Ảnh hưởng của văn hóa doanh nghiệp đến lòng trung thành của nhân viên công nghệ thông tin trong các ngân hàng thương mại cổ phần

lược của ngân hàng thường rất đa dạng, tập trung chủ yếu vào kinh doanh, nghiệp vụ.

- Điều chỉnh nhân tố Khen thưởng và công nhận thành 2 nhân tố Lương, thưởng và phúc lợi và Cơ hội thăng tiến. Trong đó Cơ hội thăng tiến gồm việc đánh giá các danh hiệu thi đua khen thưởng và ghi nhận thăng tiến cho nhân viên.

- Bổ sung nhân tố Môi trường làm việc, nhân tố này kết hợp điều kiện làm việc và quan hệ đồng nghiệp.

Từ đó, mô hình lý thuyết đề xuất được đưa ra gồm có 8 thành phần của Văn hóa doanh nghiệp (Giao tiếp; Đào tạo và phát triển; Chấp nhận rủi ro; Lương, thưởng và phúc lợi; Cơ hội thăng tiến; Làm việc nhóm; Môi trường làm việc; Chính sách quản trị) tác động đến Lòng trung thành của nhân viên như hình 2.1.

Giao tiếp


Đào tạo và phát triển


Chấp nhận rủi ro


Lương, thưởng và phúc lợi



Cơ hội thăng tiến


Làm việc nhóm


Môi trường làm việc


Chính sách quản trị

Có thể bạn quan tâm!

Xem toàn bộ 119 trang tài liệu này.

Lòng trung thành của nhân viên

Hình 2.1 : Mô hình nghiên cứu

Từ mô hình trên, các giả thuyết nghiên cứu được đưa ra như sau:

1. Giả thuyết H1: Giao tiếp trong tổ chức có ảnh hưởng tích cực đến lòng trung thành của nhân viên

2. Giả thuyết H2: Đào tạo và phát triển có ảnh hưởng tích cực đến lòng trung thành của nhân viên.

3. Giả thuyết H3: Chấp nhận rủi ro có ảnh hưởng tích cực đến lòng trung thành của nhân viên.

4. Giả thuyết H4: Lương, thưởng và phúc lợi có ảnh hưởng tích cực đến lòng trung thành của nhân viên

5. Giả thuyết H5: Cơ hội thăng tiến có ảnh hưởng tích cực đến lòng trung thành của nhân viên.

6. Giả thuyết H6: Làm việc nhóm có ảnh hưởng tích cực đến lòng trung thành của nhân viên.

7. Giả thuyết H7 : Môi trường làm việc có ảnh hưởng tích cực đến lòng trung thành của nhân viên.

8. Giả thuyết H8: Chính sách quản trị có ảnh hưởng tích cực đến lòng trung thành của nhân viên.

CHƯƠNG 3:

PHƯƠNG PHÁP NGHIÊN CỨU

Nội dung chương này sẽ trình bày về phương pháp nghiên cứu, bao gồm thiết kế nghiên cứu, quy trình nghiên cứu và thang đo phù hợp với đề tài.

3.1 Mẫu nghiên cứu

Đối tượng khảo sát là nhân viên CNTT đang làm việc toàn thời gian tại các ngân hàng TMCP trên địa bàn TP.HCM.

Trong nghiên cứu này có thực hiện phân tích EFA và hồi quy bội. Do đó kích thước mẫu được xác định như sau:

- Đối với phân tích nhân tố (EFA), cỡ mẫu tối thiểu là N ≥ 5*x (x: tổ ng số biến quan sát) (Nguyễn Đình Thọ, 2011). Trong nghiên cứu này, tổng số biến quan sát là 41, như vậy số mẫu tối thiểu cần đạt được là 205 mẫu.

- Theo một công thức kinh nghiệm thường dùng để tính kích thước mẫu cho hồi quy bội là N ≥ 50 + 8p (p: số lượng biến độc lập của mô hình) (Nguyễn Đình Thọ, 2011). Kích thước mẫu theo công thức này là N ≥ 50 + 8*8 = 114 mẫu.

- Như vậy, cỡ mẫu cần thiết để thỏa mãn c ả phân tích nhân tố và hồi quy bội là N ≥ 205 mẫu (N ≥ Max(5*x ; 50+8p)).

