Tiếp theo, phương pháp EFA được sử dụng. Phân tích nhân tố khám phá là một phương pháp phân tích định lượng dùng để rút gọn một tập gồm nhiều biến quan sát phụ thuộc lẫn nhau thành một tập ít biến hơn (gọi là các nhân tố) để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dụng thông tin của tập biến ban
đầu (Hair và cộng sự, 1998).
Các biến có trọng số (Factor loading) lớn hơn 0,5 sẽ được giữ lại. Phương pháp trích hệ số sử dụng là Principal components với phép xoay Varimax và điểm dừng khi trích các nhân tố có Egenvalue >=1. Thang đo được chấp nhận khi tổng phương sai trích >= 50% (Gerbing & Anderson, 1998), với điều kiện là chỉ số KMO >=0,5 . KMO là một chỉ tiêu dùng để xem xét sự thích hợp của EFA, 0,5 =< KMO =< 1 thì phân tích nhân tố là thích hợp.
Factor loading (hệ số tải nhân tố) là những hệ số tương quan đơn giữa các biến và các nhân tố. Theo Hair và cộng sự (1998), Factor loading > 0,3 được xem
đạt mức tối thiểu, Factor loading > 0,4 được xem là quan trọng, Factor loading > 0,5
được xem là có ý nghĩa thực tiễn. Hair và cộng sự (1998) cũng cho rằng: Nếu chọn tiêu chuẩn Factor loading >0,3 thì cỡ mẫu >= 350, nếu cỡ mẫu khoảng 100 thì nên chọn Factor loading > 0,5 nếu cỡ mẫu khoảng 50 thì Factor loading phải > 0,75.
Kiểm định Bartlett xem xét giả thuyết Ho: “Độ tương quan giữa các biến quan sát không có tương quan trong tổng thể”. Nếu kiểm định này có ý nghĩa thống kê (Sig < 0,05) thì các biến quan sát có tương quan với nhau trong tổng thể (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
Qua kết quả đánh giá độ tin cậy Cronbach Alpha thì các thang đo: Môi trường và điều kiện làm việc; Tiền lương và các chếđộ chính sách; Cơ hội đào tạo và thăng tiến; Công việc; Mối quan hệ với cấp trên; Triển vọng và sự phát triển của Công ty sẽ tiếp tục được sử dụng trong phân tích nhân tố.
Kết quả phân tích EFA lần thứ nhất: EFA trích được 06 nhân tố tại Eigenvalue là 1,093 và phương sai trích được 61,787% với chỉ số KMO là 0,921. Như vậy việc phân tích nhân tố là thích hợp. Tuy nhiên, Factor loading lớn nhất của các biến quan sát C1.4_ Không khí làm việc thoải mái, vui vẻ, hòa đồng, C4.5_
Công việc được phân công hợp lý, C4.2_ Tôi ít gặp khó khăn khi trao đổi thông tin về công việc, C2.5_ Công ty trả thưởng cho các đóng góp cá nhân, C2.1_ Tiền lương tương xứng với công việc tôi đang làm, C6.2_ Công ty hiểu và đáp ứng tốt nhu cầu của khách hàng, C2.6_ Tiền thưởng của Công ty là hợp lý đều nhỏ hơn 0,5, vì vậy các biến này không thỏa mãn các tiêu chuẩn trên. Ta có nên loại bỏ 07 biến này cùng một lúc không? Không nên. Ta tiến hành loại bỏ từng biến quan sát (Nguyễn Trọng Hoài và cộng sự, 2008). Biến nào có Factor loading lớn nhất mà không đạt nhất sẽ bị loại trước. Factor loading lớn nhất của biến quan sát C2.6_
Tiền thưởng của Công ty là hợp lý bằng 0,412 là thấp nhất trong 07 biến quan sát trên nên ta ưu tiên lạo bỏ biến C2.6 trước.
