Kết Quả Kiểm Định Độ Tin Cậy Thang Đo Thông Qua Hệ Số Cronbach’S

84.0%); nhóm có thu nhập từ 5 đến 7 triệu đồng và nhóm có thu nhập từ 10 triệu trở lên với 12 người (chiếm tỷ lệ 8%) và không có lao động nào có thu nhập dưới 5 triệu (0%). Mức thu nhập này dựa trên thời gian làm việc của nhân viên tại công ty. Tính chất công việc ở đây khá nặng nên nhân viên ở đây cũng được trả lương khá cao so với nhiều ngành khác.

2.3.2. Kiểm định sự tin cậy của thang đo

Trong nghiên cứu này, đề tài sử dụng thang đo bao gồm 7 biến độc lập, trong đó: Biến “Lãnh đạo” có 4 biến quan sát; Biến “Bản chất công việc” có 4 biến quan sát; Biến “Điều kiện làm việc” có 4 biến quan sát; Biến “Đồng nghiệp” có 3 biến quan sát và biến “Tiền lương” có 4 biến quan sát; Biến “Phúc lợi” có 4 biến quan sát và Biến “ Cơ hội đào tạo và thăng tiến” có 4 biến.

Nhằm có được kết quả chính xác nhất hơn, trước khi tiến hành phân tích dữ liệu, đề tài sẽ tiến hành kiểm định độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha. Thông qua hệ số Cronbach’s Alpha sẽ cho ta biết các biết quan sát của từng biến độc lập có đáng tin cậy hay không bằng sự phản ánh mức độ tương quan chặt chẽ giữa các biến quan sát trong cùng một nhân tố. Kiểm định này sẽ giúp chúng ta kiểm tra xem trong cùng một biến độc lập, biến nào có sự đóng góp vào việc đo lường khái niệm nhân tố và biến nào không. Từ đó, đề tài có thể dễ dàng loại bỏ các biến không liên quan trước khi đi vào các phân tích dữ liệu tiếp theo, thông qua các tiêu chuẩn sau:

Những biến có hệ số tương quan biến tổng (Corrected Item – Total Correlation) lớn hơn 0,3 và có hệ số Cronbach’s Alpha lớn hơn 0,7 sẽ được chấp nhận và được đưa vào những bước phân tích xử lý tiếp theo (Hoàng Trọng &Chu Nguyễn Mộng Ngọc, 2008).

Bảng 2. 4. Kết quả kiểm định độ tin cậy thang đo thông qua hệ số Cronbach’s

Alpha



Biến quan sát

Hệ số tương quan biến tổng (Corrected Item – Total Correlation)

Hệ số Cronbach’s Alpha nếu

loại biến (Cronbach’s Alpha if Item

Deleted)

Lãnh đạo

Cronbach’s Alpha = 0,772

LANHDAO1

0,647

0,678

LANHDAO2

0,596

0,706

LANHDAO3

0,523

0,747

LANHDAO4

0,537

0,736

Bản chất công việc

Cronbach’s Alpha = 0,701

BCCV1

0,575

0,580

BCCV2

0,457

0,656

BCCV3

0,416

0,679

BCCV4

0,500

0,629

Điều kiện làm việc

Cronbach’s Alpha = 0,788

DIEUKIEN1

0,530

0,780

DIEUKIEN 2

0,570

0,703

DIEUKIEN 3

0,668

0,793

DIEUKIEN 4

0,617

0,692

Đồng nghiệp

Cronbach’s Alpha = 0,628

DONGNGHIEP1

0,467

0,486

DONGNGHIEP2

0,469

0,499

DONGNGHIEP3

0,388

0,604

Có thể bạn quan tâm!

Xem toàn bộ 125 trang tài liệu này.