Mẫu trong nghiên cứu được chọn theo phương pháp lấy mẫu thuận tiện. Đây là phương pháp chọn mẫu phi xác suất trong đó nhà nghiên cứu tiếp cận với các đối tượng nghiên cứu bằng phương pháp thuận tiện. Điều này có nghĩa là nhà nghiên cứu có thể chọn các đối tượng mà họ có thể tiếp cận. Ưu điểm của phương pháp này là dễ tiếp cận đối tượng nghiên cứu và thường sử dụng khi bị giới hạn thời gian và chi phí. Tuy nhiên phương pháp này có nhược điểm là không xác định được sai số do lấy mẫu.

3.2 Phương pháp xử lý số liệu

Với dữ liệu thu thập về, sau khi hoàn tất việc kiểm tra, loại bỏ những bản phỏ ng vấn không đạt yêu c ầu, mã hóa, nhập liệu và làm sạch dữ liệu, một số phương pháp phân tích sẽ được sử dụng trong nghiên cứu.

3.2.1 Bảng tần số

Thực hiện đếm tần số để biết với tập dữ liệu đang có thì số đối tượng ở các biểu hiện nào đó ở một thuộc tính c ụ thể là bao nhiêu.

3.2.2 Phân tích Cronbach Alpha

Phân tích Cronbach Alpha nhằm kiểm định độ tin c ậy của thang đo thông qua hệ số Cronbach Alpha và loại bỏ những biến có tương quan biến - tổ ng (item-total correlation) (hiệu chỉnh) nhỏ.

Hệ số Cronbach Alpha có giá trị biến thiên trong khoảng [0,1]. Một thang đo có độ tin cậy tốt khi hệ số Cronbach Alpha biến thiên trong kho ảng [0.7,0.8] (Nguyễn Đình Thọ, 2011). Nếu hệ số Cronbach Alpha lớn hơn ho ặc bằng 0.6 là thang đo đó có thể chấp nhận được về mặt độ tin c ậy (Nguyễn Đình Thọ, 2011).

Về lý thuyết hệ số Cronbach Alpha càng cao càng tốt (thang đo càng có độ tin cậy cao). Tuy nhiên, hệ số Cronbach Alpha quá lớn (α > 0.95) cho thấy có nhiều biến thiên trong thang đo không có khác biệt gì nhau, tức là xảy hiện tượng trùng lắp trong đo lường (Nguyễn Đình Thọ, 2011). Do đó, khi kiểm tra từng biến đo lường ta sử dụng thêm hệ số tương quan biến – tổng. Theo Nguyễn Đình Thọ (2011), trích từ Nunnally & Bernstein (1994) thì nếu một biến đo lường có hệ số tương quan biến – tổng (hiệu chỉnh) lớn hơn hoặc bằng 0.3 thì biến đó đạt yêu cầu.

Như vậy, trong phân tích Cronbach Alpha thì ta sẽ loại bỏ những thang đo có hệ số nhỏ (α < 0.6) và cũng loại những biến quan sát có hệ số tương quan biến – tổng (hiệu chỉnh) nhỏ ( < 0.3) ra khỏi mô hình vì những biến quan sát này không phù hợp ho ặc không có ý nghĩa đối với thang đo. Tuy nhiên c ần lưu ý, trước khi

thực hiện loại biến thì không phải chỉ đơn thuần nhìn vào số liệu thố ng kê mà c ần phải đánh giá lại giá trị nội dung c ủa khái niệm.

3.2.3 Phân tích nhân tố khám phá EF A

Sau khi loại bỏ các biến không đ ảm bảo độ tin cậy thông qua phân tích Cronbach Alpha, phương pháp phân tích nhân tố EFA được sử dụng để đánh giá giá trị của thang đo thông qua hai giá trị quan trọng: độ giá trị hội tụ (convergent validity), độ giá trị phân biệt (discriminant validity). EFA dùng để thu gọn một tập các biến quan sát thành một tập các nhân tố. Số lượng nhân tố được xác định dựa trên chỉ số Eigenvalue – đại điện cho phần biến thiên được giải thích bởi mỗi nhân tố và tiêu chuẩn phương sai trích (Variance explained criteria).

Trong thực tiễn nghiên cứu, để thang đo đạt giá trị hội tụ thì hệ số tương quan đơn giữa các biến và các nhân tố (factor loading) phải lớn hơn hoặc bằng

0.5 trong một nhân tố (0.4 ≤ factor loading ≤ 0.5 được xem là quan trọng; factor loading > 0.5 được xem là có ý nghĩa thực tiễn). Để đạt độ giá trị phân biệt, khác biệt giữa các nhân tố phải lớn hơn ho ặc bằng 0.3 (λiA – λiB ≥ 0.3). Tuy nhiên, chúng ta c ần xem xét giá trị nội dung của nó trước khi ra quyết định loại bỏ hay không loại bỏ một biến đo lường (Nguyễn Đình Thọ, 2011).

