CHƯƠNG 3 : PHƯƠNG PHÁP NGHIÊN CỨU
3.3 Xử lý số li ệu
3.3.2 Phân tích nhân tố khám phá EFA
Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) dùng để kiểm định giá trị của thang đo. Nó thuộc nhóm phân tích đa biến phụ thuộc lẫn nhau, nghĩa là khơng có biến phụ thuộc và biến độc lập mà nó dựa vào mối quan hệ tương quan giữa các biến với nhau. EFA dùng để rút gọn một tập k biến quan sát thành một tập F (F<k) các nhân tố có ý nghĩa hơn. Cơ sở của việc rút này dựa vào mối quan hệ tuyến tính của các nhân tố với các biến quan sát (Nguyễn Đình Thọ, 2013, trang 378).
Theo Hair và cộng sự (1998, trang 111), hệ số tải nhân tố (factor loading) là chỉ tiêu để đảm bảo mức ý nghĩa của EFA. Với factor loading > 0.3 được xem là đạt mức tối thiểu, > 0.4 là quan trọng và > 0.5 là có ý nghĩa thực tiễn. Ngồi ra, phân tích nhân tố khám phá cần phải thỏa mãn các yêu cầu về hệ số KMO, trong đó KMO phải lớn hơn 0.5 và KMO càng lớn càng tốt vì phần chung giữa các biến càng lớn. Kaiser (1974) đề nghị KMO 0.90: rất tốt, KMO 0.80: tốt, KMO 0.70: được, KMO 0.60: tạm được, KMO 0.50: xấu và KMO < 0.50: không thể chấp nhận được.
Kiểm định Bartlett dùng để xem xét ma trận tương quan có phải là ma trận có phải là ma trận đơn vị I, là ma trận có các thành phần (hệ số tương quan giữa các biến) bằng không và đường chéo (hệ số tương quan với chính nó) bằng 1. Kiểm định
Bartlett có ý nghĩa thống kê khi Sig.< 0.05, khi đó các biến quan sát có tương quan với nhau trong tổng thể (Nguyễn Đình Thọ, 2013, trang 413-414).
Để kiểm định giá trị phân biệt, chênh lệch trọng số iA - iB < 0.3 thì ta cần loại bỏ biến này, do biến Xi này vừa đo lường A và cũng vừa đo lường B. Tuy nhiên, chúng ta cần xem xét đóng góp của biến đo lường này vào giá trị nội dung của khái niệm trước khi quyết định loại bỏ hay khơng (Nguyễn Đình Thọ, 2013, trang 420).
Để dễ dàng diễn giải kết quả EFA , trong nghiên cứu này, tác giả dùng phương pháp trích nhân tố Principal components với phép xoay Varimax và tiêu chí xác định điểm dừng Eigenvalue tối thiểu bằng 1.
3.3.3Kiểm định sự khác biệt bằng ANOVA
Mơ hình ANOVA là phương pháp phân tích phương sai được sử dụng để so sánh trung bình từ ba đám đơng trở lên. Các biến trong phương pháp này gồm một biến phụ thuộc định lượng và một hay nhiều biến độc lập định tính (Nguyễn Đình Thọ, 2013, trang 441-442).
Trong nghiên cứu này, biến phụ thuộc là các thành phần của thực tiễn QTNNL gồm: tuyển dụng, đào tạo, đánh giá kết quả, trả công lao động, thăng tiến và phát triển nghề nghiệp, xác định công việc, quản trị thay đổi, quản trị tài năng. Mỗi thành phần sẽ được kiểm định riêng biệt. Biến độc lập là biến loại hình sở hữu gồm 4 nhóm: cơng ty tư nhân, cơng ty nhà nước, cơng ty cổ phần và cơng ty nước ngồi. Do đó phương pháp sử dụng là ANOVA một chiều.
