CHƯƠNG 3 : PHƯƠNG PHÁP NGHIÊN CỨU
3.3. Xây dựng thang đo
3.4.4. Phương pháp xử lý dữ liệu nghiên cứu
Dữ liệu nghiên cứu được xử lý, phân tích bằng phần mềm SPSS 20.0 với các nội dung, như sau:
Phân tích thống kê mơ tả: Dựa vào 198 kết quả quan sát được chọn, tiến hành thống kê mô tả về các đối tượng được khảo sát như: độ tuổi, giới tính, vị trí cơng tác, trình độ học vấn, thâm niên cơng tác. Mục đích của phân tích là cung cấp thông tin tổng quan về mẫu nghiên cứu dựa vào tỉ lệ, tần suất.
Phân tích hệ số Cronbach's Alpha: Kiểm định độ tin cậy của thang đo bằng hệ số Cronbach's Alpha nhằm để loại bỏ các biến không phù hợp. Theo bài nghiên cứu chúng ta muốn đo lường 05 nhân tử với 23 biến quan sát. Các biến quan sát không phù hợp và sẽ bị loại bỏ khi hệ số tương quan biến tổng nhỏ hơn 0,3 và thang đo có hệ số Cronbach's Alpha nhỏ 0,6.
Phân tích nhân tố khám phá (EFA) nhằm mục đích kiểm tra và xác định các nhóm biến trong mơ hình nghiên cứu từ kết quả phân tích Cronbach's Alpha để tạo ra các biến mới từ các biến đã cho phù hợp với mẫu xem xét. Bằng kiểm định Barlett ta kiểm định sự tương quan giữa các biến đo lường với mức ý nghĩa 5% (Hair và cộng sự, 2006; Nguyễn Đình Thọ, 2011); để kiểm định độ tương quan thì kiểm định KMO > 0,5 (Nguyễn Đình Thọ, 2011). Phân tích nhân tố được lựa chọn là phương pháp Principal Component Analysis, với phép xoay nhân tố giữ nguyên gốc các nhân tố chính Varimax. Kiểm định sự phù hợp mơ hình EFA so với dữ liệu khảo sát: Tổng phương sai trích (Cumulative %) >
44
50% (Nguyễn Đình Thọ, 2011). Kiểm định giá trị hội tụ: Để đạt được độ giá trị phân biệt, các biến có hệ số tải nhân tố (factor loading) phải > 0,5; các biến có hệ số tải nhân tố (factor loading) < 0,5 sẽ bị loại (Nguyễn Đình Thọ, 2011).
Phân tích tương quan: Có 2 phương án để đánh giá mức độ tương quan trong phân tích hồi quy tuyến tính là hệ số tương quan Pearson hoặc qua đồ thị phân tán. Trong đó, hai biến có mối tương quan cảng chặt chẽ khi hệ số tương quan Pearson càng tiến đến 1 (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Phân tích hồi quy: là phương pháp được sử dụng phổ biến để kiểm định độ phù hợp của mơ hình. Phương pháp hồi quy tuyến tính phân tích mối quan hệ giữa một hay nhiều biến độc lập với một biển phụ thuộc định lượng. Và kiểm định độ phù hợp của mơ hình thơng qua kiểm định F và hệ số R2 hiệu chỉnh. (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
+ Kiểm định F để xem xét mức độ phù hợp của mơ hình hồi quy tuyến tính tổng thể. Kiểm định F đối với biến thiên của độ lệch do hồi quy và của độ lệch do phần dư cũng được dùng để kiểm định sự phù hợp của mơ hình hồi quy.
+ Tiêu chuẩn thông thường dùng để xác định mức độ phù hợp của mơ hình hồi quy tuyến tính đã xây dựng so với dữ liệu được đánh giá qua hệ số R2
hiệu chỉnh.
+ Thông qua hệ số Beta: đánh giá mức độ tác động mạnh yếu giữa các biến độc lập đến biến phụ thuộc.
+ Tác giả còn xem xét mối tương quan giữa các biến độc lập với nhau để đảm bảo không xảy ra hiện tượng đa cộng tuyến. Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008) cho biết có thể được kiểm định qua hệ số phóng đại phương sai (VIF) và sẽ xảy ra hiện tượng đa cộng tuyến khi VIF > 10.
45
Tóm tắt Chương 3
Chương 3 trình bày cách thức khảo sát, phương pháp nghiên cứu và cách thức xử lý dữ liệu thu về được. Phát triển thang đo nháp từ cơ sở lý thuyết thông qua nghiên cứu định tính để hiệu chỉnh thành thang đo chính thức đến việc khảo sát chính thức. Đồng thời, trong chương này cũng xác định rõ đối tượng khảo sát là người lao động làm việc tại ngành Bảo đảm an toàn hàng hải, với cỡ mẫu là 200 người, các giai đoạn thiết kế bằng câu hỏi, phương pháp thu thập dữ liệu và phân tích dữ liệu. Thang đo chính thức gồm 17 biến quan sát của 04 yếu tố thực tiễn QTNNL và 06 biến quan sát của hiệu quả hoạt động của tổ chức.
46