cộng tuyến với hệ số Pearson nhỏ hơn 0.4 và hệ số Tolerance của các biến phải gần bằng 1 (Theo Hair&cgt, 2006). Áp dụng các yêu cầu này để loại bỏ các biến khơng đạt ra khỏi mơ hình.
Kiểm định phần dư
Sau khi thực hiện ước lượng mơ hình hồi quy, chúng ta cần phải kiểm định phần dư chuẩn hóa của mơ hình để đảm bảo phần dư chuẩn hóa có dạng phân phối chuẩn với tất cả các biến độc lập. Cách kiểm định có thể sử dụng là vẽ đường cong chuẩn hóa của phân bố phần dư này. Nếu chúng ta thấy trên đồ thị đường cong chuẩn hóa 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.
3.6.1.6 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 một biến phân loại. Trong phần nghiên cứu này, tác giả sẽ phân tích ANOVA về sự hài lịng đối với công việc của nhân viên làm việc tại ACB với biến phân tích như : Giới tính, trình độ học vấn, thâm niên cơng
tác, độ tuổi và vị trí cơng tác. Những kết quả phân tích này sẽ là cơ sở để xây dựng và cung cấp các hàm ý cho các nhà quản lý của ACB.
Tóm tắt chƣơng 3
Chương 3 giới thiệu mơ hình nghiên cứu chính thức, trình bày chi tiết phương pháp nghiên cứu là nghiên cứu định tính và kết quả của nó, phương pháp nghiên cứu định lượng. Nghiên cứu định tính cho kết quả 37 biến quan sát để đo lường cho 8 khái niệm trong mơ hình nghiên cứu. Ngồi ra, chương này cũng trình bày cách thức thực hiện nghiên cứu định lượng như: xây dựng bảng câu hỏi, cách lấy mẫu, thu thập dữ liệu và các yêu cầu cho phân tích dữ liệu.
CHƢƠNG 4: KẾT QUẢ NGHIÊN CỨU
Chương này sẽ trình bày kết quả của quá trình nghiên cứu, cụ thể bao gồm những nội dung sau:
(1) Mơ tả và phân tích mẫu thu được (2) Kết quả kiểm định các thang đo (3) Phân tích kết quả hồi quy đa biến (4) Kiểm định tác động của biến định tính
Dữ liệu sau khi thu thập được tác giả thiết kế, mã hóa và nhập liệu qua cơng cụ SPSS 18.0, sau đó tiến hành làm sạch, loại bỏ các phiếu điền không đầy đủ thông tin hoặc điền thông tin thiếu nghiêm túc như: điền tất cả cùng giá trị 1 (hay 2, 3, 4, 5), điền thơng tin theo chu kì lặp đi lặp lại 1, 2, 3, 4, 5…. Dữ liệu sau khi điều tra được tiến hành nhập thô vào máy, trong q trình thực hiện thường có những mẫu điều tra bị sai lệch, thiếu sót hoặc khơng nhất qn; do vậy cần tiến hành làm sạch số liệu để đảm bảo yêu cầu, số liệu đưa vào phân tích phải đầy đủ, thống nhất. Việc phân tích số liệu sẽ giúp tác giả đưa ra những thơng tin chính xác và có độ tin cậy cao hơn.
4.1 Mô tả mẫu nghiên cứu
Số phiếu gửi đi khảo sát là 250 phiếu, số phiếu thu về là 225 phiếu, sau khi loại ra các phiếu khơng hợp lệ, kích thước mẫu dùng đưa vào nghiên cứu là 208.
- Về giới tính: Kết quả cho thấy có 109 nữ và 99 nam trả lời phỏng vấn, số lượng nam ít hơn nữ (nam: 47.6%, nữ: 52.4%), việc lấy mẫu có sự chênh lệch về giới tính, nhưng kết quả có thể chấp nhận được vì trên thực tế thường lực lượng nữ làm công việc giao dịch viên, hành chánh, kế toán… nên chiếm tỷ lệ cao hơn nam.
