Thu thập dữ liệu nghiên cứu 3.3
Để có đƣợc dữ liệu phục vụ mục đích nghiên cứu, tác giả đã sử dụng những cách thu thập dữ liệu nhƣ sau:
Tác giả tiến hành khảo sát sự hài lịng trong cơng việc của giáo viên Tiểu học trên địa bàn thành phố Vũng Tàu. Tác giả luận văn đã gửi bản khảo sát cho 400 giáo viên Tiểu học của thành phố Vũng Tàu. Những đối tƣợng tham gia khảo sát rất đa dạng về giới tính, chức vụ, kinh nghiệm cơng tác, địa điểm cơng tác, vị trí trong trƣờng nơi họ giảng dạy, và cả loại trƣờng khác nhau trên địa bàn thành phố (trƣờng công lập hay tƣ thục). Để thực hiện thu thập dữ liệu cho luận văn này, tác giả đã lập bảng câu hỏi để phát cho các giáo viên.
Cách thức chọn mẫu
Chọn mẫu đƣợc xem là khâu quan trọng, và đóng vai trị quyết định đến chất lƣợng của kết quả nghiên cứu để kiểm định lý thuyết khoa học trong nghiên cứu định lƣợng. Do vậy, để xác định đƣợc kích thƣớc mẫu là bao nhiêu phù hợp trong nghiên cứu khoa học là điều khơng dễ dàng. Rõ ràng, kích thƣớc mẫu càng lớn thì càng tốt nhƣng lại tốn kém về chi phí và thời gian. Do đó, việc chọn mẫu vừa phải đảm bảo tính phù hợp với nghiên cứu để không ảnh hƣởng tới chất lƣợng kết quả nghiên cứu, vừa phải đảm bảo tính hiệu quả của nghiên cứu. Kích thƣớc mẫu phù hợp cho nghiên cứu phụ thuộc vào nhiều yếu tố nhƣ phƣơng pháp xử lý nhƣ: hồi qui, phân tích nhân tố khám phá (Nguyễn Đình Thọ,2011). Theo nhƣ Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008 đã cho rằng khi phân tích các nhân tố khám phá (EFA) thì cần ít nhất 5 mẫu trên 1 biến quan sát. Theo Tabachnick và Fidel, (1996) để phân tích hồi qui thì cỡ mẫu tối thiểu là n = 8 m + 50 với m là số yếu tố độc lập.
Trong nghiên cứu này có năm yếu tố độc lập và một yếu tố phụ thuộc với tổng cộng là 29 biến quan sát. Nếu tính theo Tabachnick và Fidel, 1996 để phân tích hồi qui thì cỡ mẫu tối thiểu là là n = (8 x 29) + 50 = 282; để phân tích nhân tố khám phá thì cỡ mẫu tối thiểu là 29 x 5 ≥ 145. Tuy nhiên, theo quy tắc kinh
nghiệm, mẫu càng lớn càng tốt. Để đạt số mẫu trên, nghiên cứu này sẽ gởi đi 400 mẫu.
Thành phố Vũng Tàu có 16 phƣờng với 20 trƣờng tiểu học; trong đó phƣờng 2 khơng có trƣờng học. Để thực hiện chọn mẫu phân bố rộng khắp nhằm giảm thiểu sự sai lệch do có thể mẫu khảo sát khơng đại diện cho tính tổng thế, tác giả thực hiện phát 400 phiếu khảo sát; phân bố đủ trong 15 phƣờng; mỗi phƣờng khảo sát gần 30 giáo viên tiểu học.
Phƣơng pháp phân tích dữ liệu 3.4
Thơng tin trên bảng khảo sát sau khi khảo sát sẽ đƣợc mã hóa, nhập vào phần mềm SPSS và chạy thống kê lớn nhất, bé nhất để kiểm tra các sai sót có thể có trong q trình nhập dữ liệu. Tiếp đến, các dữ liệu đƣợc chạy các phân tích dữ liệu nghiên cứu đƣợc thực hiện qua các bƣớc nhƣ sau:
3.4.1 Thống kê mô tả
Thống kê mơ tả biến định tính gồm các biến về giới tính, nghề nghiệp, độ tuổi, trình độ, phƣơng tiện trao đổi khi có vƣớng mắc, nơi liên hệ đầu tiên. Thống kê mô tả biến định lƣợng gồm các biến (1) Hỗ trợ mục tiêu, (2) Sự tự tin, (3) Điều kiện làm việc, (4) Mục tiêu cơng việc; (5) Hiệu ứng tích cực.
