.12 Mã hóa thang đo

STT Thang đo và biến quan sát Mã hóa

I. Bản chất cơng việc BCCV

1 Hiểu rõ về công việc BCCV1

2 Công việc cho phép sử dụng tốt các năng lực cá nhân BCCV2

3 Cơng việc có nhiều thử thách, thú vị BCCV3

4 Cơng việc phù hợp với trình đợ chun mơn và kỹ năng được đào tạo

BCCV4

II. Đào tạo và phát triển DTPT

5 Được khuyến khích tham gia các chương trình phát triển nghề nghiệp

DTPT1

6 Có cơ hợi thăng tiến trong cơng việc DTPT2

7 Biết được điều kiện thăng tiến DTPT3

8 Chính sách đào tạo phát triển cơng bằng DTPT4

III. Phong cách lãnh đạo PCLD

9 Cấp trên đối xử tôn trọng và công bằng PCLD1

10 Cấp trên luôn lắng nghe và phản hồi công việc PCLD2

11 Cấp trên luôn coi trọng sự đóng góp PCLD3

12 Cấp trên có năng lực, tầm nhìn, có kỹ năng lãnh đạo tốt PCLD4 13 Tin tưởng vào sự lãnh đạo của cấp trên PCLD5

IV. Mối quan hệ đồng nghiệp QHDN

14 Đồng nghiệp sẵn sàng giúp đỡ nhau QHDN1

15 Đồng nghiệp vui vẻ và thân thiện QHDN2

16 Đồng nghiệp phối hợp tốt trong công việc QHDN3

17 Đồng nghiệp chia sẽ kinh nghiệm, trao đổi chuyên môn làm việc QHDN4

V. Thu nhập và phúc lợi TNPL

18 Thu nhập và phúc lợi xứng đáng với công sức TNPL1 19 Thu nhập và phúc lợi được phân phối công bằng TNPL2 20 Được đóng và tham gia đầy đủ các bảo hiểm xã hội, bảo hiểm y

tế

TNPL3

21 Được hưởng các phúc lợi của công ty TNPL4

22 Ngồi lương có thể nhận thêm các khoản phụ cấp, tiền làm thêm giờ từ doanh nghiệp

TNPL5

VI. Điều kiện làm việc DKLV

23 Môi trường làm việc sạch sẽ, đảm bảo vệ sinh DKLV1 24 Được trang bị phương tiện, thiết bị làm việc đầy đủ DKLV2

25 Làm việc trong điều kiện an toàn DKLV3

26 Khơng phải làm việc ngồi giờ, thời gian làm việc hợp lý DKLV4

VII. Khen thưởng và kỷ luật KTKL

27 Chính sách khen thưởng cơng bằng và hợp lý KTKL1 28 Được khen thưởng xứng đáng khi hoàn thành nhiệm vụ KTKL2 29 Được ghi nhận của lãnh đạo và đồng nghiệp KTKL3 30 Các quyết định khen thưởng và kỷ luật được thi hành triệt để KTKL4

VIII. Sự thỏa mãn công việc TMCV

31 Hài lịng với cơng việc hiện tại TMCV1

32 u thích cơng việc của mình TMCV2

33 Sẽ giới thiệu người khác đến làm việc tại cơng ty TMCV3

34 Gắn bó lâu dài với cơng ty TMCV4

Nguồn: Tác giả tổng hợp

3.4 Mô tả dữ liệu sử dụng trong nghiên cứu

3.4.1 Công cụ thu thập dữ liệu

Bảng câu hỏi được thiết kế và gởi đến từng người lao động qua 2 hình thức: bản giấy và cơng cụ Google Form, dùng làm công cụ thu thập dữ liệu. Nội dung bảng câu hỏi gồm: họ tên, giới tính, đợ t̉i, trình đợ học vấn và câu hỏi của các biến quan sát (Phụ lục 2 trang 101).

Mơ hình sử dụng thang đo Likert 05 mức độ với lựa chọn số 1 có nghĩa là “hồn tồn khơng đồng ý” cho đến lựa chọn số 5 có nghĩa là “hồn tồn đồng ý”.

