Mô hình hồi quy tuyến tính bằng phương pháp Enter được thực hiện với một số
giả định và mô hình chỉ thực sự có ý nghĩa khi các giả định này được đảm bảo. Do
vậy, để đảm bảo cho độ tin cậy của mô hình, đề tài còn phải thực hiện một loạt các dò tìm sự vi phạm các giả định cần thiết trong hồi quy tuyến tính.
Đầu tiên là giả định liên hệ tuyến tính. Kiểm định này xem xét mối quan hệ
tuyến tính giữa biến phụ thuộc Y và các biến độc lập X, nhưng ở đây xem biến phụ
thuộc có liên hệ tuyến tính với toàn bộ tập hợp các biến độc lập hay không.
Giả thuyết Ho: ß1 = ß2 = ß3 = ß4 = ß5 = ß6
Dựa vào kết quả phân tích Anova ở bảng 3.21 ta thấy F = 22,114 và mức ý
nghĩa là sig = 0.000 < 0.05 nên có thể bác bỏ giả thiết Ho nghĩa là mô hình hồi quy
tuyến tính bội xây dựng được phù hợp với tổng thể.
Giả định tiếp theo cần xem xét là phương sai của phần dư không đổi. Để thực
hiện kiểm định này, chúng ta sẽ tính hệ số tương quan hạng Spearman của giá trị tuyệt đối phần dư và các biến độc lập. Giá trị sig. của các hệ số tương quan với độ tin cậy
95% cho thấy không đủ cơ sở để bác bỏ giả thuyết H0 là giá trị tuyệt đối của phần dư độc lập với các biến độc lập. Như vậy, giả định về phương sai của sai số không đổi
không bị vi phạm.
Để dò tìm sự vi phạm giả định phân phối chuẩn của phần dư ta sẽ dùng hai công cụ kiểm định Frequencies của phần mềm SPSS ta có kết quả sau:
Bảng 3.24. Bảng hệ số Skewness Valid 90 N Missing 0 Mean 3,8806 Median 4,0000 Std, Deviation ,60339 Skewness -,709 Std, Error of Skewness ,254
(Nguồn: Kết quả xử lý trên phần mềm SPSS 16.)
Ta thấy trị trung bình (mean) = 3,8806, trung vị (median) = 4 và độ xiên (skewness) = -0,709. Trong phân phối này ta thấy trị trung bình và trung vị gần bằng nhau, độ xiên nằm trong khoảng từ -1 đến +1, vì vậy được coi là phân phối chuẩn .
Giả định tiếp theo về tính độc lập của phần dư cũng cần được kiểm định. Ta dùng đại lượng thống kê Durbin-Watson (d) để kiểm định. Đại lượng d này có giá trị
từ 0 đến 4. Trong thực tế, khi tiến hành kiểm định Durbin- Watson người ta thường áp
dụng quy tắc kiểm định đơn giản như sau: nếu 1 < d < 3 thì kết luận mô hình không có
tương quan; nếu 0 < d <1 thì kết luận mô hình có sự tương quan dương; nếu 3 < d < 4
thì kết luận mô hình có sự tương quan âm. Từ kết quả ở bảng 3.20 ta có 1< d =1.610 <
3 như vậy ta có thể kết luận các phần dư là độc lập với nhau và tính độc lập của phần dư đã được bảo đảm.
Cuối cùng, ta sẽ xem xét sự vi phạm đa cộng tuyến của mô hình. Ở phần phân
tích hệ số tương quan ở trên, ta đã thấy rằng giữa biến phụ thuộc có quan hệ tương
quan khá rõ với các biến độc lập nhưng ta cũng thấy được giữa các biến độc lập cũng có tương quan với nhau. Điều này sẽ tạo ra khả năng đa cộng tuyến của mô hình. Vì vậy, ta phải dò tìm hiện tượng đa cộng tuyến bằng cách tính độ chấp nhận của biến
(Tolerance) và hệ số phóng đại phương sai (Variance inflation factor - VIF). Độ chấp
nhận trong trường hợp này của năm biến trong mô hình khá cao, đều lớn hơn 0.5 trong
khi hệ số VIF khá thấp đa số nhỏ hơn 5. Hệ số VIF nhỏ hơn 5 là ta có thể bác bỏ giả
thuyết mô hình bị đa cộng tuyến (Hoàng Trọng-Chu Nguyễn Mộng Ngọc, 2005).
