Sau khi qua giai đoạn phân tích nhân tố (EFA), có 6 nhân tố được đưa vào kiểm định mô hình. Giá trị của từng nhân tố là giá trị trung bình của các biến quan sát thành phần thuộc nhân tố đó.
Phân tích tương quan (Pearson) được sử dụng để xem xét sự phù hợp khi đưa các thành phần vào mô hình hồi quy. Kết quả của phân tích hồi quy sẽ được sử dụng để kiểm định các giả thuyết từ H1’ đến H6’.
4.3.1 Phân tích tương quan (Pearson)
Trước khi tiến hành phân tích hồi quy, tác giả sử dụng hệ số tương quan Pearson để lượng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến định lượng.
Trước khi tiến hành phân tích hồi quy tuyến tính cần phải xem xét mối quan hệ tương quan giữa biến phụ thuộc và từng biến độc lập, cũng như giữa các biến độc lập với nhau.
Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), thì người ta sử dụng hệ số tương quan Pearson để lượng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa các biến định lượng. Kiểm tra biến phụ thuộc và biến độc lập xem có tương quan với nhau không, trị tuyệt đối của hệ số tương quan (r) cho biết mức độ chặt chẽ của mối liên hệ tuyến tính. Nếu hệ số tương quan giữa biến phụ thuộc và biến độc lập càng lớn (gần tới 1) thì mối quan hệ giữa các biến với nhau càng chặt chẽ, nếu hệ số tương quan dương chứng tỏ biến độc lập và biến phụ thuộc có quan hệ thuận chiều, nếu hệ số tương quan âm chứng tỏ biến độc lập và biến phụ thuộc có quan hệ ngược chiều.
Giá trị của r cho biết không có mối liên hệ tuyến tính giữa 2 biến chưa hẳn có nghĩa là 2 biến đó không có mối liên hệ. Do đó hệ số tương quan tuyến tính chỉ nên được sử dụng đểu biểu thị mức độ chặt chẽ của liên hệ tương quan tuyến tính (Hoàng Trọng, 2008).
Nếu hai biến tương quan với nhau thì có hệ số tương quan Pearson |r| > 0,1. Kiểm tra giữa 2 biến độc lập, có sự tương quan với nhau không để lưu ý vấn đề đa cộng tuyến khi phân tích hồi quy.
Đa cộng tuyến là trạng thái trong đó các biến độc lập có tương quan chặt chẽ với nhau. Vấn đề của hiện tượng cộng tuyến là chúng cung cấp cho mô hình những thông tin rất giống nhau và rất khó tách rời ảnh hưởng của từng biến một đến biến phụ thuộc. Hiệu ứng khác của sự tương quan khá chặt giữa các biến độc lập là nó làm tăng độ lệch chuẩn của các hệ số hồi quy và làm giảm trị thống kê t của kiểm định ý nghĩa của chúng nên các hệ số có khuynh hướng kém ý nghĩa hơn khi không có đa cộng tuyến, trong khi hệ số xác định R square vẫn khá cao. Trong quá trình phân tích hồi quy bội, đa cộng tuyến được SPSS chuẩn đoán bằng lựa chọn Collinearity Diagnostic.
50
Bảng 4.22: Kết quả phân tích tương quan
DL CVTV CSKT TNPL CHTT MTLV THVH
DL
Hệ số tương quan Pearson 1 ,638** ,569** ,684** ,607** ,668** ,641**
Mức ý nghĩa ,000 ,000 ,000 ,000 ,000 ,000
Tổng số mẫu 230 230 230 230 230 230 230
CVTV
Hệ số tương quan Pearson ,638** 1 ,331** ,394** ,303** ,346** ,462**
Mức ý nghĩa ,000 ,000 ,000 ,000 ,000 ,000
Tổng số mẫu 230 230 230 230 230 230 230
CSKT
Hệ số tương quan Pearson ,569** ,331** 1 ,369** ,452** ,370** ,319**
Mức ý nghĩa ,000 ,000 ,000 ,000 ,000 ,000
Tổng số mẫu 230 230 230 230 230 230 230
TNPL
Hệ số tương quan Pearson ,684** ,394** ,369** 1 ,315** ,501** ,417**
Mức ý nghĩa ,000 ,000 ,000 ,000 ,000 ,000
Tổng số mẫu 230 230 230 230 230 230 230
CHTT
Hệ số tương quan Pearson ,607** ,303** ,452** ,315** 1 ,480** ,296**
Mức ý nghĩa ,000 ,000 ,000 ,000 ,000 ,000
Tổng số mẫu 230 230 230 230 230 230 230
MTLV
Hệ số tương quan Pearson ,668** ,346** ,370** ,501** ,480** 1 ,336**
Mức ý nghĩa ,000 ,000 ,000 ,000 ,000 ,000
Tổng số mẫu 230 230 230 230 230 230 230
THVH
Hệ số tương quan Pearson ,641** ,462** ,319** ,417** ,296** ,336** 1
Mức ý nghĩa ,000 ,000 ,000 ,000 ,000 ,000
Tổng số mẫu 230 230 230 230 230 230 230
**. Mối tương quan có ý nghĩa ở mức 0.01
(Nguồn: kết quả xử lý từ dữ liệu điều tra)
Nhìn vào bảng kết quả phân tích tương quan giữa các biến, tác giả thấy các biến độc lập không có quan hệ tương quan với nhau, do đó không cần phải quá chú trọng vào vấn đề đa cộng tuyến khi phân tích hồi quy.
