3.1.1 Phƣơng pháp nghiên cứu
Để đo lƣờng các yếu tố tác động đến xung đột công việc gia đình (WFC) đối với lao động nữ tại Thành phố Hồ Chí Mình, tác giả đo lƣờng các yếu tố khía cạnh cơng việc ảnh hƣởng đến WIF và các yếu tố khía cạnh gia đình ảnh hƣởng đến FIW. Nghiên cứu này đƣợc thực hiện thơng qua 2 giai đoạn chính. Giai đoạn nghiên cứu sơ bộ gồm nghiên cứu định tính và nghiên cứu định lƣợng sơ bộ nhằm đƣa ra thang đo các khái niệm và hiệu chỉnh thang đo cho phù hợp. Giai đoạn nghiên cứu chính thức sƣ̉ du ̣ng phƣơng pháp định lƣợng để kiểm định thang đo và kiểm định các giả thuyết nghiên cứu. Giai đoạn nghiên cứu định lƣợng đƣợc thực hiện với sự hỗ trợ của phần mềm SPSS 16.0.
3.1.2 Qui trình nghiên cứu
Qui trình nghiên cứu cụ thể đƣợc thực hiện nhƣ hình 3.1.
Nghiên cứu sơ bộ: dựa trên cơ sở lý thuyết đã đƣa ra, tác giả lựa chọn thang
đo các khái niệm nghiên cứu. Sau đó, tác giả tiến hành nghiên cứu sơ bộ định tính bằng thảo luận tay đôi với một số bạn bè là nữ đang làm việc tại Thành phố Hồ Chí Minh và tiếp thu những góp ý của giáo viên hƣớng dẫn. Mục đích nhằm kiểm tra tính rõ ràng của từ ngữ và khả năng hiểu rõ các phát biểu cũng nhƣ tính trùng lấp của các phát biểu trong thang đo để hiệu chỉnh thang đo cho phù hợp. Thang đo sau khi đƣợc điều chỉnh sẽ đƣa ra khảo sát sơ bộ với mẫu khoảng 50 ngƣời để lấy kết quả cho khảo sát định lƣợng sơ bộ. Kết quả sơ bộ sẽ đƣợc kiểm tra bằng phƣơng pháp phân tích hệ số tin cậy Cronbach Anpha nhằm loại bỏ các mục hỏi có hệ số
tƣơng quan biến tổng nhỏ hơn 0.3, điều chỉnh các biến cho phù hợp và đƣa ra bảng câu hỏi hồn chỉnh cho nghiên cứu chính thức.
Hình 3.1. Qui trình nghiên cứu
Mục tiêu nghiên cứu
Cơ sở lý thuyết
Xây dựng thang đo
Nghiên cứu sơ bộ:
Nghiên cứu sơ bộ định tính: nhằm đưa ra bảng câu hỏi sơ bộ
- Thảo luận tay đôi, tiếp thu chỉ dẫn của giáo viên hƣớng dẫn - Điều chỉnh thang đo
Nghiên cứu sơ bộ định lượng: nhằm đưa ra bảng câu hỏi chính thức
- Khảo sát 50 nhân viên nữ đang làm việc tại TP.HCM
- Kiểm tra hệ số Cronbach Anpha cho từng thang đo, loại bỏ các biến có hệ số tƣơng quan biến – tổng nhỏ hơn 0.3.
Nghiên cứu định lƣợng chính thức:
- Khảo sát các nhân viên nữ đang làm việc tại Tp.HCM - Mã hóa, nhập liệu
- Làm sạch dữ liệu
- Kiểm tra hệ số Cronbach Anpha - Phân tích nhân tố khám phá EFA - Phân tích hồi qui đa biến
Nghiên cứu định lƣợng chính thức: tiến hành khảo sát dựa trên bảng câu
hỏi chính thức đã xây dựng. Đối tƣợng khảo sát là các nhân viên nữ, có trình độ trung cấp trở lên, làm việc tại các công ty trên địa bàn Thành phố Hồ Chí Minh. Mẫu đƣợc chọn theo kiểu thuận tiện. Sau khi khảo sát, dữ liệu sẽ đƣợc mã hóa, nhập liệu và làm sạch. Đánh giá sơ bộ thang đo bằng hệ số Cronbach Anpha. Tiếp theo, sử dụng phƣơng pháp phân tích nhân tố khám phá (EFA) để kiểm định thang đo. Phƣơng pháp hồi qui đa biến đƣợc sử dụng để kiểm định các giả thuyết nghiên cứu. Các phƣơng pháp đƣợc thực hiện trên phần mềm SPSS 16.0.