3.4.2 Phân tích độ tin cậy của thang đo
Việc đánh giá độ tin cậy của thang đo đƣợc áp dụng bằng phƣơng pháp hệ số tin cậy Cronbach„s alpha để sàng lọc, nhằm loại bỏ đƣợc những biến quan sát không thể đáp ứng tiêu chuẩn độ tin cậy hay còn gọi là biến rác. Trong đó tiêu chuẩn Cronbach‟s alpha đã đƣợc nhiều nhà nghiên cứu đề nghị là: hệ số Cronbach‟s alpha phải từ 0,6 trờ lên thì có thể chấp nhận đƣợc trong trƣờng hợp khái niệm đó đang nghiên cứu là mới hoặc là mới đối với ngƣời đƣợc trả lời ở trong bối cảnh nghiên cứu này.
Tuy nhiên, theo Nunnally và Burnstein, 1994 cho rằng hệ số Cronbach‟s alpha khơng cho biết đƣợc biến nào thì nên giữ lại và biến nào thì nên hủy bỏ. Vì thế bên cạnh hệ số Cronbach‟s alpha, ngƣời ta đồng thời còn sử dụng hệ số tƣơng quan biến tổng item-total correclation và những biến nào có tƣơng quan so với với biến tổng <0,3 thì sẽ bị loại bỏ.
3.4.3 Phân tích nhân tố khám phá
Tiêu chí phân tích nhân tố khám phá (EFA) bằng SPSS bao gồm: Kiểm định Bartlett (Barlett‟s test of sphericity) và hệ số KMO (Kaiser-Meyer-Olkin) dùng để đánh giá sự thích hợp các tiêu chí của EFA. Theo đó, giả thuyết H0 - Các biến khơng có tƣơng quan với nhau trong tổng thể sẽ bị loại bỏ và do đó các tiêu chí trong phân tích EFA chỉ đƣợc gọi là thích hợp khi: 0,5 ≤ KMO ≤ 1 và Sig < 0,05 (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008, trang 31); Ngồi ra tiêu chuẩn rút trích nhân tố gồm trị số Engenvalue - Đại diện cho lƣợng biến thiên đƣợc giải thích bởi các nhân tố, và chỉ số Total Variance Explained - Tổng phƣơng sai trích cho biết phân tích nhân tố giải thích đƣợc bao nhiêu % và bao nhiêu % bị mất đi. Trong đó, Engenvalue > 1 và đồng thời tổng phƣơng sai trích phải ≥ 50% thì mới đƣợc chấp nhận; Tiếp theo là tiêu chuẩn về hệ số tải nhân tố - Factor loadings biểu thị mối quan hệ tƣơng quan giữa biến quan sát với các nhân tố, đƣợc dùng để đo lƣờng mức ý nghĩa của EFA. Theo Hair và cộng sự (2009,16) Multivariate Data Analysis, 7th
Editin thì: Hệ số tải nhân tố Factor loading > 0,3 đƣợc xem là đạt mức tối thiểu để biến quan sát đƣợc giữ lại; Factor loading ở mức > 0,5 đƣợc xem biến quan sát có ý nghĩa thống tốt; Factor loading > 0,7 đƣợc xem là biến quan sát có ý nghĩa thống kê rất tốt, mang tính thực tiễn. Ngồi ra, trƣờng hợp một biến quan sát tải lên ở cả hai nhân tốt thì cần lƣu ý chênh lệch hệ số tải Factor Loading của biến quan sát giữa hai nhóm nhân tố. Theo những nhà nghiên cứu cho thấy nếu chênh lệch hệ số tải <0,3 thì cần phải loại bỏ biến quan sát đó. Tuy nhiên cung cần xem xét lại sự đóng góp
của biến vào giá trị nội dung của nhân tố trƣớc khi quyết định loại bỏ hay giữ lại nó (Theo Nguyễn Đình Thọ, 2014, trang 420).
