Phương pháp thống kê và xử lý số liệu

Thông tin chung

Tổng quan

Tính cấp thiết

Mục tiêu

Nội dung

PP nghiên cứu

Hiệu quả KTXH

ĐV sử dụng

Just for you: FREE 60-day trial to the world’s largest digital library.

The SlideShare family just got bigger. Enjoy access to millions of ebooks, audiobooks, magazines, and more from Scribd.

Read free for 60 days

Cancel anytime.

Nghiên cứu sử dụng một số khái niệm đơn hướng và các khái niệm đa hướng. Trong đó, thang đo về thực hiện trách nhiệm xã hội của doanh nghiệp, thang đo về hiệu quả hoạt động của doanh nghiệp, thang đo tác động thực hiện trách nhiệm xã hội của doanh nghiệp đến hiệu quả hoạt động của doanh nghiệp là các khái niệm đa hướng.

Nghiên cứu sử dụng các phương pháp sau đây để xử lý số liệu định lượng và kiểm định mô hình nghiên cứu tác động của thực hiện trách nhiệm xã hội của doanh nghiệp đến hiệu quả hoạt động của doanh nghiệp như sau:

Thống kê mô tả là các phương pháp có liên quan đến việc thu thập số liệu, tóm tắt, trình bày, tính toán, mô tả các đặc trưng khác nhau để phản ánh tổng quát đối tượng nghiên cứu. Các giá trị này được đưa vào nghiên cứu nhằm cung cấp thông tin

về thống kê cơ bản của nghiên cứu để đánh giá tổng quan về doanh nghiệp vùng Đồng bằng sông Cửu Long và về việc thực hiện trách nhiệm xã hội của doanh nghiệp tại  đây.

Phương sai: Phương sai đo lường mức độ phân tán của một tập số đo xung quanh trung bình của nó. Căn bậc hai của phương sai được gọi là độ lệch chuẩn.

Kiểm định độ tin cậy thang đo bằng hệ số Cronbach’s Alpha được sử dụng để loại bỏ biến rác trước khi tiến hành phân tích nhân tố. Kiểm định độ tin cậy của các biến trong thang đo dựa vào hệ số kiểm định Cronbach’s Alpha của các thành phần thang đo và hệ số Cronbach’s Alpha của mỗi biến đo lường. Các biến có hệ số tương quan tổng – biến nhỏ hơn 0,3 sẽ bị loại. Một thang đo có độ tin cậy tốt khi nó biến thiên trong khoảng [0,7 – 0,8]. Nếu Cronbach’s Alpha > hoặc = 0,6 là thang đo có thể chấp nhận được về mặt tin cậy (Nunnally and Berndstein, 1994).

Các yếu tố quan trọng cần xem xét trong kết quả phân tích EFA: số nhân tố được trích, hệ số tải nhân tố của các biến phải ≥ 0,5 (Hair và cộng sự., 1998), 0,5 ≤ KMO ≤ 1 cho biết phân tích nhân tố EFA là thích hợp (Kaiser, 1974), kiểm định Bartlett phải có hệ số sig < 0,05 (cho biết các biến quan sát có tương quan với nhau trong tổng thể), tổng phương sai trích phải ≥ 50% (Gerbing and Anderson, 1988).

Hơn nữa chúng ta có thể kiểm định giá trị hội tụ và giá trị phân biệt của thang đo. Sau khi tiến hành phân tích CFA, để đo lường mức độ phù hợp của mô hình với địa bàn nghiên cứu, cần xem xét chỉ tiêu Chi-bình phương, Chi-bình phương điều chỉnh theo bậc tự do (CMIN/df), chỉ số thích hợp so sánh CFI (comparative fit index), chỉ số TLI (Tucker và Lewis index), và chỉ số RMSEA (root mean square error approximation). Mô hình được xem là tương thích với dữ liệu nghiên cứu thực tế của đề tài thì kiểm định Chi-bình phương có giá trị p > 5%. Tuy nhiên Chi-bình phương có nhược điểm là nó phụ thuộc vào kích thước mẫu. Nếu mô hình nhận được giá trị TLI, CFI từ 0,9 đến 1, CMIN/df < 2 và RMSEA < 0,08 thì mô hình này được xem là phù hợp với địa bàn nghiên cứu (Rex B. Kline, 2005; Nguyễn Khánh Duy, 2009). Ngoài ra, sau khi xem xét mức độ phù hợp của mô hình thì tiếp đó cần phải loại bỏ những biến không có ý nghĩa thống kê (p>0,05) và những biến có hệ số ước lượng nhỏ hơn 0,5 ra khỏi thang đo (Nguyễn Khánh Duy, 2009). Trong trường hợp, sau khi tiến hành các bước trên mà mô hình vẫn có mức độ phù hợp thấp với dữ liệu nghiên cứu thực tế thì phải tiến hành hiệu chỉnh bằng cách lần lượt cho từng cặp sai số có hệ số MI (Modification indice) lớn nhất tương quan với nhau. Tuy nhiên, nên hạn chế cho các cặp sai số tương quan với nhau vì điều này sẽ làm giảm đi tính đơn hướng của các thang đo.