Kết quả phân tích EFA lần thứ hai: Sau khi loại bỏ biến C6.2, EFA trích
được 06 nhân tố tại Eigenvalue là 1,084 và phương sai trích được 62,238% với chỉ
số KMO là 0,919. Như vậy việc phân tích nhân tố là thích hợp, Tuy nhiên Factor loading lớn nhất của các biến C1.4_ Không khí làm việc thoải mái, vui vẻ, hòa
đồng, C4.5_ Công việc được phân công hợp lý, C4.2_ Tôi ít gặp khó khăn khi trao
đổi thông tin về công việc, C2.5_ Công ty trả thưởng cho các đóng góp cá nhân,
C2.1_ Tiền lương tương xứng với công việc tôi đang làm, C6.2_ Công ty hiểu và
đáp ứng tốt nhu cầu của khách hàng đều nhỏ hơn 0,5 và không thỏa mãn tiêu chuẩn. Cũng như trên, ta sẽ tiến hành loại bỏ biến nào có Factor loading lớn nhất mà không đạt nhất trước. Factor loading lớn nhất của biến quan sát C2.1_ Tiền lương tương xứng với công việc tôi đang làm bằng 0,425 là thấp nhất trong tất cả
các biến quan sát trên nên ta ưu tiên lại bỏ biến C2.1 trước.
Kết quả phân tích EFA lần thứ ba: Sau khi loại bỏ biến C2.1, EFA trích
số KMO là 0,918. Như vậy việc phân tích nhân tố là thích hợp. Tuy nhiên, Factor loading lớn nhất của các biến quan sát C1.4_ Không khí làm việc thoải mái, vui vẻ, hòa đồng, C4.5_ Công việc được phân công hợp lý, C4.2_ Tôi ít gặp khó khăn khi trao đổi thông tin về công việc, C2.5_ Công ty trả thưởng cho các đóng góp cá nhân, C6.2_ Công ty hiểu và đáp ứng tốt nhu cầu của khách hàng đều nhỏ hơn 0,5 và không thỏa mãn tiêu chuẩn. Cũng như trên, ta sẽ tiến hành loại bỏ biến nào có Factor loading lớn nhất mà không đạt nhất trước. Factor loading lớn nhất của biến quan sát C4.2_ Tôi ít gặp khó khăn khi trao đổi thông tin về công việc bằng 0,429 là thấp nhất trong tất cả các biến quan sát trên nên ta ưu tiên lại bỏ biến C4.2 trước.
Kết quả phân tích EFA lần thứ bốn: Sau khi loại bỏ biến C4.2, EFA trích
được 06 nhân tố tại Eigenvalue là 1,077 và phương sai trích được 63,223% với chỉ
số KMO là 0,918. Như vậy việc phân tích nhân tố là thích hợp. Tuy nhiên, Factor loading lớn nhất của các biến quan sát C1.4_ Không khí làm việc thoải mái, vui vẻ, hòa đồng, C4.5_ Công việc được phân công hợp lý, C2.5_ Công ty trả thưởng cho các đóng góp cá nhân, C6.2_ Công ty hiểu và đáp ứng tốt nhu cầu của khách hàng
đều nhỏ hơn 0,5 và không thỏa mãn tiêu chuẩn. Cũng như trên, ta sẽ tiến hành loại bỏ biến nào có Factor loading lớn nhất mà không đạt nhất trước. Factor loading lớn nhất của biến quan sát C4.5_ Công việc được phân công hợp lý bằng 0,458 là thấp nhất trong tất cả các biến quan sát trên nên ta ưu tiên lại bỏ biến C4.5 trước.
