2.2.1 Phương pháp thu thập số liệu 2.2.1.1 Số liệu thứ cấp
- Báo cáo tổng hợp về tình hình kinh doanh của cửa hàng Lotteria tại Cần Thơ.
- Ngoài ra số liệu thứ cấp sử dụng trong đề tài còn đƣợc thu thập từ báo, tạp chí, internet.
2.2.1.2 Số liệu sơ cấpđƣợc thu thâp thông qua phiếu điều tra trắc nghiệm cho nhân viên ở cửa hàng Lotteria tại Cần Thơ
2.2.2 Phương pháp chọn mẫu
Cỡ mẫu dùng để phân tích nhân tố cần đáp ứng yêu cầu gấp 4 đến 5 lần số biến quan sát (theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008)[4]).
Đề tài nghiên cứu có 22 biến quan sát nên cỡ mẫu tối thiểu cần thiết phải là 110. Tuy nhiên cả tổng thể chỉ có hơn 75 quan sát, do vậy đề tài sẽ nghiên cứu trên cả tổng thể.
2.2.3 Phương pháp xử lý số liệu
Bước 1: Tiến hành phân tích kết quả hoạt động kinh doanh của công ty giai đoạn 2009- 2011 dựa vào những thông tin, số liệu thu thập đƣợc, sử dụng phương pháp so sánh số tuyệt đối và số tương đối để phân tích các báo cáo kết quả hoạt động kinh doanh thu đƣợc từ công ty phục vụ mục tiêu 1 của đề tài.
Phương pháp so sánh số tuyệt đối: Là hiệu số của hai chỉ tiêu kỳ phân tích và kỳ gốc. Số tuyệt đối biểu hiện quy mô, khối lƣợng của một chỉ tiêu kinh tế nào đó. Là cơ sở để tính toán các loại số khác.
19
0
1 y
y y
(2.1)
y: là phần chệnh lệch tăng giảm của các chi tiêu kinh tế
y1 : chỉ tiêu kinh tế kỳ phân tích
y0 : chỉ tiêu kinh tế kỳ gốc
Phương pháp này sử dụng để so sánh số liệu năm sau so với năm trước của chỉ tiêu xem có biến động không và tìm ra nguyên nhân biến động của các chỉ tiêu kinh tế. Từ đó có cách đánh giá chính xác các hoạt động phân tích.
Phương pháp so sánh bằng số tương đối: là kết quả của phép chia giữa trị số của kỳ phân tích so với kỳ gốc của các chỉ tiêu kinh tế. Số tương đối cho ta biết rõ hơn về đặc điểm của hiện tƣợng, hay bản chất của hiện tƣợng một cách sâu sắc hơn.
% 100 100
0
1
x
y y y
(2.2)
y: biểu hiện tốc độ tăng trưởng của các chỉ tiêu kinh tế y1: chỉ tiêu kỳ phân tích
y0: chỉ tiêu kỳ gốc
Phương pháp này dùng để đánh giá sự tăng lên hay giảm xuống của một chỉ tiêu nào đó qua thời gian, hoặc đánh giá mức độ hoàn thành kế họach của doanh nghiệp. Ngoài ra, số tương đối còn giữ bí mật cho số tuyệt đối. Đồng thời việc so sánh tốc độ tăng trưởng của chỉ tiêu giữa các năm cho thấy được sự tác động có liên quan đến các hoạt động trong phân tích. Từ đó có sự nhận diện rõ các hoạt động trong nghiên cứu.
Bước 2: Thống kê mẫu thu thập được, sử dụng phần mềm SPSS (phầm mềm chuyên dụng xử lí thông tin sơ cấp) để thống kê các biến định tính nhƣ tỉ lệ nam nữ trong mẫu, thống kê các mức thu nhập, độ tuổi, quê quán, thời gian công tác để phục vụ cho việc mô tả chung về mẫu và cơ sở để phân tích phục vụ các mục tiêu khác của đề tài.
20
Bước 3: Kiểm định độ tin cậy của thang đo, đề tài đưa ra phương pháp thang đo likert 5 mức độ để điều tra các biến liên quan đến mức độ hài lòng về công việc, nhƣng chƣa biết các biến này có tính kết dính với nhau hay không, do đó cần phải kiểm định độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha. Nhiều nhà nghiên cứu đồng ý rằng với hệ số Cronbach’s Alpha từ 0,8 trở lên đến gần 1 là thang đo lường tốt, từ 0,7 đến gần 0,8 là sử dụng được (Hoàng Trọng, Chu Nguyễn Mộng Ngọc, tr.24). Ngoài ra đối với khái niệm thang đo lường là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu thì Cronbach’s Alpha từ 0,6 trở lên có thể chấp nhận đƣợc. Tuy nhiên khi thực hiện đo lường nếu số biến quan sát nhiều sẽ gây khó khăn cho việc khảo sát. Do đó chúng ta cần tổng hợp tập hợp các biến quan sát thành một vài biến tổng hợp hay còn gọi là nhân tố để phản ánh rõ hơn mức độ của khái niệm nghiên cứu. Phương pháp phân tích nhân tố khám phá sẽ giúp chúng ta việc này.
Bước 4: Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) là nghiên cứu dùng để phân tích xem các yếu tố nào thực sự ảnh hưởng đến mức độ hài lòng của nhân viên công ty SASCO trong công việc.
