Mô tả mẫu
Phương pháp thu thập dữ liệu
Dữ liệu trong nghiên cứu này được thu thập từ bảng khảo sát 180 cán bộ giảng viên bán cơ hữu tại trường Đại học Thăng Long, do giảng viên cung cấp.
Mô tả cấu trúc mẫu
Thông tin về người được khảo sát:
Sau khi thu thập mẫu từ các cá nhân trong tổ chức, tác giả đã sử dụng phần mềm SPSS để thực hiện thống kê mô tả cấu trúc mẫu Mục tiêu là cung cấp cái nhìn tổng quát về thông tin của các giảng viên bán cơ hữu tại trường, thông qua các số liệu thống kê về giới tính, độ tuổi, thâm niên, trình độ và thu nhập.
Về giới tính: nam chiếm tỷ lệ là 35,6% và nữ là 64,4% Như vậy đối tượng tham gia khảo sát đa số là nữ giới.
Độ tuổi của giảng viên cán bộ được phân chia thành bốn nhóm: Nhóm dưới 25 tuổi chiếm 2,2%, nhóm từ 25 đến 34 tuổi chiếm 33,3%, nhóm từ 35 đến 44 tuổi chiếm 37,2%, và nhóm trên 45 tuổi chiếm 27,2% Nhóm 35-44 tuổi và nhóm 25-34 tuổi có tỷ lệ cao và tương đương nhau, trong khi nhóm trên 45 tuổi là nhóm giảng viên có thời gian làm việc lâu nhất tại trường.
Đối tượng tham gia khảo sát chủ yếu là những giảng viên có thâm niên gắn bó lâu dài với trường, trong đó 63,9% giảng viên bán cơ hữu đã làm việc hơn 5 năm Tỷ lệ giảng viên làm việc từ 1-3 năm và từ 3-5 năm lần lượt khoảng 16%, trong khi chỉ có 3,3% giảng viên làm việc chưa tới 1 năm.
Đa số giảng viên bán cơ hữu có trình độ học vấn cao, với 74,4% đạt bằng Thạc sỹ và 20% có bằng Tiến sỹ Tuy nhiên, tỷ lệ giảng viên ở các cấp bậc cao hơn như Phó giáo sư và Giáo sư rất thấp, chỉ chiếm 5,6%.
Về thu nhập mức thu nhập từ 2- dưới 5 triệu chiếm 6,1%, từ 5 triệu đến dưới
10 triệu 34,4%, từ 10 triệu đến dưới 15 triệu là 41% Trên 15 triệu chiếm18,3%.
Total 180 100.0 Độ tuổi Dưới 25 tuổi 4 2.2
Trình độ Thạc Sỹ 134 74.4
Thu nhập Từ 2- dưới 5 tr 11 6.1
Kiểm định và đánh giá thang đo
Kiểm định độ tin cậy thang đo cho các biến độc lập và phụ thuộc
Để đánh giá thang đo các khái niệm trong nghiên cứu, cần kiểm tra độ tin cậy và độ giá trị của thang đo Các hệ số như Cronbach’s Alpha và hệ số tương quan biến – tổng (Item-To-Total Correlation) giúp loại bỏ những biến quan sát không đóng góp vào việc mô tả khái niệm Hệ số Cronbach’s Alpha if item deleted hỗ trợ trong việc đánh giá việc loại bỏ bớt biến quan sát nhằm nâng cao độ tin cậy Phương pháp phân tích nhân tố khám phá (EFA) cũng được sử dụng để kiểm tra độ giá trị của thang đo các khái niệm nghiên cứu.
