Bước tiếp theo ta tiến hành xây dựng phương trình hồi quy tuyến tính. Dựa vào
cơ sở lý thuyết và kết quả phân tích ở trên, ta sẽ đưa tất cả các biến độc lập trong mô
dựa trên tiêu chí chọn những biến có mức ý nghĩa < 0.05.
Kết quả phân tích hồi quy cho các biến số được thể hiện thông qua các bảng
sau:
Bảng 3.18: Kết quả phân tích hồi quy lần thứ nhất
Hệ số biến đổi Model R R Square R. Square điều chỉnh Sai số R Square Change F Change df1 df2 Sig, F Change Durbin- Watson 1 ,717a ,514 ,485 ,43283 ,514 17,794 5 84 ,000 1,681
(Nguồn: Kết quả xử lý trên phần mềm SPSS16)
Trị số R có giá trị 0,717 cho thấy mối quan hệ giữa các biến trong mô hình có mối tương quan chặt chẽ. Báo cáo kết quả hồi qui của mô hình cho thấy giá trị R2 (R Square) bằng 0,514, điều này nói lên độ thích hợp của mô hình là 51,4% hay nói cách khác là 51,4% sự biến thiên của biến Sự hài lòng được giải thích bởi 5 thành phần. Giá
trị R điều chỉnh (Adjusted R Square) phản ánh chính xác hơn sự phù hợp của mô hình
đối với tổng thể, ta có giá trị R điều chỉnh bằng 0,514 (hay 51,4%) có nghĩa tồn tại mô
hình hồi qui tuyến tính giữa Sự hài lòng và 5 thành phần.
Kiểm tra bảng phân tích phương sai ANOVA ta được kết quả như sau:
Bảng 3.19 Phân tích phương sai ANOVA lần thứ nhất
Model Tổng df Trung bình F Sig.
Regression 16,667 5 3,333 17,794 ,000a
Residual 15,736 84 ,187
1
Total 32,403 89
(Nguồn: Kết quả xử lý trên phần mềm SPSS16)
Phân tích phương sai ANOVA cho thấy trị số F có mức ý nghĩa
Sig.=0,000 (nhỏ hơn 0,05), có nghĩa là mô hình hồi qui phù hợp với sữ liệu thu thập được và các biến đưa vào đều có ý nghĩa trong thống kê với mức ý nghĩa 5%. Thống
kê giá trị F = 17,794 được dùng để kiểm định giả thiết H0, ở đây ta thấy mối quan hệ
tuyến tính là có ý nghĩa với p_value < 0,05. Ta có thể bác bỏ giả thiết H0 cho rằng hệ
số góc của 5 thành phần bằng 0. Như vậy, các biến độc lập trong mô hình có quan hệ đối với biến phụ thuộc Sự hài lòng.
Bảng 3.20. Các hệ số hồi qui trong mô hình lần thứ nhất
Sai số
Hệ số tiêu chuẩn
Model B Std.Error Beta t Sig.
(Constant) -,125 ,453 -,275 ,784
Cấp trên và đào tạo ,233 ,109 ,242 2,141 ,035
Lương ,380 ,099 ,335 3,851 ,000 Điều kiện ,070 ,081 ,093 ,872 ,386 Đặc điểm ,208 ,075 ,234 2,780 ,007 1 Đồng nghiệp ,141 ,069 ,161 2,052 ,043 Biến phụ thuộc hài lòng
(Nguồn: Kết quả xử lý trên phần mềm SPSS16)
Kết quả phân tích các hệ số hồi qui trong mô hình cho thấy, mức ý nghĩa của
các thành phần Cấp trên và đào tạo, Lương và phúc lợi, Đặc điểm công việc và Mối
quan hệ với đồng nghiệp, có hệ số Sig=0,000 (nhỏ hơn 0,05). Do đó, ta có thể nói rằng
các thành phần Sự tôn trọng và chu đáo, Cấp trên và đào tạo, Lương và phúc lợi, Đặc điểm công việc và Mối quan hệ với đồng nghiệp độc lập đều có tác động đến sự hài lòng với công việc của cán bộ cơ quan Kiểm toán nhà nước khu vực II. Các thành phần trong trên đều có ý nghĩa trong mô hình và tác động cùng chiều đến sự hài lòng với
công việc của cán bộ do các hệ số hồi qui đều mang dấu dương. Ngoài ra, thành phần Điều kiện làm việc có hệ số sig = 0,386 > 0.05 sau khi nghiên cứu kỹ và hỏi ý kiến
chuyên gia tác giả quyết định bỏ thành phần Điều kiện làm việc khỏi mô hình nghiên cứu. Tiến hành phân tích hồi quy lần thứ hai ta có kết quả như sau:
Bảng 3.21. Kết quả phân tích hồi quy lần thứ hai
Hệ số biến đổi Model R R Square R.Square điều chỉnh Sai số R Square Change F Change df 1 df2 Sig. F Change Durbin- Watson 1 ,714 a ,510 ,487 ,43222 ,510 22,114 4 85 ,000 1,610
Trị số R có giá trị 0,714 cho thấy mối quan hệ giữa các biến trong mô hình có mối tương quan chặt chẽ. Báo cáo kết quả hồi qui của mô hình cho thấy giá trị R2 (R Square) bằng 0,510, điều này nói lên độ thích hợp của mô hình là 51,0% hay nói cách khác là 51,0% sự biến thiên của biến Sự thỏa mãn được giải thích bởi 5 thành phần.