- Về độ tuổi: đa phần đối tượng khảo sát có độ tuổi từ 22 đến 40 tuổi (chiếm trên 88.5%), trong đó, độ tuổi từ 27 – 32 tuổi chiếm tỷ lệ cao nhất với 36.1%, đối tượng khảo sát trên 40 tuổi ít hơn (chiếm 11.5%). Điều này có thể giải thích đối tượng dưới 40 tuổi hiện là lực lượng trẻ tuổi, năng động đang chiếm số lượng chủ chốt trong toàn bộ nhân viên đang làm việc tại ACB.
trình độ sơ cấp trở xuống, trung cấp và cao đẳng chiếm 16.8%, cịn lại là trình độ đại học và sau đại học chiếm 83.2%. Số liệu tương đối phù hợp với thực tế, tại ACB nhân viên có trình độ cao đẳng làm ở bộ phận ngân quỹ trong ngân hàng, những bộ phận khác đều có trình độ đại học và sau đại học.
- Về thu nhập: Kết quả mẫu khảo sát cho thấy nhân viên có thu nhập cao nhất là từ 10 – 13 triệu đồng/người/tháng (chiếm 27.4%), thu nhập từ 4 – 7 triệu đồng/người/tháng (chiếm 24.5%) và thu nhập từ 7 – 10 triệu đồng/người/tháng (chiếm 22.1%), trên 13 triệu đồng chiếm 17.3%. Những nhân viên có thu nhập trên 13 triệu đồng/tháng đa phần là những người đảm nhiệm vị trí điều hành như trưởng/ phó phịng, cịn số lượng là nhân viên chiếm tỷ lệ cao nên mức lương từ 4 – 7 triệu đồng/người là hợp lý.
- Về thâm niên công tác: Kết quả khảo sát cho thấy nhân viên làm việc dưới 1 năm chiếm 7.8% - chủ yếu là nhân viên tân tuyển, với thời gian làm việc chính thức dưới 1 năm. Nhân viên có thâm niên cơng tác dưới 5 năm chiếm 53.8%, từ 5 – 7 năm chiếm 27.4% và trên 7 năm chiếm 18.8%. Tại ACB chủ yếu là nhân viên có thâm niên công tác, những nhân viên trên 7 năm chủ yếu giữ chức vụ quản lý, kiểm soát viên.
- Về vị trí cơng tác: Kết quả khảo sát cho thấy cấp kiểm sốt và lãnh đạo các phịng ban chiếm tỷ lệ 44.2%, còn lại là nhân viên và chuyên viên. Do trong thời gian vừa qua có sự thay đổi trong nhân sự chủ yếu là nhân sự cấp cao và cấp nhân viên, chuyên viên nên hiện tại đang gây ra tình trạng dư thừa kiểm sốt viên cũng như lãnh đạo phịng ban trong khi đó tỷ lệ nhân viên, chuyên viên đang thiếu hụt, các chức danh tuyển dụng hiện nay chủ yếu là nhân viên và chuyên viên.
