Phân tích nhân tố EFA

Sau khi phân tích Cronbach’s alpha, hệ số tin cậy của các nhóm biến sau khi loại bỏ các biến không đạt đều lớn hơn 0.60, các hệ số tương quan biến - tổng đều lớn hơn 0.30, vì vậy 25 biến còn lại được chấp nhận và được đưa vào phân tích nhân tố. Các biến có trọng số nhỏ hơn 0.50 sẽ bị loại. Phương pháp tính hệ số sử dụng Principal Components với phép quay Varimax và điểm dừng khi trích các yếu tố Eigenvalue lớn hơn 1. Thang đo được chấp nhận khi tổng phương sai trích phải bằng hoặc lớn hơn

50%. Quá trình phân tích nhân tố để loại các biến trong nghiên cứu này được thực hiện như sau: 25 thành phần được đưa vào phân tích nhân tố có 5 nhân tố được tạo ra. Tổng phương sai trích = 69.625 % cho biết 25 nhân tố này giải thích được 69.625 % biến thiên của dữ liệu. Hệ số KMO = 0.882 (>0.5) do đó đã đạt yêu cầu. Tuy nhiên sau khi bỏ lần lượt các biến theo thứ tự về tầm quan trong, kết quả cho ra 5 nhân tố với khả năng giải thích 69.625% và được trình bày như bảng sau:

Bảng 4.7. Kết quả EFA của mô hình

Component 1 2 3 4 5 KYVONG1 ,745 KYVONG2 ,734 KYVONG3 ,609 KYVONG4 ,669 KYVONG5 ,521 LUONG1 ,799 LUONG3 ,512 LUONG4 ,656 LUONG5 ,638 ANTOAN1 ,702 ANTOAN2 ,508 ANTOAN3 ,726 ANTOAN4 ,690 ANTOAN6 ,653 ANTOAN8 ,795 DONGHIEP1 ,737 DONGHIEP2 ,663 DONGHIEP3 ,805 DONGHIEP4 ,750 DAOTAO1 ,809 DAOTAO2 ,862 DAOTAO3 ,618 DAOTAO5 ,840

Đặt tên các nhân tố: Việc đặt tên các nhân tố được thực hiện trên cơ sở nhận ra các biến quan sát có hệ số truyền tải (loading factor) lớn nằm trong cùng một nhân tố. Như vậy nhân tố này có thể giải thích bằng các biến có hệ số lớn nằm trong nó. Ma trận nhân tố sau khi xoay (bảng 4.7).

F1 = Antoàn

= Mean (ANTOAN1, ANTOAN2, ANTOAN3, ANTOAN4, ANTOAN6, ANTOAN8) F2 = Đào tạo

= Mean (DAOTAO1, DAOTAO2, DAOTAO3, DAOTAO5 ) F3 = Kỳ vọng

= Mean (KYVONG1, KYVONG2, KYVONG3, KYVONG4, KYVONG5, LUONG3) F4 = Đồng nghiệp :

= Mean (DONGNG1, DONGNG2, DONGNG3, DONGNG4) F5 = Thu nhập

= Mean (LUONG1, LUONG4, LUONG5) tm = Thỏa mãn

= Mean ( THOAMAN1, THOAMAN2, THOAMAN3, THOAMAN4, THOAMAN5) Như vậy, sau phần phân tích nhân tố này, chọn ra được 5 nhân tố ảnh hưởng đến sự hài lòng đối với công việc, đó là sự hài lòng đối với An toàn, Đào tạo, Kỳ vọng, Đồng nghiệp, Thu nhập để đưa vào phân tích hồi quy.

