Đối với mục tiêu 1: Sử dụng mơ hình phân tích nhân tố để xác định các nhóm
các nhân tố ảnh hưởng đến sự hài lòng của người lao động đối với công việc trong
các đơn vị sở, ban, ngành cấp thành phố thuộc sự quản lý của ủy ban nhân thành phố
Cần Thơ.
Đối với mục tiêu 2: Sử dụng mơ hình hồi qui đa biến (dạng Binary Logistic)
để nhận diện, phân tích các nhân tố ảnh hưởng đến sự hài lòng của người lao động đối với công việc.
Đối với mục tiêu 3: Dựa vào các kết quả phân tích ở mục tiêu 1 và 2, kết hợp
với quá trình tổng hợp, nghiên cứu và tham khảo tài liệu, bài viết có liên quan làm cơ sở đề xuất các giải pháp khả thi nhằm tăng cường sự hài lòng của người lao động trong đơn vị nêu trên để giữ chân người lao động và tăng hiệu suất làm việc của họ.
Mô tả phương pháp phân tích:
a) Phương pháp thống kê mơ tả
Bước đầu tiên để mô tả và tìm hiểu về đặc tính phân phối của một mẫu số liệu
thô là lập bảng phân phối tần số.
a1) Bảng phân phối tần số: Bảng phân phối tần số là bảng tóm tắt các dữ liệu
được sắp xếp thành từng tổ khác nhau. Để lập một bảng phân phối tần số trước hết ta phải sắp xếp dữ liệu theo một thứ tự nào đó tăng dần hoặc giảm dần. Sau đó thực hiện các bước sau:
Bước 1: Xác định số tổ của dãy phân phối Số tổ= [(2)* Số quan sát (n)]0.3333 Bước 2: Xác định khoảng cách tổ (k)
k= Xmax– Xmin/ số tổ
Xmax: Lượng biến lớn nhất của dãy phân phối Xmin: Lượng biến nhỏ nhất của dãy phân phối
Bước 3: Xác định giới hạn trên và dưới của mỗi tổ. Một cách tổng quát, giới hạn dưới của tổ đầu tiên sẽ là lượng biến nhỏ nhất của dãy số phân phối, sau đó lấy giới hạn dưới cộng với khoảng cách tổ (k) sẽ được giá trị cuả giới hạn trên, lần lượt cho
đến tổ cuối cùng. Giới hạn trên của tổ cuối cùng thường là lượng biến lớn nhất của dãy số phân phối.
Bước 4: Xác định tần số của mỗi tổ bằng cách đếm số quan sát rơi vào giới hạn của tổ đó. Cuối cùng trình bày kết quả trên biểu bảng và sơ đồ.
a2) Phân phối tần số tích lũy: Phân phối tần số tích lũy (hay tần số cộng dồn)
đáp ứng mục đích khác của phân tích thống kê là khi thơng tin được địi hỏi muốn biết tổng số quan sát mà giá trị của nó thì ít hơn một giá trị cho sẵn nào đó.
a3) Một số khái niệm:
- Giá trị trung bình: Mean, Average: bằng tổng tất cả các giá trị biến quan sát chia cho số quan sát.
- Mode (kí hiệu: Mo): là giá trị có tần số xuất hiện cao nhất trong tổng số hay trong một dãy số phân phối.
- Phương sai: là trung bình giữa bình phương các độ lệch giữa các biến và trung bình của các biến đó.
- Độ lệch chuẩn là căn bậc hai của phương sai. b) Phân tích bảng chéo
b1) Định nghĩa: Cross-Tabulation là một kỹ thuật thống kê mô tả hai hay ba
biến cùng một lúc và bảng kết quả phản ánh sự kết hợp hai hay ba biến có số lượng hạn chế trong phân loại hoặc trong giá trị phân biệt.
Mô tả dữ liệu bằng Cross-Tabulation được sử dụng rộng rãi trong nghiên cứu bởi vì: (1) Kết quả của nó có thể được giải thích và hiểu được một cách dễ dàng đối với các nhà quản lý khơng có chun mơn thống kê; (2) Sự rõ ràng trong việc giải thích cung cấp sự kết hợp chặt chẽ giữa kết quả nghiên cứu và quyết định trong quản lý; (3) Chuỗi phân tích Cross-Tab cung cấp những kết luận sâu hơn trong hững trường hợp phức tạp; (4) Làm giảm bớt các vấn đề của các ô (cells); (5) Tiến hành đơn giản.
b2) Phân tích Cross-Tab hai biến
- Bảng phân tích Cross-Tabulation hai biến cịn goi là bảng tiếp liên (Contigency table), mỗi ô trong bảng chứa đựng sự kết hợp phân loại của hai biến.