Khi kiểm định sự khác biệt, ta cần kiểm tra một số giả định về phương sai đồng nhất thông qua kiểm định Levene test. Nếu hệ số Sig. > 0.05 cho thấy phép kiểm định Levene khơng có ý nghĩa thống kê, điều này cho thấy giả định phương sai đồng nhất được chấp nhận. Do đó, kết quả phân tích ANOVA có thể sử dụng tốt. (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Kết quả kiểm định ANOVA được kiểm tra như sau: Khi trung bình (bậc tự do) của biến thiên giữa các nhóm với nhau lớn hơn trung bình biến thiên trong cùng một
nhóm có nghĩa là có sự khác biệt ít nhất giữa trung bình của hai nhóm. Bên cạnh đó, mức ý nghĩa quan sát Sig. phải nhỏ hơn 0.05 (độ tin cậy của phép kiểm định chọn là 95%) thì có ý nghĩa thống kê. Và kết luận, có sự khác biệt giữa các nhóm.
Kết quả ANOVA cho thấy có sự khác biệt giữa các nhóm khác nhau hay khơng, tuy nhiên, nếu biến độc lập gồm nhiều nhóm (trong nghiên cứu này là bốn nhóm) thì sử dụng phép kiểm định hậu ANOVA (ANOVA post hoc tests) sẽ cho biết các thành phần của thực tiễn QTNNL là khác biệt ở những nhóm loại hình sở hữu nào. Sử dụng phương pháp Bonferroni để so sánh các trị trung bình của các nhóm. Hệ số Sig. < 0.05 (tại mức ý nghĩa 5%) thì kết luận là có sự khác biệt giữa hai nhóm. 3.3.4Phân tích hồi quy
Trong nghiên cứu này, mơ hình hồi quy được sử dụng là mơ hình hồi quy bội với biến độc lập định lượng là các thành phần của thực tiễn QTNNL và biến phụ thuộc là kết quả hoạt động của tổ chức.
Mơ hình hồi quy này biểu diễn mối quan hệ giữa hai hay nhiều biến độc lập với một biến phụ thuộc định lượng.
Trước khi tiến hành phân tích hồi quy cần kiểm tra tương quan giữa các biến thông qua hệ số tương quan Pearson (r). Nó cho biết mức độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến định lượng. Giá trị tuyệt đối của r tiến gần đến 1 khi hai biến có mỗi tương quan tuyến tính chặt chẽ.
Ý nghĩa của các hệ số trong trong phân tích hồi quy:
R2: hệ số xác định R2 trong mẫu cho biết phần biến thiên của biến phụ thuộc Y do các biến độc lập Xi giải thích. Nếu biến thiên hồi quy lớn hơn nhiều so với biến thiên phần dư thì mơ hình hồi quy càng phù hợp vì tổng biến thiên của biến phụ thuộc chủ yếu do biến độc lập giải thích.
R2adj: hệ số xác định điều chỉnh để thay cho R2 khi so sánh các mơ hình với nhau. Hệ số điều chỉnh này giúp ta điều chỉnh mức độ phù hợp của mơ hình: nghĩa là
kiểm tra những mơ hình có nhiều biến phụ thuộc nhưng thực sự trong đó có một số biến khơng giúp bao nhiêu cho việc giải thích biến thiên của Y.
Hệ số Sig. < 0.05 (với mức ý nghĩa 5%) cho biết mơ hình hồi quy là phù hợp.
Khi phân tích hồi quy, ta cần tiến hành dị tìm các vi phạm giả định cần thiết về hiện tượng đa cộng tuyến, giả định về phương sai của sai số không đổi, giả định về phân phối chuẩn của phần dư, giả định về tính độc lập của sai số.
3.4Đánh giá sơ bộ thang đo
3.4.1Đánh giá độ tin cậy thang đo thông qua hệ số Cronbach Alpha
Nghiên cứu sơ bộ định lượng thực hiện trên 160 mẫu được lấy bằng phương pháp chọn mẫu thuận tiện phi xác suất, nhằm đánh giá sơ bộ thang đo. Thang đo đạt được độ tin cậy khi hệ số Cronbach Alpha lớn hơn 0.6 và hệ số tương quan biến tổng lớn hơn 0.3. Kết quả kiểm định độ tin cậy của thang đo biến độc lập được thể hiện qua bảng 3.2.