Trong nghiên cứu này, mẫu nghiên cứu có kích thƣớc tƣơng đối (n = 361) và sau EFA là phân tích hồi qui bội. Vì thế, trong quá trình thực hiện Cronbach‟s alpha, sẽ giữ lại các thang đo có trị số Cronbach alpha ≥ 0,5 và loại bỏ những biến quan sát có tƣơng quan biến - tổng < 0,3. Trong quá trình EFA, tác giả sử dụng phƣơng pháp trích Principal components với phép xoay Varimax; loại bỏ các biến quan sát có trị số Factor loading ≤ 0,5 hoặc trích vào những nhân tố khác mà mức chênh lệch trọng số (Hệ số tải nhân tố - Factor loading) giữa các nhân tố phải ≤ 0,3.
3.4.4 Phân tích tƣơng quan và hồi qui bội
Chúng ta sẽ tiến hành phân tích tƣơng quan Pearson và hồi qui tuyến tính để kiểm tra mối quan hệ tuyến tính giữa các biến với nhau:
Hệ số tƣơng tƣơng quan Pearson - Pearson correlation coefficient, có ký hiệu là r. Nó đo lƣờng mức độ tƣơng quan tuyến tính giữa hai biến định lƣợng. Về nguyên tắc tƣơng quan Pearson sẽ tìm ra một phƣơng pháp phù hợp nhất cho mối quan hệ tuyến tính của hai biến này, và có giá trị dao động từ -1 cho đến 1:
- Nếu r càng tiến về 1, -1 thì tƣơng quan tuyến tính càng lớn và chặt chẽ. Tiến về 1 sẽ là tƣơng quan dƣơng (+), con tiến về -1 thì tƣơng quan âm (-)
- Nếu r càng tiến về 0 thì tƣơng quan tuyến tính sẽ càng yếu đi - Nếu r = 1 thì tƣơng quan tuyến tính tuyệt đối
- Nếu r = 0 thì khơng có mối tƣơng quan tuyến tính, lúc này sẽ xảy ra hai trƣờng hợp: một là khơng có mối quan hệ nào diễn ra giữa hai biến; hai là giữa hai biến có mối quan hệ phi tuyến tính
Nhƣ vậy hệ số tƣơng quan Pearson sẽ nhận giá trị từ +1 -> -1. Còn r > 0 sẽ cho thấy một sự tƣơng quan dƣơng ở giữa hai biến tức là nếu giá trị của biến này
tăng lên thì sẽ làm tăng giá trị của biến kia và ngƣợc lại. Cịn r < 0 sẽ cho thấy có sự tƣơng quan âm giữa giữa hai biến, điều đó có nghĩa là nếu giá trị của biến này tăng bao nhiều thì sẽ làm giảm đi giá trị của biến con lại và ngƣợc lại.
Giá trị tuyết đối của hệ số tƣơng quan Pearson càng lớn thì mức độ tƣơng quan giữa hai biến càng mạnh hoặc đƣợc xem dữ liệu càng thích hợp với quan hệ tuyến tính giữa 2 biến. Giá trị hệ số tƣơng quan Pearson bằng 1 hoặc bằng -1 điều này cho thấy dữ liệu hồn tồn thích hợp với mơ hình tuyến tính.
