TT Ký hiệu Sự hỗ trợ của tổ chức
1 HTTC1 Nhân viên được ghi nhận về những việc làm sáng tạo trong ngân hàng của tôi.
2 HTTC2 Mọi ý tưởng đều được đánh giá công bằng trong ngân hàng của tôi. 3 HTTC3 Nhân viên được khuyến khích giải quyết vấn đề một cách sáng tạo trong ngân hàng của tôi. 4 HTTC4 Ngân hàng của tơi có một cơ chế tốt để khuyến khích và phát triển các ý tưởng sáng tạo. 5 HTTC5 Tại ngân hàng của tôi, nhân viên được khuyến khích chấp nhận
những thách thức trong cơng việc.
6 HTTC6 Phần thưởng được trao cho những ý tưởng đổi mới và sáng tạo ởngân hàng của tôi. Nguồn: Kết quả nghiên cứu định tính.
Thang đo của các khái niệm trên được tổng hợp vào bảng câu hỏi nháp để phỏng vấn thử nghiệm, điều chỉnh câu từ lần cuối trước khi tiến hành phỏng vấn chính thức.
3.3. Nghiên cứu định lượng
3.3.1. Thiết kế mẫu nghiên cứu
Trong nghiên cứu này, đám đông nghiên cứu là những người đang làm việc tại các ngân hàng trên địa bàn TP. HCM. Mẫu được chọn theo phương thức chọn mẫu thuận tiện.
Kích cỡ mẫu nghiên cứu dự kiến được xác định dựa vào quy tắc của Hair & cộng sự, 2006 (theo Nguyễn Đình Thọ, 2012). Theo đó, mẫu được dùng cho phân tích nhân tố khám phá (EFA) phải có kích thước tối thiểu là 50 và tỷ lệ quan sát / biến đo lường là 5:1. Nghiên cứu này có tổng số 28 biến đo lường nên kích thước mẫu tối thiểu phải đạt 140.
3.3.2. Thiết kế bảng câu hỏi và quá trình thu thập dữ liệu
3.3.2.1.Thiết kế bảng câu hỏi
Bảng câu hỏi được thiết kế để thu thập dữ liệu sơ cấp thông qua phỏng vấn nhân viên đang làm việc tại ngân hàng. Có hai dạng phỏng vấn trong nghiên cứu này đó là phỏng vấn trực diện và phỏng vấn qua mạng internet. Bảng câu hỏi được trình bày phù hợp với hai hình thức phỏng vấn trên. Bảng câu hỏi gồm có hai phần: (1) phần chính và (2) phần dữ liệu cá nhân. Phần chính bao gồm các phát biểu trong bộ thang đo chính thức của các biến nghiên cứu. Các câu hỏi trong phần này thuộc dạng cho điểm từ 1 đến 5 đối với từng phát biểu, tương ứng với mức độ đồng ý của đối tượng. Phần dữ liệu cá nhân bao gồm các câu hỏi lựa chọn về giới tính, độ tuổi và loại hình ngân hàng đang làm việc (Phụ lục 2).
3.3.2.2.Thu thập dữ liệu
Việc thu thập dữ liệu được tiến hành thông qua hai dạng phỏng vấn là phỏng vấn trực diện và phỏng vấn qua mạng Internet (cụ thể là bảng câu hỏi trực tuyến). Đối với hình thức phỏng vấn trực diện, đối tượng được tiếp cận và phát bảng câu hỏi để trả lời. Trong nghiên cứu này, phỏng vấn viên sẽ tiếp cận đối tượng là nhân viên ngân hàng tại các chi nhánh, phòng giao dịch của các ngân hàng và các lớp học ngoài giờ ngành ngân hàng tại các trường đại học trên địa bàn TP. HCM. Đối với hình thức phỏng vấn qua Internet, một bảng câu hỏi trực tuyến được tạo ra và được gửi đến các đối tượng khảo sát thông qua e-mail.
