RSS Reset

Các phương pháp xử lý mô hình áp dụng cho công ty

Các phương pháp xử lý mô hình áp dụng cho công ty

Ngày này các công ty ngày càng đa dạng, các thủ tục thành lập địa điểm kinh doanh trở nên phổ biến cho nên các công ty cần phải biết mô hình áp dụng cho công ty này

3.5.1. Phương pháp thống kê

Phương pháp thống kê nhằm mục đích tìm ra các đặc điểm nổi trội  của mẫu nghiên cứu, được dùng để thống kê các biến định lượng, biến định tính từ đó đánh giá các tác động đến mô hình nghiên cứu.

3.5.4. Phương pháp kiểm định thang đo Cronbach’s Alpha

Ý nghĩa: Hệ số Cronbach’s Alpha kiểm định độ tin cậy của thang đo, cho phép loại bỏ những biến không phù hợp trong mô hình.

Chỉ tiêu: Theo Nunnally BernStein (1994), những biến có Hệ số  tương quan tổng biến phù hợp (Corrected Item- Total Correlation) lớn hơn 0.3 và Hệ số Cronbach’s Alpha lớn hơn 0.6 sẽ được chấp nhận và tiếp tục đi vào những phân tích sau đó.

hu-tuc-thanh-lap-dia-diem-kinh-doanh

3.5.5. Phương pháp phân tích nhân tố

Ý nghĩa: Phân tích nhân tố EFA (Exploratory Factor Analysis) là một kỹ thuật nhằm thu nhỏ và tóm tắt các dữ liệu rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu. Quan hệ giữa các nhóm biến có liên quan qua lại lẫn nhau được xem xét dưới dạng một số các nhân tố cơ bản. Mỗi một biến quan sát sẽ được tính một tỷ số gọi là Hệ số tải nhân tố    (factorloading), hệ số này cho người nghiên cứu biết được mỗi biến đo lường sẽ thuộc về những nhân tố nào.

Chỉ tiêu: Yêu cầu hệ số KMO (Kaiser-Meyer-Olkin) phải có giá trị trong khoảng 0,5<KMO<1. Thêm vào đó hệ số tải nhân tố của từng biến quan sát phải có giá trị lớn hơn 0.45, điểm dừng khi Eigenvalue (đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố ) lớn hơn 1 và tổng phương sai trích dùng để giải thích bởi từng nhân tố lớn hơn 50% mới thỏa mãn yêu cầu của phân tích nhân tố (Gerbing & Anderson, 1988). Cùng với việc sử dụng kiểm định Bartlet để xem xét giả thuyết về độ tương quan giữa các biến quan sát trong trổng thể. Kiểm định Bartlet phải có ý nghĩa thống kê (Sig < hoặc = 0.05) thì các biến quan sát có tương quan với nhau trong tổng thể. (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005, 262).

3.5.6. Phương pháp kiểm định trung bình

Ý nghĩa: Kiểm định về sự khác biệt giá trị trung bình (mean) giữa hai nhóm của một biến định tính và một biến định lượng nghĩa là khi ta cần so sánh giá trị trung bình về 1 chỉ tiêu nghiên cứu nào đó giữa 2 đối tượng ta quan tâm.

Chỉ tiêu: Sig. của bảng Levene’s Test for Equality of Variances nếu nhỏ hơn 0,05 ta kết luận phương sai  của  2  nhóm cần  kiểm định  không bằng nhau . Tiếp tục quan sát giá trị Sig. của bảng T-Test for Equality of  Mean cột Equal variances not assumed,và ngược lại với Sig. của bảng Levene’s Test for Equality of Variances nếu lớn hơn 0,05. Cả 2 trường hợp nếu giá trị của bảng thứ 2 này lớn hơn 0,05 chứng tỏ có không sự khác biệt   về trung bình giữa 2 nhóm, nếu nhỏ hơn 0,05 có sự khác biệt về trung bình giữa 2 nhóm.

xem thêm về thủ tục thành lập văn phòng đại diện tại HCM :http://luathungphat.vn/thanh-lap-van-phong-dai-dien/

3.5.7. Phương pháp kiểm định ANOVA

Ý nghĩa: Dựa trên kết quả phân tích Independent t-test và One-Way ANOVA để so sánh mức độ thỏa mãn trong theo một số yếu tố cá nhân ví dụ như kiểm định giả thuyết cho rằng nam có mức độ thỏa mãn trong công việc cao hơn nữ, hay không có sự khác biệt về mức độ thỏa mãn trong công việc của người lao động theo các yếu tố cá nhân còn lại (trình độ học vấn, thâm niên làm việc, bộ phận).

Chỉ tiêu: Trong bảng Test of Homogeneity of Variances nếu Sig. <0,05 có nghĩa là không có sự khác biệt về phương sai giữa các nhóm và ngược lại. Bảng ANOVA nếu Sig.<0,05 chứng tỏ có sự khác biệt về giá trị trung bình giữa các nhóm trong biến định tính và ngược lại.

thu-tuc-thanh-lap-van-phong-dai-dien

3.5.8. Phương pháp phân tích hồi quy

Ý nghĩa: Phương pháp phân tích hồi quy cho phép rút ra phương  trình hồi quy cuối cùng bao gồm các nhân tố tác động trực tiếp lên mức độ hài lòng.

Chỉ tiêu: Khi phân tích hồi quy cần đảm bảo một số nguyên tắc sau:

Phương pháp đưa biến vào phân tích hồi quy là phương pháp đưa lần lượt từng biến vào mô hình-Stepwise.

Kiểm tra hệ số Adjusted R Square để xét mức độ phù hợp của mô hình.

Kiểm tra các giá trị Sig <0.05 và hệ số F trong bảng ANOVA để kiểm chứng mức độ phù hợp của mô hình hồi quy với tổng thể mẫu.

Kiểm tra hệ số phóng đại phương sai VIF (Variance inflation factor) có năm trong đoạn (1;10) để xem xét hiện tượng đa cộng tuyến.

Đánh giá mức độ tác động mạnh hay yếu của các biến lên mức độ hài lòng thông qua các hệ số Beta ở bảng Coefficient.

nguồn: Luật Hùng Phát

No comments yet.

Leave a Comment