Ngồi ra cần phải xem xét trƣớc đến sig.(2-tailed) đây đƣợc xem là mối tƣơng quan giữa hai biến có ý nghĩa hay khơng:
Khi Sig < 0,05: giá trị hệ số tƣơng quan Pearson đƣợc nhận xét có ý nghĩa Khi Sig > 0,05: giá trị hệ số tƣơng quan Pearson đƣợc nhận xét khơng có ý nghĩa
Khác với tƣơng quan Pearson ở trên trong hồi quy các biến khơng có tính chất đối xứng nhƣ phân tích tƣơng quan. Do bởi vai trò giữa biến phụ thuộc và biến độc lập là khác nhau. Ví dụ nhƣ A và B hay B và A có tƣơng quan cùng nhau đều mang cùng một ý nghĩa trong khi đó với hồi quy chỉ cần nhận xét A tác động B hoặc là B chịu tác động bởi A. Xét về phân tích hồi tuyến tính đa biến ta giả định các biến độc lập A1,A2,A3 sẽ tác động đến biến phụ thuộc B. Ngồi ra A1,A2,A3,… cịn có rất nhiều những nhân tố khác ngồi mơ hình hồi quy tác động đến B mà ta không thể liệt kê ra đƣợc. Lúc này ta cần lƣu ý đền các tiêu chí trong phân tích hồi quy đa biến
Giá trị R2 (R Square), R2 hiệu chỉnh (Adjusted R Square) phản ánh mức độ giải
thích biến phụ thuộc của các biến độc lập trong mơ hình hồi quy. R2 hiệu chỉnh phản ánh sát hơn so với R2. Mức dao động của 2 giá trị này là từ 0 đến 1, tuy nhiên việc đạt đƣợc mức giá trị bằng 1 là gần nhƣ không tƣởng dù mơ hình đó tốt đến nhƣờng nào. Giá trị này thƣờng nằm trong bảng Model Summary. Ngoài ra cần phải biết khơng có sự giới hạn về giá trị R2, R2 hiệu chỉnh ở mức bao nhiêu thì mơ hình mới đạt yêu cầu, 2 chỉ số này nếu càng tiến về 1 thì mơ hình càng có ý nghĩa, càng
tiến về 0 thì ý nghĩa mơ hình càng yếu. Thƣờng chúng ta chọn mức tƣơng đối là 0.5 để làm giá trị phân ra 2 nhánh ý nghĩa mạnh/ý nghĩa yếu, từ 0.5 đến 1 thì mơ hình là tốt, bé hơn 0.5 là mơ hình chƣa tốt. Đây là con số nhắm chừng chứ khơng có tài liệu chính thức nào quy định, nên nếu chúng ta thực hiện phân tích hồi quy mà R2 hiệu chỉnh nhỏ hơn 0.5 thì mơ hình vẫn có giá trị.
Giá trị sig của kiểm định F đƣợc sử dụng để kiểm định độ phù hợp của mơ
hình hồi quy. Nếu sig nhỏ hơn 0.05, ta kết luận mơ hình hồi quy tuyến tính bội phù hợp với tập dữ liệu và có thể sử đụng đƣợc. Giá trị này thƣờng nằm trong bảng ANOVA
Giá trị sig của kiểm định t đƣợc sử dụng để kiểm định ý nghĩa của hệ số hồi quy. Nếu sig kiểm định t của hệ số hồi quy của một biến độc lập nhỏ hơn 0.05, ta kết luận biến độc lập đó có tác động đến biến phụ thuộc. Mỗi biến độc lập tƣơng ứng với một hệ số hồi quy riêng, do vậy mà ta cũng có từng kiểm định t riêng. Giá trị này thƣờng nằm trong bảng Coefficients.
Hệ số phóng đại phƣơng sai VIF dùng để kiểm tra hiện tƣợng đa cộng tuyến. Theo Nguyễn Đình Thọ, Phương pháp nghiên cứu khoa học trong kinh doanh, NXB Tài chính, Tái bản lần 2, Trang 518 đã đưa ra rằng Thông thƣờng, nếu
VIF của một biến độc lập lớn hơn 10 nghĩa là đang có đa cộng tuyến xảy ra với biến độc lập đó. Khi đó, biến này sẽ khơng có giá trị giải thích biến thiên của biến phụ thuộc trong mơ hình hồi quy. Tuy nhiên, trên thực tế, nếu hệ số VIF > 2 thì khả năng rất cao đang xảy ra hiện tƣợng đa cộng tuyến giữa các biến độc lập. Giá trị này thƣờng nằm trong bảng Coefficients.