Bảng 1.2 Phân tích Cronbach’s Alpha cho biến độc lập và biến phụ thuộc
Số lượng biến còn lại
Hệ số tương quan biến tổng Hệ số Cronbach’s
Alpha nếu loại bỏ biến Cronbach’s
Thang đo biến độc lập A
Thang đo biến độc lập B
Thang đo biến độc lập C
Thang đo biến độc lập D
Thang đo biến phụ thuộc E
Thang đo biến phụ thuộc F
Thang đo biến phụ thuộc G
Nhóm nhân tố A, bao gồm 1A, 2A và 3A, đã được phân tích với hệ số Cronbach’s Alpha đạt 0,752, vượt ngưỡng 0,6, cho thấy độ tin cậy cao của thang đo Tất cả các giá trị tương quan biến tổng đều lớn hơn 0,05, khẳng định rằng thang đo này có ý nghĩa nghiên cứu.
Hệ số Cronbach’s Alpha của nhân tố B (1B, 2B, 3B, 4B) đạt 0,824, vượt mức 0,6, cho thấy thang đo này có độ tin cậy cao Tất cả các hệ số tương quan biến tổng của 4 quan sát trong thang đo đều lớn hơn 0,3, khẳng định rằng thang đo đủ điều kiện để tiến hành các phân tích tiếp theo.
Sau khi phân tích hệ số Cronbach’s Alpha của thang đo, kết quả cho thấy giá trị Cronbach’s Alpha tổng thể đạt 0,841, vượt ngưỡng 0,6 Hệ số tương quan biến tổng của 18 quan sát trong thang đo đều lớn hơn 0,3, chứng tỏ thang đo có độ tin cậy cao để tiến hành các phân tích tiếp theo.
Nhân tố D (1D, 2D, 3D, 4D, 5D, 6D, 7D, 8D, 9D, 10D, 11D): dựa vào bảng thông kê cho thấy Cronbach’s Alpha của tổng thể thang đo có giá trị là 0,950
> 0,6 Hệ số tương quan biến tổng trong thang đo đều có giá trị > 0,3 nên thang đo đủ độ tin cậy.
Nhân tố E (5E, 6E, 8E) đã được phân tích qua thang đo lần đầu, cho thấy hệ số Cronbach’s Alpha tổng thể dưới 0,5, dẫn đến việc loại bỏ các biến 1E, 2E, 3E, 4E, và 7E Kết quả cuối cùng cho thấy hệ số Cronbach’s Alpha đạt 0,865, với hệ số tương quan biến tổng của 3 quan sát còn lại đều lớn hơn 0,3, chứng tỏ đây là một thang đo tốt.
Nhân tố F (10F, 11F, 13F, 14F, 15F, 16F) đã được phân tích qua thang đo lần đầu, cho thấy hệ số tương quan biến tổng của hai quan sát (9F, 12F) nhỏ hơn 0,3, dẫn đến việc loại bỏ hai biến này Kết quả cuối cùng được trình bày trong bảng trên với hệ số Cronbach’s Alpha đạt 0,779.
6 quan sát còn lại trong thang đo đều có giá trị > 0,3.
Nhân tố G (20G, 21G, 22G, 23G) đã được phân tích với thang đo lần đầu, cho thấy hệ số tương quan biến tổng của 3 quan sát (17G, 18G, 19G) dưới 0,3, dẫn đến việc loại bỏ 3 biến quan sát này Sau khi chạy lại, kết quả cuối cùng cho thấy hệ số Cronbach’s Alpha đạt 0,807 và hệ số tương quan biến tổng của 4 quan sát còn lại đều lớn hơn 0,3, xác nhận rằng thang đo này là phù hợp.
Tóm lại, phân tích độ tin cậy Cronbach’s Alpha đối với 7 nhân tố trong mô hình nghiên cứu cho thấy tất cả các thang đo đều đạt yêu cầu về hệ số tin cậy Tuy nhiên, trong số 49 biến quan sát của mô hình, có 10 biến bị loại do không đạt độ tin cậy, trong đó có 5 biến thuộc nhân tố E.
2 biến quan sát thuộc nhân tố F và 3 biến quan sát thuộc nhân tố G.
