3.3.1 Làm sạch dữ liệu:
Trước khi xử lý – phân tích dữ liệu, các bảng câu hỏi được kiểm tra để loại bỏ những phiếu trả lời sót, phiếu trả lời mâu thuẫn. Số liệu sau khi nhập vào máy tính được kiểm tra lỗi nhập dữ liệu (sai, sót, thừa), loại bỏ những quan sát có điểm số bất thường bằng các phép kiểm định thống kê mô tả (bảng tần số, bảng kết hợp).
3.3.2 Kiểm định thang đo bằng hệ số Cronbach Alpha
Hệ số Cronbach’s alpha là một phép kiểm định thống kê về mức độ chặt chẽ mà các mục hỏi trong thang đo tương quan với nhau (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005), hệ số này đánh giá độ tin cậy của phép đo dựa trên sự tính toán phương sai của từng item và tính tương quan điểm của từng biến với điểm của tổng các biến còn lại của phép đo. Hệ số Cronbach Alpha trích trong (Nguyễn Đình Thọ
& Nguyễn Thị Mai Trang, 2007) được tính theo công thức sau:
α = (1 )
1 2
1 2
T k
i i
k k
Trong đó:
α : Hệ số Cronbach’s alpha k : Số mục hỏi trong thang đo
2
T : Phương sai của tổng thang đo
2
i : Phương sai của mục hỏi thứ i
Nhiều nhà nghiên cứu đồng ý rằng hệ số alpha của từng thang đo từ 0.8 trở lên đến gần 1 thì thang đo lường là tốt, từ 0.7 đến gần 0.8 là sử dụng được. Cũng có nhà nghiên cứu đề nghị rằng hệ số alpha từ 0.6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang nghiên cứu là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu (Nunnally, 1978; Peterson, 1994; Slater, 1995 dẫn theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005). Vì vậy, đối với nghiên cứu này thì hệ số alpha từ 0.6 trở lên là chấp nhận được.
Khi đánh giá độ phù hợp của từng biến, những biến nào có hệ số tương quan biến tổng (item-total correlation) lớn hơn hoặc bằng 0.3 được coi là những biến có độ tin cậy bảo đảm (Nguyễn Công Khanh, 2005), các biến có hệ số tương quan biến tổng nhỏ hơn 0.3 sẽ bị loại bỏ ra khỏi thang đo.
3.3.3 Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis)
Sau khi đánh giá độ tin cậy của thang đo bằng hệ số Cronbach alpha và loại bỏ các biến không đảm bảo độ tin cậy. Phân tích nhân tố khám phá (EFA) là
phương pháp được sử dụng nhằm thu nhỏ và tóm tắt các dữ liệu. Trong phân tích này sử dụng phương pháp principal axis factoring với phép xoay promax và điểm dừng khi trích các yếu tố có eigenvalue ≥ 1 được sử dụng. Trong quá trình phân tích EFA các nhân tố, thang đo không đạt yêu cầu sẽ bị loại. Tiêu chuẩn chọn là:
- Các nhân tố phải có hệ số tải nhân tố (factor loading) > 0,4;
- Tổng phương sai trích ≥ 50% (Trần Thị Kim Loan, 2009);
- Hệ số của phép thử KMO (Kaiser-Meyer-Olkin of Sampling Adeqacy) > 0,5;
- Phép thử Bartlett (Bartlett Test of Sphericity) có mức ý nghĩa <0,05 (Hair và cộng sự, 2006 dẫn theo Lê Văn Huy, 2009).
3.3.4 Kiểm định hệ số tương quan và phân tích hồi quy bội
Để kiểm định mối quan hệ thỏa mãn đối với công việc và dự định nghỉ việc của giảng viên trong mô hình nghiên cứu, sử dụng phương pháp tương quan với hệ số tương quan Pearson (r). Nếu r > 0 thể hiện tương quan đồng biến, ngược lại, r < 0 thể hiện tương quan nghịch biến. Giá trị r = 0 chỉ ra rằng hai biến không có mối liên hệ tuyến tính.
│r│ 1: quan hệ giữa hai biến càng chặt
│r│ 0: quan hệ giữa hai biến càng yếu Mức ý nghĩa “sig” của hệ số tương quan như sau:
- < 5 % : mối tương quan khá chặt chẽ - < 1 % : mối tương quan rất chặt chẽ - >5 % : có tương quan ít
- > 10 %: không có mối tương quan.
