CHƯƠNG 2 CƠ SỞ LÝ THUYẾT
3.4 Phương pháp xử lý dữ liệu:
Sử dụng phần mềm SPSS 20.0
3.4.1 Phân tích độ tin cậy (hệ số Cronbach’s anpha)
Hệ số Cronbach’s alpha được sử dụng để loại các biến khơng phù hợp. Các biến có hệ số tương quan biến tổng nhỏ hơn 0.3 xem như là chưa đạt yêu cầu và bị loại khỏi mơ hình. Hệ số Cronbach’s alpha có giá trị từ 0.6 – 0.7 cũng có thể chấp nhận được trong trường hợp khái niệm đang nghiên cứu là mới. Thơng thường, thang đo có hệ số Cronbach’s alpha từ 07. – 0.8 là sử dụng được. Trong nghiên cứu này, tác giả sử dụng hệ số Cronbach’s alpha lớn hơn 0.6 (Thọ & Trang, 2007)
3.4.2 Phân tích nhân tố khám phá
Sau khi đánh giá độ tin cậy của thang đo bằng hệ số Cronbach’s alpha và loại các biến không đảm bảo độ tin cậy. Phân tích nhân tố khám phá EFA là phương pháp nhằm thu nhỏ và tóm tắt dữ liệu. Phương pháp này rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu và được sử dụng để tìm mối quan hệ giữa các biến với nhau.
Các thang đo được đánh giá bằng phương pháp phân tích nhân tố khám phá như sau:
Sử dụng phương pháp trích yếu tố principal components với phép xoay varimax.
Quan tâm đến tiêu chuẩn: các biến có hệ số tải (factor loadings) nhỏ hơn 0.4 trong EFA sẽ bị loại tiếp tục (Gerbing & Anderson, 1988).
Tổng phương sai trích ≥ 50% (Gerbing & Anderson, 1988). Điểm dừng khi trích các yếu tố có eigenvalue = 1
Trị số KMO (Kaiser – Meryer – Olkin) dùng để xem xét sự thích hợp của phân tích EFA, 0.5 ≤ KMO ≤ 1 thì phân tích này thích hợp.
Kiểm định Barlett có ý nghĩa thống kê (Sig < 0.05)
3.4.3 Phân tích hồi quy
Sử dụng phân tích hồi quy tuyến tính bội với phương pháp đưa vào một lượt (Enter) cho biến phụ thuộc là chính sách quy hoạch kế thừa và các biến độc lập.
Hệ số xác định R2 hiệu chỉnh: là thước đo phù hợp của mơ hình. R2 hiệu chỉnh càng gần 1 thì mơ hình đã xây dựng càng phù hợp.
Kiểm định F (F-Test) kiểm định giả thuyết về độ phù hợp của mơ hình hồi quy tuyến tính tổng thể.
Kiểm định T (T-Test) kiểm định giả thuyết về ý nghĩa của hệ số hồi quy.
3.4.4 Kiểm định ANOVA
Kỹ thuật phân tích phương sai một yếu tố (One-Way ANOVA) được áp dụng trong nghiên cứu này để tìm ra ý nghĩa thống kê của những khác biệt trung bình giữa các thang đo về chính sách quy hoạch kế thừa và các yếu tố đặc điểm cá nhân: giới tính, độ tuổi, vị trí cơng việc, trình độ học vấn, thâm niên, kinh nghiệm ngồi cơng ty, số lần được thăng chức. để thực hiện kiểm nghiệm ANOVA, dữ liệu đòi hỏi một số giả thuyết sau:
Các mẫu kiểm nghiệm độc lập.
Các mẫu sử dụng trong kiểm nghiệm phải có phân phối chuẩn hoặc kích thích mẫu đủ lớn để được xem là có phân phối chuẩn.
Phương sai của các mẫu phải đồng nhất (có thể kiểm định điều này bằng phép kiểm Leneve)
H0: µ1 = µ2 = … = µn, nghĩa là khơng có sự khác biệt giữa các trung bình của các nhóm được phân loại theo biến định tính.
Trong đó: µ1 = µ2 = … = µn: là trung bình thực của các tổng thể nhóm.