3.4.2 Xác định kích thước mẫu và phương pháp chọn mẫu

3.4.2.1 Xác định kích thước mẫu

Khi phân tích EFA, theo Hair et al. (2014), kích thước mẫu tối thiểu để sử dụng EFA là 50, tốt hơn là từ 100 trở lên. Tỷ lệ số quan sát trên mợt biến phân tích là 5: 1 hoặc 10: 1. Trong nghiên cứu, tác giả sử dụng 34 biến quan sát, áp dụng tỉ lệ 10: 1 và công thức n= 10*số biến quan sát, vậy số quan sát tối thiểu là 340 quan sát.

Đối với phân tích hồi quy, theo Green & Salkind (1991), số quan sát tối thiểu = 50 + 8m (m: số biến độc lập). Trong bài nghiên cứu, tác giả đề x́t mơ hình có 7 biến đợc lập, vậy số quan sát tối thiểu là 106 quan sát.

Do cùng sử dụng phân tích EFA và phân tích hồi quy, tác giả chọn thực hiện khảo sát với kích thước mẫu là 380 quan sát, để đảm bảo điều kiện số quan sát tối thiểu cho cả hai phân tích.

3.4.2.2 Phương pháp chọn mẫu

Trong quá trình chọn mẫu khảo sát, tác giả đã chọn phương pháp lấy mẫu theo tỉ lệ giữa bộ phận văn phòng và bộ phận sản xuất. Với tổng số lao đợng khoảng 1000 lao đợng, trong đó có gần 30% đang làm việc tại khối văn phòng và hơn 70% làm việc tại khối sản xuất. Vì vậy, tác giả sẽ khảo sát 120 phiếu của khối văn phòng (chiếm gần 30% số phiếu), và 260 phiếu tại khối sản xuất (chiếm hơn 70% số phiếu). Với phương pháp này mẫu được chọn theo phương pháp tỷ lệ và vì vậy mẫu sẽ có tính đại diện cao hơn so với phương pháp thuận tiện.

3.4.3 Quy trình thu thập dữ liệu

Sau khi thông qua ý kiến Lãnh đạo và Quản lý các phịng ban tại Cơng ty Cở phần Bột giặt Lix, bảng câu hỏi khảo sát được chuyển đến các Phòng ban, Xưởng sản xuất theo cách gởi link Google form. Thời gian thu hồi bảng khảo sát sau khi phát là 2 tuần. Tác giả tiến hành việc nhập liệu vào phần mềm SPSS 20 xử lý.

3.5 Phương pháp phân tích dữ liệu

Phần mềm sử dụng trong q trình phân tích dữ liệu SPSS 20 và tiến hành phân tích dữ liệu theo các bước:

3.5.1 Thống kê mô tả

Thực hiện bước này nhằm mô tả mẫu nghiên cứu, giúp hiểu được tính chất của bợ dữ liệu bằng cách đưa ra các tóm tắt về mẫu như: tên các biến, số lượng, giá trị min/max, giá trị trung bình, đợ lệch ch̉n.

3.5.2 Kiểm định Cronbach’Alpha

Kiểm định Cronbach’s Alpha nhằm kiểm tra độ chặt chẽ và tương quan giữa các biến quan sát và biến tổng. Để kiểm tra việc này sử dụng hai chỉ số thống kê là: hệ số Cronbach’s Alpha và hệ số tương quan biến tổng.

Hệ số Cronbach’s Alpha đánh giá biến quan sát tḥc mợt nhân tố nghiên cứu có phù hợp khơng. Đánh giá hệ số Cronbach’s Alpha như sau:

< 0.6. Thang đo nhân tố là không phù hợp

0.6 – 07: Chấp nhận được với các nghiên cứu mới 0.7 – 0.8: Chấp nhận được

0.8 – 0.95: Tốt

> 0.95: Chấp nhận được nhưng khơng tốt, nên xét xét các biến quan sát có thể có hiện tượng trùng biến

Hệ số tương quan biến tổng cho biến mức độ liên kết giữa một biến quan sát trong nhân tố với các biến cịn lại, phản ánh mức đợ đóng góp vào giá trị khái niệm của nhân tố. Tiêu chuẩn hệ số tương quan biến tổng phải lớn hơn 0.3.