Nghiên cứu các nhân tố ảnh hưởng đến sự hài lòng trong công việc của nhân viên Công ty cổ phần 207 - 7


Tiền lương

Cronbach’s Alpha = 0,743

LUONG1

0,552

0,676

LUONG 2

0,596

0,648

LUONG 3

0,572

0,663

LUONG 4

0,430

0,741

Phúc lợi

Cronbach’s Alpha = 0,749

PHUCLOI1

0,592

0,665

PHUCLOI2

0,583

0,669

PHUCLOI3

0,562

0,681

PHUCLOI4

0,443

0,745

Cơ hội đào tạo và thăng tiến

Cronbach’s Alpha =0,817

DTTT1

0,595

0,789

DTTT2

0,618

0,780

DTTT3

0,652

0,769

DTTT4

0,706

0,737

(Nguồn: Kết quả phân tích dữ liệu SPSS 20.0)

Sau khi tiến hành kiểm định độ tin cậy thang đo thông qua hệ số Cronbach’s Alpha với kết quả như bảng trên, ta thấy tất cả 7 biến độc lập đều có hệ số Cronbach’s Alpha lớn hơn 0,7. Đồng thời, các biến quan sát đều có hệ số tương quan biến tổng lớn hơn 0,3 và hệ số Cronbach’s Alpha nếu loại biến nhỏ hơn hệ số Cronbach’s Alpha của biến độc lập tương ứng.

Vì vậy, dựa vào các tiêu chí kiểm định như trên ta có thể kết luận rằng thang đo được sử dụng là đáng tin cậy nên đề tài quyết định giữ lại tất cả các biến quan sát như ban đầu để tiến hành các bước phân tích tiếp theo.

Bảng 2. 5. Kết quả kiểm định độ tin cậy thang đo của biến phụ thuộc


Biến quan

sát

Hệ số tương quan biến tổng (Corrected Item – Total Correlation)

Hệ số Cronbach’s Alpha nếu

loại biến (Cronbach’s Alpha if Item

Deleted)

HÀI LÒNG CÔNG VIỆC

Cronbach’s Alpha = 0,745

HLCV1

0,596

0,643

HLCV2

0,599

0,630

HLCV3

0,523

0,706

(Nguồn: Kết quả phân tích dữ liệu SPSS 20.0) Sau khi phân tích dữ liệu, ta thấy biến phụ thuộc “Hài lòng công việc” có hệ số Cronbach’s Alpha bằng 0,745 thỏa mãn tiêu chuẩn kiểm định (Cronbach’s Alpha lớn hơn 0,7) và có các biến quan sát đều có hệ số tương quan biến tổng lớn hơn 0,3 và hệ số Cronbach’s Alpha nếu loại biến nhỏ hơn hệ số Cronbach’s Alpha của biến phụ thuộc nên ta có thể kết luận các biến quan sát trên có sự tương quan chặt chẽ với nhau,

đảm bảo cho các bước phân tích tiếp theo.

2.3.3. Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis)

Phương pháp phân tích nhân tố khám phá EFA (Exploratory Factor Analysis, gọi tắt là phương pháp EFA) giúp chúng ta đánh giá hai loại giá trị quan trọng của thang đo là giá trị hội tụ và giá trị phân biệt.

Sau khi kiểm định độ tin cậy của thang đo ở bước trước, nghiên cứu sẽ tiến hành phân tích nhân tố khám phá EFA để rút gọn một tập gồm nhiều biến quan sát thành một tập biến ít hơn (gọi là nhân tố). Các nhân tố được rút gọn này sẽ có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến quan sát ban đầu

2.3.3.1. Kiểm định KMO và Bartlett’s Test biến độc lập

Trước khi tiến hành phân tích nhân tố khám phá EFA, nghiên cứu sẽ tiến hành kiểm định hệ số KMO (Kaiser Meyer – Olkin of Sampling Adequacy) và Bartlett’s Test nhằm xem xét việc phân tích này có phù hợp hay không, trong đó:

- Hệ số KMO (Kaiser Meyer – Olkin of Sampling Adequacy): là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO lớn (từ 0,5 đến 1) là điều kiện đủ để phân tích nhân tố là thích hợp. Ngược lại, nếu hệ số này nhỏ hơn 0,5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu. Vì vậy, để có thể tiến hành phân tích nhân tố khám phá EFA thì hệ số KMO cần phải lớn hơn 0,50. Theo Kaiser (1974) đề nghị:

KMO >= 0,90: Phân tích nhân tố rất tốt

0,80 <= KMO < 0,90: Phân tích nhân tố tốt

0,70 <= KMO < 0,80: Phân tích nhân tố được

0,60 <= KMO < 0,70: Phân tích nhân tố tạm được

0,50 <= KMO < 0,60: Phân tích nhân tố xấu

KMO < 0,50: Không thích hợp để phân tích nhân tố

Kiểm định Bartlett’s Test: dùng để xem xét các biến quan sát được đưa vào mô hình nghiên cứu có tương quan với nhau hay không. Để thỏa mãn kiểm định này, mức ý nghĩa Sig. của kiểm định Bartlett’s Test phải nhỏ hơn 0,05.

Bảng 2. 6. Kết quả kiểm định KMO và Bartlett’s Test biến độc lập


KMO and Bartlett’s Test

Hệ số KMO (Kaiser Meyer – Olkin of Sampling Adequacy)

0,681


Đại lượng thống kế (Bartlett’s Test)

Approx. Chi-Square

1327,494

Df

351

Sig.

0,000

(Nguồn: Kết quả phân tích dữ liệu SPSS 20.0)

Dựa vào bảng kết quả kiểm định ở trên, ta thấy hệ số KMO bằng 0,681 lớn hơn 0,5. Đồng thời, mức ý nghĩa Sig. của kiểm định Bartlett’s Test bằng 0,000 nhỏ hơn 0,05 nên các biến quan sát có sự tương quan với nhau. Vì vậy, nghiên cứu có thể thực hiện phân tích nhân tố khám phá EFA.

2.3.3.2. Phân tích nhân tố khám phá EFA biến độc lập

Trong nghiên cứu này, khi phân tích nhân tố khám phá EFA, đề tài sử dụng phương pháp phân tích các nhân tố chính (Principal Components) với số nhân tố

(Number of Factor) là 7 theo mô hình nghiên cứu đề xuất. Mục đích sử dụng phương pháp này là để rút gọn dữ liệu (nếu có), hạn chế vi phạm hiện tượng đa cộng tuyến giữa các nhân tố trong việc phân tích mô hình hồi quy tiếp theo.

Phương pháp xoay nhân tố được chọn là Varimax procedure: xoay nguyên gốc các nhân tố để tối thiểu hóa số lượng biến có hệ số lớn tại cùng một nhân tố nhằm tăng cường khả năng giải thích nhân tố. Những biến nào có hệ số tải nhân tố < 0,5 sẽ bị loại khỏi mô hình nghiên cứu, chỉ những biến nào có hệ số tải nhân tố > 0,5 mới được đưa vào các phân tích tiếp theo.

Ở nghiên cứu này, hệ số tải nhân tố (Factor Loading) phải thỏa mãn điều kiện lớn hơn hoặc bằng 0,5. Factor Loading là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA, Factor Loading > 0,3 được xem là mức tối thiểu và được khuyên dùng nếu cỡ mẫu lớn hơn 350. Factor Loading > 0,4 được xem là quan trọng, Factor Loading > 0,5 được xem là có ý nghĩa thực tiễn, và nghiên cứu này chọn giá trị Factor Loading > 0,5 với cỡ mẫu là 150. (Hoàng Trọng &Chu Nguyễn Mộng Ngọc, 2008).

