Phương pháp phân tích dữ liệu

CHƯƠNG 3 PHƯƠNG PHÁP NGHIÊN CỨU

3.4 Phương pháp phân tích dữ liệu

Thống kê mô tả: là các phương pháp liên quan đến việc thu thập số liệu, tóm tắt, trình bày, tính toán và mô tả các đặc trưng khác nhau để phản ánh một cách tổng quát đối tượng nghiên cứu. Đặc trưng của nghiên cứu thống kê mô tả là qua tỷ lệ phần trăm và giá trị trung bình. Nếu thang đo dựa trên thang likert 5 được xây dựng như sau:

• 0 ≤ Mean < 1.5: Rất không đồng ý

• 1.5 ≤ Mean < 2.5: Không đồng ý

• 2.5 ≤ Mean < 3.5: Không có ý kiến

• 3.5 ≤ Mean < 4.5: Đồng ý

• 4.5 ≤ Mean ≤ 5.0: Rất đồng ý

3.4.2 Phân tích độ tin cậy của thang đo (Cronbach’s Alpha)

Hệ số Cronbach’s Alpha là một hệ số kiểm định thống kê về mức độ tin cậy và tương quan trong giữa các biến quan sát trong thang đo. Nó cho biết sự chặt chẽ và thống nhất trong các câu trả lời nhằm đảm bảo người được hỏi đã hiểu cùng một khái niệm.

Sử dụng phương pháp hệ số tin cậy Cronbach’s Alpha trước khi phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) để loại các biến không phù hợp vì các biến rác này có thể tạo ra các yếu tố giả (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2009). Các tiêu chí được sử dụng khi thực hiện đánh giá độ tin cậy thang đo:

• Loại các biến quan sát có hệ số tương quan biến – tổng nhỏ (nhỏ hơn 0.3); tiêu chuẩn chọn thang đo khi có độ tin cậy Alpha lớn hơn 0.6 (Alpha càng lớn thì độ tin cậy nhất quán nội tại càng cao) (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2009).

49

• Các mức giá trị của Alpha: lớn hơn 0.8 là thang đo lường tốt; từ 0.7 đến 0.8 là sử dụng được; từ 0.6 trở lên là có thể sử dụng trong trường hợp khái niệm nghiên cứu mới hoặc là mới trong bối cảnh nghiên cứu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).

• Các biến quan sát có tương quan biến-tổng nhỏ (nhỏ hơn 0.4) được xem là biến rác sẽ được loại ra và thang đo được chấp nhận khi hệ số tin cậy Alpha đạt yêu cầu (lớn hơn 0.7). Dựa vào những thông tin trên, báo cáo thực hiện đánh giá thang đo dựa trên tiêu chí:

• Loại các biến quan sát có hệ số tương quan biến-tổng nhỏ hơn 0.3 (đây là những biến không đóng góp nhiều cho sự mô tả của khái niệm cần đo và nhiều nghiên cứu trước đây đã sử dụng tiêu chí này).

• Chọn thang đo có độ tin cậy Alpha lớn hơn 0.6

3.4.3 Phân tích nhân tố khám phá (EFA)

Phương pháp phân tích nhân tố EFA thuộc nhóm phân tích đa biến phụ thuộc lẫn nhau (interdependence techniques), nghĩa là không có biến phụ thuộc và biến độc lập mà nó dựa vào mối tương quan giữa các biến với nhau (interrelationships). 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 dựa vào mối quan hệ tuyến tính của các nhân tố với các biến nguyên thủy (biến quan sát).

Các tác giả Mayers, L.S., Gamst, G., Guarino A.J. (2000) đề cập rằng: Trong phân tích nhân tố, phương pháp trích Pricipal Components Analysis đi cùng với phép xoay Varimax là cách thức được sử dụng phổ biến nhất. Theo Hair &ctg (1998), Hệ số tải nhân tố Factor loading là chỉ tiêu đảm bảo mức ý nghĩa thiết thực của EFA:

• Factor loading > 0.3 được xem là 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

Điều kiện để phân tích nhân tố khám phá là phải thỏa mãn các yêu cầu:

50

- Hệ số tải nhân tố (Factor loading) > 0.5

- 0.5 ≤ KMO ≤ 1: Hệ số KMO (Kaiser-Meyer-Olkin) là chỉ số được dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO lớn có ý nghĩa phân tích nhân tố là thích hợp.