3.3.3. Phương pháp phân tích dữ liệu
Dữ liệu thu thập từ các bảng câu hỏi sẽ được tổng hợp lại và tiến hành mã hóa nhập liệu vào phần mềm SPSS 20.0. Các bảng câu hỏi khơng hồn chỉnh được loại bỏ. Dữ liệu được làm sạch bằng các công cụ của SPSS 20.0 trước khi đưa vào xử lý. Dữ liệu từ mẫu nghiên cứu được thống kê và mơ tả lại theo các tiêu chí để có cái
nhìn tổng quan về mẫu trước khi phân tích. Các tiêu chí bao gồm giới tính, độ tuổi và loại hình ngân hàng đang làm việc.
3.3.3.1.Đánh giá độ tin cậy thang đo
Trong nghiên cứu này, phân tích hệ số Cronbach Alpha được sử dụng để đánh giá độ tin cậy của thang đo các khái niệm nghiên cứu.
Hệ số Cronbach Alpha là một phép kiểm định thống kê về mức độ chặt chẽ mà các mục hỏi trong thang đo tương quan với nhau (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008b). Cronbach Alpha là hệ số biến thiên trong khoảng [0;1] và về lý thuyết, hệ số này càng cao càng tốt. Tuy nhiên, nếu hệ số này q lớn (>0.95) thì có thể xảy ra hiện tượng trùng lắp về nội dung giữa các biến quan sát trong thang đo đó (Nguyễn Đình Thọ, 2012). Một tập hợp các biến quan sát dùng để đo lường được đánh giá là tốt phải có hệ số Cronbach Alpha lớn hơn hoặc bằng 0.8 (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008b) hoặc biến thiên trong khoảng [0.7; 0.8] (Nguyễn Đình Thọ, 2012). Trong nghiên cứu này, thang đo được đánh giá là tốt khi hệ số Cronbach Alpha đạt từ 0.7 trở lên, và từ 0.5 trở lên là thang đo chấp nhận được.
Ngoài ra, nghiên cứu cũng đánh giá từng biến quan sát thông qua hệ số tương quan biến tổng. Nếu chỉ số này từ 0.3 trở lên là đạt yêu cầu (Nunnally & Bernstein, 1994 trích theo Nguyễn Đình Thọ, 2012). Nếu chỉ số trên nhỏ hơn 0.3 thì biến quan sát đó sẽ được xem xét loại bỏ nếu không vi phạm giá trị nội dung của khái niệm (Nguyễn Đình Thọ, 2012). Do đó, trong nghiên cứu này, hệ số tương quan biến tổng của các biến quan sát có giá trị từ 0.3 trở lên thì được đánh giá là đạt yêu cầu.
3.3.3.2.Kiểm định giá trị thang đo – phân tích nhân tố khám phá (EFA)
Sau khi tiến hành đánh giá độ tin cậy của thang đo bằng hệ số Cronbach Alpha, phân tích EFA được tiến hành để đánh giá giá trị thang đo trước khi kiểm định giả thuyết nghiên cứu. Phương pháp phân tích EFA hay phân tích nhân tố
khám phá là một công cụ giúp đánh giá hai giá trị quan trọng của thang đo, đó là giá trị hội tụ và giá trị phân biệt (Nguyễn Đình Thọ, 2012). EFA giúp phát hiện các biến quan sát khơng có giá trị nhằm làm sạch thang đo, từ đó giúp cho các bước phân tích tiếp theo có kết quả chính xác hơn. Kết quả của phân tích EFA là các biến quan sát được tập hợp vào các nhóm nhân tố dựa vào mối quan hệ tuyến tính.
Điều kiện cần để phân tích EFA là các biến quan sát phải có tương quan với nhau (Hồng Trọng & Chu Nguyễn Mộng Ngọc, 2008b) cho nên khi thực hiện EFA, phép kiểm định Barlett phải thỏa mãn, tức là p (Sig.)<0.05.