Như vậy mô hình hồi quy tuyến tính được xây dựng theo phương trình ở trên là không vi phạm các giả định cần thiết trong hồi quy tuyến tính. Để đánh giá độ phù hợp
của mô hình ta sẽ dùng các công cụ như tính hệ số xác định hiệu chỉnh Adjusted R
Square, kiểm định F và kiểm định t.
Trước tiên, hệ số xác định điều chỉnh của mô hình trên là 0.51, thể hiện 4 biến độc lập trong mô hình giải thích được 51% biến thiên của biến phụ thuộc sự thỏa mãn của cán bộ. Với giá trị này thì độ phù hợp của mô hình là khá cao.
Ở trên sau khi đánh giá giá trị R square ta biết được mô hình hồi quy tuyến tính đã xây dựng là phù hợp với mẫu. Tuy nhiên để có thể suy diễn mô hình này thành mô hình của tổng thể ta cần phải tiến hành kiểm định F thông qua phân tích phương sai. Ta
có sig. của F < 1/1000 nên ta có thể bác bỏ giả thuyết hệ số xác định của tổng thể bằng không. Điều này có nghĩa là có ít nhất một biến độc lập nào đó ảnh hưởng đến biến
phụ thuộc.
Cuối cùng, để đảm bảo các biến độc lập đều thực sự có ảnh hưởng đến biến phụ
thuộc, ta tiến hành kiểm định t. Với giả thuyết H0 là hệ số hồi quy của các biến độc lập
βk = 0 và với độ tin cậy 95% kết quả ta đều có thể bác bỏ giả thuyết H0 đối với βk .
Điều này có nghĩa là tất cả các nhân tố trong phương trình đều có ảnh hưởng đến sự
thỏa mãn của cán bộ.
3.3.5. Kết quả hồi quy
Sau khi tiến hành xây dựng mô hình hồi quy tuyến tính và dò tìm các vi phạm
giả định trong mô hình hồi quy tuyến tính. Dựa vào bảng 3.23 ta có kết quả đo lường
về sự thỏa mãn công việc của kiểm toán viên.
Giá trị hồi qui chuẩn của các biến độc lập trong mô hình có giá trị báo cáo lần lượt: Cấp trên và đào tạo 0,3; Lương và phúc lợi 0,346; Đặc điểm công việc 0,238 và Mối quan hệ với đồng nghiệp 0,155
Mô hình trên giải thích được 51% sự thay đổi của biến X0 là do các biến độc
lập trong mô hình tạo ra, còn lại 49% biến thiên được giải thích bởi các biến khác nằm
ngoài mô hình.
Mô hình cho thấy các biến độc lập đều ảnh hưởng thuận chiều đến mức độ hài lòng của cán bộ ở độ tin cậy 95%. Qua phương trình hồi qui chúng ta thấy, nếu giữ
nguyên các biến độc lập còn lại không đổi thì khi điểm đánh giá về Cấp trên và đào tạo tăng lên 1 thì sự hài lòng của cán bộ tăng trung bình lên 0,3 điểm. Tương tự, khi điểm đánh giá về Lương và phúc lợi tăng lên 1 điểm thì sự hài lòng của cán bộ về công việc tăng lên trung bình 0,346 điểm; khi điểm đánh giá về Đặc điểm công việc tăng lên 1
điểm thì sự hài lòng của cán bộ tăng lên trung bình 0,238 điểm; khi điểm đánh giá về
Mối quan hệ với đồng nghiệp tăng lên 1 điểm thì sự hài lòng của cán bộ về công việc tăng lên trung bình 0,155 điểm.