CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
3.4. Phương pháp phân tích
Thống kê mô tả mẫu được sử dụng để mô tả những đặc tính cơ bản của dữ liệu thu thập được từ nghiên cứu chính thức.
Các đại lượng thống kê mô tả (mean, sum, Std, deviation, minimum, maximum, SE mean) chỉ được tính đối với các biến định lượng, nếu sử dụng biến định tính sẽ không có ý nghĩa.
❖ Giá trị trung bình (mean): bằng tổng các giá trị chia cho tổng số quan sát và chịu sự tác động của các giá trị ở mỗi quan sát.
❖ Phương sai (Variance): đo lường mức độ phân tán của mẫu quan sát xung quanh giá trị trung bình, phương sai càng lớn thì tính đại diện càng nhỏ.
❖ Độ lệch chuẩn (Standard deviation): bằng căn bậc hai của phương sai, giúp làm nhỏ giá trị phương sai để dễ dàng diễn giải kết quả.
3.4.2. Phân tích độ tin cậy của các thang đo thông qua hệ số Cronbach Alpha
Thành phần của các biến đưa vào nghiên cứu cần được kiểm tra xem biến
29
nào đóng góp vào việc đo lường khái niệm nghiên cứu và những biến nào không. Điều này liên quan đến hai phép tính toán là tương quan giữa bản thân các biến với nhau và tương quan của điểm số của từng biến đối với điểm số của toàn bộ các biến cho một người trả lời. Và hệ số Cronbach alpha là một phép kiểm định thống kê về mức độ chặt chẽ và tương quan giữa các biến quan sát trong thang đo.
Phân tích giá trị và độ tin cậy của thang đo. Hệ số Cronbach's Alpha được sử dụng để đánh giá độ giá trị của thang đo; nếu hệ số Cronbach's Alpha của nhóm lớn hơn 0,6 và hệ số tương quan giữa tổng biến của các biến quan sát ( Corrected Item-Total Correlation) lớn hơn 0,3 thì tham số không phù hợp sẽ bị loại bỏ.
Hệ số tương quan biến tổng là hệ số cho biết mức độ “liên kết” giữa một biến quan sát trong nhân tố với các biến còn lại. Nó phản ánh mức độ đóng góp vào giá trị khái niệm của nhân tố của một biến quan sát cụ thể. Tiêu chuẩn để đánh giá một biến có thực sự đóng góp giá trị vào nhân tố hay không là hệ số tương quan biến tổng phải lớn 0,3.
Các biến có hệ số tương quan biến tổng (Corrected item total correlation) nhỏ hơn 0,3 sẽ bị loại.
Thang đo được đánh giá chất lượng tốt khi: Hệ số Cronbach’s Alpha của tổng thể lớn hơn 0,6 và Hệ số tương quan biến-tổng của các biến quan sát (Corrected Item- Total Correlation) lớn hơn 0,3 (Đinh Phi Hổ (2014)).
3.4.3. Phân tích nhân tố khám phá (EFA)
Phương pháp phân tích EFA thuộc nhóm phân tích đa biến phụ thuộc lẫn nhau, nghĩa là không phân biệt biến phụ thuộc và biến độc lập mà nó dựa vào mối tương quan giữa các biến với nhau. Phương pháp EFA dùng để rút gọn một tập k biến quan sát thành một tập F (F<k) các nhân tố ý nghĩa hơn (Hair và cộng sự, 2007). Cơ sở của việc rút gọn này dựa vào mối quan hệ tuyến tính
30
của các nhân tố với các biến quan sát.
Một số tiêu chí để kiểm định trong phân tích nhân tố khám phá:
❖ đánh giá khả năng tồn tại của mô hình EFA để sử dụng với dữ liệu nghiên cứu thực tế bằng cách sử dụng số liệu KMO (Kaiser, Meyer, Olkin).
Phân tích nhân tố khám phá phù hợp với dữ liệu thực khi giá trị KMO thỏa mãn yêu cầu: 0,5 KMO 1.
❖ Kiểm tra tương quan bằng cách sử dụng thước đo đại diện của các biến được quan sát: Kiểm tra Bartlett được sử dụng để xác định mức độ liên kết chặt chẽ giữa các biến được quan sát với nhau trên thang đo (hệ số). Các biến được quan sát có mối tương quan tuyến tính với yếu tố đại diện khi ngưỡng ý nghĩa của phép thử Bartlett (Significance, Sig.) nhỏ hơn 0,05.
❖ Kiểm tra mức độ mà các biến quan sát có thể giải thích cho yếu tố: Để xác định mức độ giải thích của các biến quan sát theo yếu tố, hãy sử dụng phương sai được trích xuất (% phương sai tích lũy). Giá trị của phương sai được truy xuất phải cao hơn 50%. Ví dụ: nếu phương sai được trích xuất là 65% thì các biến được quan sát (các phần của Yếu tố) chiếm 65% độ biến thiên của các nguyên nhân.