Phân tích nhân tố khám phá EFA
a) Phân tích nhân tố cho các yếu tố độc lập
Phân tích cho tổng hợp 37 biến quan sát của các nhân tố độc lập, kết quả thu được như sau:
Hệ số KMO đạt 0,921 trong phân tích nhân tố EFA lần đầu và giá trị Sig của kiểm định Bartlett’s test là 0,000 EFA đã xác định được 6 nhân tố với Eigenvalue là 1.119 Tuy nhiên, bảng ma trận xoay không hiển thị đầy đủ do có biến trùng lặp, cần loại bỏ các biến có sig 0,6, cụ thể là biến 11D có tương quan với 10D (sig= 0,000, r=9,13) Sau khi loại bỏ, bảng ma trận xoay đã xuất hiện nhưng vẫn còn một số biến có loading factor 1, cho thấy tính khả thi của phân tích 27 biến quan sát được phân nhóm thành 5 nhóm, giải thích 69,34% biến thiên của dữ liệu nghiên cứu.
Dựa trên mô hình phân tích nhân tố EFA, nghiên cứu xác định các yếu tố ảnh hưởng đến sự hài lòng trong công việc của giảng viên bán cơ hữu Sự hài lòng trong công việc được đo lường qua 5 thành phần nhân tố chính.
Nhân tố 1: X1 bao gồm các quan sát: 6D, 7D, 4D, 4D, 1D, 3D, 2D, 8D, 9D, 12C
Nhân tố 3: X3 gồm các quan sát: 13C, 14C, 15C, 9C, 8C
Nhân tố 5: X5 bao gồm: 1A, 2A, 3A. b) Phân tích nhân tố cho các yếu tố phụ thuộc
Thực hiện phân tích EFA theo phương pháp trích yếu tố Principal component với phép xoay varimax Tên các nhân toss cũng được thay đổi sao cho phù hợp.
Bảng 1.4 Kết quả phân tích EFA cho biến phụ thuộc
STT Tên nhân tố Biến quan sát Nhân tố
Kết quả phân tích nhân tố cho biến phụ thuộc cho thấy 13 biến quan sát được nhóm thành 4 nhóm nhân tố, với hệ số tải nhân tố lớn hơn 0,5, chứng tỏ sự quan trọng và ý nghĩa thiết thực của các biến này Hệ số KMO đạt 0,753, cho thấy phân tích EFA phù hợp với dữ liệu, trong khi kiểm định Bartlett’s test có mức ý nghĩa 0,000, xác nhận sự tương quan giữa các biến quan sát Giá trị Eigenvalue đạt 1,057 và giá trị Cronbach’s Alpha lớn hơn 0,6, khẳng định 4 thang đo này đủ tiêu chuẩn cho bước phân tích tiếp theo.
Dựa trên mô hình phân tích nhân tố EFA, sự hài lòng của giảng viên tại Đại học Thăng Long được phân tích qua 4 nhân tố chính Các biến phụ thuộc này phản ánh các khía cạnh quan trọng trong việc đánh giá mức độ hài lòng của giảng viên.
Nhân tố phụ thuộc 1: Y1 bao gồm các quan sát 22G, 23G, 20G, 21G.
Nhân tố phụ thuộc2: Y2 bao gồm các quan sát 6E, 5E, 8E
Nhân tố phụ thuộc 3: Y3 bao gồm các quan sát 14F, 15F, 13F, 16F
Nhân tố phụ thuộc 4: Y4 bao gồm các quan sát 10F, 11F.
Giá trị của các nhân tố trong phân tích hồi quy được xác định bằng trung bình của các biến quan sát thuộc từng nhân tố Phân tích tương quan Pearson được áp dụng để đánh giá mức độ phù hợp khi đưa các nhân tố vào mô hình hồi quy.
Phân tích tương quan Person
Hệ số tương quan Pearson được sử dụng để đo lường mức độ liên hệ tuyến tính giữa hai biến định lượng Trong phân tích hồi quy, các biến nhân tố cần có sự tương quan với nhau, và nếu hai biến có mối tương quan chặt chẽ, cần chú ý đến hiện tượng đa cộng tuyến Phân tích tương quan Pearson không phân biệt giữa biến độc lập và biến phụ thuộc, mà xem xét tất cả các biến một cách đồng đều Để xác định hiện tượng đa cộng tuyến, có thể áp dụng hệ số độ sai lệch cho phép (Tolerance) hoặc hệ số phóng đại phương sai (VIF).
