Phương pháp phân tích độ tin cậy của thang đo (Cronbach’s Alpha)
Các thang đo được kiểm định độ tin cậy bằng công cụ Cronbach’s Alpha. Công cụ này cũng giúp loại đi những biến quan sát, những thang đo không đạt. Các biến quan sát có hệ số tương quan biến-tổng (item-total correlation) nhỏ hơn 0.3 sẽ bị loại và tiêu chuẩn chọn thang đo khi Cronbach’s Alpha từ 0.6 trở lên (Trần Đức Long, 2006, tr. 46) trích từ Nunnally & Burnstein (1994), Pschy chometric Theory, 3rd edition, NewYork, McGraw Hill; và được nhiều nhà nghiên cứu sử dụng (Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2004, tr. 21; Hoàng Thị Phương Thảo & Hoàng Trọng, 2006, tr. 15); Hoàng Trọng & Chu Nguyễn Mộng Ngọc 2005, tr. 257 cho rằng: “Nhiều nhà nghiên cứu đồng ý rằng Cronbach’s Alpha từ 0.8 trở lên đến gần 1 thì thang đo lường là tốt, từ 0.7 đến gần 0.8 là sử dụng được. Cũng có nhà nghiên cứu đề nghị rằng Cronbach Alpha từ 0.6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang nghiên cứu là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu” .
Phương pháp phân tích nhân tố khám phá (EFA)
Cronbach’s alpha chỉ dùng để đánh giá độ tin cậy thang đo, vấn đề tiếp theo là thang đo phải được đánh giá giá trị của nó. Hai giá trị quan trọng của thang đo là giá trị hội tụ và giá trị phân biệt. Phương pháp EFA giúp chúng ta đánh giá hai giá trị này.
Sau khi loại các biến có độ tin cậy thấp, các biến còn lại sẽ tiếp tục được sử dụng để tiến hành phân tích nhân tố. Phương pháp EFA dùng để rút gọn một tập k biến quan sát thành một tập F (F<k) các nhân tố có ý nghĩa hơn. Cơ sở của việc rút gọn này là dựa vào mối quan hệ tuyến tính của các nhân tố với các biến nguyên thủy (biến quan sát).
Chỉ tiêu được dùng để xem xét sự thích hợp của phương pháp phân tích nhân tố là kết quả phân tích KMO, là chỉ số dùng để so sánh độ lớn của hệ số tương quan giữa 2 biến Xi và Xj với độ lớn của hệ số tương quan riêng phần của chúng (Norusis, 1994). Kaiser (1974) đề nghị KMO >0,90: rất tốt; 0,9 > KMO >0,80: tốt; 0,8 > KMO >0,70: được; 0,7 > KMO >0,60: tạm được; 0,6 > KMO >0,50: xấu; và KMO < 0,5: không thể chấp nhận(Nguyễn Đình Thọ, 2011, tr. 397). Phương pháp trích hệ số sử dụng là principal axis factoringvới phép quay promaxvà điểm dừng khi trích các yếu tố có eigenvalue = 1. Thang đo được chấp nhận khi tổng phương sai trích >50%. Các biếnnào có Factor loading nhỏ hơn 0,5 sẽ bị loại (Hair et al, 2006) vì biến này thật sự không đo lường khái niệm chúng ta cần đo lường (Nguyễn Đình Thọ, 2011, tr. 402). Các kết quả này sẽ được sử dụng để hiệu chỉnh mô hình và các giả thuyết nghiên cứu.Quá trình hiệu chính mô hình và các giả thuyết nghiên cứu sẽ được trình bày bước tiếp theo.
Phương pháp phân tích hồi quy
Phân tích hồi quy tuyến tính nhằm xác định các nhân tố giải thích cho mô hình và kiểm định sự phù hợp của các giả thuyết.
Thống kê mô tả
Để xem xét mức độ hài lòng trong công việc của người lao động Phân tích phương sai ANOVA, Independent Sample T-test:
Để kiểm định giả thuyết, có hay không sự khác nhau về sự hài lòng theo các đặc điểm cá nhân.
Tóm tắt chương II
Chương này đã trình bày các nội dung:
- Thiết kế nghiên cứu: trình bày phương pháp nghiên cứu (nghiên cứu định tính, định lượng, phương trình hồi quy đa biến), xây dựng quy trình nghiên cứu.
CHƯƠNG 3
KẾT QUẢ NGHIÊN CỨU
Sau khi tiến hành khảo sát và thu thập dữ liệu. Với số mẫu là 200 mẫu phát trong khoảng thời gian từ đến . Số mẫu hợp lệ sẽ được tiến hành xử lý và phân tích , sử dụng công cụ phân tích là phần mềm SPSS. Thủ tục thực hiện trước hết là làm sạch mẫu, xử lý các giá trị “missing” nhằm lọai ra những mẫu có nội dung trả lời không phù hợp, hoặc không trả lời đầy đủ các mục hỏi. Ngoài ra sai sót còn có thể xảy ra trong quá trình nhập số liệu như nhập sai nội dung hoặc nhập thiếu mục trả lời. Sau khi kiểm tra, kết quả cho thấy, không tìm thấy biến nào có thông tin sai lệch, dữ liệu đã được làm sạch và tiếp tục đưa vào kiểm định thang đo.