c) Các yếu tố chi phối mơ hình 3P
3.4 PHƯƠNG PHÁP XỬ LÝ SỐ LIỆU
Quá trình xử lý số liệu đều được thực hiện trên phần mềm xử lý dữ liệu SPSS và sẽ lần lượt theo các bước sau:
Bước 1: Kiểm định độ tin cậy sơ bộ của các thang đo. Các thang đo ở đây bao
gồm thang đo sự thỏa mãn tiền lương PSQ của Heneman & Schwab (1985) và thang đo sự gắn kết đối với tổ chức của Meyer và các cộng sự (1993). Đánh giá sơ bộ sẽ đánh dấu lại các biến thành phần có hệ số tin cậy Cronbach’s Alpha nhỏ hơn 0.7 để làm điều kiện xem xét loại bỏ biến trong phần EFA. Theo Nunnally & Burnstein (1994), các biến quan sát có hệ số tương quan biến-tổng (item-total correlation) dưới 0.5 sẽ bị loại.
Bước 2: Phân tích nhân tố khám phá (EFA) nhằm nhận diện các nhân tố giải
thích cho biến thành phần. Theo Anderson & Gerbing (1988), các biến quan sát có hệ số tải nhân tố (factor loading) nhỏ hơn 0.4 sẽ bị loại bỏ và tổng phương sai trích (variance extracted) phải lớn hơn hoặc bằng 50% hay không.
cậy.
Bước 3: Loại bớt các biến không phù hợp sau EFA và kiểm định lại độ tin
Sau khi loại bỏ các biến khơng phù hợp, phân tích EFA hiệu chỉnh được tiến hành để ghi nhận sự phù hợp của các thang đo đồng thời tạo ra biến nhân tố mới đại diện cho các biến quan sát trong cùng nhóm đã đo lường ra nó.
Kiểm định Cronbach’s Alpha cũng được thực hiện lại một lần nữa trên những nhóm có biến bị loại để khẳng định lại độ tin cậy của thang đo.
Với tập dữ liệu thu về, sau khi hồn tất việc gạn lọc, kiểm tra, mã hóa, nhập liệu và làm sạch dữ liệu, sẽ tiến hành xử lý số liệu bằng phần mềm SPSS với một số phương pháp phân tích như sau:
3.4.1 Mơ tả mẫu
Phân tích này là phân tích thống kê tần số để mơ tả các thuộc tính của nhóm mẫu khảo sát như: Giới tính, độ tuổi, trình độ học vấn, cấp bậc, phịng ban…
3.4.2 Đánh giá độ tin cậy thang đo
Thang đo sự thoả mãn tiền lương PSQ và thang đo sự gắn kết với tổ chức của Meyer là những thang đo thể hiện những khía cạnh khác nhau (cịn được gọi là chiều hướng). Do đó, chúng cần được kiểm định chặt chẽ để loại bớt đi những biến quan sát, những thành phần không đạt điều kiện trước khi tiến hành các phân tích khác của đề tài.
Nhiều nhà nghiên cứu đồng ý rằng Cronbach’s Alpha từ 0.8 trở lên đến gần 1.1 thì thang đo lường là tốt, từ 0.7 đến gần 0.8 là sử dụng được. Cũng có nhà 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 nghiên cứu là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu.
Theo Hair (1998), thì hệ số tương quan biến-tổng (item-total correlation) nên lớn hơn 0.5 và Cronbach’s Alpha nên ≥ 0.7. Đối với kiểm định Cronbach’s Alpha trong nghiên cứu này, điều kiện chấp nhận biến quan sát được đề nghị:
- Thứ nhất: Giá trị Cronbach’s Alpha > 0.7 thì chấp nhận được và theo một số tài liệu thì nếu Cronbach’s Alpha > 0.6 thì vẫn chấp nhận được (Hồng
Trọng, 2005; Nguyễn Đình Thọ, 2011, p.353, p.404).
- Thứ hai: Hệ số tương quan biến-tổng thấp nhất trong thành phần phải > 0.5 nhưng nếu hệ số tương quan biến-tổng thấp nhất > 0.3 cũng có thể chấp nhận được và nên xem xét lại trước khi loại biến (Hoàng Trọng, 2005; Nguyễn Đình Thọ, 2011, p.353, p.404).
3.4.3 Phân tích nhân tố khám phá EFA
Ở bước này, ta cần nhận diện xem những biến quan sát nào thuộc về một tập hợp biến đo lường cho cùng một yếu tố đại diện nào đó hay khơng. Trong 2 thang đo PSQ và Meyer, xét về mặt kế thừa lý thuyết đi trước, ta đã xác định được mỗi thành phần trong thang đo đã bao gồm những biến quan sát nào. Tuy nhiên trong điều kiện áp dụng tại Việt Nam có thể vẫn cịn tồn tại những điểm khác biệt. Vì thế ta cần tiếp tục tiến hành bước phân tích nhân tố khám phá để nhận diện lại các yếu tố thành phần trên cùng với các biến quan sát liên quan.
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.
- Thứ hai, theo Anderson & Gerbing (1988), thang đo được chấp nhận khi tổng phương sai trích ra từ mơ hình phải ≥ 50% và các nhân tố trích được đều phải có giá trị điểm dừng Eigenvalue 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).
Khi phân tích EFA đối với thang đo PSQ và thang đo Meyer, phương pháp phân tích mơ hình thành phần chính (PCA) với phép xoay trực giao Varimax và tiêu chí điểm dừng khi trích các yếu tố có Eigenvalue > 1 được sử dụng để diễn giải kết quả của EFA.