Kết quả phân tích tương quan Pearson chỉ ra rằng cả năm biến độc lập đều có mối tương quan với hai biến phụ thuộc Y1 và Y2 ở mức ý nghĩa 1%, đảm bảo độ tin cậy 99% Tuy nhiên, biến phụ thuộc Y3 và Y4 chỉ có mối tương quan với biến độc lập X1, do đó không thể thực hiện phân tích hồi quy cho hai biến này.
Bảng 1.5 Phân tích tương quan Person
N 180 180 180 180 a) Phân tích hồi quy được sử dụng để đánh giá ảnh hưởng của các biến độc lập lên biến phụ thuộc Y1.
H1 Nhân tố X1 tác động dương (+) đến Y1
H2 Nhân tố X2 tác động dương (+) đến Y1H3 Nhân tố X3 tác động dương (+) đến Y1H4 Nhân tố X4 tác động dương (+) đến Y1H5 Nhân tố X5 tác động dương (+) đến Y1
Hình 1.1: Mô hình giả thuyết
Trong quá trình phân tích mô hình với 5 biến độc lập, nhóm tác giả phát hiện hiện tượng đa cộng tuyến (VIF > 2) và đã loại bỏ biến X2 có hệ số tương quan cao nhất Sau đó, kiểm định phương sai của sai số không đổi cho thấy biến X5 có Sig > 0,05, dẫn đến việc loại bỏ biến này Kết quả cuối cùng cho thấy các hệ số tương quan hạng Spearman giữa các biến độc lập và biến trị tuyệt đối của phần dư chuẩn hóa đều có mức ý nghĩa Sig > 0,05, xác nhận rằng các biến không gặp hiện tượng phương sai của phần dư thay đổi và mô hình có ý nghĩa thống kê.
Bảng 1.7 Kiểm định phương sai của sai số không đổi
** Correlation is significant at the 0,01 level (2-tailed).
Ta đưa 3 biến X1, X3, X4 vào chạy hồi quy kết quả chạy lần cuối cùng được trình bày ở bảng 1.7.
Bảng 1.8 Kết quả phân tích hồi quy đa biến bằng phương pháp Enter
Mô hình Hệ số chưa chuẩn hóa Hệ số chuẩn hóa t Sig Thống kê cộng tuyến
B Độ lệch chuẩn Beta Độ chấp nhận
Kết quả cho thấy giá trị R2 điều chỉnh (Adjusted R Square) là 0,160 (16,0%), cho thấy mô hình có sự phù hợp tương đối nhỏ Kiểm định F Change với Sig ≤ 0,05 chỉ ra rằng tồn tại mô hình hồi quy tuyến tính giữa sự hài lòng và 3 nhân tố ảnh hưởng Kiểm định F trong phân tích phương sai được sử dụng để kiểm tra giả thuyết về độ phù hợp của mô hình hồi quy tuyến tính tổng thể, nhằm xác định mối liên hệ tuyến tính giữa biến phụ thuộc và toàn bộ tập hợp các biến độc lập.
Hệ số Durbin-Watson (d) là 1,799, nằm trong khoảng từ 1 đến 3, cho thấy không có hiện tượng tự tương quan giữa các phần dư trong mô hình Điều này chứng tỏ mô hình nghiên cứu có ý nghĩa thống kê.
Kết quả kiểm định hiện tượng đa cộng tuyến cho thấy hệ số phóng đại phương sai VIF của các biến trong mô hình đều nhỏ hơn 2, điều này chứng tỏ mô hình hồi quy không vi phạm giả thuyết đa cộng tuyến và có ý nghĩa thống kê Hệ số hồi quy trong mô hình cung cấp thông tin quan trọng về mối quan hệ giữa các biến độc lập và biến phụ thuộc.