Số lượng nhân tố được xác định ở nhân tố (dừng ở nhân tố) có Eigenvalue tối thiểu bằng 1 (≥ 1) và những nhân tố có Eigenvalue nhỏ hơn 1 sẽ bị loại ra khỏi mô hình, (Nguyễn Đình Thọ, 2011). Tổng phương sai trích phải đ ạt từ 50% trở lên.

Để xác định sự phù hợp khi sử dụng EFA thì người ta thường tiến hành dùng kiểm định Barlett và KMO.

- Kiểm định Bartlett dùng để đánh giá các biến quan sát có tương quan với nhau trong tổng thể dùng để xem xét ma trận tương quan có phải là ma trận đơn vị (I) hay không. Kiểm định Barlett có ý nghĩa thống kê khi sig. < 0.05. Điều này chứng tỏ các biến quan sát có tương quan với nhau trong tổng thể.

- Kiểm định KMO dùng để so sánh độ lớn của hệ số tương quan giữa các biến đo lường với độ lớn của hệ số tương quan riêng phần của chúng (Nguyễn Đình Thọ, 2011, trích từ Norusis, 1994). Hệ số KMO càng lớn càng tốt vì phần chung giữa các biến càng lớn (Nguyễn Đình Thọ, 2011). Hệ số KMO phải đạt giá trị từ 0.5 trở lên (KMO ≥ 0.5) thể hiện phân tích là phù hợp. Hệ số KMO < 0.5 thì không thể chấp nhận được (Nguyễn Đình Thọ, 2011, trích từ Kaiser, 1974).

Tuy nhiên, theo Nguyễn Đình Thọ (2011, trang 397) thì trong thực tế, với sự hỗ trợ của các phần mềm xử lý thống kê SPSS và chúng ta có thể nhìn vào kết quả trọng số nhân tố và phương sai trích đạt yêu cầu thì vấn đề kiểm định Bartlett, KMO không còn ý nghĩa nữa vì chúng luôn luôn đ ạt yêu c ầu.

Phương pháp trích nhân tố được sử dụng trong nghiên c ứu này là phương pháp Principal components với phép xoay Varimax và điểm dừng khi trích các yếu tố có Eigenvalues lớn hơn hoặc bằng 1.

3.2.4 Phân tích hồi quy

Phân tích hồi quy được dùng để kiểm định mối quan hệ giữa các biến độc lập và biến phụ thuộc trong mô hình nghiên c ứu. Có một số vấn đề cần quan tâm trong mô hình hồi quy bội:

- Trước khi thực hiện hồi quy cần xem xét mối tương quan giữa tất cả các biến.

- Kiểm định sự phù hợp của mô hình hồi quy được bằng hệ số xác định điều chỉnh (R2 điều chỉnh). Đây là hệ số đo lường tỷ lệ phần trăm biến thiên của biến phụ thuộc được giải thích bởi biến độc lập có tính đến cỡ mẫu và số biến độc lập trong mô hình hồi quy bội.

- Kiểm định mức ý nghĩa của các hệ số riêng phần bằng thống kê t.

- Kiểm định việc vi phạm các giả định.

- Xác định tầm quan trọng của các biến trong mô hình.

3.3 Quy trình nghiên cứu

Nghiên cứu được thực hiện gồm 2 bước chính:

- Nghiên cứu định tính với kỹ thuật thảo luận nhóm nhằm hiệu chỉnh các thang đo của nước ngoài, xây dựng bản phỏng vấn phù hợp với điều kiện và đối tượng khảo sát ở Việt Nam. Tác giả đã thực hiện thảo luận nhóm với 8 người là nhân viên CNTT đang làm việc tại các ngân hàng TMCP trên địa bàn TP.HCM. Kết quả của bước này là bảng phỏng vấn chính thức (xem Phụ lục 2) dùng cho nghiên cứu định lượng.

- Nghiên c ứu định lượng: Các bản câu hỏi điều tra được thực hiện với các nhân viên CNTT đang làm việc toàn thời gian tại các ngân hàng TMCP trên địa bàn TP.HCM bằng cách phỏng vấn trực tiếp hoặc gửi email hoặc thông qua công c ụ khảo sát trực tuyến (Google Docs). Mục đích c ủa nghiên cứu này nhằm xác định các thành phần cũng như giá trị và độ tin c ậy của thang đo, và kiểm định mô hình nghiên cứu.