Bảng 3.2 : Kết quả Cronbach Alpha của thang đo biến độc lập
STT Thang đo Số biến
quan sát Cronbach Alpha Hệ số tương quan biến tổng thấp nhất 1 Tuyển dụng 4 0.762 0.444
2 Đào tạo và phát triển 4 0.895 0.732
3 Trả công lao động 4 0.930 0.774
4 Đánh giá kết quả 4 0.904 0.742
5 Thăng tiến 4 0.853 0.563
6 Xác định công việc 4 0.874 0.663
7 Quản trị thay đổi 4 0.905 0.717
8 Quản trị tài năng 4 0.948 0.856
(Nguồn: Kết quả xử lý số liệu) Kết quả kiểm định độ tin cậy của thang đo biến phụ thuộc như sau:
Bảng 3.3 : Kết quả Cronbach Alpha của thang đo biến phụ thuộc
STT Thang đo Số biến
quan sát Cronbach Alpha Hệ số tương quan biến tổng thấp nhất 1 Kết quả hoạt động 6 0.922 0.704
(Nguồn: Kết quả xử lý số liệu) Kết quả kiểm định thang đo cho thấy thang đo lý thuyết của biến độc lập và biến phụ thuộc đều đạt độ tin cậy ( Cronbach > 0.6 và hệ số tương quan biến tổng đều lớn hơn 0.3).
3.4.2Đánh giá giá trị thang đo thơng qua phân tích nhân tố khám phá EFA
Sau khi thực hiện đánh giá độ tin cậy của thang đo, tất cả các biến đều đạt yêu cầu về độ tin cậy, tác giả tiếp tục tiến hành phân tích nhân tố khám phá EFA để đánh giá giá trị của thang đo. Phương pháp rút trích được sử dụng là principal component và phép xoay vng góc Varimax. Hệ số tải nhân tổ tác giả chọn là factor loading > 0.3 (là mức tối thiểu).
3.4.2.1 Phân tích nhân tố EFA cho thang đo thực tiễn QTNNL
Các biến độc lập được tiến hành phân tích nhân tố cùng một lúc. Các chỉ số đạt được như sau:
⁻ Hệ số KMO là 0.881: đạt yêu cầu
⁻ Kiểm định Bartlett's test có hệ số Sig. là 0.000: đạt yêu cầu
⁻ Tại giá trị Eigenvalues 1.007 có 8 nhân tố trích được với tổng phương sai trích là 77.378% (>50%) với ý nghĩa 8 nhân tố được trích này có thể giải thích được hơn 77% biến thiên của dữ liệu: đạt yêu cầu.
⁻ Trong bảng ma trận xoay các nhân tố, các biến quan sát nhìn chung vẫn nằm ở những nhóm cũ như thang đo gốc. Tuy nhiên, một vài nhân tố có hệ số tải nhân tố lớn hơn 0.3 ở 2 nhóm riêng biệt. Do đó, để thang đo đạt được giá trị phân biệt, tác giả sẽ tiến hành xem xét có cần phải loại biến hay khơng.
⁻ Nhóm nhân tố thứ 1: 4 biến quan sát của biến quản trị tài năng (TN1-TN4) gom thành một nhóm với hệ số tải nhân tố đều đạt yêu cầu, nhỏ nhất là 0.802 và các biến này khơng đo lường thêm cho biến khác. Do đó, nhóm này đạt yêu cầu về giá trị hội tụ và giá trị phân biệt với các nhóm khác.
