Mô hình nghiên cứu và các giả thuyết nghiên cứu sau khi phân tích nhân tố khám phá EFA cần phải được kiểm định bằng phương pháp hồi quy. Phương pháp
65
thức hiện hồi quy là phương pháp đưa vào lần lượt (Enter), đây là phương pháp mặc định trong chương trình. Phương trình hồi quy cần thực hiện là phương trình hồi quy đa biến sẽ giúp mô tả hình thức của mối quan hệ qua đó giúp ta dự đoán mức độ ảnh hưởng giữa các biến độc lập bao gồm các yếu tố ảnh hưởng đến dự định nghỉ việc (sự hỗ trợ từ lãnh đạo, sự căng thẳng do công việc, điều kiện làm việc, cơ hội thăng tiến, lương, sự công bằng và nhân tố lôi kéo) và biến phụ thuộc (dự định nghỉ việc).
Trước khi đi vào phân tích hồi quy cần xem xét mối tương quan giữa biến độc lập và biến phụ thuộc. Ma trận tương quan được trình bày trong Bảng 4.5.
Bảng 4.5 Ma trận hệ số tƣơng quan NGHI VIEC LANH DAO CANG THANG DIEU KIEN THANG TIEN LUONG CONG BANG LOI KEO Hệ số tương quan Pearson NGHIVIEC 1.000 -.157 .276 .018 -.345 -.479 -.272 .349 LANHDAO 1.000 -.023 0.174 0.251 0.083 0.161 0.010 CANGTHANG 1.000 -0.042 -0.186 -0.299 -0.192 -0.001 DIEUKIEN 1.000 0.121 0.127 0.123 0.020 THANGTIEN 1.000 0.295 0.287 -0.016 LUONG 1.000 0.436 -0.091 CONGBANG 1.000 -0.121 LOIKEO 1.000 Sig. (1 đuôi) NGHIVIEC 0 0.004 0.000 0.379 0.000 0.000 0.000 0.000
Một thước đo sự phù hợp của mô hình tuyến tính thường dùng là hệ số xác định R2 (R Squared). Hệ số xác định R2 được chứng minh là hàm không giảm theo số biến độc lập được đưa vào mô hình, tuy nhiên không phải phương trình càng có
66
nhiều biến sẽ phù hợp hơn với dữ liệu. Do đó, R2 có khuynh hướng là một yếu tố lạc quan của thước đo sự phù hợp của mô hình đối với dữ liệu trong trường hợp có một biến giải thích trong mô hình. Như vậy, trong hồi quy tuyến tính bội, chúng ta phải dùng hệ số xác định điều chỉnh R2 điều chỉnh (Adjusted R Squared) để thay thế cho R2 khi so sánh các mô hình với nhau vì nó vì nó phản ánh sát hơn độ phù hợp của mô hình tuyến tính đa biến, nó không nhất thiết tăng lên khi nhiều biến đưa thêm vào phương trình, không phụ thuộc vào đô lệch phóng đại của R2.
Bên cạnh đó, cần kiểm tra hiện tượng tự tương quan bằng hệ số Durbin – Watson (mô hình tương quan tốt khi 1 < Durbin – Watson < 3) và không có hiện tượng đa cộng tuyến bằng hệ số phóng đại phương sai VIF (VIF < 2).
Hệ số Beta chuẩn hóa được dùng để đánh giá mức độ quan trọng của từng nhân tố, hệ số Beta của biến nào càng cao thì mức độ tác động của biến đó vào dự định nghỉ việc của nhân viên càng lớn.
Kết quả phân tích hồi quy tuyến tính bội được trình bày trong Bảng 4.6. cho thấy trị số F đạt giá trị 27.126 được tính từ giá trị R2 của mô hình đầy đủ, giá trị Sig. = 0.000 cho thấy ta sẽ an toàn khi bác bỏ giả thuyết cho rằng tất cả các hệ số hồi quy bằng 0, điều đó nghĩa là mô hình hồi quy tuyến tính bội phù hợp với tập dữ liệu và có thể sử dụng được. Hệ số xác định R2 là 0.402 và R2 điều chỉnh là 0.388, nghĩa là mô hình tuyến tính đã xây dựng phù hợp với tập dữ liệu đến 38.8% hay nói cách khác các biến độc lập đã giải thích được 38.8% phương sai (mức độ biến thiên) của biến phụ thuộc dự định nghỉ việc. Ngoài ra, hệ số Durbin – Watson = 1.844 và các hệ số VIF đều đạt yêu cầu (< 2) nên không có hiện tượng tự tương quan và đa cộng tuyến. Như vậy mô hình hồi quy tuyến tính bội đưa ra phù hợp với mô hình và dữ liệu nghiên cứu. Kết quả phân tích hồi quy được trình bày trong bảng 4.8 (Xem thêm Phụ lục 8).