Giá trị R điều chỉnh (Adjusted R Square) phản ánh chính xác hơn sự phù hợp của mô
hình đối với tổng thể, ta có giá trị R điều chỉnh bằng 0,510 (hay 51,0%) có nghĩa tồn
tại mô hình hồi qui tuyến tính giữa sự hài lòng và 5 thành phần.
Kiểm tra bảng phân tích phương sai ANOVA ta được kết quả như sau:
Bảng 3.22 Phân tích phương sai ANOVA lần thứ hai
Model Tổng df Trung bình F Sig,
Regression 16,525 4 4,131 22,114 ,000a
Residual 15,879 85 ,187
1
Total 32,403 89
(Nguồn: Kết quả xử lý trên phần mềm SPSS16)
Phân tích phương sai ANOVA cho thấy trị số F có mức ý nghĩa
Sig.=0,000 (nhỏ hơn 0,05), có nghĩa là mô hình hồi qui phù hợp với sữ liệu thu thập được và các biến đưa vào đều có ý nghĩa trong thống kê với mức ý nghĩa 5%. Thống
kê giá trị F = 22,114 được dùng để kiểm định giả thiết H0, ở đây ta thấy mối quan hệ
tuyến tính là có ý nghĩa với p_value < 0,05. Ta có thể bác bỏ giả thiết H0 cho rằng hệ
số góc của 5 thành phần bằng 0. Như vậy, các biến độc lập trong mô hình có quan hệ đối với biến phụ thuộc Sự hài lòng.
Kiểm tra các hệ số hồi quy trong mô hình ta có kết quả như sau:
Bảng 3.23. Các hệ số hồi qui trong mô hình lần thứ hai
Sai số
Hệ số tiêu chuẩn
Model B Std. Error Beta t Sig.
(Constant) -,113 ,452 -,249 ,804
Captrenvadaotao ,289 ,087 ,300 3,307 ,001
Luong ,392 ,097 ,346 4,028 ,000
1
Dongnghiep ,136 ,068 ,155 1,991 ,050 a, Biến phụ thuộc: Thỏa mãn
(Nguồn: Kết quả xử lý trên phần mềm SPSS16)
Kết quả phân tích các hệ số hồi qui trong mô hình cho thấy, mức ý nghĩa của
các thành phần : Cấp trên và đào tạo, Lương và phúc lợi, Đặc điểm công việc và Mối
quan hệ với đồng nghiệp, có hệ số Sig. nhỏ hơn hoặc bằng 0,05. Do đó, ta có thể nói
rằng các thành phần Cấp trên và đào tạo, Lương và phúc lợi, Đặc điểm công việc và Mối quan hệ với đồng nghiệp độc lập đều có tác động đến sự hài lòng với công việc
của cán bộ cơ quan Kiểm toán nhà nước khu vực II. Các thành phần trong trên đều có
ý nghĩa trong mô hình và tác động cùng chiều đến sự hài lòng với công việc của cán bộ
do các hệ số hồi qui đều mang dấu dương.