Phân tích EFA là phương pháp đánh giá liên kết, tức là đánh giá thang đo khái niệm này trong mối liên hệ với các thang đo khái niệm khác (Nguyễn Đình Thọ, 2012). Vì vậy, trong nghiên cứu này, tất cả các biến quan sát đều sẽ được đưa vào để phân tích EFA đồng thời.
Mục đích của EFA là rút trích tập hợp k biến quan sát thành một tập hợp F (F<k) các nhân tố có ý nghĩa hơn (Nguyễn Đình Thọ, 2012). Trong nghiên cứu này, số lượng nhân tố (F) được dự báo bằng cơ sở lý thuyết là 6 nhân tố, bao gồm cả biến độc lập và phụ thuộc.
Có nhiều phép trích được sử dụng trong phân tích EFA. Trong nghiên cứu này, phép trích PAF (Principal Axis Factoring) cùng với phép quay Promax được sử dụng vì nó phản ánh cấu trúc dữ liệu chính xác hơn và thường được dùng để đánh giá thang đo (Nguyễn Đình Thọ, 2012).
Trong q trình phân tích EFA, các yếu tố để đánh giá giá trị thang đo bao gồm: Số lượng nhân tố trích được, trọng số nhân tố và tổng phương sai trích. Số lượng nhân tố trích được dựa vào điểm dừng của hệ số Eigenvalue ở mức lớn hơn 1 trong bảng phương sai trích. Trọng số nhân tố của từng biến quan sát phải có giá trị từ 0.5 trở lên thì tốt. Nếu trọng số nhỏ hơn 0.5 thì biến quan sát đó được xem xét lại và nếu quá nhỏ (nhỏ hơn 0.3) thì cần loại bỏ nếu không vi phạm giá trị nội dung của khái niệm.
Ngoài ra, yếu tố chênh lệch trọng số nhân tố của biến quan sát cũng cần được đánh giá. Theo Nguyễn Đình Thọ (2012), chênh lệch trọng số nhân tố phải lớn hơn 0.3 thì được nhiều nhà nghiên cứu chấp nhận. Nếu các trọng số nhân tố tương đương nhau, tức là biến quan sát tham gia đo lường nhiều khái niệm thì cần được xem xét loại bỏ. Cũng theo tác giả trên thì tiêu chí tổng phương sai trích trong kết quả EFA đạt từ 50% trở lên là đạt yêu cầu, từ 60% trở lên là tốt.
Ngoài ra, giá trị KMO phải từ 0.5 trở lên là điều kiện để xem xét phân tích nhân tố thích hợp với mẫu nghiên cứu, nếu nhỏ hơn 0.5 thì phân tích nhân tố có khả năng khơng thích hợp với dữ liệu (Nguyễn Đình Thọ, 2012; Hồng Trọng & Chu Nguyễn Mộng Ngọc, 2008b).
3.3.3.3.Phân tích hồi quy tuyến tính
Phương pháp hồi quy tuyến tính phân tích mối quan hệ giữa một hay nhiều biến độc lập với một biến phụ thuộc định lượng và là phương pháp được sử dụng phổ biến để kiểm định giả thuyết khoa học (Nguyễn Đình Thọ, 2012; Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2009). Đối với trường hợp nhiều biến độc lập tác động vào một biến phụ thuộc như trong nghiên cứu này, mơ hình hồi quy được sử dụng là hồi quy bội (MLR). Nội dung của phương pháp này bao gồm: (1) Ước lượng và kiểm định các hệ số hồi quy; (2) Đánh giá sự phù hợp của mơ hình; (3) Đánh giá hiện tượng đa cộng tuyến. Tất cả các nội dung này được thực hiện bằng công cụ Regression/ Linear của phần mềm xử lý thống kê SPSS.
