Biến quan sát Trung bình thang đo nếu loại biến Phương sai thang đo nếu loại biến Tương quan biến tổng Cronbach's Alpha nếu loại biến Anh/chị cảm thấy hài lịng khi làm
việc tại cơng ty 6.69 3.346 .431 .531
Anh/chị sẽ giới thiệu mọi người đây
là nơi làm việc tốt nhất 6.91 3.489 .468 .481
Anh/chị rất tự hào khi làm việc ở đây 6.75 3.553 .405 .567
Cronbach’s Alpha =0.625
[Nguồn: Điều tra của tác giả] Nhận xét: Qua việc đánh giá độ tin cậy của các thang đo thông qua hệ số Cronbach’s Alpha ta thấy chỉ có thang đo “mơi trường làm việc” có độ tin cậy nhỏ hơn 0.6 nên thang đo này sẽ bị loại khỏi mơ hình nghiên cứu. Bên cạnh đó các biến quan sát trong mỗi thang đo đều có hệ số tương quan biến tổng lớn hơn 0.3 ngoại trừ biến “tiền lương được trả đầy đủ và đúng hạn” có hệ số tương quan biến tổng nhỏ hơn 0.3 nên biến này cũng bị loại khỏi mơ hình nghiên cứu tiếp theo.
2.5.2. Phân tích nhân tố
2.5.2.1. Kết quả của phân tích nhân tố
Phân tích nhân tố được sử dụng khi hệ số KMO (Kaiser- Meyer-Olkin) có giá trị từ 0.5 trở lên (Othman & Owen, 2000).
Hệ số truyền tải là chỉ tiêu để đảm bảo mức ý nghĩa của EFA. Theo Hair & ctg (1998) hệ số truyền tải (factors loading) nhỏ hơn 0.5 hoặc khác biệt giữa hai nhân tố nhỏ hơn 0.3 sẽ bị loại. Điểm dừng Eigenvalue (đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố) lớn hơn 1 và tổng phương sai trích (Cumulative % Extraction Sums of Squared Loadings) phải lớn hơn 50% (Gerbing & Anderson,1998) [4].
Phương pháp trích “Principal Components” với phép xoay “Varimax” được sử dụng trong phân tích nhân tố. Sau giai đoạn đánh giá độ tin cậy của thang đo ta loại nhân tố “môi trường làm việc” và biến quan sát “tiền lương được trả đầy đủ và đúng hạn”. Ta tiến hành phân tích nhân tố với 19 biến quan sát độc lập. Q trình phân tích nhân tố được thực hiện qua các bước sau:
Bước 1: 19 biến quan sát được đưa vào phân tích nhân tố EFA theo tiêu chuẩn Eigenvalue lớn hơn 1 kết quả đã có 4 nhân tố được rút trích. Tổng phương sai trích bằng 56.507%, điều này cho biết 4 nhân tố này giải thích được 56.507% biến thiên của dữ liệu. Mặt khác kết quả cho thấy hệ số KMO bằng 0.877 lớn hơn 0.5 nên đạt yêu cầu. Trong phép xoay Varimax ta sẽ loại những biến nào có hệ số truyền tải nhỏ hơn 0.5 hoặc khác biệt giữa hai nhân tố nhỏ hơn 0.3. Kết quả có ba biến khơng đạt u cầu đó là biến “người lao động được đối xử cơng bằng”, biến “anh/ chị có thể sống hoàn toàn dựa vào thu nhập trong công ty” và biến “anh chị có nhiều cơ hội thăng tiến khi làm việc tại công ty”. Tuy nhiên ta sẽ loại biến quan sát “anh chị có thể sống hồn tồn dựa vào thu nhập trong cơng ty” đầu tiên vì có hệ số truyền tải nhỏ hơn các biến còn lại. (Phụ lục B-1).
Bước 2: Sau khi loại biến “anh chị có thể sống hoàn toàn dựa vào thu nhập trong công ty” 18 biến quan sát còn lại được đưa vào phân tích nhân tố với tiêu chuẩn Eigenvalue lớn hơn 1 kết quả đã có 4 nhân tố được rút trích. Tổng phương sai trích bằng 58.432% điều này cho biết 4 nhân tố này giải thích được 58.432% biến thiên của dữ liệu. Mặt khác kết quả cho thấy hệ số KMO bằng 0.877 lớn hơn 0.5 nên đạt yêu cầu. Trong phép xoay Varimax ta sẽ loại những biến nào có hệ số truyền tải nhỏ hơn 0.5 hoặc khác biệt giữa hai nhân tố nhỏ hơn 0.3. Kết quả cho thấy hệ số truyền tải của biến “người lao động được đối xử công bằng” và biến “anh chị có nhiều cơ hội thăng tiến khi làm việc tại công ty” không đạt yêu cầu. Tuy nhiên ta sẽ loại biến “người lao động được đối xử cơng bằng” trước vì có hệ số truyền tải nhỏ hơn. (Phụ lục B-2).
Bước 3. Sau khi loại biến “người lao động được đối xử công bằng” 17 biến quan sát còn lại ta tiếp tục đưa vào phân tích nhân tố với tiêu chuẩn như trên. Kết quả có 4 nhân tố được rút trích với tổng phương sai trích bằng 60.068% điều này cho biết 4 nhân tố này giải thích được 60.068% biến thiên của dữ liệu. Mặt khác hệ số KMO bằng 0.883 lớn hơn 0.5 nên đạt yêu cầu. Với phép xoay Varimax ta sẽ loại những biến nào có hệ số truyền tải nhỏ hơn 0.5 hoặc khác biệt giữa hai nhân tố nhỏ hơn 0.3. Kết quả có biến “anh chị có nhiều cơ hội thăng tiến khi làm việc tại công ty” không đạt yêu cầu (Phụ lục B-3).
Bước 4. Sau khi loại biến quan sát “anh chị có nhiều cơ hội thăng tiến khi làm việc tại cơng ty” 16 biến cịn lại ta tiếp tục một lần nữa đưa vào phân tích nhân tố với tiêu chuẩn như trên. Kết quả có 4 nhân tố được rút trích với tổng phương sai trích bằng 60.820% điều này cho biết 4 nhân tố này giải thích được 60.820% biến thiên của dữ liệu. Mặt khác ta thấy hệ số KMO bằng 0.875 lớn hơn 0.5 nên đạt yêu cầu. Với phép xoay Varimax ta thấy tất cả các quan sát có hệ số truyền tải đều lớn hơn 0.5 (Phụ lục B-4).