Hệ số Cronbach Anpha: là một phép kiểm định thống kê về mức độ chặt
chẽ mà các mục hỏi trong thang đo tƣơng quan với nhau. Hệ số này dùng để đánh giá sơ bộ từng thang đo, xem xét mức độ chặt chẽ các mục hỏi trong thang đo liệu có tƣơng quan với nhau. Theo qui ƣớc thì một tập hợp các mục hỏi dùng để đo lƣờng đƣợc đánh giá là tốt phải có hệ số α lớn hơn hoặc bằng 0.8. Nếu có nhiều mục hỏi thì hệ số α càng cao. Hệ số α của Cronbach cho biết các đo lƣờng có liên kết với nhau hay không nhƣng không cho biết mục nào cần đƣợc bỏ và mục nào cần giữ lại. Phần mềm phân tích thống kê SPSS sẽ tìm ra hệ số tƣơng quan giữa các mục hỏi, hệ số α và hệ số tƣơng quan giữa tổng điểm và các mục hỏi. Từ đó ta có thể loại bỏ các mục hỏi làm giảm sự tƣơng quan giữa các mục hỏi và giữ cho hệ số α lớn hơn hoặc bằng 0.8. Nhƣ vậy, các biến có tƣơng quan biến tổng nhỏ hơn 0.3 sẽ bị loại, sau đó tính lại hệ số Cronbach Anpha. Các biến có hệ số Cronbach Anpha nhỏ hơn 0.6 sẽ tiếp tục bị loại (Nunnally & Bernstein, 1994) (trích tại Nguyễn Đình Thọ, 2011).
Phương pháp phân tích nhân tố khám phá (EFA): là tên chung của một
nhóm các thủ tục đƣợc sử dụng để thu nhỏ và tóm tắt các dữ liệu. Trong nghiên cứu này, EFA đƣợc dùng để kiểm định thang đo, rút gọn tập biến quan sát nếu chúng phụ thuộc lẫn nhau. Phân tích nhân tố khám phá giúp đánh giá hai giá trị hội tụ và phân biệt của thang đo (Nguyễn Đình Thọ, 2011). Để nhận dạng và xác định các khái niệm liên quan bằng phƣơng pháp EFA, tác giả sử dụng phƣơng pháp trích Principal với phép quay Varimax (xoay nguyên góc các nhân tố để tối thiểu hóa
lƣợng biến có hệ số lớn tại cùng một nhân tố nhằm tăng cƣờng khả năng giải thích các nhân tố) và điểm dừng khi trích các yếu tố có Eigenvalue ln lớn hơn 1 (nếu nhỏ hơn 1 sẽ bị loại khỏi mơ hình nghiên cứu). Điều kiện áp dụng phân tích nhân tố là các biến phải có tƣơng quan với nhau. Do đó, khi phân tích EFA, tác giả chú ý các tiêu chuẩn:
Thứ 1, hệ số Kaiser-Mayer-Olkin (KMO) từ 0.5 → 1, với mức ý nghĩa của
kiểm định Bartlett ≤ 0.05, nhằm bác bỏ giả thuyết các biến khơng có tƣơng quan với nhau trong tổng thể. Nếu giả thuyết này bị bác bỏ thì phân tích EFA là phƣơng pháp thích hợp (Kaiser, 1974) (theo Nguyễn: 2011; Hoàng & Chu 2005, 2008).