4.2. Phân tích hồi quy tuyến tính 4.2.1. Phân tích hồi quy 4.2.1. Phân tích hồi quy

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. Biến phụ thuộc ở đây là sự hài lòng ( tm ) của người lao động còn biến độc lập là các biến An toàn, Đào tạo, Kỳ vọng, Đồng nghiệp, Thu nhập. Ta có phương trình tổng quát được xây dựng như sau:

tm = β0 + β1*F1 + β2* F2 + β3*F3 + β4*F4 + β5*F5

Trong đó:

Biến phụ thuộc: tm ( Mức độ hài lòng công việc).

Các biến độc lập là: F1( An toàn); F2 (Đào tạo); F3 (Kỳ vọng ) F4(Đồng nghiệp); F5 ( Thu nhập);

4.2.2. Xây dựng phương trình hồi quy tuyến tính

Bước tiếp theo ta tiến hành xây dựng phương trình hồi quy tuyến tính. Dựa vào cơ sở lý thuyết và kết quả phân tích ở trên, ta sẽ đưa tất cả các biến độc lập trong mô hình hồi quy đã điều chỉnh bằng phương pháp đưa vào cùng một lúc Enter để chọn lọc dựa trên tiêu chí chọn những biến có mức ý nghĩa < 0.05. Phân tích hồi quy lần đầu tiên cho ta kết quả biến F1 (An toàn không có ý nghĩa thống kê (do mức ý nghĩa >0.05) sau khi tiến hành kiểm tra lại và hỏi ý kiến chuyên gia tác giả đã loại biến F1 khỏi mô hình nghiên cứu.

Với mức tin cậy lựa chọn 95%, kết quả hồi quy cho thấy cả 4 yếu tố của mô hình có ảnh hưởng đến mức độ hài lòng trong công việc của người lao động tại công ty là: Đào tạo, kỳ vọng, Đồng nghiệp và Thu nhập.

Kết quả phân tích hồi quy cho các biến số được thể hiện thông qua các bảng sau:

Bảng 4.8. Hệ số xác định R-Square Change Statistics Model R R Square Adjuste d R Square Std. Error of the Estimate R Square Change F Change df1 df2 Sig. F Change Durbin Watson 1 ,886(a) ,784 ,780 ,25734 ,784 178,06 4 196 ,000 1,601

a Predictors: (Constant), Thu nhap, daotao, Dong nghiep, Trien vong b Dependent Variable: thoa man

Trị số R có giá trị 0,886 cho thấy mối quan hệ giữa các biến trong mô hình có mối tương quan chặt chẽ. Báo cáo kết quả hồi qui của mô hình cho thấy giá trị R2 (R Square) bằng 0,784 điều này nói lên độ thích hợp của mô hình là 78,4% hay nói cách khác là 78,4% sự biến thiên của biến Sự thỏa mãn được giải thích bởi 4 thành phần là

Thu nhập, Kỳ vọng, Đồng nghiệp và Đào tạo. Giá trị R điều chỉnh (Adjusted R Square) phản ánh chính xác hơn sự phù hợp của mô hình đối với tổng thể, ta có giá trị R điều chỉnh bằng 0,784 (hay 78,4%) có nghĩa tồn tại mô hình hồi qui tuyến tính giữa

Bảng 4.9. Phân tích Anova

Model Sum of Squares df Mean

Square F Sig. 1 Regression 47,168 4 11,792 178,064 ,000(a) Residual 12,980 196 ,066

a Predictors: (Constant), Thu nhap, daotao, Dong nghiep, Trien vong b Dependent Variable: thoa man

Phân tích phương sai ANOVA cho thấy trị số F có mức ý nghĩa Sig.=0,000 ( nhỏ hơn 0,05 ), có nghĩa là mô hình hồi qui phù hợp với dữ liệu thu thập được và các biến đưa vào đều có ý nghĩa trong thống kê với mức ý nghĩa 5%. Thống kê giá trị F = 178,064 được dùng để kiểm định giả thiết H0, ở đây ta thấy mối quan hệ tuyến tính là có ý nghĩa với p_value < 0,05. Ta có thể bác bỏ giả thiết H0 cho rằng hệ số góc của 4 thành phần bằng 0. Như vậy, các biến độc lập trong mô hình có quan hệ đối với biến phụ thuộc Sự thỏa mãn.