Sau khi thực hiện các phép kiểm định hồi quy, mô hình không vi phạm các giả thuyết kiểm định và có ý nghĩa thống kê Kết quả cho thấy biến X3 và X4 ảnh hưởng đến mức độ hài lòng của giảng viên bán cơ hữu tại trường, với ý nghĩa sig 0,0001).
Kết quả phân tích hiện tượng đa cộng tuyến cho thấy hệ số phóng đại phương sai VIF của các biến trong mô hình nhỏ hơn 2, điều này chứng tỏ mô hình hồi quy không vi phạm giả thuyết về đa cộng tuyến và có ý nghĩa thống kê.
Kết quả phân tích bảng 1.8 cho thấy các hệ số tương quan hạng Spearman giữa các biến độc lập và biến trị tuyệt đối của phần dư chuẩn hóa đều có mức ý nghĩa Sig > 0,05 Điều này cho phép chúng ta kết luận rằng không có hiện tượng phương sai của phần dư thay đổi, và mô hình được kiểm định có ý nghĩa thống kê.
Bảng 1.12 Kiểm định phương sai của sai số không đổi (2)
** Correlation is significant at the 0,01 level (2-tailed).
Sau khi thực hiện các phép kiểm định hồi quy, mô hình cho thấy không vi phạm các giả thuyết kiểm định và có ý nghĩa thống kê Kết quả cho thấy không có biến độc lập nào có mức ý nghĩa sig < 0,05, điều này chỉ ra rằng không có nhân tố nào ảnh hưởng đến biến Y2.
Bảng 1.13 Kiểm định các giả thuyết của mô hình nghiên cứu
H1 Nhân tố X1 tác động dương (+) đến
H2 Nhân tố X2 tác động dương (+) đến
H3 Nhân tố X3 tác động dương (+) đến
H4 Nhân tố X4 tác động dương (+) đến
H5 Nhân tố X5 tác động dương (+) đến
Phân tích sự khác biệt theo đặc điểm nhân khẩu học ( phân tích phương sai Anova)
Nghiên cứu này áp dụng phân tích phương sai ANOVA để xác định sự khác biệt trong đánh giá mức độ quan trọng của các tiêu chí giữa các nhóm đối tượng khảo sát có đặc điểm cá nhân khác nhau Cụ thể, phương pháp phân tích phương sai một nhân tố được sử dụng để phát hiện sự khác biệt trong mức độ hài lòng trong công việc dựa trên các yếu tố nhân khẩu học như giới tính, độ tuổi, thu nhập và thâm niên.
Với các giả thuyết được đặt ra là:
H1: Có sự khác biệt mức độ hài lòng trong công việc theo giới tính.
H2: : Có sự khác biệt mức độ hài lòng trong công việc theo độ tuổi
H3: : Có sự khác biệt mức độ hài lòng trong công việc theo thâm niên
H4: : Có sự khác biệt mức độ hài lòng trong công việc theo thu nhập. a) Kiểm định mức độ hài lòng trong công việc theo giới tính.
Bảng 1.14 Kiểm định mức độ hài lòng trong công việc theo giới tính
Giới Tính N Mean Std Deviation Std Error Mean
Bảng 1.15 Kiểm định sự thỏa mãn trong công việc giữa phái nam và phái nữ
Levene's Test for Equality of Variances t-test for Equality of Means
95% Confidence Interval of the Difference
Kiểm định Independent-samples T-test cho thấy không có sự khác biệt về mức độ hài lòng giữa nam và nữ Kết quả kiểm định Levene cho biến giới tính và biến Y2 có giá trị 0,022 < 0,05, cho thấy phương sai giữa hai giới tính không khác nhau Do đó, chúng ta sử dụng kết quả "Equal variances not assumed" với mức ý nghĩa Sig > 0,05, kết luận rằng không có sự khác biệt có ý nghĩa về trị trung bình giữa hai phái đối với Y2 Đối với các biến Y1, Y3, Y4, Y5, giá trị Sig trong kiểm định Levene lớn hơn 0,05, xác nhận phương sai giữa hai giới tính không khác nhau Sử dụng giá trị Sig trong hàng "Equal variances assumed", chúng ta thấy giá trị Sig T-test > 0,05, tức là không có sự khác biệt về các biến phụ thuộc Y1, Y3, Y4, Y5 giữa các đáp viên khác giới Do đó, giả thuyết H1 bị bác bỏ.