- Việc phân tích các biến theo cột hay theo hàng là tùy thuộc vào việc biến đó là biến phụ thuộc hay biến độc lập. Thông thường khi xử lý biến xếp cột là biến độc
lập, biến hàng là biến phụ thuộc. c) Phương pháp phân tích nhân tố
Phân tích nhân tố là tên chung của một nhóm các thủ tục được sử dụng chủ yếu để thu nhỏ và tóm tắt các dữ liệu. Trong nghiên cứu, chúng ta có thể thu thập được một số lượng biến khá lớn và hầu hết các biến này có liên hệ với nhau và số lượng của chúng phải được giảm bớt xuống đến một số lượng mà chúng ta có thể
sử dụng được. Trong phân tích nhân tố khơng có sự phân biệt biến phụ thuộc và biến độc lập. Mối quan hệ giữa nhiều biến được xác định và đại diện bởi một vài nhân tố (hay nói cách khác một nhân tố đại diện cho một số biến). Phân tích nhân tố được sử dụng trong trường hợp người nghiên cứu cần nhận diện một tập hợp gồm một số lượng biến mới tương đối ít, khơng có tương quan với nhau để thay thế tập hợp biến gốc có tương quan với nhau nhằm thực hiện một phân tích đa biến tiếp theo sau như hồi qui hay phân tích biệt số.
Nếu các biến được chuẩn hóa thì mơ hình nhân tố được thể hiện bằng phương trình:
Xi = Ai1F1 + Ai2F2 + … + AimFm + ViUi Trong đó:
Xi: biến thứ i được chuẩn hóa
Aij: hệ số hồi quy bội chuẩn hóa của nhân tố j đối với biến i F: các nhân tố chung
Vi: hệ số hồi quy chuẩn hóa của nhân tố đặc trưng i đối với biến i. Ui: nhân tố đặc trưng của biến i
m: số nhân tố chung
Các nhân tố đặc trưng có tương quan với nhau và với các nhân tố chung. Bản thân các nhân tố chung cũng có thể được diễn tả như những kết hợp tuyến tính của các biến quan sát:
Fi = wi1x1 + wi2x2 + … + wikxk Trong đó:
Fi: ước lượng nhân tố thứ i
k: số biến
d) Một số tham số thống kê trong phân tích nhân tố:
Bartlett's test of sphericity: đại lượng Bartlett là một đại lượng thống kê dùng
để xem xét giả thuyết các biến khơng có tương quan trong tổng thể. Nói cách khác, ma trận tương quan tổng thể là một ma trận thống nhất, mỗi biến tương quan hoàn toàn với chính nó (r=1) nhưng khơng có tương quan với nhứng biến khác (r=0).
Eigenvalue: Đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố.
Correlation matrix: cho biết hệ số tương quan giữa tất cả các cặp biến trong phân tích.
Ý nghĩa các hệ số tương quan trong Correlation matrix :Người ta gọi các hệ số này là hệ số tương quan Pearson, kí hiệu là r, dùng để lượng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến nêu tên ở tiêu đề dòng và tiêu đề cột tương ứng. Nhìn chung r được sử dụng để kiểm tra liên hệ giữa hai biến định lượng. Công thức của r như sau:
Và: ( )
Trong đó N là số quan sát và SX,SY là độ lệch chuẩn của từng biến X và Y. Trị
tuyệt đối của r cho biết mối liên hệ tuyến tính. Giá trị tuyệt đối của r tiến gần đến 1 khi hai biến có mối tương quan tuyến tính chặt chẽ. Giá trị r =0 chỉ ra rằng hai biến hồn tồn khơng có mối quan hệ tuyến tính.
Factor scores: là các điểm số nhân tố tổng hợp được ước lượng cho từng quan
sát trên các nhân tố được rút ra.
Kaiser-Meyer-Olin (KMO): là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số của KMO lớn ( giữa 0,5 và 1) có ý nghĩa là phân tích nhân tố là thích hợp, cịn nếu như trị số này nhỏ hơn 0,5 thì phân tích nhân tố có khả năng khơng thích hợp với các dữ liệu.