Trong phân tích nhân tố EFA, trị số KMO (Kaiser – Meyer – Olkin) là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số của KMO lớn (giữa 0.5 và 1) là điều kiện đủ để phân tích nhân tố EFA, còn nếu nhƣ trị số này nhỏ hơn 0,5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu (Trọng & Ngọc, tr.31).
Một phần quan trọng trong bảng kết quả phân tích nhân tố là ma trận nhân tố (component matrix) hay ma trận nhân tố khi các nhân tố đƣợc xoay (rotated component matrix). Ma trận nhân tố chứa các hệ số biểu diễn các biến chuẩn hóa bằng các nhân tố (mỗi biến là một đa thức của các nhân tố). Một điều cần lưu ý khi phân tích đó là hệ số tải nhân tố (Factor Loading), đây là chỉ tiêu đảm bảo mức ý nghĩa thiết thực cho EFA. Hệ số này lớn hơn hoặc bằng 0,3 là đạt mức tối thiểu, lớn hơn hoặc bằng 0,4 là quan trọng, lớn hơn hoặc bằng 0,5 là có ý nghĩa thực tiễn. Ngoài ra tùy vào cỡ mẫu nghiên cứu mà quyết định giới hạn dưới cho Factor Loading. Theo Nguyễn Khánh Duy, nếu cỡ mẫu vào khoảng 100 thì Factor Loading lớn hơn hoặc bằng 0,55 thì mới đạt yêu cầu (Nguyễn Khánh Duy, tr.14).
Bước 5:Phân tích nhân tố khẳng định CFA (Cofirmatory Factor Analysis) với phần mềm Amos (Analysis of Moment Structures- phân tích cấu trúc mô măng). Phần mềm này được dùng để thực hiện một phương pháp
21
chung trong phân tích dữ liệu là Strutural Equation Modeling (SEM-Mô hình cấu trúc tuyến tính) (Nguyễn Khánh Duy, tr.7).
Trong phân tích CFA, có các vấn đề cần nghiên cứu sau:
1. Mức độ phù hợp của mô hình với thông tin thị trường: Cần xem xét mô hình thiết kế có phù hợp với thị trường hay không thông qua các chỉ tiêu Chi-square, Chi-square điều chỉnh theo bậc tự do (cmin/df), chỉ số thích hợp so sánh (CFI- Comparative Fit Index), chỉ số Turker & Lewis (TLI- Turker &Lewis Index), chỉ số RMSEA (Root Mean Square Error Approximation). Nếu mô hình nhận đƣợc giá trị TLI, CFI >=0,9, Cmin/df<=2, RMSEA <=0,08 thì mô hình phù hợp (tương thích) với dữ liệu thị trường (Nguyễn Khánh Duy, tr.20).
2. Tính đơn hướng/đơn nguyên: khi mô hình phù hợp với dữ liệu thị trường và không có tương quan giữa các sai số đo lường thì mô hình sẽ đạt tính đơn hướng.
3. Giá trị hội tụ: Thang đo đạt giá trị hội tụ khi các trọng số chuẩn hóa đều >0.5, và có ý nghĩa thống kê (trong nghiên cứu này lấy mức ý nghĩ 10%, nên p-value <0.1 thì mới có ý nghĩa thống kê).
4. Giá trị phân biệt: khi hệ số tương quan giữa các khái niệm khác biệt so với 1 thì mô hình đạt đƣợc giá trị phân biệt.
5. Giá trị liên hệ lí thuyết: các giá trị trong mô hình phản ánh lí thuyết nhƣ thế nào.
Bước 6: Tiến hành phân tích hồi qui nhị nguyên được xây dựng từ mô hình CFA đƣợc nghiên cứu ở trên.
Bước 7: Sử dụng thống kê mô tả để đánh giá mức độ hài lòng của nhân viên đối với các yếu tố đo lường, các đại lượng thống kê mô tả chỉ được tính đối với các biến định lƣợng. Nếu tính các đại lƣợng này đối với các biến định tính thì kết quả sẽ không có ý nghĩa. Các đại lượng thống kê mô tả thường đƣợc dùng: trung bình cộng (mean), tổng cộng (sum), độ lệch chuẩn (Std.
Deviation), giá trị nhỏ nhất (Minimum), giá trị lớn nhất (maximum), sai số chuẩn khi ƣớc lƣợng trị trung bình (SE mean). Trong đề tài này khoảng cách đƣợc chọn để phân tích là Likert 5 mức độ, và ý nghĩa của từng giá trị trung bình (TB) đối với thang đo khoảng trong phân tích thống kê mô tả đƣợc tính nhƣ sau:
Giá trị khoảng cách = (giá trị lớn nhất – giá trị nhỏ nhất)/n = (5-1)/5 =0,8
22
Bảng 2.4: Ý nghĩa từng giá trị trung bình đối với thang đo khoảng
Giá trị TB Ý nghĩa
1,00 – 1,8 Rất không đồng ý/ Rất không hài lòng/ Rất không quan trọng 1,81 – 2,60 Không đồng ý/ Không hài lòng/ Không quan trọng
2,61 – 3,40 Không ý kiến/ Trung bình 3,41 – 4,20 Đồng ý/ Hài lòng/Quan trọng
4,21 – 5,00 Rất đồng ý/ Rất hài lòng/ Rất quan trọng
(Phạm Lê Hồng Nhung, 2008, Hướng dẫn thực hành SPSS cơ bản)
Bước 8: Dựa vào kết quả nghiên cứu trên cùng với tình hình thực tế tại công ty để kiến nghị và đề xuất giải pháp.