CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
3.3. Kỹ thuật phân tích dữ liệu thống kê
"Sử dụng phần mềm SPSS 20.0 để kiểm định độ tin cậy thang đo và thực hiện các thống kê suy diễn trong việc thống kê, phân tích dữ liệu sau khi thu thập được.."
3.3.1. Thống kê mô tả
Sử dụng các phương pháp quan sát suy luận. Tính tần số, điểm trung bình để phân tích các dữ liệu liên quan nhằm xác định mức độ tác động của các nhân tố đến động lực làm việc của công chức.
3.3.2. Kiểm định độ tin cậy của thang đo
Việc xây dựng, kiểm định độ tin cậy thang đo của các nhân tố tạo động lực làm việc là mục tiêu của đề tài. Hệ số Cronbach’s Alpha và phân tích nhân tố là hai công cụ xác định sẽ giúp chúng ta thực hiện mục tiêu này.
3.3.2.1. Phân tích hệ số Cronbach’s Alpha
"Xây dựng và đo lường các nhân tố ảnh hưởng dựa trên hệ số tin cậy Cronbach’s Alpha. Hệ số Cronbach’s Alpha và phân tích nhân tố là hai công cụ
dùng để kiểm định độ tin cậy của thang đo (các biến) và được sử dụng trước nhằm loại các biến không phù hợp. Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2005) thì nhiều nhà nghiên cứu đồng ý rằng khi hệ số Cronbach’s Alpha từ 0.8 trở lên đền gần 1 là thang đo tốt, từ 0.7 đến gần 0.8 là sử dụng được. Trong đề tài này, chỉ những nhân tố nào có hệ số Cronbach’s Alpha lớn hơn 0.6 được xem là thang đo có độ tin cậy và được giữ lại. Ngoài ra, quan hệ tương quan biến tổng được chấp nhận những biến có hệ số lớn hơn 0.3 được giữ lại."
3.3.2.2. Phân tích nhân tố EFA
"Trong quá trình xây dựng thang đo lường các khía cạnh khác nhau của khái niệm nghiên cứu, kiểm tra tính đơn khía cạnh của thang đo lường (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005) thường dùng phân tích nhân tố. Phân tích nhân tố giúp ta rút gọn tập nhiều biến thành một tập tương đối ít biến và kiểm tra độ kết dính, độ tin cậy của các biến trong cùng một thang đo."
"Trước khi thực hiện phân tích các nhân tố phải tiến hành kiểm tra xem phương pháp này có phù hợp không. Tính hệ số KMO and Bartlett’s Test dùng để kiểm định giả thuyết H0 là các biến không có tương quan trong tổng thể còn KMO dùng để kiểm tra xem với kích cỡ mẫu ta có được có phù hợp với phân tích nhân tố hay không. Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2005) giá trị KMO từ 0.5 đến 1 có nghĩa là phân tích nhân tố là thích hợp."
Trong nghiên cứu này phân tích nhân tố chính được dùng để phân tích nhân tố, những nhân tố được trích ra có giá trị Eigenvalue lớn hơn 1 sẽ giữ lại trong mô hình phân tích.
"Ta khó thấy được biến quan sát nào giải thích cho nhân tố nào, do vậy ta cần xoay các nhân tố hệ số tải nhân tố ở ma trận nhân tố. Dùng phương pháp xoay nhân tố Varimax procedure, xoay nguyên góc các nhân tố để tối thiểu hóa số lượng biến số có hệ số lớn tại cùng một nhân tố, sẽ tăng cường khả năng giải thích các nhân tố, sau khi xoay ta sẽ loại bỏ các biến có hệ số tải nhân tố nhỏ hơn 0.5, những hệ số tải lớn hơn 0.5 thì mới sử dụng để giải thích một nhân tố."
3.3.3. Hệ số tương quan và phân tích hồi quy tuyến tính
"Ta xem xét trước hệ số tương quan giữa động lực làm việc với các nhân tố tạo động lực, nếu hệ số tương quan giữa biến phụ thuộc và các biến độc lập lớn chứng tỏ chúng có mối quan hệ với nhau và phân tích hồi quy tuyến tính có thể phù hợp. Tiếp theo, thực hiện phân tích hồi quy tuyến tính đa biến với phương pháp bình phương nhỏ nhất thông thường (ordinal Least Squares – OLS) trong đó biến phụ thuộc là động lực làm việc, biến độc lập dự kiến sẽ là sự thõa mãn đối với cơ hội thăng tiến, đặc điểm công việc, điều kiện làm việc, chính sách phúc lợi, môi trường làm việc, quan hệ công việc. Phân tích hồi quy tuyến tính sẽ giúp chúng ta biết được cường độ ảnh hưởng của các biến độc lập lên biến phụ thuộc.""
Phương trình hồi quy dự kiến
Y= α + β1 X1+ β2 X2 + β3 X3+ β4 X4 +β5 X5 + β6 X6 +β7 X7 + β8 X8
Trong đó:
• X1: Đặc điểm công việc
• X2: Cơ hội thăng tiến
• X3: Đóng góp cá nhân
• X4: Quan hệ công việc
• X5: Điều kiện làm việc
• X6: Môi trường làm việc
• X7: Chính sách tiền lương
• X8: Chính sách phúc lợi
• α: Hệ số tự do
• β1,β2,β3,β4,β5,β6,β7,β8 là các hệ số gốc
"Sử dụng phương pháp Stepwise Selection để tiến hành phân tích mô hình hồi
qui. Đây là phương pháp được sử dụng thông thường nhất, đây là sự kết hợp của hai phương pháp đưa vào dần và loại trừ dần.
Để đánh giá độ phù hợp của mô hình ta dùng các công cụ như tính hệ số xác định R2, kiểm định F và kiểm định t. Cuối cùng, chúng ta xem sự vi phạm đa cộng tuyến của mô hình: bằng cách tính độ chấp nhận của biến (Tolerances) và hệ số phóng đại phương sai (Variance Iflation – VIF)."
Kết luận chương 3
Chương này trình bày quy trình nghiên cứu, thiết kế nghiên cứu, kỹ thuật thực hiện phân tích dữ liệu trong thống kê và đưa ra phương trình hồi quy dự kiến.
Chương 04 sẽ trình bày phương pháp thực hiện nghiên cứu để kiểm định các giả thuyết của mô hình nghiên cứu đề xuất.
Chương 4