Từ mơ hình trên, các giả thuyết nghiên cứu đƣợc đƣa ra nhƣ sau:
1. Giả thuyết H1: Giao tiếp trong tổ chức có ảnh hƣởng tích cực đến lịng trung thành của nhân viên
2. Giả thuyết H2: Đào tạo và phát triển có ảnh hƣởng tích cực đến lịng trung thành của nhân viên.
3. Giả thuyết H3: Chấp nhận rủi ro có ảnh hƣởng tích cực đến lịng trung thành của nhân viên.
4. Giả thuyết H4: Lƣơng, thƣởng và phúc lợi có ảnh hƣởng tích cực đến lịng trung thành của nhân viên
5. Giả thuyết H5: Cơ hội thăng tiến có ảnh hƣởng tích cực đến lịng trung thành của nhân viên.
6. Giả thuyết H6: Làm việc nhóm có ảnh hƣởng tích cực đến lịng trung thành của nhân viên.
7. Giả thuyết H7: Môi trƣờng làm việc có ảnh hƣởng tích cực đến lịng trung thành của nhân viên.
8. Giả thuyết H8: Chính sách quản trị có ảnh hƣởng tích cực đến lòng trung thành của nhân viên.
CHƢƠNG 3:
PHƢƠNG PHÁP NGHIÊN CỨU
Nội dung chƣơng này sẽ trình bày về phƣơng pháp nghiên cứu, bao gồm thiết kế nghiên cứu, quy trình nghiên cứu và thang đo phù hợp với đề tài.
3.1 Mẫu nghiên cứu
Đối tƣợng khảo sát là nhân viên CNTT đang làm việc toàn thời gian tại các ngân hàng TMCP trên địa bàn TP.HCM.
Trong nghiên cứu này có thực hiện phân tích EFA và hồi quy bội. Do đó kích thƣớc mẫu đƣợc xác định nhƣ sau:
- Đối với phân tích nhân tố (EFA), cỡ mẫu tối thiểu là N ≥ 5*x (x: tổng số biến quan sát) (Nguyễn Đình Thọ, 2011). Trong nghiên cứu này, tổng số biến quan sát là 41, nhƣ vậy số mẫu tối thiểu cần đạt đƣợc là 205 mẫu.
- Theo một công thức kinh nghiệm thƣờng dùng để tính kích thƣớc mẫu cho hồi quy bội là N ≥ 50 + 8p (p: số lƣợng biến độc lập của mơ hình) (Nguyễn Đình Thọ, 2011). Kích thƣớc mẫu theo cơng thức này là N ≥ 50 + 8*8 = 114 mẫu.
- Nhƣ vậy, cỡ mẫu cần thiết để thỏa mãn cả phân tích nhân tố và hồi quy bội là N ≥ 205 mẫu (N ≥ Max(5*x ; 50+8p)).
Mẫu trong nghiên cứu đƣợc chọn theo phƣơng pháp lấy mẫu thuận tiện. Đây là phƣơng pháp chọn mẫu phi xác suất trong đó nhà nghiên cứu tiếp cận với các đối tƣợng nghiên cứu bằng phƣơng pháp thuận tiện. Điều này có nghĩa là nhà nghiên cứu có thể chọn các đối tƣợng mà họ có thể tiếp cận. Ƣu điểm của phƣơng pháp này là dễ tiếp cận đối tƣợng nghiên cứu và thƣờng sử dụng khi bị giới hạn thời gian và chi phí. Tuy nhiên phƣơng pháp này có nhƣợc điểm là khơng xác định đƣợc sai số do lấy mẫu.
3.2 Phƣơng pháp xử lý số liệu
Với dữ liệu thu thập về, sau khi hoàn tất việc kiểm tra, loại bỏ những bản phỏ ng vấn không đạt yêu c ầu, mã hóa, nhập liệu và làm sạch dữ liệu, một số phƣơng pháp phân tích sẽ đƣợc sử dụng trong nghiên cứu.
3.2.1 Bảng tần số
Thực hiện đếm tần số để biết với tập dữ liệu đang có thì số đối tƣợng ở các biểu hiện nào đó ở một thuộc tính c ụ thể là bao nhiêu.