3.4.4. Phân tích tương quan Pearson
Mục tiêu của phân tích tương quan là đo lường cường độ của mối quan hệ giữa hai biến và trong phân tích tương quan, X và Y được xem là hai biến ngẫu nhiên “ngang nhau” – không phân biệt biến độc lập và biến phụ thuộc. Tương quan tuyến tính giữa hai biến và là khái niệm thể hiện mức độ của mối liên hệ tuyến tính giữa 2 biến.
Có một số loại hệ số tương quan, mỗi loại lại có định nghĩa riêng, phạm vi sử dụng và đặc tính riêng. Tất cả đều giả định các giá trị nằm trong phạm vi chạy từ −1 đến +1, trong đó ± 1 biểu thị hai biến số có mối tương quan tuyệt đối có thể và 0 chỉ hai biến số không có liên hệ gì với nhau. Là công cụ phân
31
tích, các hệ số tương quan thể hiện một số vấn đề nhất định, bao gồm khuynh hướng của một số loại yếu tố nhiễu bởi ngoại lai và khả năng được sử dụng tương đối để suy ra mối quan hệ nhân quả giữa các biến số.
3.4.5. Phân tích hồi quy đa biến
Phương pháp phân tích hồi quy được sử dụng để kiểm định mô hình nghiên cứu và các giả thuyết nghiên cứu đã đề xuất.
❖ Kiểm tra tương quan từng phần của hệ số hồi quy: Mục đích của kiểm tra này là để xác định xem có mối tương quan đáng kể giữa các biến độc lập và biến phụ thuộc hay không (lấy riêng từng biến độc lập). Bất cứ khi nào mức ý nghĩa của hệ số tuyến tính không đầy đủ (Sig.) có mức độ tin cậy ít nhất là 95%
(Sig. 0,05), chúng tôi rút ra kết luận rằng mối quan hệ giữa biến phụ thuộc và biến là quan trọng về mặt khoa học. dựa dẫm.
❖ Thích hợp cho: Kiểm tra mối liên hệ nhân quả giữa các biến độc lập và phụ thuộc là mục tiêu của thử nghiệm này. Mô hình được coi là chấp nhận được nếu có ít nhất một hệ số hồi quy lớn hơn 0 và không phù hợp nếu mọi hệ số hồi quy đều bằng 0.
❖ H0: Tất cả các hệ số hồi quy đều bằng 0; H1: Ít nhất một hệ số hồi quy không bằng 0.
❖ Kiểm định bằng phân tích phương sai (ANOVA). Mô hình được coi là phù hợp nếu mức độ phù hợp có mức độ thuyết phục ít nhất là 95% (Sig. 0,05), chấp nhận giả thuyết H1..
3.4.6. Kiểm định sự khác biệt giá trị trung bình của các tổng thể con kiểm tra khả năng khái quát hóa ở cấp độ dân số của giá trị trung bình mẫu về mức độ gắn kết của NV. Kiểm tra xem có sự khác biệt trong gắn kết của NV đối với tổ chức giữa các nhóm công nhân được phân chia theo độ tuổi, giới tính, năng lực, TN, số giờ làm việc và vị trí trong công ty bằng cách so sánh phương tiện của tổng thể.
32
Nhiều bài kiểm tra hồi quy và một bài kiểm tra không theo tiêu chuẩn được sử dụng để kiểm tra sự khác biệt về mức độ gắn kết của NV giữa các nhóm dân số được chia theo độ tuổi, trình độ học vấn, giới tính, doanh thu, giờ làm việc và địa điểm làm việc. Kỹ thuật kiểm tra T mẫu độc lập được sử dụng đặc biệt để kiểm tra sự khác biệt về mức độ gắn kết của NV với doanh nghiệp giữa nam và nữ. ANOVA được sử dụng để đánh giá xem có sự khác biệt về mức độ hài lòng của NV với công ty giữa các nhóm dân cư được phân chia theo các yếu tố như giới tính, tuổi tác, trình độ học vấn, TN, giờ làm việc, vị trí công việc, kỹ thuật kiểm soát, v.v. Trước khi xem xét sự khác biệt trung bình, Thử nghiệm Levene cũng được thực hiện để đảm bảo rằng phương sai của các quần thể được phân phối bình thường.
TÓM TẮT CHƯƠNG 3
Chương này thảo luận về các chủ đề phương pháp nghiên cứu khác nhau, bao gồm quy trình nghiên cứu, xây dựng thang đo, dân số và kỹ thuật lấy mẫu, thu thập và phân tích dữ liệu, phân tích dữ liệu bằng chương trình thống kê SPSS, bao gồm đánh giá thang đo thống kê mô tả, phân tích các yếu tố, ma trận tương quan, hồi quy phương pháp phân tích, và cuối cùng kiểm tra sự chênh lệch giữa các đại diện dân số.
33