Việc thu thập thông tin sẽ được thực hiện theo phương pháp chọn mẫu thuận tiện, bảng câu hỏi được giao trực tiếp cho các đối tượng thông qua kênh phân phối, gửi email và qua mạng xã hội. Dựa theo nghiên cứu của Hair, Anderson, Tatham và Black (1998) cho tham khảo v`êkích thước mẫu dự kiến. Theo đó kích thước mẫu tối thiểu là gấp 5 Ln tổng số biến quan sát (n=5*m, m là số lượng câu hỏi đi *âi tra), hoặc n=50 +m'*8, m là số biên độc lập. Đây là cỡ mẫu phù hợp cho nghiên cứu có sử dụng phân tích nhân tố (Comrey, 1973; Roger, 2006). .
Theo công thức trên, số lượng mẫu c3 thu thập c3n thiết tối thiểu là 150 mẫu. Tuy nhiên, để đảm bảo chất lượng mẫu điâi tra, tác giả đã tăng kích cỡ mẫu, với số lượng mẫu dự kiến khoảng từ 200 mẫu đến 350 mẫu. Số lượng phiếu được phát ra là 350 phiết.
3.1.2.2. Thiết kế bảng câu hỏi
Dựa vào các thang đo và các biến quan sát từ các nghiên cứu trước, tác giả xây dựng thang đo nháp. Dựa trên thang đo nháp, tiến hành thảo luận nhóm với các chuyên gia, nhằm đi `âi chỉnh và bổ sung một số biến quan sát của thang đo nhằm phù hợp với thực tiễn của đ ềtài.
Các biến quan sát được đo lường bằng thang đo Liker 5 mức độ: “Rất không đồng ý”, “ Không đ ông ý”, “Irung lập”, “Ð ng ý”, “Rất đ ông ý”.
Câu hỏi đánh giá các câu trả lời cho phù hợp: Rất không đ ng ý = 1, không đồng ý = 2, trung lập = 3, đ ông ý = 4, rất đồng ý = 5.
Phương pháp phân tích số liệu, kiểm định giả thuyết và mô hình nghiên cứu
Sau khi thu thập xong dữ liệu, các bảng phỏng vấn được xem xét và loại những bảng không đạt yêu c1, mã hoá, nhập liệu và làm sạch bằng ph ầm m`ềần SPSS 16.
- _ 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 không hợp lệ. Số liệu 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 tầng số, bảng kết hợp).
- _ Thống kê mô tả mẫu nghiên cứu
Trước hết tác giả phân tích thống kê mô tả cho mẫu nghiên cứu, 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, 1993). Các thống kê mô tả sử dụng trong nghiên cứu này để phân tích, mô tả dữ liệu bao g ôn các tầng số, tỷ lệ, giá trị trung bình, độ lệch chuẩn...
Ý nghĩa của các đại lượng khi phân tích thống kê mô tả mẫu:
- Mean: Giá trị trung bình cộng của mẫu.
- Mode: Giá trị xuất hiện thường xuyên nhất trong mẫu.
- Sum: Tổng số mẫu.
- ST, Deviation: Độ lệch chuẩn, đo mức độ phân tán của tập mẫu.
Khi hai tập dữ liệu có cùng giá trị trung bình cộng, tập nào có độ lệch chuẩn lớn hơn thì tập đó có độ biến thiên nhi`âi hơn. Trong trưởng hợp hai tập dữ liệu có giá trị trung bình cộng không bằng nhau, thì việc so sánh độ lệch chuẩn của chúng ta không có ý nghĩa.
- Range: Là vùng dữ liệu, khoảng cách giữa giá trị mum và giá trị
max.
- Min: Giá trị nhỏ nhất trong mẫu.
- Max: Giá trị lớn nhất trong mẫu.
- S.Emean: Là sai số chuẩn khi dùng giá trị trung bình mẫu để ước lượng giá trị trung bình của tổng thể.
- Frequency: T ng số của từng biểu hiện, tính bằng cách đếm và cộng d ân.
- Percent: Tân suất tính theo tỷ lệ phẦn tram (%).
- Valid Percent: Phần trăm hợp lệ, tính trên số quan sát có thông tin trả lời.