Biến phụ thuộc có tương quan dương chặt chẽ với các biến độc lập (đều có r >0.1 và sig.<0.05). Tác giả tiếp tục đưa cả 6 biến độc lập vào phân tích hồi quy để mô hình hóa mối quan hệ nhân quả có thật giữa các biến độc lập và biến phụ thuộc.
4.3.2 Phân tích hồi quy
Phân tích hồi quy được thực hiện với 6 biến độc lập bao gồm: (1) Công việc thú vị và thách thức; (2) Chính sách khen thưởng và công nhận; (3) Thu nhập và phúc lợi; (4) Cơ hội thăng tiến; (5) Môi trường làm việc; (6) Thương hiệu và văn hóa công ty.
Mô hình hồi quy bội được biểu diễn như sau:
51
Hoặc
Động lực làm việc chung
= β0 + β1 × Công việc thú vị và thách thức + β2 × Chính sách khen thưởng và công nhận + β3
× Thu nhập và phúc lợi + β4 × Cơ hội thăng tiến + β5
× Môi trường làm việc + β6 × Thương hiệu và văn hóa công ty
Trong đó:
Y: Động lực làm việc chung (DL);
X1: Công việc thú vị và thách thức (CVTV);
X2: Chính sách khen thưởng và công nhận (CSKT);
X3: Thu nhập và phúc lợi (TNPL);
X4: Cơ hội thăng tiến (CHTT);
X5: Môi trường làm việc (MTLV);
X6: Thương hiệu và văn hóa công ty (THVH);
Chạy hồi quy tuyến tính bội với phương pháp đưa vào một lượt (Enter).
4.3.2.1 Kiểm tra các giả định của mô hình
Bảng 4.23: Hệ số xác định sự phù hợp của mô hình Bước R Hệ số xác định R2 Hệ số xác định hiệu chỉnh R2 hiệu chỉnh
Sai số chuẩn của ước lượng Chỉ số Durbin- Watson 1 0,916 0,840 0,836 0,25790 1,885 a. Biến độc lập: THVH, CHTT, TNPL, CSKT, CVTV, MTLV b. Biến phụ thuộc: DL
(Nguồn: kết quả xử lý từ dữ liệu điều tra)
Trước khi phân tích các kết quả thu được ở trên, ta cần kiểm tra các giả định trong hồi quy tuyến tính. Nếu các giả định này không thỏa được các yêu cầu. Thì các ước lượng không đáng tin cậy (Hoàng Trọng-Mộng Ngọc, 2008). Kiểm tra giả định về mối tương quan giữa các biến độc lập là đo lường đa cộng tuyến (Collinearlity Diagnostics). Các công cụ chuẩn đoán đa cộng tuyến có thể sử dụng là: Độ chấp nhận của biến (Tolerance), hệ số phóng đại phương sai (Variance inflation factor – VIF).
52
Độ chấp nhận của biến (Tolerance): Nếu độ chấp nhận của biến nhỏ là dấu hiệu đa cộng tuyến. Hệ số phóng đại phương sai (VIF) là nghịch đảo của độ chấp nhận của biến (Tolerance). Nếu VIF lớn hơn 10 đó là dấu hiệu đa cộng tuyến (Hoàng Trọng-
Mộng Ngọc, 2008). Giá trị sig. của trị thống kê F của mô hình đầy đủ dù rất nhỏ, cho
thấy sẽ an toàn khi bác bỏ giả thuyết Ho cho rằng tất cả các hệ số hồi quy trong mô hình hồi quy tổng thể bằng 0. Như vậy, mô hình hồi quy tuyến tính đã xây dựng phù hợp với tổng thể.
Thang đo thông thường dùng để xác định mức độ phù hợp của mô hình hồi quy
tuyến tính đã xây dựng so với dữ liệu là là hệ số xác định R2. (Hoàng Trọng & Mộng
Ngọc, 2008).