67
Bảng 4.6. Kết quả kiểm định độ phù hợp của mô hình
Mô hình Tổng bình phương df Trung bình bình phương
F Sig.
Hồi quy 132.427 7 18.918 27.126 .000b
Phần dư 196.672 282 .697
Tổng 329.099 289
a. Biến phụ thuộc : NGHIVIEC
b. Biến độc lập: (Hằng số), LOIKEO, DIEUKIEN, CANGTHANG, THANGTIEN, LANHDAO, CONGBANG, LUONG
Bảng 4.7.Tóm tắt mô hình hồi quy
Mô hình R R bình phương R bình phương chuẩn hóa Sai số chuẩn của dự báo Durbin-Watson 1 0.634a 0.402 0.388 0.83512 1.844
a. Biến độc lập: (Hằng số), LOIKEO, DIEUKIEN, CANGTHANG, THANGTIEN, LANHDAO, CONGBANG, LUONG
b. Biến phụ thuộc: NGHIVIEC
Kết quả Bảng 4.8 cho thấy trong 7 biến tác động đưa vào mô hình phân tích hồi quy có 5 biến tác động có mối quan hệ tuyến tính với biến dự định nghỉ việc (NGHIVIEC). Đó là các biến : sự hỗ trợ từ lãnh đạo (LANHDAO) với Sig. = 0.046, sự căng thẳng do công việc (CANGTHANG) với Sig. = 0.006, cơ hội thăng tiến (THANGTIEN) với Sig. = 0.000, lương (LUONG) với Sig. = 0.000 và nhân tố lôi kéo (LOIKEO) với Sig. = 0.000. Biến CONGBANG không có ý nghĩa thống kê vì đều có giá trị Sig. > 0.05. Biến điều kiện làm việc (DIEUKIEN) tuy có giá trị trong phân tích hồi quy có giá trị Sig = 0.03 nhưng lại không có mối tương quan có ý nghĩa thống kê với biến NGHIVIEC (Bảng 4.5, Sig. = 0.379). Do đó, nghiên cứu có thể kết luận rằng hai giả thuyết H3 và H6 bị bác bỏ còn năm giả thuyết còn lại là H1, H2, H4, H5 và H7 được chấp nhận.
68
Bảng 4.8. Kết quả phân tích hồi quy Hệ số (Coefficientsa)
Mô hình
Biến Hệ số chưa chuẩn hóa Hệ số chuẩn hóa T Sig. B Sai số chuẩn Beta (Hằng số) 3.540 .409 8.646 0.000 LANHDAO -0.115 0.057 -0.097 -2.001 0.046 CANGTHANG 0.143 0.052 0.135 2.773 0.006 DIEUKIEN 0.143 0.065 0.103 2.187 0.030 THANGTIEN -0.230 0.059 -0.199 -3.934 0.000 LUONG -0.390 0.058 -0.360 -6.702 0.000 CONGBANG 0.009 0.054 0.009 .163 0.871 LOIKEO 0.337 0.050 0.313 6.730 0.000
a. Biến phụ thuộc : NGHIVIEC
Phân tích hồi quy cho ta phương trình hồi quy tuyến tính đã chuẩn hóa như sau :
Y = -0.097X1 + 0.135X2 + 0.103X3(*)- 0.199X4 – 0.360X5 + 0.009X6(*) +0.313X7
Trong đó :
Y : Dự định nghỉ việc (NGHIVIEC) X1 : Sự hỗ trợ từ lãnh đạo (LANHDAO);
69
X3 : Điều kiện làm việc (DIEUKIEN); X4 : Cơ hội thăng tiến (THANGTIEN); X5 : Lương (LUONG);
X5 : Sự công bằng (CONG BANG); X7 : nhân tố lôi kéo (LOIKEO); (*) : Không có ý nghĩa thống kê.