Kết quả phân tích EFA lần thứ năm: Sau khi loại bỏ biến C4.2, EFA trích
được 06 nhân tố tại Eigenvalue là 1,077 và phương sai trích được 63,733% với chỉ
số KMO là 0,917. Như vậy việc phân tích nhân tố là thích hợp. Tuy nhiên, Factor loading lớn nhất của các biến quan sát C1.4_ Không khí làm việc thoải mái, vui vẻ, hòa đồng, C2.5_ Công ty trả thưởng cho các đóng góp cá nhân, C6.2_ Công ty hiểu và đáp ứng tốt nhu cầu của khách hàng đều nhỏ hơn 0,5 và không thỏa mãn tiêu chuẩn. Cũng như trên, ta sẽ tiến hành loại bỏ biến nào có Factor loading lớn nhất mà không đạt nhất trước. Factor loading lớn nhất của biến quan sát C2.5_ Công ty trả thưởng cho các đóng góp cá nhân bằng 0,457 là thấp nhất trong tất cả các biến quan sát trên nên ta ưu tiên lại bỏ biến C2.5 trước.
Kết quả phân tích EFA lần thứ sáu: Sau khi loại bỏ biến C2.5, EFA trích
được 06 nhân tố tại Eigenvalue là 1,073 và phương sai trích được 64,240% với chỉ
loading lớn nhất của hai biến quan sát C1.4_ Không khí làm việc thoải mái, vui vẻ, hòa đồng, C6.2_ Công ty hiểu và đáp ứng tốt nhu cầu của khách hàng đều nhỏ hơn 0,5 và không thỏa mãn tiêu chuẩn. Cũng như trên, ta sẽ tiến hành loại bỏ biến nào có Factor loading lớn nhất mà không đạt nhất trước. Factor loading lớn nhất của biến quan sát C6.2_ Công ty hiểu và đáp ứng tốt nhu cầu của khách hàng 0,466 là thấp nhất trong hai biến nên ta ưu tiên loại bỏ biến C6.2 trước.
Kết quả phân tích EFA lần thứ bảy: Sau khi loại bỏ biến C2.5, EFA trích
được 06 nhân tố tại Eigenvalue là 1,056 và phương sai trích được 65,232% với chỉ
số KMO là 0,911. Như vậy việc phân tích nhân tố là thích hợp. Tuy nhiên, Factor loading lớn nhất của hai biến quan sát C1.4_ Không khí làm việc thoải mái, vui vẻ, hòa đồng và C6.4_ Công ty là nơi tôi có thể làm việc lâu dài đều nhỏ hơn 0,5 và không thỏa mãn tiêu chuẩn. Cũng như trên, ta sẽ tiến hành loại bỏ biến nào có Factor loading lớn nhất mà không đạt nhất trước. Factor loading lớn nhất của biến quan sát C1.4_ Không khí làm việc thoải mái, vui vẻ, hòa đồng bằng 0,487 là thấp nhất trong hai biến nên ta ưu tiên loại bỏ biến C1.4 trước.
Kết quả phân tích EFA lần thứ tám: Sau khi loại bỏ biến C1.4, EFA trích
được 06 nhân tố tại Eigenvalue là 1,016 và phương sai trích được 65,955% với chỉ
số KMO là 0,910. Như vậy việc phân tích nhân tố là thích hợp. Tuy nhiên, Factor loading lớn nhất của biến quan sát C6.4_ Công ty là nơi tôi có thể làm việc lâu dài
nhỏ hơn 0,5. Vì vậy biến này không thỏa mãn tiêu chuẩn trên và ta loại bỏ ra khỏi thang đo.
Kết quả phân tích EFA lần thứ chín: Sau khi loại bỏ biến C6.4, EFA trích
được 06 nhân tố tại Eigenvalue là 1,015 và phương sai trích được 65,875% với chỉ
số KMO là 0,901. Như vậy việc phân tích nhân tố là thích hợp. Tuy nhiên, Factor loading lớn nhất của biến quan sát C6.1_ Đội ngủ nhân viên trong Công ty có chất lượng nhỏ hơn 0,5. Vì vậy biến này không thỏa mãn tiêu chuẩn trên và ta loại bỏ ra khỏi thang đo.