Phân tích phương sai ANOVA được sử dụng để đánh giá sự khác biệt về mức độ hài lòng trong công việc của giảng viên bán cơ hữu theo độ tuổi Nghiên cứu này giúp xác định xem có sự khác biệt đáng kể nào trong mức độ hài lòng giữa các nhóm tuổi khác nhau hay không, từ đó cung cấp thông tin hữu ích cho các nhà quản lý giáo dục trong việc cải thiện môi trường làm việc cho giảng viên.
Bảng 1.16 Kết quả phân tích sự khác nhau về độ tuổi
Test of Homogeneity of Variances
Kết quả phân tích cho thấy độ tuổi có ảnh hưởng đến biến Y2, với Sig Levene’s test và Sig F đều nhỏ hơn 0,05, cho thấy sự khác biệt về mức độ hài lòng của giảng viên theo độ tuổi Cụ thể, dữ liệu chỉ ra rằng khi độ tuổi tăng, mức độ hài lòng theo thang đo Y2 giảm xuống, từ đó chấp nhận giả thuyết H2.
Hình 1.2 Biểu đồ tương quan giữa độ tuổi đến biến y2 c) Kiểm định mức độ hài lòng trong công việc theo thâm niên.
Bảng 1.17 Kết quả phân tích sự khác biệt về thâm niên
Test of Homogeneity of Variances
Levene Statistic df1 df2 Sig.
Từ 3-5 năm 09638 14404 985 -.2958 4885Theo bảng kết quả Test of Homogeneity of Variances, Y1, Y2 có mức ý nghĩaSig.< 0,05 có thể nói phương sai đánh giá về sự hài lòng của các nhóm độ tuổi khác nhau một cách có ý nghĩa thống kê Như vậy, kết quả phân tích ở bảng ANOVA sử dụng không tốt để kiểm định giả thuyết mà phải dùng kiểm định Tamhane’s T2 ở mục Post Hoc kiểm định phương sai không bằng nhau trong phân tích sâu ANOVA
Kết quả phân tích từ bảng Post Hoc cho thấy không có cặp nào có giá trị mức ý nghĩa Sig nhỏ hơn 0,05, do đó tác giả bác bỏ giả thuyết H3, kết luận rằng không có sự khác biệt về thâm niên liên quan đến mức độ hài lòng trong công việc Tiếp theo, cần kiểm định sự khác biệt về thu nhập.
Bảng 1.18 Kết quả kiểm định sự khác nhau về thu nhập
Test of Homogeneity of Variances
Sum of Squares df Mean
Phân tích phương sai ANOVA cho thấy sự khác biệt về mức độ hài lòng trong công việc giữa các nhóm thu nhập Kết quả từ bảng Test of Homogeneity of Variances cho thấy Sig > 0,05, cho phép khẳng định rằng phương sai đánh giá sự hài lòng không khác nhau một cách có ý nghĩa thống kê Tuy nhiên, với mức ý nghĩa Sig < 0,05 từ phân tích ANOVA, có thể kết luận rằng có sự khác biệt có ý nghĩa thống kê về sự hài lòng trong công việc giữa những người có thu nhập khác nhau Cụ thể, những người có thu nhập cao hơn có xu hướng hài lòng trong công việc giảm dần Do đó, giả thuyết H4 được chấp nhận.
Hình 1.3 Biểu đồ tương quan giữa thu nhập đến biến y2