3.2.2 Phân tích Cronbach Alpha
Phân tích Cronbach Alpha nhằm kiểm định độ tin cậy của thang đo thông qua hệ số Cronbach Alpha và loại bỏ những biến có tƣơng quan biến - tổng (item-total correlation) (hiệu chỉnh) nhỏ.
Hệ số Cronbach Alpha có giá trị biến thiên trong khoảng [0,1]. Một thang đo có độ tin cậy tốt khi hệ số Cronbach Alpha biến thiên trong khoảng [0.7,0.8] (Nguyễn Đình Thọ, 2011). Nếu hệ số Cronbach Alpha lớn hơn ho ặc bằng 0.6 là thang đo đó có thể chấp nhận đƣợc về mặt độ tin cậy (Nguyễn Đình Thọ, 2011).
Về lý thuyết hệ số Cronbach Alpha càng cao càng tốt (thang đo càng có độ tin cậy cao). Tuy nhiên, hệ số Cronbach Alpha quá lớn (α > 0.95) cho thấy có nhiều biến thiên trong thang đo khơng có khác biệt gì nhau, tức là xảy hiện tƣợng trùng lắp trong đo lƣờng (Nguyễn Đình Thọ, 2011). Do đó, khi kiểm tra từng biến đo lƣờng ta sử dụng thêm hệ số tƣơng quan biến – tổng. Theo Nguyễn Đình Thọ (2011), trích từ Nunnally & Bernstein (1994) thì nếu một biến đo lƣờng có hệ số tƣơng quan biến – tổng (hiệu chỉnh) lớn hơn hoặc bằng 0.3 thì biến đó đạt u cầu.
Nhƣ vậy, trong phân tích Cronbach Alpha thì ta sẽ loại bỏ những thang đo có hệ số nhỏ (α < 0.6) và cũng loại những biến quan sát có hệ số tƣơng quan biến – tổng (hiệu chỉnh) nhỏ ( < 0.3) ra khỏi mơ hình vì những biến quan sát này không phù hợp ho ặc khơng có ý nghĩa đối với thang đo. Tuy nhiên c ần lƣu ý, trƣớc khi
thực hiện loại biến thì khơng phải chỉ đơn thuần nhìn vào số liệu thống kê mà c ần phải đánh giá lại giá trị nội dung c ủa khái niệm.
3.2.3 Phân tích nhân tố khám phá EF A
Sau khi loại bỏ các biến không đ ảm bảo độ tin cậy thông qua phân tích Cronbach Alpha, phƣơng pháp phân tích nhân tố EFA đƣợc sử dụng để đánh giá giá trị của thang đo thông qua hai giá trị quan trọng: độ giá trị hội tụ (convergent validity), độ giá trị phân biệt (discriminant validity). EFA dùng để thu gọn một tập các biến quan sát thành một tập các nhân tố. Số lƣợng nhân tố đƣợc xác định dựa trên chỉ số Eigenvalue – đại điện cho phần biến thiên đƣợc giải thích bởi mỗi nhân tố và tiêu chuẩn phƣơng sai trích (Variance explained criteria).
Trong thực tiễn nghiên cứu, để thang đo đạt giá trị hội tụ thì hệ số tƣơng quan đơn giữa các biến và các nhân tố (factor loading) phải lớn hơn hoặc bằng 0.5 trong một nhân tố (0.4 ≤ factor loading ≤ 0.5 đƣợc xem là quan trọng; factor loading > 0.5 đƣợc xem là có ý nghĩa thực tiễn). Để đạt độ giá trị phân biệt, khác biệt giữa các nhân tố phải lớn hơn ho ặc bằng 0.3 (λiA – λiB ≥ 0.3). Tuy nhiên, chúng ta c ần xem xét giá trị nội dung của nó trƣớc khi ra quyết định loại bỏ hay không loại bỏ một biến đo lƣờng (Nguyễn Đình Thọ, 2011).
Số lƣợng nhân tố đƣợc xác định ở nhân tố (dừng ở nhân tố) có Eigenvalue tối thiểu bằng 1 (≥ 1) và những nhân tố có Eigenvalue nhỏ hơn 1 sẽ bị loại ra khỏi mơ hình, (Nguyễn Đình Thọ, 2011). Tổng phƣơng sai trích phải đ ạt từ 50% trở lên.