Bảng 4.1: Thống kê mẫu khảo sát
Mục thống kê Tần số Tỷ lệ % % Tích lũy
Giới tính
Nam 99 47.6 47.6
Nữ 109 52.4 100.0
Mục thống kê Tần số Tỷ lệ % % Tích lũy Độ tuổi Từ 22-27 tuổi 36 17.3 17.3 Từ 27-32 tuổi 75 36.1 53.4 Từ 32-40 tuổi 73 35.1 88.5 Trên 40 tuổi 24 11.5 100.0 Tổng cộng 208 100.0 Trình độ học vấn Sơ cấp trở xuống 0 0 0 Trung cấp, cao đẳng 35 16.8 16.8
Đại học, trên đại học 173 83.2 100.0
Tổng cộng 208 100.0 Thu nhập Dưới 4 triệu 18 8.7 8.7 Từ 4-7 triệu 51 24.5 33.2 Từ 7-10 triệu 46 22.1 55.3 Từ 10-13 triệu 57 27.4 82.7 Trên 13 triệu 36 17.3 100.0 Tổng cộng 208 100.0
Thâm niên công tác
Dưới 1 năm 18 8.7 8.7 Từ 1-3 năm 31 14.9 23.6 Từ 3-5 năm 63 30.3 53.8 Từ 5-7 năm 57 27.4 81.3 Trên 7 năm 39 18.8 100.0 Tổng cộng 208 100.0 Vị trí cơng tác Lãnh đạo phòng ban 27 13 13
Cấp kiểm soát trung 65 31.2 44.2
Chuyên viên 34 16.3 60.6
Nhân viên 82 39.4 100.0
Tổng cộng 208 100.0
4.2 Đánh giá thang đo
4.2.1 Phân tích độ tin cậy Cronbach’s Alpha
Các thang đo được kiểm định độ tin cậy bằng công cụ Cronbach’s Alpha. Hệ số của 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, giúp loại đi những biến và thang đo không phù hợp. Nhiều nhà nghiên cứu đồng ý rằng khi Cronbach’s Alpha từ 0.8 trở lên đến gần 1 thì thang đo lường là tốt, từ 0.7 đến gần 0.8 là sử dụng được. Cũng có nghiên cứu đề nghị rằng Cronbach’s Alpha từ 0.6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang đo lường là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008).
Từ đó, tác giả kiểm định độ tin cậy của thang đo dựa trên cơ sở các biến quan sát có hệ số tương quan biến tổng (item-total correlation) nhỏ hơn 0.3 sẽ bị loại và tiêu chuẩn chọn thang đo khi Cronbach’s Alpha từ 0.6 trở lên.
Bảng 4.2 : Kiểm định các thang đo bằng Cronbach Alpha
Biến quan sát Trung bình thang đo nếu loại biến
Phƣơng sai thang đo nếu
loại biến
Tƣơng quan biến –
tổng
Cronbach Alpha nếu loại biến
Bản chất công việc Cronbach Alpha = .681
BC1 13.24 3.456 .463 .623
BC2 13.22 3.072 .450 .625
BC3 13.15 3.113 .675 .539
BC4 13.13 3.276 .659 .558
BC5 12.95 3.553 .153 .791
Tiền lƣơng Cronbach Alpha = .773
TL1 10.15 2.343 .687 .655
TL2 10.08 2.955 .423 .796
TL3 10.07 2.884 .545 .735
TL4 10.13 2.525 .667 .670
Đào tạo và thăng tiến Cronbach Alpha = .776
DT1 10.94 2.668 .555 .738
DT2 10.82 3.074 .571 .731
DT3 10.78 2.782 .613 .706
Biến quan sát Trung bình thang đo nếu loại biến
Phƣơng sai thang đo nếu
loại biến
Tƣơng quan biến –
tổng
Cronbach Alpha nếu loại biến
Sự giám sát của cấp trên Cronbach Alpha = .748
GS1 16.57 3.232 .639 .669 GS2 16.42 4.187 .126 .802 GS3 16.54 3.360 .587 .685 GS4 16.41 3.605 .453 .721 GS5 16.51 3.043 .559 .691 GS6 16.49 3.391 .662 .679
Đồng nghiệp Cronbach Alpha = .744
DN1 10.35 2.113 .468 .724
DN2 10.32 2.131 .484 .714
DN3 10.28 1.883 .659 .613
DN4 10.32 2.044 .545 .680
Điều kiện làm việc Cronbach Alpha = .880
DK1 10.69 4.001 .831 .814
DK2 10.77 4.265 .659 .877
DK3 10.65 4.055 .653 .883
DK4 10.67 3.788 .839 .807
Phúc lợi Cronbach Alpha = .615
PL1 9.85 3.851 .496 .507
PL2 9.93 3.580 .544 .464
PL3 10.02 3.265 .578 .420
PL4 10.21 3.192 .183 .812
Thƣơng hiệu của ngân hàng Cronbach Alpha = .827
TH1 6.74 1.935 .641 .803
TH2 6.81 1.808 .701 .744
TH3 6.91 1.649 .715 .731