Kết quả phân tích EFA lần thứ mười: Sau khi loại bỏ biến C6.1, EFA trích
được 06 nhân tố tại Eigenvalue là 1,005 và phương sai trích được 67,103% với chỉ
số KMO là 0,902. Như vậy việc phân tích nhân tố là thích hợp. Các biến quan sát
đều có Factor loading lớn nhất từ 0,5 trở lên. Sự phân tích EFA hoàn tất vì đã đạt
được độ tin cậy về mặt thống kê (Xem bảng 4.9 đến bảng 4.11).
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .902 Bartlett's Test of Sphericity Approx. Chi-Square 2196.986
df 253
Sig. .000
Bảng 4.10: Total Variance Explained – Phân tích nhân tố
Total Variance Explained
Component
Initial Eigenvalues
Extraction Sums of Squared Loadings
Rotation Sums of Squared Loadings Total % of Variance Cumulative % Total % of Variance Cumulative % Total % of Variance Cumulative % 1 9.091 39.525 39.525 9.091 39.525 39.525 3.505 15.241 15.241 2 1.545 6.716 46.242 1.545 6.716 46.242 3.159 13.735 28.976 3 1.423 6.188 52.430 1.423 6.188 52.430 2.421 10.526 39.502 4 1.247 5.423 57.854 1.247 5.423 57.854 2.198 9.558 49.060 5 1.122 4.880 62.733 1.122 4.880 62.733 2.109 9.170 58.230 6 1.005 4.370 67.103 1.005 4.370 67.103 2.041 8.873 67.103 7 .853 3.707 70.810 8 .694 3.016 73.826 9 .652 2.835 76.662 10 .630 2.739 79.400 11 .540 2.349 81.749 12 .535 2.328 84.077 13 .508 2.208 86.285 14 .436 1.896 88.180 15 .400 1.739 89.919 16 .382 1.661 91.580 17 .349 1.518 93.099 18 .336 1.459 94.558 19 .317 1.380 95.937 20 .308 1.339 97.276 21 .254 1.103 98.379 22 .194 .843 99.222 23 .179 .778 100.000 24 9.091 39.525 39.525 Extraction Method: Principal Component Analysis.
Bảng 4.11: Rotated Component Matrixa - Phân tích nhân tố
Rotated Component Matrixa
Component
1 2 3 4 5 6
Toi co du may moc, trang thiet bi can thiet de lam viec .788 Toi duoc cung cap day du thong tin can thiet de hoan
thanh cong viec
.638 Toi thuong duoc dong nghiep co kinh nghiem giup do .632 Toi hieu ro ve yeu cau cong viec cua minh .629 Toi yeu thich cong viec hien tai cua minh .596 Toi duoc trang bi day du cac thiet bi an toan va bao ho
lao dong khi lam viec
.554 Toi cam thay thoai mai khi lam viec .547
Toi luon ton trong cap tren .743
Cap tren doi xu cong bang voi nhan vien .724 Cap tren quan tam den doi song nhan vien .655 Cap tren tin tuong toi va thuong xuyen giao viec cho toi .615 Cap tren biet lang nghe y kien cua nhan vien .563 Chinh sach de bat, thang tien trong cong ty la cong bang .769 Cong ty tao dieu kien cho nhan vien hoc tap .715 Toi lac quan ve co hoi thang tien cua minh .700 Ban lanh dao cong ty co nang luc .766 Cong ty luon hoan thanh muc tieu de ra mot cach co hieu
qua
.689 Cong ty coi trong duy tri tieu chuan chat luong cao .623 Đoi ngu nhan vien trong cong ty co chat luong Toi hai long voi chinh sach phuc loi tro cap cua cong ty .814 Toi hieu ve cac chinh sach phuc loi, tro cap cua cong ty .768 Toi duoc tra luong khong thua kem nhung cong viec
tuong tu noi khac
.662 Sau khi duoc dao tao toi lam viec hieu qua hon .876 Toi thuong duoc tham gia cac khoa dao tao can thiet cho
cong viec do cong ty to chuc
.836
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.