- Kiểm định Bartlett có ý nghĩa thống kê (Sig. < 0.05): Đây là một đại lượng thống kê dùng để xem xét giả thuyết các biến 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 mối tương quan với nhau trong tổng thể.

- Phần trăm phương sai trích (Percentage of variance) > 50%: Thể hiện phần trăm biến thiên của các biến quan sát. Nghĩa là xem biến thiên là 100% thì giá trị này cho biết phân tích nhân tố giải thích được bao nhiêu %.

3.4.5 Phân tích mô hình hồi quy

Hồi quy là một mô hình thống kê được sử dụng để dự đoán giá trị của biến phụ thuộc hay còn gọi là biến kết quả dựa vào những giá trị của ít nhất 1 biến độc lập hay còn gọi là biến nguyên nhân. Nếu mô hình hồi quy phân tích sự phụ thuộc của 1 biến phụ thuộc vào 1 biến độc lập gọi là hồi quy đơn, nếu có nhiều biến độc lập gọi là hồi quy bội. Hồi quy tuyến tính là mô hình hồi quy trong đó mối quan hệ giữa các biến được biểu diễn bởi một đường thẳng. Sau khi kết luận các biến có mối liên hệ tuyến tính thì có thể mô hình hóa mối quan hệ nhân quả của hai biến này bằng hồi quy tuyến tính (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005).

Phương trình hồi quy đa biến cho mô hình nghiên cứu đề xuất ban đầu (theo mô hình lý thuyết):

Y = 0 + 1*X1 + 2*X2 + 3*X3+ 4* X4 + 5* X5+ 6* X6 +7*X7

Việc kiểm định mô hình lý thuyết sẽ được thực hiện bằng phương pháp hồi quy tuyến tính để kiểm định tất cả các giả thuyết trong mô hình. Những giả thuyết về mối tương quan giữa các thành phần có mức ý nghĩa Sig. < 0.05.

51

• Kiểm định các giả thuyết, sử dụng phần mềm SPSS

• Đánh giá độ phù hợp của mô hình hồi quy đa biến

• Kiểm định giả thuyết về độ phù hợp của mô hình

• Kiểm tra giả định về hiện tượng đa cộng tuyến (tương quan giữa các biến độc lập) thông qua giá trị của độ chấp nhận (Tolerance) hoặc hệ số phóng đại phương sai VIF (Variance inflation factor): VIF > 10 thì có thể nhận xét có hiện tượng đa cộng tuyến (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005).

• Xác định mức độ ảnh hưởng của các yếu tố tác động đến sự gắn bó của người lao động: yếu tố có hệ số  càng lớn thì có thể nhận xét rằng yếu tố đó có mức độ ảnh hưởng cao hơn các yếu tố khác trong mô hình nghiên cứu.

52

TÓM TẮT CHƯƠNG 3

Chương này đã trình bày phương pháp nghiên cứu, phương pháp chọn mẫu, mô tả

quy trình nghiên cứu, điều chỉnh thang đo đồng thời trình bày phương pháp phân tích dữ liệu. Phương pháp nghiên cứu được thực hiện để xây dựng, đánh giá các thang đo và mô hình lý thuyết về các yếu tố tác động đến động lực làm việc của nhân viên.

Phương pháp nghiên cứu được thực hiện bằng hai phương pháp: phương pháp nghiên cứu định tính và phương pháp nghiên cứu định lượng. Phương pháp nghiên cứu định tính thông qua kỹ thuật thảo luận nhóm, qua bước nghiên cứu này, các thang đo đo lường các khái niệm cũng được xây dựng để phục vụ cho nghiên cứu chính thức. Quy trình và tiêu chí khi xử lý, phân tích dữ liệu định lượng bằng phần mềm SPSS 20 cũng được thể hiện một cách chi tiết. Cuối cùng thang đo chính thức được hình thành dựa trên kết quả của các nghiên cứu định tính. Trong chương tiếp theo, tác giả sẽ trình bày kết quả nghiên cứu và thảo luận về kết quả nghiên cứu so với thực tế.

53