2.3.3 .Các biến nhân khẩu học và dự định thôi việc
3.3 Nghiên cứu chính thức
Nghiên cứu chính thức được thực hiện bằng phương pháp nghiên cứu định lượng nhằm kiểm định lại thang đo trong mơ hình nghiên cứu thơng qua bảng câu hỏi khảo sát.
3.3.1 Phương pháp thu thập thông tin và cỡ mẫu
Việc thu thập dữ liệu được tiến hành khi bảng câu hỏi đã được hiệu chỉnh hoàn tất. Trước hết, đối tượng được khảo sát là người lao động làm việc trong bộ phận công nghệ thông tin ở các doanh nghiệp trên địa bàn Thành phố Hồ Chí Minh. Để thu thập dữ liệu cho phân tích, tác giả sử dụng cơng cụ thu thập dữ liệu sơ cấp, thu thập dữ liệu qua hình thức phỏng vấn: phát và thu trực tiếp. Về việc chọn mẫu, phương pháp chọn mẫu thuận tiện là phương pháp được sử dụng trong nghiên cứu này, tác giả lên danh sách các công ty nằm ở trung tâm thành phố Hồ Chí Minh có bộ phận CNTT bao gồm các công ty chuyên về phát triển phần mềm, phần cứng, nội dung số, cũng như các cơng ty nói chung có bộ phận lao động CNTT. Tác giả sẽ phát phiếu và hẹn ngày thu lại. Phân tích nhân tố khám phá EFA và phân tích hồi qui bội là phương pháp chủ yếu trong nghiên cứu này, do vậy để tiến hành phân tích nhân tố khám phá EFA tốt, số mẫu nghiên cứu cần đạt ít nhất là 5 mẫu tương ứng với một biến quan sát (Hair, 1998). Mơ hình nghiên cứu của đề tài có 20 biến quan sát, vì thế kích thước mẫu cần thiết để kiểm định mơ hình là n=20*5=100. Để đạt được kích thước mẫu đề ra, 200 bảng câu hỏi được gửi đi phỏng vấn. Tác giả thu về được 197 bảng trả lời, trong đó có 12 bảng khơng hợp lệ vì có một số câu hỏi cịn để trống, cịn lại là 185 bảng trả lời hợp lệ.
3.3.2 Phương pháp phân tích dữ liệu
Các dữ liệu sau khi thu thập sẽ được kiểm tra để loại bỏ những bảng trả lời không đủ tiêu chuẩn và xử lý thông qua phần mềm SPSS 20.0. Các phương pháp phân tích được sử dụng trong nghiên cứu được cụ thể như sau:
Một là, lập bảng tần số để mô tả mẫu thu thập theo độ tuổi, giới tính, tình trạng hơn nhân, thu nhập trung bình, vị trí cơng tác, kinh nghiệm làm việc trong ngành, trình độ học vấn, nhóm ngành cơng nghệ thơng tin đang cơng tác.
Hai là, tính tốn Cronbach alpha. Hệ số Cronbach alpha là một phép kiểm định thống kê về mức độ chặt chẽ mà các mục hỏi trong thang đo tương quan với nhau. Vì vậy, với phương pháp này, người phân tích có thể loại bỏ các biến không phù hợp và hạn chế các biến rác trong quá trình nghiên cứu và đánh giá độ tin cậy của thang đo thông qua hệ số Cronbach alpha. Những biến có hệ số tương quan biến tổng (item-total correlation) nhỏ hơn 0.3 sẽ bị loại.
Theo quy ước, một tập hợp các mục hỏi dùng để đo lường được đánh giá tốt phải có hệ số Cronbach alpha lớn hơn hoặc bằng 0.8. Thang đo có Cronbach alpha từ 0.7 đến 0.8 là sử dụng được. Mặc dù vậy, thang đo có hệ số Cronbach alpha từ 0.6 trở lên vẫn có thể sử dụng trong trường hợp khái niệm đang nghiên cứu là khái niệm mới (Nunnally, 1978; Peterson, 1994; Slater, 1995).