Giá trị hệ số R2
hiệu chỉnh là 0,836, nghĩa là mô hình hồi quy tuyến tính đã xây dựng phù hợp với dữ liệu 83,6% hay nói cách khác, hơn 83,6% sự khác biệt trong đánh giá của nhân viên vể tình hình nâng cao động lực làm việc tại VNPT An Giang. Hệ số Durbin – Watson = 1.885 nằm trong khoảng (1.5; 2.5) cho thấy không có hiện tượng tự tương quan. Để xem xét sự phù hợp của mô hình hồi quy tổng thể, ta thực hiện kiểm định F.
Bảng 4.24: Kết quả phân tích phương sai (ANOVA)
Mô hình Tổng bình phương Bậc tự do Bình phương
trung bình Hệ số F Hệ số Sig. 1 Hồi quy 77,762 6 12,960 194,855 .000a Phần dư 14,832 223 ,067 Tổng cộng 92,594 229 a. Biến độc lập: THVH, CHTT, TNPL, CSKT, CVTV, MTLV b. Biến phụ thuộc: DL
(Nguồn: kết quả xử lý từ dữ liệu điều tra)
Giá trị sig. của trị thống kê F của mô hình đầy đủ dù rất nhỏ, cho thấy sẽ an toàn khi bác bỏ giả thuyết Ho cho rằng tất cả các hệ số hồi quy trong mô hình hồi quy tổng thể bằng 0. Kiểm nghiệm F với sig F = 0,000 < 0,05 cho thấy mô hình hồi quy tuyến tính bội được xây dựng phù hợp với tập dữ liệu.
53
Bảng 4.25: Kết quả phân tích hồi qui
Mô hình Hệ số chưa chuẩn hóa Hệ số chuẩn hóa t Mức ý nghĩa Sig. Thống kê đa cộng tuyến B Sai số chuẩn Hệ số Beta Độ chấp nhận của biến Hệ số phóng đại phương sai (hằng số) -,033 ,103 -,326 ,745 CVTV ,195 ,026 ,237 7,418 ,000 ,706 1,416 CSKT ,110 ,025 ,140 4,420 ,000 ,711 1,406 TNPL ,202 ,026 ,262 7,833 ,000 ,644 1,552 CHTT ,157 ,024 ,212 6,483 ,000 ,672 1,487 MTLV ,171 ,026 ,220 6,468 ,000 ,619 1,615 THVH ,178 ,024 ,241 7,523 ,000 ,701 1,426
(Nguồn: kết quả xử lý từ dữ liệu điều tra)
Phân tích bảng kết quả hồi qui (bảng 4.29), ta thấy độ chấp nhận của biến (Tolerance) là tương đối tốt (nhỏ nhất là 0,619) và hệ số phóng đại phương sai (VIF) không lớn hơn 10 (lớn nhất là 1,406 < 2). Như vậy giả định về tương quan giữa các biến độc lập không bị vi phạm, không có hiện tượng đa cộng tuyến. Kết quả cho thấy Các biến độc lập tham gia vào mô hình đều có mối liên hệ tốt với biến phụ thuộc và có khả năng sử dụng các hệ số hồi quy này để giải thích hay lượng hóa mối quan hệ giữa biến phụ thuộc và biến độc lập.
Hệ số Beta dùng để đánh giá mức độ quan trọng của các nhân tố tác động đến động lực làm việc của nhân viên. Hệ số Beta của nhân tố nào càng cao thì nhân tố đó tác động đến động lực làm việc càng lớn.
Với kết quả được trình bày ở bảng 4.27, tất cả các biến đều có ý nghĩa thống kê Sig =0,000 < 0,05. Quan sát các hệ số Beta (hệ số chuẩn hóa), có thể thấy trong 6 thành phần gồm: (1) Công việc thú vị và thách thức; (2) Chính sách khen thưởng và công nhận; (3) Thu nhập và phúc lợi; (4) Cơ hội thăng tiến; (5) Môi trường làm việc; (6) Thương hiệu và văn hóa công ty đều tác động đến động lực làm việc của nhân viên. Trong đó, thành phần có hệ số Beta cao nhất là thành phần Thu nhập và phúc lợi, tiếp theo lần lược là Thương hiệu và văn hóa công ty, Công việc thú vị và thách thức, Môi trường làm việc, Cơ hội thăng tiến, cuối cùng là Chính sách khen thưởng và công nhận.