Sau khi đã kiểm tra mức độ phù hợp của thang đo thì chúng ta kiểm định lại độ tin cậy của thang đo cho các nhân tố này bằng hệ số Cronbach’s alpha.
3.4.4 Phân tích tương quan - hồi quy
Để kiểm định mối quan hệ giữa các thành phần sự thỏa mãn tiền lương và sự gắn kết với tổ chức của nhân viên VT TP trong mơ hình nghiên cứu, n h à n g h i ê n cứ u c ầ n sử dụng phương pháp tương quan với hệ số tương quan Pearson (r) và giá trị r nằm trong khoảng -1 ≤ r ≤ +1.
Nếu r > 0 thể hiện tương quan đồng biến. Ngược lại, r < 0 thể hiện tương quan nghịch biến. Giá trị r = 0 chỉ ra rằng hai biến khơng có mối liên hệ tuyến tính.
- │r│ → 1: Quan hệ giữa hai biến càng chặt. - │r│ → 0: Quan hệ giữa hai biến càng yếu.
Mức ý nghĩa “sig” của hệ số tương quan, cụ thể như sau: - Nhỏ hơn 5%: Mối tương quan khá chặt chẽ.
- Nhỏ hơn 1%: Mối tương quan rất chặt chẽ.
Bước kế tiếp, sử dụng phương pháp hồi quy tuyến tính bội. Mục tiêu của phân tích hồi quy là nhằm xác định nhân tố quan trọng nhất, có tác động mạnh nhất đến biến phụ thuộc.
Bước1: Kiểm định mơ hình hồi quy
Thông thường chúng ta không biết trước được mô hình hồi quy có thích hợp khơng. Do đó, chúng ta cần phải tiến hành dị tìm xem có bằng chứng nói rằng các giả định cần thiết bị vi phạm hay khơng. Ở đây chúng ta khảo sát sự thích hợp bằng cách xây dựng biểu đồ tần số của phần dư, biểu đồ tần số P-P, đồ thị phân tán. Tiêu chuẩn để đánh giá sự thích hợp của mơ hình là giá trị trung bình Mean của phần dư chuẩn nhỏ (0.00) và độ lệch chuẩn lớn (> 0.95).
Hệ số phóng đại VIF không vượt quá 10 để tránh hiện tượng đa cộng tuyến cho mơ hình hồi quy.
Hệ số xác định R2 và hệ số xác định điều chỉnh R2 adj: Hệ số xác định R2 cho thấy % biến thiên của biến phụ thuộc được giải thích bởi sự biến thiên của các biến
độc lập. Tiêu chuẩn để đánh giá sự thích hợp của mơ hình là hệ số xác định R2 và hệ số xác định điều chỉnh R2adj lớn hơn hay bằng 50%.
thuộc.
Bước2: Xác định mối liên hệ tuyến tính của các biến độc lập lên biến phụ
Tập hợp 4 biến độc lập của các mơ hình gồm có: PL (Pay Level - Mức
lương), Be (Benefits - Các phúc lợi), PR (Pay Raises - Tăng lương), và SA
(Structure/Administration - Cơ chế lương). Ta sẽ xem xét và kiểm định lần lượt 3 mơ hình hồi quy tuyến tính của 3 biến phụ thuộc là các thành phần của sự gắn kết với tổ chức được biểu diễn bởi 4 biến độc lập nói trên.
Mơ hình hồi quy 1: Xem xét tác động của 4 biến độc lập nói trên đến biến
phụ thuộc là gắn kết bằng cảm xúc - AC. Ta có phương trình hồi quy dự kiến sau:
Phương trình 3-1: AC = β10 + β11* PL + β12* Be + β13* PR + β14* SA (3-1).
Mơ hình hồi quy 2: Xem xét tác động của 4 biến độc lập nói trên đến biến phụ thuộc là gắn kết bằng hành vi - CC. Ta có phương trình hồi quy dự kiến sau:
Phương trình 3-2: CC = β20 + β21* PL + β22* Be + β23* PR + β24* SA (3-2).
Trong mơ hình này, ta thấy gắn kết bằng hành vi có thêm một biến phụ là gắn kết bằng khan hiếm việc làm thay thế CC2 (CC = CC1 + CC2), nhưng để đơn giản trong phương trình lý thuyết, nhà nghiên cứu chỉ đưa ra một mơ hình của gắn kết bằng hành vi. Nhưng khi chạy dữ liệu để đưa ra mơ hình hồi quy chính thức của đề tài thì phải xét đến hai phần là: Gắn kết bằng hành vi và gắn kết bằng khan hiếm việc làm thay thế.
Mơ hình hồi quy 3: Xem xét tác động của 4 biến độc lập nói trên đến biến phụ thuộc là gắn kết bằng thái độ - NC. Ta có phương trình hồi quy dự kiến sau:
Phương trình 3-3: NC = β30 + β31* PL + β32* Be + β33* PR + β34* SA (3-3).
Chúng ta đã biết, các kết luận dựa trên hàm hồi quy tuyến tính thu được 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 phương 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.
Tiêu chuẩn để xác định mối liên hệ tuyến tính này là dựa vào hệ số β, trị số tuyệt đối của hệ số này càng lớn thì liên hệ tuyến tính càng mạnh. Đồng thời mức ý nghĩa quan sát của các biến độc lập có quan hệ tuyến tính phải nhỏ (0.00).