Bảng 4.10. Các hệ số hồi quy trong mô hình

Mode Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) ,321 ,149 2,153 ,033 daotao ,234 ,028 ,345 8,322 ,000 Trien vong ,404 ,040 ,447 10,190 ,000 Dong nghiep ,181 ,035 ,211 5,220 ,000 Thu nhap ,117 ,037 ,128 3,183 ,002

a Dependent Variable: thoa man

Kết quả phân tích các hệ số hồi qui trong mô hình cho thấy, mức ý nghĩa của các thành phần Sig.=0,000 (nhỏ hơn 0,05). Do đó, ta có thể nói rằng các biến độc lập đều có tác động đến sự thỏa mãn. Tất cả các thành phần đều có ý nghĩa trong mô hình và tác động cùng chiều đến sự thỏa mãn, do các hệ số hồi qui đều mang dấu dương.

Qua kết quả phân tích hồi qui ta có mô hình:

tm = 0,234F2 + 0,404F3 +0,181F4+0,117F5 + β0

Hệ số β0là hệ số chặn khi tất cả các nhân tố khác có giá trị bằng 0 thì biến động của mức độ hài lòng bằng giá trị của β0

Mô hình trên giả thích được 78,4% sự thay đổi của biến F0 là do các biến độc lập trong mô hình tạo ra, còn lại 21,6% biến thiên được giải thích bởi các biến khác nằm ngoài mô hình.

Mô hình cho thấy các biến độc lập đều ảnh hưởng thuận chiều đến mức độ thỏa mãn của người sử dụng ở độ tin cậy 95%. Qua phương trình hồi qui chúng ta thấy, nếu

giữ nguyên các biến độc lập còn lại không đổi thì khi điểm đánh giá về đào tạo tăng lên 1 thì sự hài lòng của người lao động tăng trung bình lên 0,234 điểm. Tương tự, khi điểm đánh giá về Kỳ vọng tăng lên 1 điểm thì sự hài lòng của người lao động tăng lên trung bình 0,404 điểm; khi điểm đánh giá về Đồng nghiệp tăng lên 1 điểm thì sự hài lòng của người lao động tăng lên trung bình 0,181 điểm; khi điểm đánh giá về Thu nhập và thu nhập tăng lên 1 điểm thì sự hài lòng của người lao động tăng lên trung bình 0,117 điểm.

Hình 4.1. Mô hình nghiên cứu điều chỉnh

4.2.3. Dò tìm sự vi phạm các giả định cần thiết trong hồi quy tuyến tính

Mô hình hồi quy tuyến tính bằng phương pháp Enter được thực hiện với một số giả định và mô hình chỉ thực sự có ý nghĩa khi các giả định này được đảm bảo. Do vậy, để đảm bảo cho độ tin cậy của mô hình, đề tài còn phải thực hiện một loạt các dò tìm sự vi phạm các giả định cần thiết trong hồi quy tuyến tính.

Đào tạo và phát triển Kỳ vọng Đồng nghiệp Mức độ hài lòng đối với công việc

Đầu tiên cần xem xét là phương sai của phần dư không đổi. Để thực hiện kiểm định này, chúng ta sẽ tính hệ số tương quan hạng Spearman của giá trị tuyệt đối phần dư và các biến độc lập. Giá trị sig. của các hệ số tương quan với độ tin cậy 95% cho thấy không đủ cơ sở để bác bỏ giả thuyết H0 là giá trị tuyệt đối của phần dư độc lập với các biến độc lập. Như vậy, giả định về phương sai của sai số không đổi không bị vi phạm.