- Cumulative Percent: Phần trăm tích lũy do cộng dồn từ trên xuống, cho biết có bao nhiéu ph % trăm đối tượng đang ở mức độ nào đó trở xuống.
Việc xử lý dữ liệu bao gân các công việc: kiểm tra độ chính xác của các dữ liệu, nhập dữ liệu vào máy tính, chuyển đổi dữ liệu...
Số liệu thống kê mô tả được sử dụng để mô tả các đặc điểm cơ bản của dữ liệu, cung cấp bảng tóm tất đơn giản vê mẫu và các phép đo. Với phân tích đ`ôhoạ đơn giản, thống kê mô tả là cơ sở của h`ầi hết các phân tích định lượng. Thống kê mô tả được sử dụng để mô tả dữ liệu: dữ liệu là gì và
cho biết đi gi.
Thống kê mô tả được sử dụng để trình bày một mô tả định lượng theo mẫu. Thống kê mô tả giúp đơn giản hoá một lượng dữ liệu lớn một cách hợp lý. Mỗi thống kê mô tả giúp giảm dữ liệu một cách đáng kể bằng cách cung cấp một bảng tóm tất đơn giản.
3.1.3. Kiểm định độ tin cậy Cronbach’s Alpha Hệ số Alpha của Cronbach là một đại lượng có thể được sử dụng trước hết để đo lưỡng độ tin cậy của các nhân tố và để loại ra các biến quan sát không đảm bảo độ tin cậy trong thang đo. Đi âi kiện tiêu chuẩn chấp nhận cỏc biến ứ õn cú 2 đi õi kiện: Thứ nhất, những biến cú hệ số tương quan biến tổng phù hợp (Corrected Item — Total Correlation) > 0.3 tro lén. Tht hai, các hệ s& Cronbach ‘s Alpha ctia các biến phải từ 0.7 trở lên va >=
Cronbach“s Alpha ¡f Item Deleted. Thỏa mãn 2 đi âi kiện trên thì các biến phân tích được xem là chấp nhận và thích hợp đưa vào phân tích những bước tiếp theo (Nunnally va BernStein, 1994).
Hé s& Cronbach “s Alpha là một phép kiém dinh théng ké v émtre dé chặt chế mà các mục hỏi trong thang đo tương quan với nhau (Hoàng Trọng và 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 mục hỏi và tính tương quan điểm của từng mục hỏi với điểm tổng các mục hỏi còn lại của phép đo. Hệ số Cronbach”s Alpha (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2007) được tính theo công thức sau:
a= 7, (1+) i=l
k — l ỉ T
Trong đó:
7 :Hệ số Cronbach”s Alpha k : Số mục hỏi trong thang đo F1,° : Phương sai của tổng thang đo
EH”: Phương sai của mục hỏi thứ ¡
Các tiêu chí được sử dụng khi thực hiện đánh giá độ tin cậy thang đo:
- Loại các biến quan sát có hệ số tương quan biến-tổng nhỏ (nhỏ hơn 03);
tiêu chuẩn chọn thang đo khi có độ tin cậy Alpha lớn hơn 0,6 (Alpha càng lớn thì độ tin cậy nhất quán nội tại càng cao) (Nunally va Burnstein 1994; dan theo Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2009).
- Các mức giá trị của Alpha: lớn hơn 0,8 là thang đo lưỡng tốt; từ 0/7 đến 0,8 là sử dụng được; từ 0,6 trở lên là có thể sử dụng trong trưởng hợp khái niệm nghiên cứu là mới hoặc là mới trong bối cảnh nghiên cứu (Nunally, 1978;
Peterson, 1994; Slater, 1995: dẫn theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc,
2005).
- Các biến quan sát có tương quan biến-tổng nhỏ (nhỏ hơn 0,4) được xem là biến rác thì sẽ được loại ra và thang đo được chấp nhận khi hệ số tin cậy Alpha đạt yêu cÂi (lớn hơn 0/7).
Kết quả của bước phân tích này được sử dụng cho phân tích EFA tiếp theo.