Trong bài nghiên cứu tác giả áp dụng quy tắc chọn các biến quan sát có hệ số Cronbach’s Alpha > 0.6 và hệ số tương quan biến tổng > 0.3, loại bỏ các biến quan sát không đủ điều kiện.

3.5.3 Phân tích nhân tố khám phá (EFA)

Là phương pháp phân tích giúp đánh giá hai loại giá trị quan trọng của thang đo là giá trị hội tụ và giá trị phân biệt. Dự trên cơ sở mối quan hệ tuyến tính của các nhân tố với các biến quan sát, phân tích EFA rút gọn tập k biến quan sát thành tập F (F<k) có ý nghĩa hơn, giúp tiết kiệm thời gian và kinh phí rất nhiều trong q trình nghiên cứu. Những tiêu chí trong phân tích EFA bao gồm:

Hệ số tải nhân tố (Factor loading): Được định nghĩa là trọng số nhân tố, giá trị này biểu thị mối quan hệ tương quan giữa biến quan sát với nhân tố. Hệ số tải nhân tố càng cao, nghĩa là tương quan giữa biến quan sát đó với nhân tố càng lớn và ngược lại. Hệ số tải nhân tố hay trọng số nhân tố là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA: Nếu Factor loading > 0.3 được xem là đạt mức tối thiểu, Factor loading > 0.4 được xem là quan trọng, Factor loading > 0.5 được xem là có ý nghĩa thực tiễn.

Hệ số tải bằng 0.5 là mức tiêu chuẩn với cỡ mẫu từ 120 đến dưới 350, hệ số tải là 0.3 với cỡ mẫu từ 350 trở lên.

Kiểm định Bartlett có ý nghĩa thống kê (Sig. < 0.05): Kiểm định Bartlett là một đại lượng thống kê được dùng để xem xét giả thuyết các biến khơng có tương quan trong tởng thể. Trong trường hợp kiểm định này có ý nghĩa thống kê (Sig. < 0.05) thì các biến quan sát có mối tương quan với nhau trong tổng thể.

Hệ số KMO (Kaiser-Meyer-Olkin) là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Nếu trị số này nhỏ hơn 0.5, thì phân tích nhân tố có khả năng khơng thích hợp với tập dữ liệu nghiên cứu. Trị số của KMO phải đạt giá trị 0.5 trở lên (0.5 ≤ KMO ≤ 1) là điều kiện đủ để phân tích nhân tố là phù hợp.

Phần trăm phương sai trích (Percentage of variance) > 50%: thể hiện phần trăm biến thiên của các biến quan sát. Nghĩa là xem biến thiên là 100% thì giá trị này cho biết phân tích nhân tố giải thích được bao nhiêu %.

Trị số Eigenvalue là mợt tiêu chí sử dụng phở biến để xác định số lượng nhân tố trong phân tích EFA. Với tiêu chí này, chỉ có những nhân tố nào có Eigenvalue ≥ 1 mới được giữ lại trong mơ hình phân tích.

3.5.4 Phân tích tương quan Pearson

Nhằm kiểm tra độ lớn của mối quan hệ giữa biến phụ thuộc với các biến độc lập, nhận diện vấn đề đa cộng tuyến khi các biến đợc lập cũng có tương quan mạnh với nhau. Hệ số tương quan Pearson (r) nằm trong [-1,1] và có ý nghĩa khi Sig. < 0.05 Nếu r càng tiến về 1, -1: Tương quan tuyến tính càng mạnh, càng chặt chẽ. Tiến về 1 là tương quan dương, tiến về -1 là tương quan âm.

Nếu r càng tiến về 0: Tương quan tuyến tính càng yếu.