Để dò tìm sự vi phạm giả định phân phối chuẩn của phần dư ta sẽ dùng công cụ Frequencies của phần mềm SPSS để kiểm định ta có kết quả sau:

Statistics thoa man Valid 201 N Missing 0 Mean 3,8896 Median 4,0000 Std. Deviation ,54840 Skewness -,774 Std. Error of Skewness ,172

Theo kết quả trên ta thấy giá trị trung bình (mean) = 3,8896 và trung vị (median) = 4 gần bằng nhau và skewness = - 0,774 nằm trong khoảng từ -1 đến +1 nên dữ liệu phần dư có phân phối chuẩn ( Kiểm định phân phối chuẩn phần dư - TS. Nguyễn Ngọc Rạng ).

Giả định tiếp theo về tính độc lập của phần dư cũng cần được kiểm định. Ta dùng đại lượng thống kê Durbin-Watson (d) để kiểm định (Bảng 4.8). Đại lượng d này có giá trị từ 0 đến 4. Trong thực tế, khi tiến hành kiểm định Durbin- Watson người ta thường áp dụng quy tắc kiểm định đơn giản như sau: nếu 1 < d < 3 thì kết luận mô hình không có tương quan; nếu 0 < d <1 thì kết luận mô hình có sự tương quan dương; nếu 3 < d < 4 thì kết luận mô hình có sự tương quan âm. Từ kết quả ở trên ta có 1< d =1.601< 3 như vậy ta có thể kết luận mô hình có tương quan và tính độc lập của phần dư đã được bảo đảm.

Cuối cùng, ta sẽ xem xét sự vi phạm đa cộng tuyến của mô hình. Ở phần phân tích hệ số tương quan ở trên, ta đã thấy rằng giữa biến phụ thuộc có quan hệ tương quan khá rõ với các biến độc lập nhưng ta cũng thấy được giữa các biến độc lập cũng có

tương quan với nhau. Điều này sẽ tạo ra khả năng đa cộng tuyến của mô hình. Vì vậy, ta phải dò tìm hiện tượng đa cộng tuyến bằng cách tính độ chấp nhận của biến (Tolerance) và hệ số phóng đại phương sai (Variance inflation factor - VIF). Độ chấp nhận trong trường hợp này của năm biến trong mô hình khá cao, đều lớn hơn 0,5 trong khi hệ số VIF khá thấp đa số nhỏ hơn 10 (Bảng 4.10). Hệ số VIF nhỏ hơn 10 là ta có thể bác bỏ giả thuyết mô hình bị đa cộng tuyến (Hoàng Trọng-Chu Nguyễn Mộng Ngọc, 2005).

Như vậy mô hình hồi quy tuyến tính được xây dựng theo phương trình ở trên là không vi phạm các giả định cần thiết trong hồi quy tuyến tính. Để đánh giá độ phù hợp của mô hình ta sẽ dùng các công cụ như tính hệ số xác định hiệu chỉnh Adjusted R Square, kiểm định F và kiểm định t.

Trước tiên, hệ số xác định điều chỉnh của mô hình trên là 0,784 thể hiện sáu biến độc lập trong mô hình giải thích được 78,4% biến thiên của biến phụ thuộc sự hài lòng của người lao động. Với giá trị này thì độ phù hợp của mô hình là khá cao.

Ở trên sau khi đánh giá giá trị R square ta biết được mô hình hồi quy tuyến tính đã xây dựng là phù hợp với mẫu. Tuy nhiên để có thể suy diễn mô hình này thành mô hình của tổng thể ta cần phải tiến hành kiểm định F thông qua phân tích phương sai. Ta có sig. của F < 1/1000 nên ta có thể bác bỏ giả thuyết hệ số xác định của tổng thể bằng không. Điều này có nghĩa là có ít nhất một biến độc lập nào đó ảnh hưởng đến biến phụ thuộc.

