3.5.2.1. Đánh giá ý nghĩa toàn diện của mô hình
Để kiểm định sự phù hợp giữa các yếu tố tạo nên Các nhân tố ảnh hưởng đến sự gắn kết của người lao động đối với công ty TNHH MTV đầu tư phát triển nhà Kiên Giang, tác giả sử dụng hàm hồi quy tuyến tính bội với phương pháp đưa vào một lượt (Enter).
Như vậy 5 yếu tố gồm những biến độc lập là: (1) Sự lãnh đạo và thương hiệu;
(2) Cơ hội đào tạo và thăng tiến;
(4) Bản chất công việc; (5) Tiền lương. Các biến phụ thuộc là: (1) Sự trung thành; (2)Sự tự hào; (3)Sự cố gắng.
Sẽ được đưa vào chạy hồi quy 3 lần. Kết quả lần lượt như sau:
- Chạy hồi quy với biến phụ thuộc là Sự trung thành: Hệ số xác định bội R2 = 0,596, hệ số xác định hiệu chỉnh R2 hiệu chỉnh = 0,589. Kiểm định F sử dụng trong phân tích phương sai là phép kiểm định giả thuyết về độ phù hợp của mô hình hồi quy tuyến tính tổng thể. Ý tưởng của kiểm định này là mối quan hệ tuyến tính giữa biến phụ thuộc và các biến độc lập. Trong bảng ANOVA, ta thấy giá trị sig rất nhỏ (sig = 0,000) nên mô hình hồi quy phù hợp với tập dữ liệu và có thể sử dụng được.
Bảng 3.20: Kết quả hồi quy của biến phụ thuộc Sự trung thành
Hệ số hồi quy chưa chuẩn hóa
Hệ số hồi quy chuẩn hóa Thống kê đa cộng tuyến Mô hình B Std. Error Beta t Sig. Độ chấp nhận của biến VIF (Constant) -,311 ,239 -1,305 ,193 X1 ,557 ,079 ,438 7,087 ,000 ,373 2,681 X2 ,293 ,054 ,257 5,374 ,000 ,623 1,606 X3 ,040 ,059 -,034 -,679 ,498 ,556 1,798 X4 ,053 ,061 ,040 ,877 ,381 ,684 1,461 1 X5 ,211 ,060 ,196 3,494 ,001 ,450 2,222
Từ Bảng 3.25 ta thấy rằng các biến độc lập có hệ số Sig lớn hơn 0,05 nên ta loại [(X3) Đồng nghiệp = 0,498; (X4) Bản chất công việc = 0,381]; phương trình hồi quy thể hiện mối quan hệ giữa Sự trung thành (Y1) biến phụ thuộc với các biến độc lập: (X1) Sự lãnh đạo và thương hiệu; (X2) Cơ hội đào tạo và thăng tiến; (X5) Tiền lương được thể hiện qua biểu thức sau:
Diễn giải kết quả
Kết quả phân tích hồi quy có được hệ số tương quan, riêng phần của các biến: X1 là quan trọng nhất do có hệ số bê ta đã chuẩn hóa là 0,438; X2 là quan trọng thứ nhì do hệ số beta đã chuẩn hóa là 0,257 và X5 là quan trọng cuối do hệ số beta đã chuẩn hóa là 0,196.
- Chạy hồi quy với biến phụ thuộc là Sự hào: Hệ số xác định bội R2 = 0,683, hệ số xác định hiệu chỉnh R2 hiệu chỉnh = 0,677. Kiểm định F sử dụng trong phân tích phương sai là phép kiểm định giả thuyết về độ phù hợp của mô hình hồi quy tuyến tính tổng thể. Ý tưởng của kiểm định này là mối quan hệ tuyến tính giữa biến phụ thuộc và các biến độc lập. Trong bảng ANOVA, ta thấy giá trị sig rất nhỏ (sig = 0,000) nên mô hình hồi quy phù hợp với tập dữ liệu và có thể sử dụng được.
Bảng 3.21: Kết quả hồi quy của biến phụ thuộc Sự tự hào
Hệ số hồi quy chưa chuẩn hóa
Hệ số hồi quy chuẩn hóa Thống kê đa cộng tuyến Mô hình B Std. Error Beta t Sig. Độ chấp nhận của biến VIF (Constant) ,068 ,192 ,352 ,725 X1 ,652 ,063 ,563 10,300 ,000 ,373 2,681 X2 ,095 ,044 ,091 2,155 ,032 ,623 1,606 X3 ,034 ,048 ,031 ,702 ,483 ,556 1,798 X4 -,008 ,049 -,006 -,158 ,875 ,684 1,461 1 X5 ,237 ,049 ,242 4,866 ,000 ,450 2,222
Từ Bảng 3.26 ta thấy rằng các biến độc lập có hệ số Sig lớn hơn 0,05 nên ta loại [(X3) Đồng nghiệp = 0,483; (X4) Bản chất công việc = 0,875]; phương trình hồi quy thể hiện mối quan hệ giữa Sự tự hào (Y2) biến phụ thuộc với các biến độc lập: (X1) Sự lãnh đạo và thương hiệu; (X2) Cơ hội đào tạo và thăng tiến; (X5) Tiền lương được thể hiện qua biểu thức sau:
Y2 = 0,563 * X1 +0,091 * X2 + 0,242 * X5
Diễn giải kết quả
Kết quả phân tích hồi quy có được hệ số tương quan riêng phần của các biến: X1 là quan trọng nhất do có hệ số bê ta đã chuẩn hóa là 0,563; X5 là quan trọng thứ
nhì do hệ số beta đã chuẩn hóa là 0,242 và X2 là quan trọng cuối cùng do hệ số beta đã chuẩn hóa là 0,091.