Phân tích EFA thang đo Sự thỏa mãn của người lao động:
Lần lượt thực hiện các bước phân tích như trên thông qua ba bảng số liệu (từ
bảng 4.12 đến bảng 4.14) ta có kết quả phân tích như sau:
-EFA trích được 01 nhân tố tại Eigenvalue là 3,399 và phương sai trích được 56,658% với chỉ số KMO là 0,861. Như vậy việc phân tích nhân tố là thích hợp.
-Các biến quan sát đều có Factor loading lớn nhất từ 0,5 trở lên. Do đó các biến trong thành phần này có tương quan chặt chẽ với nhân tố giải thích.
Như vậy các biến quan sát trong thành phần này đều đạt yêu cầu và có ý nghĩa, được sử dụng cho các phân tích tiếp theo.
Bảng 4.12: KMO and Bartlett’s Test – Phân tích nhân tố (Sự hài lòng)
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .861 Bartlett's Test of Sphericity Approx. Chi-Square 419.47 7 df 15 Sig. .000
Bảng 4.13: Total Variance Explained – Phân tích nhân tố
Total Variance Explained
Component
Initial Eigenvalues Extraction Sums of Squared Loadings Total % of Variance Cumulative % Total % of Variance Cumulative % dim ensi on0 1 3.399 56.658 56.658 3.399 56.658 56.658 2 .686 11.427 68.085 3 .624 10.396 78.481 4 .542 9.041 87.522 5 .396 6.592 94.114 6 .353 5.886 100.000 Extraction Method: Principal Component Analysis.
Bảng 4.14: Rotated Component Matrixa - Phân tích nhân tố
Component Matrixa
Component 1 Toi hai long voi moi truong va dieu kien lam viec tai cong ty .810 Toi hai long voi moi quan he cap tren .785 Toi hai long voi co hoi dao tao va thang tien ma cong ty mang lai .764 Toi hai long voi cong viec toi dang lam .764 Toi hai long voi tien luong va cac che do chinh sach cua cong ty .729 Toi tin tuong vao trien vong phat trien cua cong ty .655
Extraction Method: Principal Component Analysis. a. 1 components extracted.
Khi phân tích EFA, trong hộp thoại Factor Analysis, chúng ta chọn nút Score sau đó nhấp chọn Save as variables để lưu lại nhân số của nhân tố một cách tự
động.Nhân số tính theo cách này đã được chuẩn hóa (đã được chuyển qua đơn vịđo lường độ lệch chuẩn).
Tính toán hệ số Cronbach Alpha cho các nhân tố mới rút từ phân tích EFA:
Các thang đo có biến quan sát bị loại thì Cronbach Alpha của chúng được tính lại, với kết quả như trên, có 09 biến quan sát bị loại. Vì vậy, tính toán lại Cronbach Alpha của thang đo này là cần thiết. Kết quả phân tích như sau:
1) Cronbach Alpha nhân tố 1
Thang đo này có hệ số Cronbach Alpha là 0,861 (>0,6). Các hệ số tương quan biến tổng (Corrected Item – Total Correlation) của các biến đo lường thành phần này đều lớn hơn 0,3. Bên cạnh đó, hệ số Alpha nếu loại bỏ biến (Cronbach’s Alpha if Item delected) của các biến đều nhỏ hơn hệ số Cronbach Alpha nên các biến đo lường thành phần này đều được sử dụng trong các phân tích tiếp theo.
2) Cronbach Alpha nhân tố 2
Thang đo này có hệ số Cronbach Alpha là 0,842 (>0,6). Các hệ số tương quan biến tổng (Corrected Item – Total Correlation) của các biến đo lường thành phần này đều lớn hơn 0,3. Bên cạnh đó, hệ số Alpha nếu loại bỏ biến (Cronbach’s
Alpha if Item delected) của các biến đều nhỏ hơn hệ số Cronbach Alpha nên các biến đo lường thành phần này đều được sử dụng trong các phân tích tiếp theo.