Sau khi kiểm định mối tương quan, đề tài tiếp tục sử dụng phương pháp hồi quy bội để dự đoán cường độ tác động của sự thỏa mãn trong công việc đến dự định nghỉ việc của giảng viên. Mô hình dự đoán có thể là:
Yi = β0 + β1X1i + β2X2i + β3X3i + … + βkXki + i Trong đó:
Yi: biến phụ thuộc Xk: các biến độc lập β0: hằng số
βk: các hệ số hồi quy
i: thành phần ngẫu nhiên hay yếu tố nhiễu Các điều kiện phân tích hồi quy tuyến tính bội :
- Hệ số R2 và R2 điều chỉnh để đánh giá độ phù hợp của mô hình. Chấp nhận giá trị: R2 ≥ 0,5 (mô hình hồi quy tuyến tính đã xây dựng phù hợp với tập dữ liệu đến mức ≥ 50%).
- Kiểm định độ phù hợp của mô hình hồi quy ở mức ý nghĩa 5% : o Giả thuyết Ho : β1 = β2 = β3 = β4 = 0
o Phát biểu Ho : tất cả các hệ số hồi quy của các biến độc lập đều bằng không (ngoại trừ hằng số).
o Trị thống kê F có mức ý nghĩa ≤ 0,05, có thể bác bỏ giả thuyết Ho
một cách an toàn, nghĩa là các hệ số hồi quy khác không, mô hình hồi quy tuyến tính bội phù hợp với tập dữ liệu và có thể được sử dụng.
- Ý nghĩa của hệ số hồi quy riêng từng phần: βk đo lường sự thay đổi giá trị trung bình Y khi Xk thay đổi một đơn vị, các biến độc lập còn lại không thay đổi.
- Hiện tượng đa cộng tuyến : sử dụng công cụ Variance inflation factor – VIF để kiểm tra hiện tượng đa cộng tuyến. Điều kiện VIF <10 : không có hiện tượng đa cộng tuyến.
3.3.5 Phân tích phương sai ANOVA, Independent sample T-Test
Phân tích phương sai ANOVA, Independent sample T-Test để kiểm định giả thuyết có hay không sự khác nhau về sự định nghỉ việc của giảng việc giữa các khoa, giữa nam và nữ, và trình độ học vấn.
Trước khi tiến hành phân tích ANOVA, tiêu chuẩn Levence được tiến hành để kiểm tra giả thuyếtbằng nhau của phương sai trong các nhóm với xác suất ý nghĩa
Sig. (Significance) là 5%. Trong phép kiểm định này, nếu xác suất ý nghĩa lớn hơn 5% thì chấp nhận tính bằng nhau của các phương sai nhóm.
Tiêu chuẩn Fisher F trong phép phân tích phương sai ANOVA với mốc để so sánh các xác suất ý nghĩa Sig. là 5% được áp dụng. Trong phép kiểm định này, nếu xác suất ý nghĩa nhỏ hơn 5% thì ta có quyền bác bỏ giả thuyết: không có sự khác nhau về dự định nghỉ việc của các giảng viên theo giới tính, trình độ chuyên môn, đơn vị công tác, và mức thu nhập hàng tháng .
3.3.6 Thống kê mô tả
Thống kê mô tả cho phép các nhà nghiên cứu trình bày các dữ liệu thu được dưới hình thức cơ cấu và tổng kết (Huysamen, 1990). Các thống kê mô tả sử dụng trong nghiên cứu này để để biết điểm trung bình của các thành phần trong thang đo sự thỏa mãn trong công việc và dự định nghỉ việc của giảng viên.
Tóm tắt chương 3:
Chương này đã trình bày phương pháp tiến hành nghiên cứu bao gồm: (1) thiết kế nghiên cứu; (2) quy trình nghiên cứu; (3) các phương pháp để xử lý số liệu.
Ngoài ra, chương này đã xây dựng được thang đo thỏa mãn đối với công việc gồm 25 biến quan sát và thang đo dự định nghỉ việc của giảng viên gồm 4 biến quan sát.
Hình 4.1: Biểu đồ tỷ lệ giảng viên theo khoa