Mô hình cấu trúc tuyến tính SEM cũng có lợi thế hơn những phƣơng pháp truyên thống khác nhƣ hồi quy, probit, … vì nó có thể tính được sai số đo lường và đồng thời bản chất của nó là chạy cùng lúc nhiều phƣơng trình hồi quy. Hơn nữa, phương pháp này cho phép chúng ta kết hợp đƣợc các khái niệm tiềm ẩn với đo lường của chúng và có thể xem xét các đo lường độc lập hay kết hợp chung với mô hình lý thuyết cùng một lúc. Chính vì vậy phương pháp phân tích cấu trúc tuyến tính được sử dụng rất phổ biến trong nghiên cứu khoa học vào những năm gần đây và thường được gọi là phương pháp phân tích thông tin thế hệ thứ hai (Hulland và cộng sự, 1996). Ngoài ra, theo Nguyễn Khánh Duy (2009) thì mô hình SEM gồm có hai thành phần: mô hình đo lường (measurement model) và mô hình cấu trúc (structural model). Trong đó, môn hình đo lường liên quan đến quan hệ giữa biến quan sát và biến tiềm ẩn; mô hình cấu trúc thì chỉ liên quan đến các mối quan hệ giữa các biến tiềm ẩn mà thôi. Đề tài này sử dụng mô hình cấu trúc (structural model) để kiểm định mối quan hệ giữa bốn biến tiềm ẩn: Nhân tố cá nhân, kinh nghiệm quản lý, lòng tin của công nhân đối với quản lý trực tiếp và kết quả làm việc của công nhân. Đồng thời, mô hình đo lường (measurement model) dùng để đo lường mối quan hệ giữa các biến tiềm ẩn với những biến quan sát trong mô hình nghiên cứu.

Kiểm định kết quả của mô hình SEM cũng dựa vào các chỉ số CFI, TLI và các chỉ số này phải lớn hơn bằng 0,9 (Bentler và Bonett, 1980) và RMSEA nhỏ hơn 0,08 (Rex B. Kline, 2005) . Nếu một trong các chỉ số hay tất cả các chỉ số đều không thỏa thì cần phải xem xét giá trị P của mô hình để loại bỏ những biến không có ý nghĩa (p >0.05) (Nguyễn Khánh Duy, 2009). Ngoài ra, nếu sau khi đã loại bỏ những biến không có ý nghĩa ra khỏi mô hình mà mô hình vẫn chưa phù hợp thì phải tiến hành hiệu chỉnh mô hình bằng cách lần lượt cho từng cặp sai số có hệ số MI (Modification indice) lớn nhất tương quan với nhau. Cần lưu ý, nên hạn chế cho các cặp sai số tương quan với nhau vì điều này sẽ làm giảm đi tính đơn hướng của các thang đo.

Kiểm định Bootstrap – kiểm định độ tin cậy mô hình SEM: Sau khi hoàn thành việc ước lượng mô hình nghiên cứu thì vấn đề đánh giá lại độ tin cậy của ước lượng đó là một công việc hết sức cần thiết. Bởi vì, khi ước lượng của mô hình nghiên cứu đạt được độ tin cậy thi mới có khả năng suy rộng ra cho tổng thể, ngược lại thì  ước lượng mô hình nghiên cứu chỉ có thể phù hợp trong nội bộ số liệu thu thập của đề tài. Hiện tại có rất nhiều phương pháp khác nhau để đánh giá độ tin cậy của các ước lượng trong mô hình nghiên cứu. Phương pháp đầu tiên là chúng ta có thể chia mẫu nghiên cứu thành hai mẫu con, sau đó sử dụng một mẫu con để tiến hành ước lượng mô hình nghiên cứu, còn một mẫu con còn lại thi sử dụng để đánh giá lại độ tin cậy của mô hình nghiên cứu vừa ước lượng. Ngoài ra, chúng ta cũng có thể tiến hành kiểm định độ tin cậy của các ước lượng thông qua việc lặp lại nghiên cứu bằng cách thu thêm mẫu. Tuy nhiên, Anderson và Gerbing (1988) cho rằng: đối với phương pháp phân tích mô hình cấu trúc tuyến tính thường đòi hỏi mẫu lớn, cho nên việc kiểm định độ tin cậy của các ước lượng dựa theo hai phương pháp trên là không khả thi, bởi vì nó làm tốn kếm nhiều thời gian và chi phí của người thực hiện nghiên cứu. Do đó, Chumacker và Lomax (2006) cho rằng: trong những trường hợp như thế thì phương pháp kiểm định Bootstrap là phương pháp phù hợp để thay thế, bởi vì Bootstrap là phương pháp lấy mẫu lặp lại có thay thế, trong đó mẫu ban đầu đóng vai trò là đám đông.

Để biết được ước lượng của mô hình có tin cậy hay không ta dựa vào giá trị tuyệt đối của CR, nếu giá trị này nhỏ hơn 2 thì có thể nói rằng ước lượng của mô hình là đáng tin cậy. Trong đó, CR được tính bằng cách lấy giá trị của cột Bias trong ước lượng Bootstrap chia cho cột SE-Bias (Nguyễn Khánh Duy, 2009).

Đánh giá mối quan hệ giữa thực hiện trách nhiệm xã hội và hiệu quả hoạt động. Nghiên cứu này thông qua một phương pháp luận nghiên cứu phức tạp hơn và tiên tiến hơn trước đây được sử dụng trong lĩnh vực này để đánh giá và giải thích bản chất của mối quan hệ giữa hai biến này. Nghiên cứu này sử dụng mô hình phương trình cấu trúc tuyến tính, một phương pháp có được sử dụng trong lĩnh vực trách nhiệm xã hội trước đây (Johnson và Green, 1999) nhưng vẫn chưa được được sử dụng để kiểm tra tác động của việc thực hiện trách nhiệm xã hội của doanh nghiệp và hiệu quả hoạt động của doanh nghiệp mặc dù Rowley và Berman “(2000) lập luận rằng SEM có thể đưa ra cái nhìn sâu sắc về mối quan hệ giữa trách nhiệm xã hội và hiệu quả hoạt động của doanh nghiệp.