CHƢƠNG 2 MƠ HÌNH ĐỀ XUẤT VÀ THIẾT KẾ NGHIÊN CỨU
2.6. NGHIÊN CỨU CHÍNH THỨC
2.6.3 Phƣơng pháp phân tích dữ liệu
a. Tổng quan về điều tra mẫu
Tiến hành lập bảng tần số để mô tả mẫu thu thập đƣợc theo các đặc trƣng. Trong mỗi loại tiến hành tính tốn giá trị bình qn và độ lệch chuẩn để đánh giá tổng quan về độ hội tụ cũng nhƣ phân tán của mẫu.
Thực hiện thống kê theo các đặc tính: giới tính, độ tuổi, thời gian cơng tác, trình độ học vấn.
b. Đánh giá thang đo bằng hệ số tin cậy Cronbach’s Alpha
Hệ số tin cậy Cronbach’s Alpha là một phép kiểm định thống kê về mức độ chặt chẽ mà các biến quan sát trong thang đo tƣơng quan với nhau, là phép kiểm định về sự phù hợp của thang đo đối với từng biến quan sát, xét trên mối quan hệ với một khía cạnh đánh giá.
Phƣơng pháp này cho phép loại bỏ các biến không phù hợp và hạn chế các biến rác trong quá trình nghiên cứu.
Theo Hoàng Trọng và Chu Thị Mộng Nguyệt (2005) thì nhiều nhà nghiên cứu đồng ý rằng khi Cronbach’s alpha từ 0.8 đến gần bằng 1 thì thang
đo lƣờng là tốt, từ 0.7 đến gần 0.8 là sử dụng đƣợc. Đối với nghiên cứu này, nhằm đảm bảo độ tin cậy của thang đo thì những nhân tố nào có Cronbach’s
Alpha từ 0.6 trở lên là có thể sử dụng đƣợc.
c. Phân tích nhân tố EFA
Khi thực hiện phân tích nhân tố EFA cần phải quan tâm đến phƣơng
pháp sau:
Phương pháp trích Principal comperment với phép xoay varimax.
Kiểm định Bartlett (Bartlett's Test of Sphericity): Đại lƣợng Bartlett’s đƣợc sử dụng để xem xét giả thuyết Ho các biến khơng có tƣơng quan trong
tổng thể. Kiểm định Bartlett’s có ý nghĩa tại mức sig. thấp hơn 0.05, tức là giả thuyết Ho cho rằng ma trận tƣơng quan giữa các biến trong tổng thể là một ma trận đơn vị sẽ bị bác bỏ.
Hệ số tải nhân tố (Factor loading): Tiêu chuẩn về hệ số tải nhân tố Factor loading, theo Hair & ctg (1998), hệ số tải nhân tố Factor loading là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA. Factor loading >0.3 đƣợc xem là đạt đƣợc mức tối thiểu, Factor loading >0.4 đƣợc xem là quan trọng và Factor loading >0.5 đƣợc xem là có ý nghĩa thực tiễn. Để luận văn có ý nghĩa thực tiễn chỉ những biến quan sát có hệ số Factor loading lớn nhất ≥ 0.5 mới đạt yêu cầu.
Tổng phương sai trích: Để có thể phân tích nhân tố khẳng định, thì tổng phƣơng sai trích ≥50% (Gerbing & Anderson, 1988).
Hệ số KMO (Kaisor Meyer Olkin):
Trong phân tích nhân tố khám phá, trị số KMO (Kaisor Meyer Olkin) là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Đơn vị KMO là t lệ giữa bình phƣơng tƣơng quan của các biến với bình phƣơng tƣơng quan một phần của các biến. Trị số của KMO lớn (giữa 0.5 và 1) có nghĩa là phân tích nhân tố thích hợp, cịn nếu nhƣ trị số này nhỏ hơn 0.5 thì phân tích nhân tố có khả năng khơng thích hợp với các dữ liệu.
Trị số đặc trưng (Eigenvalue):Ngồi ra, phân tích nhân tố cịn dựa vào Eigenvalue để xác định số lƣợng các nhân tố. Chỉ những nhân tố nào có Eigenvalue lớn hơn 1 mới đƣợc giữ lại trong mơ hình phân tích. Đại lƣợng Eigenvalue đại diện cho phần biến thiên đƣợc giải thích bởi mỗi nhân tố. Những nhân tố có Eigenvalue nhỏ hơn 1 sẽ khơng có tác dụng tóm tắt thơng tin tốt hơn biến gốc.
