CHƢƠNG 3 : PHƢƠNG PHÁP NGHIÊN CỨU
3.4 Phân tích dữ liệ u:
Dữ liệu thu đƣợc đƣợc làm sạch và tiến hành phân tích với sự hỗ trợ của phần mềm SPSS 22.0 bằng các thủ tục thống kê.
3.4.1 Thống kê mô tả:
Thống kê mô tả cho phép nhà nghiên cứu trình bày dữ liệu thu thập đƣợc theo một cấu trúc chính xác và tổng quát hơn. Thống kê mô mả sử dụng trong nghiên cứu để phân tích các dữ liệu nhân khẩu học (tuổi, giới tính, thâm niên, trình độ học vấn) bao gồm tần số, tỉ lệ phần trăm, giá trị trung bình, độ lệch chuẩn.
3.4.2 Kiểm định sự tin cậy thang đo:
Sự tin cây thang đo các nhân tố đƣợc kiểm định bằng hệ số Cronbach`s Alpha và hệ số tƣơng quan biến tổng (Item-total correlation). Nhiều nhà nghiên cứu đồng ý rằng khi Cronbach alpha từ 0,8 trở lên đến gần 1 thì thang đo lƣờng là tốt, từ 0,7 đến gần 0,8 là sử dụng đƣợc ( Trọng & Ngọc, 2008). Theo Peterson (1994), Cronbach alpha từ 0,6 trở lên là có thể sử dụng đƣợc trong trƣờng hợp khái niệm đang đo lƣờng là mới.
3.4.3 Phân tích khám phá nhân tố:
Khám phá nhân tố EFA là một qui trình thống kê đa biến có nhiều cơng dụng. Thứ nhất khám phá nhân tố giúp làm giảm số lƣợng các biến thành nhóm các yếu tố nhỏ hơn. Thứ hai nó thiết lập kích thƣớc cơ bản giữa biến đo lƣờng và cấu
trúc tiềm ẩn, từ đó hình thành các giả thuyết tinh tế hơn.( Nunnally (1978) dẫn theo Thompson (2004)).
Một số tiêu chuẩn áp dụng khi phân tích EFA trong nghiên cứu nhƣ sau:
- Kiểm định sự thích hợp của phân tích nhân tố với dữ liệu của mẫu thông qua giá trị thống kê Kaiser-Meyer-Olkin (KMO): trị số 0 < KMO <1, giá trị KMO = 0,5 là thích hợp cho phân tích khám phá nhân tố. (Theo Hair và cộng sự, 1998)
- Số lƣợng nhân tố: Số lƣợng nhân tố đƣợc xác định dựa vào phần trăm biến thiên giải thích đƣợc và chỉ số eigenvalue. Theo Hair (1998), trong các ngành khoa học tự nhiên, khám phá nhân tố dừng lại khi 95% biến thiên của biến đƣợc giải thích, trong ngành nhân văn thì tỉ lệ này thấp hơn khoảng 50-60% . Theo tiêu chuẩn Kaiser, Eigenvalue phải lớn hơn 1.
- Phƣơng sai trích (variance explained criteria): Tổng phƣơng sai trích phải lớn hơn 50%.
- Hệ số tƣơng quan biến tổng ít nhất là 0,3 ( Nunnally 1978)
3.4.4 Xây dựng phƣơng trình hồi quy
Sau khi phân tích khám phá nhân tố, tác giả sử dụng SPSS 22.0 để chạy hồi qui bằng phƣơng pháp Enter, hồi qui tuyến tính theo phƣơng pháp tổng bình phƣơng nhỏ nhất, trong đó biến độc lập là các biến nằm trong các nhân tố đƣợc khám phá, biến phụ thuộc là sự hài lịng chung (GS), sự gắn kết vì cảm xúc (AC), gắn kết ràng buộc (CC), gắn kết vì đạo đức (NC).
3.4.5 Kiểm định các giả thuyết nghiên cứu
Kiểm định các giả thuyết nghiên cứu dựa trên kiểm định T-test, P-value (sig.) với độ tin cậy 95%, so sánh trực tiếp giá tri P-value với mức ý nghĩa 0,05 để rút ra kết luận chấp nhận hay bác bỏ giả thuyết H. Để xem xét sự phù hợp dữ liệu và sự phù hợp của mơ hình ta sử dụng hệ số R-square, thống kê t và thống kê F để kiểm định. Ngoài ra, để đánh giá sự quan trọng của các nhân tố ta xem xét hệ số Beta tƣơng ứng trong phƣơng trình hồi quy bội đƣợc xây dựng từ dữ liệu nghiên cứu.
TÓM TẮT CHƢƠNG 3
Chƣơng 3 đã trình bày đƣợc các bƣớc của qui trình nghiên cứu, thiết kế nghiên cứu bao gồm chọn mẫu (350 mẫu), nghiên cứu định tính, nghiên cứu định lƣợng, xây dựng thang đo likert 5 điểm và đo lƣờng đƣợc các biến quan sát của sự hài lịng trong cơng việc, sự gắn kết với tổ chức của Trình Dƣợc Viên. Ngồi ra, chƣơng này cịn giới thiệu sơ lƣợc về qui trình phân tích số liệu bao gồm thống kê mơ tả, kiểm định sự tin cậy thang đo, phân tích kham phá nhân tố, xây dựng phƣơng trình hồi qui, và kiểm định các giả thuyết nghiên cứu.