⁻ Nhóm nhân tố thứ 2, các thành phần của trả công (LT1-LT4) gom thành một nhóm. Tuy nhiên, thành phần LT1 và LT3 có hệ số tải nhân tố lớn hơn 0.3 ở 2 nhóm nhân tố với chênh lệch trọng số lần lượt là là 0.446 và 0.318 (iA -
iB = 0.761 - 0.313 = 0.446 và iA - iB = 0.705 - 0.360 = 0.318) đều lớn hơn
⁻ Nhóm nhân tố thứ 3: các thành phần CT1-CT4 nhóm thành một nhóm có hệ số tải nhân tố đều lớn, nhỏ nhất là 0.706. Tuy nhiên, thành phần CT4 xuất hiện ở hai nhóm nhân tố khác nhau, do đó, ta tiến hành xét chênh lệch trọng số. Biến CT4 có chênh lệch trọng số ở hai nhóm là 0.302 > 0.3 nên ta giữ lại biến này cho nhóm nhân tố thứ 3.
⁻ Nhóm nhân tố thứ 4: Các thành phần của xác định cơng việc CV1-CV4 được gom thành một nhóm, hệ số tải nhân tố nhỏ nhất là 0.729: nhóm này khơng thay đổi so với thang đo gốc.
⁻ Nhóm nhân tố thứ 5: các thành phần DG1-DG4 nhóm thành một nhóm có hệ số tải nhân tố đều lớn, nhỏ nhất là 0.670. Tuy nhiên, thành phần DG3 và DG4 xuất hiện ở 2 nhóm nhân tố khác nhau, do đó, ta tiến hành xét chênh lệch trọng số. Ở biến DG3 có chệnh lệch là 0.355 > 0.3: chấp nhận được và DG4 là 0.435 > 0.3: được chấp nhận nên nhóm 5 vẫn gồm 4 thành phần DG1-DG4.
⁻ Nhóm nhân tố thứ 6: Các thành phần của đào tạo và phát triển DT1-DT4 được gom thành một nhóm, hệ số factor loading nhỏ nhất là 0.677. Thành phần DT4 xuất hiện thêm ở nhóm khác với hệ số tải là 0.345. Tuy nhiên, khi xét chênh lệch trọng số thì lớn hơn 0.3 ( 0.332) nên vẫn giữ lại thành phần này.
⁻ Nhóm nhân tố thứ 7: Các thành phần của thăng tiến và phát triển nghề nghiệp TT1-TT4 được gom thành một nhóm, hệ số factor loading nhỏ nhất là 0.639 và các biến trong nhân tố này không giải thích cho nhân tố khác, vì vậy, nhóm này khơng thay đổi so với thang đo gốc.
⁻ Nhóm nhân tố thứ 8: Các thành phần của tuyển dụng TD1-TD4 được gom thành một nhóm, hệ số factor loading nhỏ nhất là 0.583 và các biến trong nhân tố này khơng giải thích cho nhân tố khác. Nhóm này khơng thay đổi so với thang đo gốc.
Kết luận, sau khi thực hiện phân tích EFA các biến quan sát đều được giữ lại và các nhóm nhân tố trích được phù hợp với thang đo gốc ban đâu. Vậy, thang đo thực tiễn QTNNL đề xuất sẽ được sử dụng cho nghiên cứu chính thức.
3.4.2.2 Phân tích nhân tố EFA biến phụ thuộc
Thang đo biến phụ thuộc kết quả hoạt động của doanh nghiệp với 6 biến quan sát được đưa vào phân tích EFA để kiểm định giá trị hội tụ của thang đo. Kết quả phân tích như sau:
⁻ Hệ số KMO là 0.897: đạt yêu cầu
⁻ Kiểm định Bartlett test có hệ số Sig. là 0.000: đạt yêu cầu
⁻ Tại giá trị Eigenvalues 4.339 có 1 nhân tố trích được với tổng phương sai trích là 72.844 % (>50%) với ý nghĩa 1 nhân tố được trích này có thể giải thích được gần 73% biến thiên của dữ liệu: đạt yêu cầu.
⁻ 6 biến quan sát trong thang đo này đều có hệ số tải nhân tổ lớn, nhỏ nhất là 0.788.
Kết luận: thang đo kết quả hoạt động đạt giá trị hội tụ và sẽ được sử dụng cho nghiên cứu chính thức.
