2.4.3.1 Phân tích tương quan
Để xem các yếu tố có mối quan hệ với nhau như thế nào trước khi thực hiện các phân tích tiếp theo ta phải phân tích sự tương quan giữa các nhân tố bằng phân tích Pearson.
Bảng 2.9 Bảng ma trận tương quan
cnhan cstlcbang quanhe tvptrien daotao thangtien dieukien hailong
cnhan 1 .000 .000 .000 .000 .000 .000 .382** cstlcbang .000 1 .000 .000 .000 .000 .000 .242** quanhe .000 .000 1 .000 .000 .000 .000 .286** tvptrien .000 .000 .000 1 .000 .000 .000 .346** daotao .000 .000 .000 .000 1 .000 .000 .215** thangtien .000 .000 .000 .000 .000 1 .000 .161** dieukien .000 .000 .000 .000 .000 .000 1 .113 hailong .382** .242** .286** .346** .215** .161** .113 1
Kết quả phân tích tương quan cho thấy tất cả các biến độc lập đều có tương quan với biến phụ thuộc (hai long). Do đó các biến độc lập này có thể đưa vào phân tích hồi quy để giải thích ảnh hưởng của nó đến kết quả của mô hình nghiên cứu.
2.4.3.2 Phân tích hội quy tuyến tính:
Với mô hình hồi quy, việc đưa thêm biến độc lập vào mô hình sẽ luôn làm gia tăng R2 tuy nhiên không phải phương trình càng có nhiều biến sẽ càng phù hợp hơn với dữ liệu, R2 có khuynh hướng là một yếu tố lạc quan của thước đo sự phù hợp của mô hình trong trường hợp có hơn 1 biến giải thích trong mô hình. Do đó để đánh giá độ phù hợp của mô hình, các nhà nghiên cứu sử dụng hệ số xác định điều chỉnh (Adjusted R Square). Đại lượng này cho biết có bao nhiêu phần biến thiên trong biến phụ thuộc có thể được giải thích bởi mô hình hồi quy.
Phân tích hồi quy thực hiện với 7 biến độc lập và 1 biến phụ thuộc, phương pháp chọn là Enter. Kết quả được trình bày ở bảng sau:
Bảng 2.10: Phân tích hồi quy
Biến quan sát Hệ số hồi
quy Giá trị kiểm định t Mức ý nghĩa Hệ số phóng đại (VIF) Hằng số -.006 -.143 .886 cnhan .391 8.730 .000 1.000 cstlcbang .242 5.439 .000 1.000 quanhe .292 6.538 .000 1.000 tvptrien .344 7.711 .000 1.000 daotao .225 5.006 .000 1.000 thangtien .169 3.775 .000 1.000 dieukien .119 2.658 .008 1.000 Giá trị kiểm định F 36.094 Hệ số xác định R2 0.494 Hệ số xác định R2 hiệu chỉnh 0.48
Hệ số xác định điều chỉnh bằng 0.48, nghĩa là mô hình tuyến tính đã xây dựng phù hợp với tập dữ liệu 48% (hay mô hình đã giải thích được 48% sự biến thiên của yếu tố sự hài lòng của nhân viên và 52% còn lại sự biến thiên của yếu tố sự hài lòng của nhân viên được giải thích bởi các yếu tố ngoài mô hình).
Với bản phân tích Anova (dùng để kiểm định lại xem mô hình ta xây dựng khi mở rộng ra tổng thể có phù hợp hay không), giá trị F=36.094 và Sig.=0.00 nên ta có thể an toàn bác bỏ giả thuyết H0: R square = 0, hay nói cách khác là với mức ý nghĩa kiểm định là 5% thì giữa biến độc lập và biến phụ thuộc có quan hệ tuyến tính với nhau.
Bảng Coefficientsa (kiểm định xem các hệ số beta của từng biến độc lập ảnh hưởng đến biến phụ thuộc có khác 0 hay không) cho thấy rằng 7 biến trong mô hình có tác động dương đến sự hài lòng của nhân viên với mức ý nghĩa Sig. nhỏ hơn 0.05.
Với hệ số phóng đại phương sai (VIF) bằng 1 ta khẳng định không có hiện tượng đa cộng tuyến giữa các biến độc lập, như vậy giả định của phân tích hồi quy tuyến tính bội không bị vi phạm.
Với mức ý nghĩa kiểm định là 5% từ tập dữ liệu ta có thể an tâm suy rộng ra tổng thể rằng, biến phụ thuộc có thể được giải thích bởi các biến độc lập theo phương trình sau đây:
Y= -0.006 + 0.319X1 + 0.242X2 + 0.292X3 + 0.344X4 + 0.225X5 + 0.169X6 + 0.119X7
(2.1)
Trong đó:
Y: Sự hài lòng của nhân viên (được xem là biến phụ thuộc) X1: Cảm nhận của cá nhân đối với tổ chức
X2: Chính sách, tiền lương và sự công bằng X3: Mối quan hệ
X4: Triển vọng phát triển X5: Đào tạo
X6: Cơ hội thăng tiến X7: Điều kiện làm việc
Theo mô hình hồi quy: Giá trị (độ lớn) của β’ cho thấy: Cảm nhận của cá nhân đối với tổ chức là yếu tố quan trọng nhất, tác động lớn nhất đến sự hài lòng của nhân viên (β’= 0.391). Mỗi một đơn vị (chuẩn hóa) thay đổi ở yếu tố này thì mức độ hài lòng của nhân viên thay đổi 0.391 đơn vị, vượt trội hơn so với ảnh hưởng của các yếu tố khác. Ngược lại, yếu tố điều kiện làm việc lại có ảnh hưởng thấp nhất (0.119), đây là cơ sở để các nhà quản trị nhân lực biết được mức độ ảnh hưởng của từng nhân tố cụ thể là bao nhiêu từ đó có những giải pháp ưu tiên theo thứ tự ảnh hưởng trên.
Ngoài ra, mô hình cũng đáp ứng điều kiện về phần dư. Phần dư có phân phối xấp xỉ chuẩn (trung bình Mean =0.00, độ lệch chuẩn Std.Dev = .987)và đại lượng thống kê gần bằng 2 (2.304) nên các phần dư trong mẫu không có tương quan với nhau.
Hình 2.12: Mô hình phân phối chuẩn của phần dư
Tóm lại:Với các kết quả phân tích như trên, ta thấy rằng mô hình nghiên cứu hoàn toàn phù hợp và khẳng định có mối liên hệ chặt chẽ giữa các thang đo với sự hài lòng công việc của CBCNV tại công ty Xăng Dầu KVII TNHH MTV.