Sau khi phân tích nhân tố, các nhân tố sẽ đƣợc lƣu thành các biến mới, và sẽ sử dụng các biến mới này thay cho những biến gốc để đƣa vào các phân tích tiếp theo.
d. Phương pháp hồi quy và tương quan
Phƣơng pháp hồi qui là một phƣơng pháp nhằm nghiên cứu mối quan hệ phụ thuộc của một biến vào một hay nhiều biến khác. Phƣơng pháp này giải quyết những nhiệm vụ sau:
- Ƣớc lƣợng giá trị trung bình của tiêu thức kết quả. Để thực hiện nhiệm vụ này, trƣớc tiên chúng ta cần thu thập số liệu và xây dựng các hàm hồi qui thích hợp để ƣớc lƣợng giá trị trung bình của biến phụ thuộc.
- Kiểm định về bản chất của sự phụ thuộc giữa các tiêu thức.
cá biệt của tiêu thức kết quả dựa vào giá trị của tiêu thức nguyên nhân đã biết. Phƣơng pháp tƣơng quan là phƣơng pháp của toán học và đƣợc vận dụng vào phân tích thống kê các mối liên hệ tƣơng quan giữa các tiêu thức. Phƣơng
pháp này nhằm thực hiện những nhiệm vụ sau: Xác định tính chất và hình thức của mối liên hệ tƣơng quan giữa các biến, đánh giá trình độ chặt chẽ của mối liên hệ tƣơng quan giữa các biến.
Nhƣ vậy, phƣơng pháp hồi qui và phƣơng pháp tƣơng quan có sự khác biệt nhƣng trong thực tiễn phân tích thì hai phƣơng pháp này kết hợp với nhau và vì thế gọi ngắn gọn là phƣơng pháp hồi qui và tƣơng quan.
Luận văn sử dụng mơ hình hồi qui tổng thể nhƣ sau:
TM = 1 + 2CV + 3TN + 4LD + 5DN + 6DT + 7PL + 8DK +
Mơ hình hồi qui mẫu nhƣ sau:
TM = b1 + b2CV + b3TN + b4LD + b5DN + b6DT + b7PL + b8DK + e
Với bjlà các ƣớc lƣợng của các tham số hồi qui j, và e là ƣớc lƣợng của .
Các tham số của mơ hình sẽ đƣợc ƣớc lƣợng bằng phƣơng pháp ƣớc lƣợng bình phƣơng bé nhất và sử dụng thủ tục Stepwise trong SPSS.
Đánh giá sự phù hợp của mơ hình sử dụng chỉ tiêu hệ số xác định và hệ số xác định điều chỉnh.
Dựa vào kết quả tính tốn, luận văn sẽ tiến hành phân tích để rút ra những kết luận nhằm tìm ra những giải pháp, những hàm ý cho các nhà lãnh
đạo để nâng cao sự thỏa mãn trong công việc của nhân viên.
e. Phân tích Independent T-Test, ANOVA
Đây là cách thức để kiểm định có hay khơng sự khác nhau về sự thỏa mãn công việc theo các đặc điểm: giới tính, độ tuổi, thời gian cơng tác, trình độ học vấn với mức ý nghĩa α = 5%.
KẾT LUẬN CHƢƠNG 2
Trong chƣơng 2, luận văn nêu lên nguyên tắc xây dựng mơ hình phải đơn giản, dễ hiểu, phù hợp từ đó đề xuất mơ hình nghiên cứu. Ngồi ra, trong chƣơng này cũng đã đƣa ra 2 bƣớc nghiên cứu đó là nghiên cứu khám phá và
nghiên cứu chính thức. Xây dựng các thang đo đặc điểm công việc, thu nhập, lãnh đạo, đồng nghiệp, đào tạo và thăng tiến, phúc lợi, điều kiện làm việc, sự thỏa mãn để từ đó hình thành bản hỏi. Đồng thời, thực hiện nghiên cứu chính thức bằng phƣơng pháp định lƣợng nhằm kiểm định lại các thang đo, phân tích nhân tố khám phá, hiệu chỉnh mơ hình lý thuyết, xác định các nhân tố ảnh hƣởng đến sự thỏa mãn công việc của nhân viên thông qua bản câu hỏi khảo