Nếu r = 1: Tương quan tuyến tính tuyệt đối, khi biểu diễn trên đồ thị các điểm biểu diễn sẽ nhập lại thành 1 đường thẳng.

3.5.5 Phân tích hồi quy

3.5.5.1 Kiểm định ý nghĩa hệ số hồi quy

Xác định các biến đợc lập có ý nghĩa với các biến phụ thuộc hay không. Giá trị Sig. của kiểm định t được sử dụng để kiểm định ý nghĩa của hệ số hồi quy. Nếu Sig. kiểm định t của hệ số hồi quy của một biến độc lập nhỏ hơn 0.05, ta kết luận biến đợc lập đó có tác đợng đến biến phụ tḥc. Nếu Sig. trong kiểm định t của biến độc lập lớn hơn 0.05, chúng ta kết luận biến đợc lập đó khơng có sự tác đợng lên biến phụ tḥc, và khơng cần loại bỏ biến đó để chạy lại hồi quy lần tiếp theo. Mỗi biến độc lập tương ứng với một hệ số hồi quy riêng, do vậy mà ta cũng có từng kiểm định t riêng. Giá trị này trong bảng Coefficients.

3.5.5.2 Kiểm định mức độ phù hợp của mơ hình

Xác định mơ hình hồi quy tuyến tính có phù hợp với dữ liệu thực tiễn không. Giá trị Sig. của kiểm định F được sử dụng để kiểm định độ phù hợp của mơ hình hồi quy. Nếu Sig. < 0.05, ta kết luận mơ hình hồi quy tuyến tính bợi phù hợp với tập dữ liệu và có thể sử đụng được. Giá trị này trong bảng Anova.

3.5.5.3 Kiểm định mức độ giải thích của mơ hình

Cho biết phần trăm (%) thay đởi của biến phụ tḥc được giải thích bởi các biến đợc lập trong mơ hình. Dựa vào giá trị R2 (R Square) và R2 hiệu chỉnh (Adjusted R Square). Giá trị R2 và R2 hiệu chỉnh phản ánh mức đợ giải thích biến phụ tḥc của các biến đợc lập trong mơ hình hồi quy. R2 hiệu chỉnh phản ánh sát hơn so với R2. Giá trị nằm trong đoạn [0,1], chỉ số này nếu càng tiến về 1 thì mơ hình càng có ý nghĩa, càng tiến về 0 thì ý nghĩa mơ hình càng yếu, từ 0.5 đến 1 thì mơ hình là tốt, bé hơn 0.5 là mơ hình chưa tốt. Giá trị này trong bảng Model Summary.

3.5.5.4 Kiểm định hiện tượng đa cộng tuyến

Dùng kiểm định hiện tượng các biến độc lập tương quan với nhau. Hệ số phóng đại phương sai VIF dùng để kiểm tra hiện tượng đa cộng tuyến. Thông thường, nếu VIF của một biến độc lập lớn hơn 10 nghĩa là đang có đa cợng tuyến xảy ra với biến đợc

lập đó. Khi đó, biến này sẽ khơng có giá trị giải thích biến thiên của biến phụ tḥc trong mơ hình hồi quy. Với các đề tài sử dụng thang đo Likert, nếu hệ số VIF > 2 thì khả năng rất cao đang xảy ra hiện tượng đa cộng tuyến giữa các biến độc lập. Giá trị này trong bảng Coefficients.

3.5.5.5 Kiểm định hiện tượng tự tương quan

Kiểm định Durbin Watson: Hệ số Durbin – Watson (d) dùng để kiểm tra hiện tượng tự tương quan chuỗi bậc nhất. Có giá trị trong khoảng từ {0,4}. Xác định trị số Durbin – Watson (d), dùng bảng Durbin-Watson xác định các trị số n, k-1, mức ý nghĩa, dL, dU.

Khi dU<d<4-dU, kết luận khơng có hiện tượng tự tương quan trong phần dư của mơ hình hồi quy tuyến tính.