Bảng 2. 7. Rút trích nhân tố biến độc lập



Biến quan sát

NHÓM NHÂN TỐ

1

2

3

4

5

6

7

DTTT4

0,864







DTTT3

0,799







DTTT3

0,778







DTTT1

0,721







LUONG 2


0,824






LUONG1


0,76






LUONG3


0,739






LUONG4


0,738






DIEUKIEN4



0,798





DIEUKIEN1



0,790





DIEUKIEN3



0,785






DIEUKIEN2



0,680





LANHDAO1




0,841




LANHDAO2




0,781




LANHDAO3




0,734




LANHDAO4




0,685




PHUCLOI2





0,809



PHUCLOI1





0,808



PHUCLOI3





0,733



PHUCLOI4





0,619



BCCV1






0,785


BCCV4






0,733


BCCV2






0,673


BCCV3






0,650


DONGNGHIEP2







0,752

DONGNGHIEP3







0,713

DONGNGHIEP1







0,704

Hệ số Eigenvalue

3,427

3,096

2,689

2,394

2,010

1,724

1,456

Phương sai tích lũy tiến

(%)

12,693

24,161

34,122

42,988

50,430

56,814

62,206

(Nguồn: Kết quả phân tích dữ liệu SPSS 20.0)

Sau khi tiến hành phân tích nhân tố khám phá EFA, dựa vào bảng kết quả trên ta thấy trong 27 biến quan sát ban đầu đều không có biến nào có hệ số tải nhân tố (Factor Loading) nhỏ hơn 0,5. Vì vậy, đề tài quyết định vẫn giữ lại 27 biến quan sát để tiếp tục cho các phân tích tiếp theo.

Kết quả phân tích nhân tố được chấp nhận khi phải thỏa mãn các tiêu chuẩn như phương sai trích (Variance Explained Criteria) lớn hơn 50% và giá trị Eigenvalues phải lớn hơn 1. Như vậy, với kết quả ở trên cho thấy tổng phương sai trích là 62,206%

đã lớn hơn 50% và hệ số Eigenvalues của các nhóm nhân tố đều lớn hơn 1. Do đó, ta

có thể kết luận rằng việc phân tích nhân tố trên là phù hợp, được chấp nhận.

Đặt tên cho các nhóm nhân tố

Nhân tố 1 (Factor1): Lãnh đạo

Bao gồm 4 biến quan sát: LANHDAO1; LANHDAO2; LANHDAO3;

LANHDAO4

Nhân tố 2 (Factor 2): Bản chất công việc

Bao gồm 4 biến quan sát: BCCV1; BCCV2; BCCV3; BCCV4

Nhân tố 3 (Factor 3): Điều kiện làm việc

Bao gồm 4 biến quan sát: DIEUKIEN1; DIEUKIEN2; DIEUKIEN3;

DIEUKIEN4

Nhân tố 4 (Factor 4): Đồng nghiệp

Bao gồm 4 biến quan sát: DONGNGHIEP1; DONGNGHIEP2; DONGNGHEP3;

DONGNGHIEP4

Nhân tố 5 (Factor 5): Lương thưởng

Bao gồm 4 biến quan sát: LUONG1; LUONG2;LUONG3; LUONG4

Nhân tố 6 (Factor 6): Phúc lợi

Bao gồm 4 biến quan sát: PHUCLOI1; PHUCLOI2; PHUCLOI3; PHUCLOI4

Nhân tố 6 (Factor 7): Cơ hội đào tạo và thăng tiến

Bao gồm 4 biến quan sát: DTTT1; DTTT2; DTTT3; DTTT4

2.3.3.3. Kiểm định KMO và Bartlett’s Test biến phụ thuộc

Sau khi phân tích nhân tố khám phá EFA cho các biến độc lập, nghiên cứu sẽ tiếp tục kiểm định hệ số KMO và Bartlett’s Test để phân tích nhân tố khám phá EFA cho biến phụ thuộc, dựa vào các tiêu chuẩn tương tự như việc kiểm định của các biến độc lập ở bước trên

..... Xem trang tiếp theo?
⇦ Trang trước - Trang tiếp theo ⇨

Ngày đăng: 30/06/2022