TÓM TẮT CHƢƠNG 3
Chƣơng 3 đã trình bày phƣơng pháp nghiên cứu gồm hai bƣớc chính: thứ nhất, phƣơng pháp nghiên cứu định tính thực hiện qua thảo luận nhóm gồm những giáo viên và cán bộ quản lý hiện đang công tác và làm việc tr6en địa bàn thành phố Vũng Tàu. Thứ hai, nghiên cứu định lƣợng đƣợc thực hiện bằng khảo sát trực tiếp với công cụ là bảng khảo sát định lƣợng với mẫu là 310. Thiết kế cỡ mẫu khảo sát, thang đo của từng nhân tố cũng đƣợc trình bày một các chi tiết. Theo đó, sự hài lòng của giáo viên Tiểu học trong công việc chịu ảnh hƣởng của 5 yếu tố là Mục tiêu cơng việc, Sự tự tin, Hiệu ứng tích cực, Hỗ trợ mục tiêu, Điều kiện làm việc. Kết quả phân tích định lƣợng sẽ đƣợc trình bày trong chƣơng 4.
CHƢƠNG 4: KẾT QUẢ NGHIÊN CỨU
Chƣơng này trình bày các dữ kiệu và phát hiện trong nghiên cứu. Chƣơng 4 gồm có 5 phần chính đó là Thơng tin dữ liệu thu thập, Kiểm tra độ tin cậy của thang đo, Kết quả phân tích khám phá nhân tố EFA, Kết quả hồi quy và cuối cùng là Phân tích biến phụ thuộc theo các đặc tính (các câu hỏi định danh).
Thông tin mẫu nghiên cứu 4.1
Để thực hiện việc nghiên cứu, tác giả đã phát bảng câu hỏi điều tra đến các giáo viên tiểu học của thành phố Vũng Tàu. Trong tổng số 400 phiếu phát ra, tác giả thu lại đƣợc 332 phiếu. Trong 332 phiếu đó có 22 phiếu khơng hợp lệ do những ngƣời tham gia khảo sát của các phiếu này khơng hồn thành tất cả các câu hỏi đã đề ra, hoặc thể hiện ý kiến của mình khơng rõ ràng (ví dụ nhƣ đánh dấu vào 2 ơ ý kiến trong cùng một câu hỏi). Kết quả là có tổng cộng 310 phiếu đạt yêu cầu. Tác giả luận văn dựa vào số phiếu này và kết quả thu về từ chúng để nghiên cứu.
Đặc điểm Số lƣợng Tỷ lệ (%) Giới tính Nam 17 5,5 Nữ 293 94,5 Độ tuổi 21-30 49 15,8 31-40 125 40,3 41-50 90 29,0 ≥ 51 46 14,8 Thu nhập (VNĐ) 3.000.000 – 3.500.000 63 20,3 3.500.000 – 4.000.000 107 34,5 4.000.000 – 5.000.000 76 24,5 5.000.000 trở lên 64 20,6 Chun mơn
Mơn Văn hóa 199 64,2
Nhạc, họa 43 13,9 Thể dục, thể thao 42 13,5 Tiếng Anh 26 8,4 Trình độ học vấn Trung cấp 0 0 Cao đẳng 45 14,5
Đại học và sau Đại học 265 85,5
Thâm niên công tác (năm) 1 – 5 63 20,3 6 – 10 107 34,5 11 – 15 17 5,5 16 – 20 62 20,0 Trên 21 61 19,7
Trong 310 giáo viên tham gia khảo sát, có 293 giáo viên có giới tính Nữ, chiếm 94,5%. Độ chênh lệch này khá lớn so với chỉ 17 giáo viên có giới tính Nam, chiếm 5,5%. Sự chênh lệch này có sở dĩ do số lƣợng giáo viên giới tính nam tham gia giảng dạy ở cấp Tiểu học và đặc biệt tham gia giảng dạy ở cấp Tiểu học tại thành phố Vũng Tàu là ít hơn rất nhiều so với các giáo viên có giới tính nữ. Vì vậy dẫn đến việc khảo sát tiếp cận đƣợc đối tƣợng giáo viên là Nữ nhiều hơn và có sự chênh lệch rất lớn so với giáo viên Nam.
Độ tuổi của các giáo viên tham gia khảo sát đƣợc chia ra làm 4 khoảng (21- 30; 31-40; 41-50 và ≥ 51). Số lƣợng giáo viên trong độ tuổi 31-40 chiếm đa số, lên tới 40,3%. Các giáo viên có độ tuổi 51 trở lên và 21-30 khá tƣơng đƣơng nhau