Theo Nguyễn Đình Thọ, 2012, mơ hình hồi quy bội đi kèm với 10 giả định, trong đó có giả định các biến độc lập khơng có quan hệ với nhau hồn tồn (hệ số tương quan xấp xỉ hoặc bằng 1). Vì vậy, việc kiểm tra sự tương quan giữa các biến độc lập là cần thiết. Nếu có sự tương quan quá chặt giữa các cặp biến thì cần phải xem xét lại nội dung cũng như vai trị của các biến độc lập đó (Hồng Trọng & Chu Nguyễn Mộng Ngọc, 2008a). Sự tương quan giữa các biến được thực hiện bằng công cụ Correlate của phần mềm SPSS. Một giả định quan trọng khác là mối quan
hệ tuyến tính giữa biến độc lập và biến phụ thuộc cũng như hiện tượng phương sai thay đổi, các giả định này được đánh giá thông qua các sơ đồ trong công cụ Regression của phần mềm SPSS.
Trong nghiên cứu này, phương pháp bình phương bé nhất (OLS) được dùng để ước lượng các trọng số hồi quy của các biến. Đồng thời, kiểm định t đối với hệ số β của các biến phải thỏa (tức là p (Sig.) < 0.05) thì các biến mới có vai trị trong mơ hình, từ đó có thể đánh giá mức độ ảnh hưởng của từng biến độc lập dựa vào hệ số β chuẩn hóa. Để đánh giá sự phù hợp của việc sử dụng mơ hình hồi quy, nghiên cứu sử dụng kiểm định F cho hệ số xác định R2. Nếu p (Sig.) < 0.05 thì sử dụng mơ hình hồi quy là phù hợp. Để đánh giá mức độ phù hợp của mơ hình, hệ số xác định R2 hiệu chỉnh được sử dụng trong nghiên cứu này. Theo đó, hệ số R2 hiệu chỉnh có giá trị từ 0.5 trở lên là mơ hình hồi quy phù hợp tốt.
Để đánh giá hiện tượng đa cộng tuyến của các biến trong mơ hình hồi quy, nghiên cứu sử dụng hệ số phóng đại phương sai (VIF). Việc áp dụng chuẩn đối với VIF chỉ là những chuẩn kinh nghiệm (Nguyễn Đình Thọ, 2012). Đối với từng biến độc lập, nếu hệ số VIF > 10 thì đó là dấu hiệu của hiện tượng đa cộng tuyến (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008a) và nếu chỉ số VIF < 2 thì đạt yêu cầu hơn.
3.3.3.4.Kiểm định sự khác biệt
Kiểm định sự khác biệt là dạng kiểm định các giả thuyết về sự khác biệt của các trung bình của các đám đơng (Nguyễn Đình Thọ, 2012). Đây là dạng kiểm định thường gặp trong nghiên cứu. Trong nghiên cứu này, kiểm định sự khác biệt được sử dụng đối với các trung bình của các nhóm giới tính và độ tuổi. Mục đích của kiểm định này là tìm ra có sự khác biệt đáng kể giữa nam và nữ, giữa nhân viên ở các độ tuổi khác nhau về sự sáng tạo hay không.
Đối với biến giới tính, kiểm định được thực hiện bằng phương pháp so sánh hai trung bình của hai mẫu độc lập (independent-samples t-test). Phép kiểm định
này được thực hiện bằng phần mềm SPSS với công cụ Compare Means/ Independent-samples T-test. Nếu giá trị p (Sig.) ≤0.05 thì trung bình hai mẫu khác nhau. Ngược lại thì trung bình hai mẫu khơng có khác biệt. Để đánh giá kết quả, khi giá trị p (Sig.) > 0.05 trong kiểm định Lavene, tức là phương sai của hai mẫu là bằng nhau, kết quả kiểm định t-test được thể hiện ở phần Equal variances assumed và ngược lại, ta xem xét kết quả trong phần Equal variances not assumed (Nguyễn Đình Thọ, 2012; Hồng Trọng & Chu Nguyễn Mộng Ngọc, 2008a).