Thứ 2, hệ số tải nhân tố (factor loading) ≥ 0.5 (nếu biến quan sát nào có hệ số
tải nhân tố < 0.5 sẽ bị loại),
Thứ 3, sự khác biệt giữa các hệ số tải nhân tố của một biến lên các nhân tố
phải > 0.2 để đảm bảo sự khác biệt,
Thứ 4, thang đo đƣợc chấp nhận khi tổng phƣơng sai trích ≥ 50% và
eigenvalue có giá trị lớn hơn 1, (Nunnally & Bernstein, 1994) (trích tại Nguyễn Đình Thọ, 2011).
Phương pháp hồi qui đa biến: dùng để kiểm định các giả thuyết và giải
thích lý thuyết nhân quả. Phƣơng pháp này xem xét các điều kiện sau:
Thứ 1, xem xét mối tƣơng quan tuyến tính giữa các biến thơng qua ma trận
hệ số tƣơng quan. Ma trận này cho biết mối quan hệ chặt chẽ giữa các biến độc lập và biến phụ thuộc hay giữa các biến độc lập với nhau. Tƣơng quan mạnh giữa các biến độc lập và biến phụ thuộc cho thấy phân tích hồi qui sẽ khả quan. Tuy nhiên, tƣơng quan mạnh giữa các biến độc lập có thể sẽ ảnh hƣởng lớn đến kết quả hồi qui, nhƣ gây ra hiện tƣợng đa cộng tuyến.
Thứ 2, đánh giá độ phù hợp của mơ hình bằng hệ số xác định R2 thay đổi. Hệ
số này đo lƣờng tỷ lệ tổng biến thiên của biến phụ thuộc đƣợc giải thích bởi các biến độc lập, có tính tới mối liên hệ giữa cỡ mẫu và số biến độc lập trong mơ hình hồi qui bội, nên tránh đƣợc việc thổi phồng khả năng giải thích cho biến phụ thuộc
của mơ hình. Giá trị R2 điều chỉnh càng cao thì khả năng giải thích của mơ hình hồi qui càng cao và việc dự đốn biến phụ thuộc càng chính xác.
Thứ 3, kiểm định độ phù hợp của mơ hình tổng thể bằng thống kê F trong
phân tích phƣơng sai Anova. Ý tƣởng là xem biến phụ thuộc có liên hệ tuyến tính với tồn bộ tập hợp các biến độc lập hay không. Giả thuyết Ho là β1= β2=β3=β4=0. Nếu giá trị F có ý nghĩa đáng kể về mặt thống kê (p≤0.05), giả thuyết Ho của mối quan hệ khơng tuyến tính bị bác bỏ và kết luận là các biến độc lập trong mơ hình có thể giải thích đƣợc biến đổi của biến phụ thuộc.
Thứ 4, đo lƣờng ảnh hƣởng của các biến độc lập đến biến phụ thuộc thông
qua hệ số hồi qui riêng phần β. Đây là hệ số hồi qui chuẩn hóa cho phép so sánh trực tiếp các hệ số xem nhƣ là khả năng giải thích biến phụ thuộc. Trị tuyệt đối của β càng lớn thì tầm quan trọng tƣơng đối của nó trong dự báo biến phụ thuộc càng cao. Ngồi ra, có thể kiểm định giả thuyết nghiên cứu qua kiểm định ý nghĩa của hệ số hồi qui riêng phần bằng thống kê t.
Thứ 5, kiểm định việc vi phạm các giả định trong mơ hình nhƣ giả định liên
hệ tuyến tính, các giả định của phần dƣ: phƣơng sai không đổi (qua đồ thị phân tán Scatterplot), phân phối chuẩn (qua biểu đồ tần số Histogram, P-P Plot), độc lập và giả định khơng có mối quan hệ tƣơng quan giữa các biến độc lập, dò tìm hiện tƣợng đa cộng tuyến (qua thống kê Tolerance và VIF)… vì nếu vi phạm các giả định thì
các kết quả ƣớc lƣợng sẽ khơng đáng tin cậy nữa (Hồng & Chu, 2005, 2008)