Ba là, phân tích nhân tố khám phá (EFA). Phân tích nhân tố khám phá (EFA) là kỹ thuật được sử dụng chủ yếu để thu nhỏ và tóm tắt dữ liệu sau khi đã đánh giá độ tin cậy của thang đo bằng hệ số Cronbach alpha và loại đi các biến không đảm bảo độ tin cậy. Phương pháp này phát huy tính hữu ích trong việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu cũng như được sử dụng để tìm mối liên hệ giữa các biến với nhau.
Trong phân tích nhân tố khám phá, trị số KMO (Kaiser-Mever-Olkin) là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Phân tích được xem là thích hợp nếu trị số KMO có giá trị trong khoảng 0.5 đến 1. Ngược lại, nếu trị số KMO nhỏ hơn 0.5 thì phân tích nhân tố có khả năng khơng thích hợp với các dữ liệu. Mặt khác, phân tích nhân tố cịn dựa vào eigenvalue để xác định số lượng nhân tố. Chỉ
những nhân tố có eigenvalue lớn hơn 1 thì mới được giữ lại mơ hình. Đại lượng eigenvalue đại diện cho lượng biến thiên được giải thích bởi nhân tố. Những nhân tố có eigenvalue nhỏ hơn 1 sẽ khơng có tác dụng tóm tắt thơng tin tốt hơn một biến gốc.
Một phần quan trọng trong phân tích nhân tố là ma trận nhân tố (Component Matrix) hay ma trận nhân tố khi các nhân tố được xoay (rotated component matrix). Ma trận nhân tố chứa các hệ số biểu diễn các biến chuẩn hóa bằng các nhân tố (mỗi biến là một đa thức của các nhân tố). Những hệ số tải nhân tố (factor loading) biểu diễn tương quan giữa các biến và các nhân tố. Hệ số này cho biết nhân tố và biến có liên quan chặt chẽ với nhau. Nghiên cứu sử dụng phương pháp trích nhân tố principal components nên các hệ số tải nhân tố phải có trọng số lớn hơn 0.5 thì mới đạt u cầu. Cuối cùng, để phân tích có ý nghĩa, hệ số tải nhân tố của một biến quan sát giữa các nhân tố phải >= 0.30 để đảm bảo giá trị khác biệt giữa các nhân tố (Jabnoun &A1_Tamimi, 2003).
Bốn là, phân tích hồi quy để xem xét mơ hình nghiên cứu. Một cơng việc quan trọng của bất kỳ thủ tục thống kê xây dựng mơ hình từ dữ liệu nào cũng đều cần chứng minh sự phù hợp của mơ hình. Với mơ hình được đề cập trong chương 2, phương pháp phân tích hồi quy bội sẽ được thực hiện để xem xét mức độ tác động của các yếu tố đến sự thỏa mãn.
Năm là, phân tích T-test và ANOVA. Phương pháp phân tích T-test và ANOVA được sử dụng để kiểm định sự khác biệt trong dự định thôi việc giữa những người lao động làm việc trong bộ phận cơng nghệ thơng tin thuộc các nhóm khác nhau.
Tóm lại, chương 3 trình bày phương pháp thực hiện nghiên cứu nhằm đạt được các mục tiêu đề ra. Một là, nghiên cứu sơ bộ với kỹ thuật thảo luận tay đôi nhằm hiệu chỉnh các thang đo cho các biến trong mơ hình. Hai là, nghiên cứu chính thức thực hiện bằng cách phát và thu trực tiếp. Sau đó, dữ liệu sẽ được xử lý và phân tích bằng phần mềm SPSS 20.0 để kiểm định các thang đo và sự phù hợp của mơ hình lý thuyết.
CHƯƠNG 4
KẾT QUẢ NGHIÊN CỨU
Chương này sẽ trình bày kết quả của quá trình nghiên cứu, cụ thể bao gồm những nội dung sau:
(1) Mô tả đặc điểm của mẫu thu được
(2) Đánh giá thang đo bằng hệ số tin cậy Cronbach alpha (3) Phân tích nhân tố khám phá EFA
(4) Phân tích hồi quy đánh giá mức độ quan trọng của các nhân tố (5) Kiểm định các giả thiết nghiên cứu