Đối với biến kiểm sốt là nhóm tuổi, việc kiểm định sự khác biệt về sáng tạo giữa các nhóm tuổi được thực hiện bằng phương pháp phân tích phương sai - ANOVA. ANOVA được dùng để so sánh trung bình từ ba đám đơng trở lên, khác với t-test được dùng để so sánh trung bình hai đám đơng (Nguyễn Đình Thọ, 2012). Phép kiểm định này được thực hiện bằng công cụ Compare Means/ One-way ANOVA trong SPSS. Trong nghiên cứu này, độ tuổi của nhân viên được chia thành 4 nhóm: dưới 25 tuổi; Từ 25 đến dưới 30 tuổi; Từ 30 đến 35 tuổi và trên 35 tuổi. Vì phương pháp ANOVA trong nghiên cứu này chỉ áp dụng cho biến nhóm tuổi, nên đây là ANOVA một chiều (one-way ANOVA).
Phương pháp ANOVA giả định rằng đám đông nghiên cứu có cùng phương sai và có phân phối chuẩn (Nguyễn Đình Thọ, 2012) nên để đánh giá kết quả sự khác biệt về sáng tạo giữa các nhóm tuổi, kết quả ANOVA phải cho thấy kiểm định Lavene về phương sai đồng nhất được chấp nhận (tức là p>0.05). Tiếp theo, nếu chỉ số p<0.05 trong kiểm định ANOVA thì ta kết luận có sự khác biệt về sự sáng tạo giữa các nhóm nhân viên thuộc các nhóm tuổi khác nhau. Ngược lại, ta kết luận không có sự khác biệt trên. Lệnh Post Hoc trong SPSS sẽ thể hiện cụ thể trung bình nào khác biệt nhau. Trong trường hợp đám đơng khơng có phân phối chuẩn, thì ta phải sử dụng kiểm định Kruskal-Wallis (Nguyễn Đình Thọ, 2012).
TĨM TẮT CHƯƠNG 3
Như vậy, chương 3 đã trình bày chi tiết nội dung của phương pháp nghiên cứu được sử dụng trong đề tài này.
Phương pháp định tính mà cụ thể là cơng cụ thảo luận nhóm được thực hiện nhằm mục đích điều chỉnh thang đo các khái niệm nghiên cứu cho phù hợp với điều kiện thực tế và dễ hiểu đối với đối tượng được khảo sát. Kết quả của nghiên cứu là thang đo chính thức được sử dụng để làm bảng câu hỏi khảo sát.
Tiếp theo đó, q trình thu thập dữ liệu được tiến hành trên đối tượng khảo sát là nhân viên ngân hàng đang làm việc tại TP. HCM. Dữ liệu thu thập sẽ được xử lý bằng phần mềm SPSS 20.0 để thực hiện các phép kiểm định độ tin cậy và giá trị thang đo, phân tích nhân tố EFA và hồi quy tuyến tính để kiểm định các giả thuyết đề ra ban đầu. Kết quả của quá trình này sẽ được trình bày chi tiết trong chương 4.
CHƯƠNG 4
KẾT QUẢ NGHIÊN CỨU
Chương 3 đã trình bày chi tiết về phương pháp nghiên cứu được sử dụng trong đề tài. Chương 4 sẽ trình bày kết quả của quá trình thu thập và xử lý dữ liệu định lượng để kiểm định các giả thuyết nghiên cứu. Chương này gồm các phần sau: (1) Mô tả mẫu; (2) Đánh giá độ tin cậy thang đo; (3) Kiểm định giá trị thang đo; (4) Phân tích hồi quy và (5) Kiểm định sự khác biệt.
4.1. Mô tả mẫu nghiên cứu
Kết thúc q trình thu thập dữ liệu, tổng cộng có 215 bảng câu hỏi đạt yêu cầu trong số 247 bảng câu hỏi đã được trả lời. Số bảng câu hỏi được trả lời qua Internet là 67 trong số 194 e-mail được gửi đi, đạt tỷ lệ hồi đáp là 34.54%. Số bảng câu hỏi trực tiếp được trả lời là 180 (trong đó có 148 bảng hợp lệ). Chi tiết về mẫu được trình bày trong bảng 4.1.