Chạy hồi quy với biến phụ thuộc là Sự cố gắng: Hệ số xác định bội R2 = 0,462, hệ số xác định hiệu chỉnh R2 hiệu chỉnh = 0,452. Kiểm định F sử dụng trong phân tích phương sai là phép kiểm định giả thuyết về độ phù hợp của mô hình hồi quy tuyến tính tổng thể. Ý tưởng của kiểm định này là mối quan hệ tuyến tính giữa biến phụ thuộc và các biến độc lập. Trong bảng ANOVA, ta thấy giá trị sig rất nhỏ (sig = 0,000) nên mô hình hồi quy phù hợp với tập dữ liệu và có thể sử dụng được.
Bảng 3.22: Kết quả hồi quy của biến phụ thuộc Sự cố gắng
Hệ số hồi quy chưa chuẩn hóa
Hệ số hồi quy chuẩn hóa Thống kê đa cộng tuyến Mô hình B Std. Error Beta t Sig. Độ chấp nhận của biến VIF (Constant) ,588 ,246 2,267 ,024 X1 ,250 ,081 ,220 3,086 ,002 ,373 2,681 X2 ,216 ,056 ,212 3,851 ,000 ,623 1,606 X3 ,003 ,061 ,002 ,043 ,966 ,556 1,798 X4 ,213 ,063 ,179 3,393 ,001 ,684 1,461 1 X5 ,221 ,062 ,230 3,548 ,000 ,450 2,222
Từ Bảng 3.27 ta thấy rằng biến độc lập có hệ số Sig lớn hơn 0,05 nên ta loại là [(X3) Đồng nghiệp = 0,966]; phương trình hồi quy thể hiện mối quan hệ giữa Sự cố gắng (Y3) biến phụ thuộc với các biến độc lập: (X1) Sự lãnh đạo và thương hiệu; (X2) Cơ hội đào tạo và thăng tiến; (X4) Bản chất công việc; (X5) Tiền lương được thể hiện qua biểu thức sau:
Y3 = 0,220 * X1 + 0,212 * X2 + 0,179 * X4 + 0,230 * X5
Diễn giải kết quả
Kết quả phân tích hồi quy có được hệ số tương quan riêng phần của các biến: X5 là quan trọng nhất do có hệ số bê ta đã chuẩn hóa là 0,230; X1 là quan trọng thứ nhì do hệ số beta đã chuẩn hóa là 0,220; X2 là quan trọng thứ ba do có hệ số bate đã chuẩn hóa là 0,212 và X4 là quan trọng cuối cùng do hệ số beta đã chuẩn hóa là 0,179.
3.5.2.2. Dò tìm sự vi phạm các giả định cần thiết trong hồi quy
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, chúng ta 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. Phương pháp được sử dụng là biểu đồ
Scatterplot với giá trị phần dư chuẩn hóa trên trục tung và giá trị dự đoán chuẩn hóa trên trục hoành. Nhìn vào biểu đồ ta thấy phần dư không thay đổi theo một trật tự nào đối với giá trị dự đoán. Vậy giả thuyết về liên hệ tuyến tính không bị vi phạm.
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 ta 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 vẽ của phần mềm SPSS là biểu đồ Histogram và đồ thị P-P plot.
Nhìn vào biểu đồ Histogram (Hình 3.3), (Hình 3.4), (Hình 3.5) ta thấy phần dư có phân phối chuẩn với giá trị trung bình gần bằng 0 và độ lệch chuẩn của nó gần bằng 1 (= 0,991). Nhìn vào đồ thị P-P plot biểu diễn các điểm quan sát thực tế tập trung khá sát đường chéo những giá trị kỳ vọng, có nghĩa là dữ liệu phần dư có phân phối chuẩn.
Hình 3.5: Biểu đồ Histogram và đồ thị P-P plot đối với Sự cố gắng.
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 1< d =1,699 < 3 (đối với Sự trung thành), 1< d =2,004 < 3 (đối với Sự tự hào) và 1< d =1,437 < 3 (đối với Sự cố gắng); 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 các biến trong mô hình khá cao, đều lớn hơn 0,5 trong
khi hệ số VIF khá thấp đa số nhỏ hơn 5 (Bảng 3.25 – Sự trung thành), (Bảng 3.26 – Sự tự hào) và (Bảng 3.27 – Sự cố gắng). Với hệ số VIF nhỏ hơn 5 ta có thể bác bỏ giả thuyết mô hình bị đa cộng tuyến (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008).