Cuối cùng, để đảm bảo các biến độc lập đều thực sự có ảnh hưởng đến biến phụ thuộc, ta tiến hành kiểm định t. Với giả thuyết H0 là hệ số hồi quy của các biến độc lập βk = 0 và với độ tin cậy 95% kết quả ta đều có thể bác bỏ giả thuyết H0 đối với βk. Điều này có nghĩa là tất cả các nhân tố trong phương trình đều có ảnh hưởng đến sự thỏa mãn công việc.

4.3. Mối quan hệ giữa sự hài lòng chung và các đặc điểm cá nhân 4.3.1. Sự hài lòng công việc theo giới tính 4.3.1. Sự hài lòng công việc theo giới tính

Để kiểm định xem mức độ hài lòng công việc giữa giới tính nam và nữ có khác nhau không ta dùng kiểm định ANOVA.

Trước khi tiến hành phân tích ANOVA, tiêu chuẩn Levene được tiến hành để kiểm tra giả thuyết bằng nhau của phương sai trong các nhóm với xác suất ý nghĩa 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 Fishier 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.

Sử dụng công cụ phân tích ANOVA để phân tích phụ trợ thêm cho các bước phân tích chính đã thực hiện. Các biến nguyên nhân bao gồm: (1) Giới tính; (2) Thời gian công tác (3) Trình độ học vấn (4) Tuổi tác biến phụ thuộc được dùng để phân tích là sự hài lòng của người lao động đối với công việc. Kết quả bảng sau:

Kết quả kiểm định ANOVA được trình bày trong bảng 4.11 cho thấy giá trị F ứng với mức ý nghĩa.110 (>5%) cho biết sự khác biệt về giá trị trung bình của điểm số hài lòng giữa nam và nữ là không đáng kể. Cho phép khẳng định không có sự khác nhau về mức độ hài lòng giữa người lao động nam và nữ.

Bảng 4.11. Kết quả phân tích ANOVA so sánh mức độ hài lòng công việc theo giới tính Giới

tính Mean SD N F Sig. Kết quả

Nam 3,8910 ,55604 178 ,110 ,917

Nữ 3,8783 ,49631 23

Không có sự khác nhau về mức độ hài lòng giữa nam và nữ.

4.3.2. Sự hài lòng công việc theo thời gian công tác

Để kiểm định xem mức độ hài lòng công việc theo số năm công tác có khác nhau không được thực hiện khi phân tích ANOVA.

Kết quả kiểm định ANOVA được trình bày trong bảng 4.12 cho thấy giá trị F ứng với mức ý nghĩa.408 (>5%) cho biết sự không sự khác biệt về giá trị trung bình của điểm số hài lòng theo thời gian công tác. Cho phép khẳng định không có sự khác nhau về mức độ hài lòng giữa người lao động theo thời gian công tác.

Bảng 4.12. Kết quả phân tích ANOVA so sánh mức độ hài lòng công việc theo thời gian công tác

Số năm công tác Mean SD N F Sig. Kết quả

<5 năm 3,8720 ,63085 50 ,408 ,748 Từ 5 đến 10 năm 3,9413 ,49185 75 Từ 10 năm đến 20 năm 3,8379 ,54991 58 >20 năm 3,8889 ,54975 18 Không có sự khác nhau về độ hài lòng về thời gian công tác

4.3.3. Sự hài lòng công việc theo trình độ học vấn

Để kiểm định xem mức độ hài lòng công việc theo trình độ học vấn có khác nhau không được thực hiện khi phân tích ANOVA.

Kết quả kiểm định ANOVA được trình bày trong bảng 4.13 cho thấy giá trị F ứng với mức ý nghĩa.001 (<5%) cho biết sự có sự khác biệt về giá trị trung bình của điểm số hài lòng theo trình độ học vấn. Cho phép khẳng định có sự khác nhau về mức độ hài lòng giữa người lao động theo trình độ học vấn.

Thuyết công bằng của Adam Adams's Equity Theory

Thuyết kỳ vọng của Vroom-Expectancy Theory