Để xác định sự phù hợp khi sử dụng EFA thì ngƣời ta thƣờng tiến hành dùng kiểm định Barlett và KMO.
- Kiểm định Bartlett dùng để đánh giá các biến quan sát có tƣơng quan với nhau trong tổng thể dùng để xem xét ma trận tƣơng quan có phải là ma trận đơn vị (I) hay khơng. Kiểm định Barlett có ý nghĩa thống kê khi sig. < 0.05. Điều này chứng tỏ các biến quan sát có tƣơng quan với nhau trong tổng thể.
- Kiểm định KMO dùng để so sánh độ lớn của hệ số tƣơng quan giữa các biến đo lƣờng với độ lớn của hệ số tƣơng quan riêng phần của chúng (Nguyễn Đình Thọ, 2011, trích từ Norusis, 1994). Hệ số KMO càng lớn càng tốt vì phần chung giữa các biến càng lớn (Nguyễn Đình Thọ, 2011). Hệ số KMO phải đạt giá trị từ 0.5 trở lên (KMO ≥ 0.5) thể hiện phân tích là phù hợp. Hệ số KMO < 0.5 thì khơng thể chấp nhận đƣợc (Nguyễn Đình Thọ, 2011, trích từ Kaiser, 1974).
Tuy nhiên, theo Nguyễn Đình Thọ (2011, trang 397) thì trong thực tế, với sự hỗ trợ của các phần mềm xử lý thống kê SPSS và chúng ta có thể nhìn vào kết quả trọng số nhân tố và phƣơng sai trích đạt yêu cầu thì vấn đề kiểm định Bartlett, KMO khơng cịn ý nghĩa nữa vì chúng ln ln đạt u cầu.
Phƣơng pháp trích nhân tố đƣợc sử dụng trong nghiên cứu này là phƣơng pháp Principal components với phép xoay Varimax và điểm dừng khi trích các yếu tố có Eigenvalues lớn hơn hoặc bằng 1.
3.2.4 Phân tích hồi quy
Phân tích hồi quy đƣợc dùng để kiểm định mối quan hệ giữa các biến độc lập và biến phụ thuộc trong mơ hình nghiên c ứu. Có một số vấn đề cần quan tâm trong mơ hình hồi quy bội:
- Trƣớc khi thực hiện hồi quy cần xem xét mối tƣơng quan giữa tất cả các biến.
- Kiểm định sự phù hợp của mơ hình hồi quy đƣợc bằng hệ số xác định điều chỉnh (R2
điều chỉnh). Đây là hệ số đo lƣờng tỷ lệ phần trăm biến thiên của biến phụ thuộc đƣợc giải thích bởi biến độc lập có tính đến cỡ mẫu và số biến độc lập trong mơ hình hồi quy bội.
- Kiểm định mức ý nghĩa của các hệ số riêng phần bằng thống kê t. - Kiểm định việc vi phạm các giả định.
3.3 Quy trình nghiên cứu
Nghiên cứu đƣợc thực hiện gồm 2 bƣớc chính:
- Nghiên cứu định tính với kỹ thuật thảo luận nhóm nhằm hiệu chỉnh các thang đo của nƣớc ngoài, xây dựng bản phỏng vấn phù hợp với điều kiện và đối tƣợng khảo sát ở Việt Nam. Tác giả đã thực hiện thảo luận nhóm với 8 ngƣời là nhân viên CNTT đang làm việc tại các ngân hàng TMCP trên địa bàn TP.HCM. Kết quả của bƣớc này là bảng phỏng vấn chính thức (xem Phụ lục 2) dùng cho nghiên cứu định lƣợng.
- Nghiên c ứu định lƣợng: Các bản câu hỏi điều tra đƣợc thực hiện với các nhân viên CNTT đang làm việc toàn thời gian tại các ngân hàng TMCP trên địa bàn TP.HCM bằng cách phỏng vấn trực tiếp hoặc gửi email hoặc thông qua công c ụ khảo sát trực tuyến (Google Docs). Mục đích c ủa nghiên cứu này nhằm xác định các thành phần cũng nhƣ giá trị và độ tin c ậy của thang đo, và kiểm định mơ hình nghiên cứu.