3.1.4. Phương pháp phân tích nhân tố
Các thang đo đạt yêu cầu v`êđộ tin cậy sẽ được sử dụng phân tích nhân tố để rút gọn một tập g ân nhi âi biến quan sát thành một tập biến (gọi là nhân tố) ít hơn;
dung thông tin của tập biến quan sát ban đầi (Hair, Anderson, Tatham va Black;
1998). Phương pháp phân tích nhân tố EFA được dùng để kiểm định siá trị khái niệm của thang đo (Lê Ngọc Đức, 2008). Kiểm định Bartlett có ý nghĩa thống kê (sig<0.05), chứng tỏ các biến quan sát có tương quan với nhau trong tổng thể.
Xem xét giá trị KMO: 0.5 < KMO < 1 thì phân tích nhân tố là thích hợp với dữ liệu; ngược lại KMO < 0.5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2007).
Để phân tích EEA có giá trị thực tiễn c ần :
Tiến hành loại các biến quan sát có hệ số tải nhân tố KMO < 0.5.
Xem lại thông số Eigenvalues (đại diện cho ph 3n biến thiên được giải thích bởi mỗi nhân tố) có giá trị > 1.
Xem xét giá trị tổng phương sai trích (yêu c`ầ là > 50%): cho biết các nhân tố được trích giải thích được % sự biến thiên của các biến quan sát
Tiêu chuẩn đối với hệ số tải nhân tố là phải lớn hơn hoặc bằng 0.5 để đảm bảo mức ý nghĩa thiết thực của EEA. Các mức giá trị của hệ số tải nhân tố: lớn hơn 0.3 là đạt được mức tối thiểu; lớn hơn 0.4 là quan trọng; lớn hơn 0.5 là có ý nghĩa thực tiễn.
3.1.5. Phương pháp phân tích hổ quy
- Hệ số tương quan Pearson (Pearson Correlation Coefficient)
Hệ số tương quan Pearson (ký hiệu r) là loại đo lưởng tương quan được sử dụng nhi`âi nhất trong khoa học xã hội khi phân tích mối quan hệ giữa hai biến khoảng cách/tỷ lệ (Lê Minh Tiến, 2003). Trong nghiên cứu này, hệ số tương quan Pearson được sử dụng r có giá tri tte [-1,+1] để xác định các yếu tố ảnh hưởng quan trọng đến sự hài lòng của người dân.
Bảng 3.2. Diễn giải hệ số tương quan
Khoản giá trị r Diễn giải
Có ít giá trị thực tiễn trừ khi áp dụng trong các trưởng hợp đặc 0,00 đến + 0,04
biệt, chỉ có giá trị mang tính lý thuyết.
+0,41 đến+0,60_ | Đủ rộng để có thểứng dụng cả v`êlý thuyết và thực tế
+ 0,61 dén + 0,80 Mức quan trọng
+ 0,81 đến cao hơn | Có thể sai lệch tính toán, nếu không đây là mối quan hệ khá
chặt.
Ngu ân: Lê Minh Tiến, 2003
Theo hầi hết các nghiên cứu, kích cỡ tối thiểu có thể chấp nhận được đối với một nghiên cứu tương quan không được dưới 30. Trong nghiên cứu này, dữ liệu được thu thập là 250 mẫu (>30) vì vậy đi`âi kiện ràng buộc v`ềphân phối chuẩn của dữ liệu có thể bỏ qua khi thực hiện kiểm định ý nghĩa thống kê cho hệ số tương quan
r (Lê Minh Tiến, 2003).
Phân tích h'ổ quy tuyến tính để biết được mức độ tác động của các biến độc lập lên biến phụ thuộc. Tử đó, sẽ kiểm tra độ thích hợp của mô hình, xây dựng mô hình h'ổ quy bội để kiểm tra giả thuyết.
Trước tiên, phân tích hệ số tương quan giữa các nhân tố thành phẦn làm tỉ ân đ'êcho phân tích h ` quy. Mục tiêu của phân tích tương quan là tính toán mức độ liên hệ tuyến tính của hai biến số. Phân tích tương quan không chú trọng mối liên hệ nhân quả như phân tích hổ quy nhưng hai phân tích này có mối liên hệ chặt chẽ với nhau và phân tích tương quan được xem như là công cụ hỗ trợ hữu ích cho phân tích h ổ quy.