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.
3.5.2.3. Đánh giá các giả thuyết của mô hình
Ở kiểm định F chúng ta đã kết luận mô hình toàn diện có ý nghĩa, điều này có nghĩa là có ít nhất 1 biến độc lập trong mô hình có thể giải thích được một cách có ý nghĩa cho biến thiên trong biến phụ thuộc. Tuy nhiên điều này không có nghĩa là các biến độc lập được đưa vào mô hình đều có ý nghĩa, để xác định biến độc lập nào có ý nghĩa chúng ta kiểm định các giả thuyết:
- Đối với Sự trung thành:
H1: Sự lãnh đạo và thương hiệu nếu tăng lên sẽ làm tăng Sự trung thành. Thành phần Sự lãnh đạo và thương hiệu có beta = 0,557, giá trị t = 7,087, sig = 0,000 nên giả thuyết này được chấp nhận.
H2: Cơ hội đào tạo và thăng tiến nếu được quan tâm tốt sẽ làm tăng Sự trung thành hơn. Thành phần Cơ hội đào tạo và thăng tiến có beta = 0,293, giá trị t = 5,374; sig = 0,000 nên giả thuyết này được chấp nhận.
H3: Thành phần Đồng nghiệp có beta = 0,040, giá trị t = -,679, sig = 0,498 (>0,05) nên giả thuyết này không được chấp nhận.
H4: Thành phần Bản chất công việc có beta = 0,053, giá trị t = 0,877, sig = 0,381 (>0,05) nên giả thuyết này không được chấp nhận.
H5: Tiền lương có mối quan hệ tỷ lệ thuận với Sự trung thành. Thành phần Tiền lương có beta = 0,211, giá trị t = 3,494 , sig = 0,001 (<0,05) nên giả thuyết này được chấp nhận.
Vậy mô hình toàn diện có ý nghĩa thống kê và kết quả kiểm định các giả thuyết bằng phương pháp đánh giá ý nghĩa của từng biến độc lập riêng biệt thì chỉ 3/5 nhân tố có ý nghĩa thống kê.
- Đối với Sự tự hào:
H1: Sự lãnh đạo và thương hiệu nếu tăng lên sẽ làm tăng Sự tự hào. Thành phần Sự lãnh đạo và thương hiệu có beta = 0,652, giá trị t = 10,300, sig = 0,000 nên giả thuyết này được chấp nhận.
H2: Cơ hội đào tạo và thăng tiến nếu được quan tâm tốt sẽ làm tăng Sự tự hào. Thành phần Cơ hội đào tạo và thăng tiến có beta = 0,095, giá trị t = 2,155, sig = 0,032 nên giả thuyết này được chấp nhận.
H3: Thành phần Đồng nghiệp có beta = 0,034, giá trị t = 0,702, sig = 0,483 (>0,05) nên giả thuyết này không được chấp nhận.
H4: Thành phần Bản chất công việc có beta = -0,008, giá trị t = -0,158, sig = 0,875 (>0,05) nên giả thuyết này không được chấp nhận.
H5: Tiền lương có mối quan hệ tỷ lệ thuận với Sự tự hào. Thành phần Tiền lương có beta = 0,237, giá trị t = 4,866 , sig = 0,000 nên giả thuyết này được chấp nhận.
Vậy mô hình toàn diện có ý nghĩa thống kê và kết quả kiểm định các giả thuyết bằng phương pháp đánh giá ý nghĩa của từng biến độc lập riêng biệt thì chỉ 3/5 nhân tố có ý nghĩa thống kê.
- Đối với Sự cố gắng:
H1: Sự lãnh đạo và thương hiệu nếu tăng lên sẽ làm tăng Sự cố gắng. Thành phần Sự lãnh đạo và thương hiệu có beta = 0,250, giá trị t = 3,086, sig = 0,002 (<0,05) nên giả thuyết này được chấp nhận.
H2: Cơ hội đào tạo và thăng tiến nếu được quan tâm tốt sẽ làm tăng Sự cố gắng. Thành phần Cơ hội đào tạo và thăng tiến có beta = 0,216, giá trị t = 3,851, sig = 0,000 nên giả thuyết này được chấp nhận.
H3: Thành phần Đồng nghiệp có beta = 0,03, giá trị t = 0,043, sig = 0,966 (>0,05) nên giả thuyết này không được chấp nhận.
H4: Thành phần Bản chất công việc có beta = 0,213, giá trị t = 3,393, sig = 0,001381 nên giả thuyết này được chấp nhận.
H5: Tiền lương có mối quan hệ tỷ lệ thuận với Sự cố gắng. Thành phần Tiền lương có beta = 0,221, giá trị t = 3,548 , sig = 0,000 nên giả thuyết này được chấp nhận.
Vậy mô hình toàn diện có ý nghĩa thống kê và kết quả kiểm định các giả thuyết bằng phương pháp đánh giá ý nghĩa của từng biến độc lập riêng biệt thì 4/5 nhân tố có ý nghĩa thống kê.