3.5Mẫu nghiên cứu
3.5.1Cỡ mẫu
Đề tài của nghiên cứu là xem xét tác động của thực tiễn quản trị nguồn nhân lực và kết quả hoạt động đến kết quả hoạt động của doanh nghiệp. Trong chương 1, tác giả đã nêu rõ phạm vi nghiên cứu của đề tài là những yếu tố trên sẽ được đo lường thông qua cảm nhận, đánh giá của nhân viên. Bên cạnh đó, nghiên cứu được thực hiện cho các doanh nghiệp với các loại hình sở hữu khác nhau tại TP.HCM. Do đó, đối tượng khảo sát cũng như mẫu nghiên cứu sẽ là các cán bộ, nhân viên tại các tổ chức trên địa bàn TP.HCM.
Mẫu được chọn theo phương pháp chọn mẫu thuận tiện. Việc xác định kích thước mẫu có thể dựa trên kinh nghiệm như theo Comrey và Lee (1992): n=50 là rất xấu, n=100 là xấu, n= 200 là được, n=300 là tốt, n= 500 là rất tốt, n=1000 hay hơn là tuyệt vời. Hay theo Tabachnik và Fidell (2007), n= 300 là thích hợp.
Ngồi ra, kích thước mẫu phụ thuộc vào các phân tích được thực hiện. Như Hair và cộng sự (2006) cho rằng để sử dụng EFA, kích thước mẫu tối thiểu phải là 50, tốt hơn là 100 và tỉ lệ quan sát/biến đo lường là 5:1, nghĩa là 1 biến đo lường cần tối thiểu 5 quan sát, tốt nhất là 10:1 trở lên (Nguyễn Đình Thọ, 2013, trang 415)
Đối với mơ hình hồi quy bội, việc chọn kích thước mẫu phụ thuộc nhiều yếu tố. Một công thức kinh nghiệm thường dùng để xác định cỡ mẫu là n 50+8p. Trong đó, n là kích thước mẫu tối thiểu cần thiết và p là số lượng biến độc lập trong mơ hình.
Như vậy, trong nghiên cứu này, tác giả thực hiện cả phân tích EFA và phân tích hồi quy bội, do đó, kích thước mẫu phải phù hợp cho cả 2 dạng phân tích trên.
Số lượng biến quan sát ban đầu trong nghiên cứu là 32 biến, để phù hợp cho phân tích EFA với tỉ lệ 10:1 thì cỡ mẫu cần là 320 mẫu. Trong khi đó, để thực hiện hồi quy bội, cỡ mẫu n cần lớn hơn hoặc bằng 50+8p, do đó, cỡ mẫu sẽ là 306.
Tuy nhiên, để tăng tính đại diện cho tổng thể, cỡ mẫu càng lớn sẽ càng tốt; do đó, tác giả sẽ chọn kích thước mẫu là 400 mẫu.
3.5.2Kết quả lấy mẫu
Việc khảo sát tiến hành trong giai đoạn T7/2015 - T9/2015 được thực hiện thông qua gửi bảng câu hỏi trực tiếp và online đến các cán bộ nhân viên tại các công ty trên địa bàn TP.HCM. Số lượng bảng câu hỏi gửi trực tiếp là 570 bảng. Số lượng thu về là 534 bảng. Số lượng thu được thông qua khảo sát online là 68 bảng. Sau khi tiến hành lọc những bảng khảo sát hợp lệ (là những bảng được đánh dấu đầy đủ vào các mục hỏi, khơng có hiện tượng chọn một bậc duy nhất cho tất cả các mục
hỏi hay đánh chọn theo quy luật) số lượng khảo sát đưa vào nhập liệu được thống kê như sau:
Số lượng khảo sát trực tiếp hơp lệ là 421 bảng, chiếm tỷ lệ 78.8% trên tổng số bảng khảo sát thu về.
Số lượng khảo sát online hợp lệ là 63 bảng, chiếm tỷ lệ 92.6% trên tổng số bảng khảo sát gửi về.