Percentage of variance: phần trăm phương sai toàn bộ được giải thích bởi từng nhân tố. Nghĩa là coi biến thiên 100% thì giá trị này cho biết phân tích nhân tố
cơ đọng được bao nhiêu % và bị thất thốt bao nhiêu %. e) Mơ hình hồi qui Binary Logistic
Với hồi qui Binary Logistic, thông tin cần thu thập về biến phụ thuộc là 1 sự kiện nào đó có xảy ra hay khơng, biến phụ thuộc Y lúc này có giá hai giá trị 0 và 1, với 0 là không xảy ra sự kiện ta quan tâm và 1 là có xảy ra, và cả thông tin về các biến độc lập X. Từ biến phụ thuộc nhị phân này, một thủ tục sẽ được dùng để dự đoán xác suất sự kiện xảy ra theo quy tắc nếu xác suất dự đốn lớn hơn 0,5 thì kết quả dự đốn sẽ là “khơng”. Mơ hình Binary Logistic trong trường hợp đơn giản nhất là khi chỉ có một biến độc lập X, được trình bày như sau:
Trong công thức này Pi = E(Y = 1/X) = P(Y = 1) gọi là xác suất để sự kiện xảy ra (Y=1) khi biến độc lập X có giá trị cụ thể là Xi. Ký hiệu biểu thức (B0 + B1X) là z, ta viết lại mơ hình hàm Binary Logistic như sau:
Vậy thì xác suất xảy ra sự kiện là :
Thực hiện phép so sánh giữa xác suất một sự kiện xảy ra với xác suất sự kiện đó khơng xảy ra, tỷ lệ chênh lệch này có thể được thể hiện trong công thức :
P(Y=1) P(Y = 0) = ez 1 + ez ez 1 + ez 1 ez 1 + ez P(Y = 0) = 1 P(Y = 1) = 1 ez 1 + ez P(Y = 1) = e( Bo + B1X) 1 + e( Bo + B1X) Pi = E(Y = 1/X) =
Lấy log cơ số e hai vế của phương trình trên rồi thực hiện biến đổi vế phải ta được kết quả là:
Vì logeez = z nên kết quả cuối cùng là
Hay viết cách khác:
(*) là dạng hàm hồi qui
Binary Logistic và có thể mở rộng mơ hình Binary Logistic cho 2 hay nhiều biến độc lập Xk.
f) Quy ước về một số kiểm định trong phần mềm SPSS 16.0
f1)Phân tích phương sai (ANOVA):
Để kiểm định sự khác biệt về giá trị trung bình của các nhóm theo một biến tiêu chí nào đó ta sẽ sử dụng kiểm định phân tích phương sai (ANOVA). Ta sẽ sử dụng kiểm định dạng one way- ANOVA cho trường hợp chỉ có một biến được chọn làm biến tiêu chí.
Như vậy, trong đề tài này để xác định các giá trị trung bình tổng thể có khác nhau có ý nghĩa khơng ta sử dụng kiểm định one way- ANOVA để kiểm định giả thuyết: H0: khơng có khác biệt có ý nghĩa giữa các trung bình tổng thể
H1: có khác biệt có ý nghĩa giữa các trung bình tổng thể
Nếu kiểm định này cho kết quả giá trị Sig.<0,1 thì ta bác bỏ giả thuyết H0: khơng có khác biệt có ý nghĩa giữa các trung bình tổng thể và ngược lại. Lưu ý là trước khi sử dụng kết quả của kiểm định one way- ANOVA ta cần xem trước kết quả kiểm định Levene Test (xem bên dưới). Nếu giá trị sig. của kiểm định Levene Test <0,1 thì ta bác bỏ giả thuyết H0.và dừng việc tiến hành kiểm định ANOVA lại
P(Y=1) P(Y = 0) loge [ ] = loge ez P(Y=1) P(Y = 0) loge [ ] = B0 + B1X Pi 1 - Pi loge [ ] = B0 + B1X
vì một trong những điều kiện tiến hành kiểm định one way- ANOVA là phương sai giữa các nhóm so sánh phải tương đối đồng nhất. Và nếu giá trị sig. của kiểm định Levene Test > 0,1 ta chấp nhận giả thuyết H0và tiếp tục tiến hành kiểm định one way- ANOVA và sử dụng kết quả.
f2) kiểm định Levene Test
Lưu ý, trước khi ta sử dụng giá trị của kiểm định one way- ANOVA, ta cần thực hiện trước đó kiểm định Levene Test để kiểm định sự bằng nhau của hai phương sai của hai tổng thể, với:
H0: khơng có khác biệt có ý nghĩa của hai phương sai tổng thể. H1: có khác biệt có ý nghĩa của hai phương sai tổng thể.
Nếu giá trị Sig. trong kiểm định Levene Test < 0,1. Ta bác bỏ giả thuyết H0: khơng có khác biệt có ý nghĩa của hai phương sai tổng thể ở mức ý nghĩa 10%. Tức là phương sai hai tổng thể có khác nhau.
2.3. TIẾN TRÌNH NGHIÊN CỨU
Nghiên cứu sẽ được thực hiện theo trình tự như sau:
Hình 1: Sơ đồ trình tự tiến hành nghiên cứu
Nguồn: Tác giả
Mục tiêu nghiên cứu
Xác định nhu cầu thông tin
Chọn thang đo và xây dựng bảng câu hỏi
Tiến hành khảo sát chính thức
Kiểm định thang đo
Phân tích nhân tố
Phân tích hồi quy Binary logistic
Thống kê mơ tả Kiểm định One- way
ANOVA
CHƯƠNG 3
KHÁI QUÁT VỀ ĐỊA BÀN NGHIÊN CỨU VÀ CÁC SỞ, BAN, NGÀNH CẤP THÀNH PHỐ CHỊU SỰ QUẢN LÝ CỦA UBND
TP CẦN THƠ