Khi dL<d<dU hoặc 4-dU<d<dL, xác định d rơi vào vùng không kết luận, lúc này áp dụng Durbin-Watson cải tiến: nếu 1<d<3 thì khơng có sự tương quan

Tự tương quan dương Khơng kết luận Khơng có sự tương quan Không kết luận Tự tương quan âm 0 dL dU 4-dU 4-dL

3.5.5.6 Kiểm định phương sai phần dư thay đổi sử dụng tương quan hạng Spearman

Nếu xảy ra hiện tượng phương sai thay đổi, kết quả của phương trình hồi quy sẽ khơng chính xác, làm sai lệch kết quả so với thực tế, từ đó khiến đánh giá nhầm chất lượng của phương trình hồi quy tuyến tính. Đánh giá sự vi phạm giả định phân phối chuẩn của phần dư tác giả sử dụng kiểm định tương quan hạng Spearman giữa phần dư ch̉n hóa với các biến đợc lập. Nếu giá trị Sig. tương quan Spearman giữa phần dư ch̉n hóa (ABSRES) với các biến đợc lập đều lớn hơn 0.05, có thể kết luận rằng khơng có hiện tượng phương sai thay đởi xảy ra, trường hợp có ít nhất 1 giá trị Sig. < 0.05, khi đó mơ hình hồi quy đã vi phạm giả định phương sai không đổi.

3.5.5.7 Kiểm định khả năng tuân theo phân phối chuẩn của phần dư

Đánh giá sự vi phạm giả định phân phối chuẩn của phần dư ta sẽ dùng hai công cụ vẽ của phần mềm SPSS là biểu đồ Histogram và đồ thị P-P Plot. Trong biểu đồ Histogram ta thấy phần dư có phân phối chuẩn với giá trị trung bình (Mean) gần bằng 0 và đợ lệch ch̉n của nó gần bằng 1 (Std. Dev. = 0.990). Điều này cho thấy phân phối của phần dư có dạng gần chuẩn, thỏa yêu cầu giả định về phân phối chuẩn của phần dư.

3.5.5.7 Phương trình hồi quy

Dùng đánh giá mức phù hợp của mơ hình, xác định mức tác đợng nhiều/ít/khơng của các biến độc lập lên sự thay đổi của biến phụ tḥc. Phương pháp đưa biến vào phân tích hồi quy theo phương pháp Enter tức là đưa tất cả các biến vào mợt lần.

Phương trình hồi quy có dạng: Yi= 0 + 1X1 + 2X2 + … + nnX + 

(Yi: biến phụ thuộc, Xi: biến độc lập, : hệ số hồi quy, : sai số ngẫu nhiên)

3.5.6 Kiểm định sự khác nhau của mức độ thỏa mãn công việc của người lao động đối với biến kiểm soát

3.5.6.1 Kiểm định Independent Sample T-Test:

Áp dụng kiểm định sự khác biệt trung bình với trường hợp biến kiểm sốt có 2 giá trị.

Nếu Sig. Levene’ s Test < 0.05 thì phương sai của hai giá trị khác nhau, sử dụng giá trị Sig. kiểm định T-Test ở hàng Equal variances not assumed. Giá trị Sig. T-Test < 0.05, kết luận: Có sự khác biệt có ý nghĩa thống kê. Giá trị Sig. T-Test >= 0.05, kết luận: Khơng có sự khác biệt có ý nghĩa thống kê.

Nếu Sig. Levene’ s Test > 0.05 thì phương sai giữa hai giá trị khơng khác nhau, sử dụng giá trị Sig. kiểm định T-Test ở hàng Equal variances assumed. Giá trị Sig. T- Test < 0.05, kết luận: Có sự khác biệt có ý nghĩa thống kê. Giá trị Sig. T-Test >= 0.05, kết luận: Khơng có sự khác biệt có ý nghĩa thống kê.

3.5.6.2 Kiểm định One-way Anova:

One-way Anova áp dụng kiểm định sự khác biệt trung bình với trường hợp biến kiểm