Phân tích hỗ quy đa biến theo phương pháp bình phương nhỏ nhất thông thưởng (OLS) cho thấy tác động cụ thể của các thành ph đến mức độ gắn kết công việc của nhân viên. Đây là phân tích chính để đạt được các mục tiêu của nghiên cứu
này. Để thực hiện cỏc phõn tớch tương quan và h`ử quy, mỗi khỏi niệm phải là một biến, tức là c3 phải tính điểm số cho từng khái niệm. Nghiên cứu này sẽ sử dụng giá trị trung bình của các biến quan sát làm giá trị của biến thành phn tương ứng. Phân tích hổ quy cho nghiên cứu này được tiến hành như sau: Phương pháp đưa biến vào phân tích h' quy là phương pháp đưa các biến cùng một lượt (phương phap Enter).
Hệ số xác định mô hình R2 hiệu chỉnh được dùng để xác định độ phù hợp của mô hình. Kiểm định F để xem xét mức độ phù hợp của mồ hình hổ quy tuyến tính tổng thể. Kiểm định để bác bỏ giả thuyết các hệ số h`đ quy của tổng thể bằng 0. Ngoài ra, để bảo đảm kết quả là đáng tin cậy, việc dò tìm các vi phạm v`ềgiả định của mô hình h quy tuyến tính được thực hiện. Cụ thể, giả định v`ê quan hệ tuyến tính giữa biến phụ thuộc và biến độc lập sẽ được kiểm tra bằng biểu đ ồphân tán, kiểm định tương quan hang Spearman duoc dùng để đò tìm vi phạm v`ềgiả định phương sai cla ph dư không đổi, giả định v`ề phân phối chuẩn của phần dư được kiểm tra thông qua biểu đồ Histogram và P-P plot, đại lượng thống kêDurbin-Watson được dùng để kiểm tra giả định v`êtính độc lập của ph dư và cuối cùng giả định v`êhiện tượng da cộng tuyến được kiểm tra dựa trên độ chấp nhận của biến (Tolerance) và hệ số phóng dai phwong sai (VIF).
Lệnh h8 quy tuyến tính trong chương trình SPSS 20.0 được sử dụng để chạy phân tích phần m`ần hổ quy. Hệ số xác định (R”) đo lường tỷ lệ tổng biến thiên của biến phụ thuộc được giải thích bởi các biến độc lập trong mô hình. Giá trị R” càng cao thì khả năng giải thích của mô hình hổ quy càng cao và việc dự đoán biến phụ thuộc càng chính xác. Nếu giá trị F có ý nghĩa đáng kế v'êmặt thống kê (sig<0.05), giả thuyết thuần của mối quan hệ khụng tuyến tớnh bị bỏc bỏ. Hệ số Beta là hệ số h ọ quy chuẩn hóa cho phép so sánh trực tiếp giữa các hệ số xem như là khả năng giải thích biến phụ thuộc. Trị tuyệt đối của một hệ số Beta chuấn hóa càng lớn thì tần quan trọng tương đối của nó trong dự báo biến phụ thuộc càng cao.
3.1.6. Phương pháp phân tích phương sai ANOVA
Phân tích phương sai ANOVA là phương pháp so sánh trị trung bình của 3 nhóm trở lên. Có 2 kỹ thuật phân tích phương sai: ANOVA 1 yếu tố (một biến yếu tố
để phân loại các quan sát thành các nhóm khác nhau) và ANOVA nhi ền yếu tố (2 hay nhỉ `âi biến để phân loại). Ở phần thực hành cơ bản chỉ đ`êcập đến phân tích phương
sai | yếu tố (One-way ANOVA). Một số giả định đối với phân tích phương sai một yếu tố: - Các nhóm so sánh phải độc lập và được chọn một cách ngẫu nhiên.
- Các nhóm so sánh phải có phân phối chuẩn hoặc cỡ mẫu phải đủ lớn để được xem như tiệm cận phân phối chuẩn. - Phương sai của các nhóm so sánh phải đông nhất. Dựa vào mức ý nghĩa (Sigơ) để kết luận: Nếu sigœ <0.05: có sự khác biệt có ý nghĩa thống kê. Nếu sigơ>= 0.05: chưa có sự khác biệt có ý nghĩa thống kê.