54
Phương trình hồi quy bội được xác định như sau:
Y = 0,237X1 + 0,140X2 + 0,262X3 + 0,212X4 + 0,220X5 + 0,241X6
Hoặc:
Động lực làm việc = 0,237 x Công việc thú vị và thách thức + 0,140 x Chính sách khen thưởng và công nhận + 0,262 x Thu nhập và phúc lợi + 0,212 x Cơ hội thăng tiến + 0,220 x Môi trường làm việc + 0,241 x Thương hiệu và văn hóa công ty
Nhân tố Thu nhập và phúc lợi có mức ảnh hưởng cao nhất ( = 0,262). Chính
sách tiền lương và phúc lợi đáp ứng nhu cầu của nhân viên, đảm bảo được sự an toàn của nhân viên khi tham gia công tác tại VNPT An Giang. Tiền lương có phần thỏa đáng với công việc mà nhân viên đang đảm trách.
Khi công tác tại một công ty, nhân viên đều phải chú ý quan tâm đến Thương hiệu và văn hóa công ty có tạo điều kiện thuận lợi hay không. Qua hàm hồi quy ở trên
ta thấy yếu tố Thương hiệu và văn hóa công ty giữ vị trí thứ hai với = 0,241 đã giải
thích được.
Mức độ ảnh hưởng của yếu tố Công việc thú vị và thách thức xếp vị trí thứ 3 (
= 0,237). Công việc thú vị sẽ tạo cho nhân viên công suất làm việc tốt nhất. Yếu tố
Môi trường làm việc xếp vị trí thứ tư trong các yếu tố ảnh hưởng (= 0,220). Yếu tố Cơ hội
thăng tiến xếp vị trí thứ năm với = 0,212. Cuối cùng, yếu tố Chính sách khen thưởng và
công nhận có kết quả là = 0,140.
Ý nghĩa hệ số Beta ().
Trong điều kiện: Công việc thú vị và thách thức, Chính sách khen thưởng và công nhận, Cơ hội thăng tiến, Môi trường làm việc, Thương hiệu và văn hóa công ty,
không thay đổi thì khi Thu nhập và phúc lợi tăng lên 01 đơn vị sẽ tác động đến động
lực làm việc của nhân viên tăng lên 0,262 đơn vị.
Trong điều kiện: Công việc thú vị và thách thức, Chính sách khen thưởng và công nhận, Thu nhập và phúc lợi, Cơ hội thăng tiến, Môi trường làm việc, không thay
đổi thì khi Thương hiệu và văn hóa công ty tăng lên 01 đơn vị sẽ tác động đến động lực
làm việc của nhân viên tăng lên 0,241 đơn vị.
Trong điều kiện: Chính sách khen thưởng và công nhận, Thu nhập và phúc lợi, Cơ hội thăng tiến, Môi trường làm việc, Thương hiệu và văn hóa công ty không thay
đổi thì khi Công việc thú vị và thách thức tăng lên 01 đơn vị sẽ tác động đến động lực
làm việc của nhân viên tăng lên 0,237 đơn vị.
Trong điều kiện: Công việc thú vị và thách thức, Chính sách khen thưởng và công nhận, Thu nhập và phúc lợi, Cơ hội thăng tiến, Thương hiệu và văn hóa công ty
không thay đổi thì khi Môi trường làm việc tăng lên 01 đơn vị sẽ tác động đến động lực
55
Trong điều kiện: Công việc thú vị và thách thức, Chính sách khen thưởng và công nhận, Thu nhập và phúc lợi, Môi trường làm việc, Thương hiệu và văn hóa công
ty, không thay đổi thì khi Cơ hội thăng tiến tăng lên 01 đơn vị sẽ tác động đến động lực
làm việc của nhân viên tăng lên 0,212 đơn vị.
Trong điều kiện: Công việc thú vị và thách thức, Thu nhập và phúc lợi, Cơ hội thăng tiến, Môi trường làm việc, Thương hiệu và văn hóa công ty, không thay đổi thì khi Chính sách khen thưởng và công nhận tăng lên 01 đơn vị sẽ tác động đến động lực làm việc của nhân viên tăng lên 0,140 đơn vị.
4.3.3 Kiểm định sự phù hợp của mô hình hồi quy
Mô hình hồi quy tuyến tính bằng phương pháp OSL 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, việc dò tìm sự vi phạm các giả định là cần thiết.
Giả định 1: Giả định về liên hệ tuyến tính
Về giả định liên hệ tuyến tính, phương pháp được sử dụng là biểu đồ phân tán Scatterplot. Nhìn vào biểu đồ ta thấy phần dư không thay đổi theo một trật tự nào đối với giá trị dự đoán. Do đó giả thiết về liên hệ tuyến tính không bị vi phạm.
56
Giả định 2: Phân phối chuẩn của phần dư
Hình 4.3: Đồ thị phân phối chuẩn phần dư
Giá trị trung bình = - 4,23*10-15 (gần bằng 0) và độ lệch chuẩn = 0,987 (gần
bằng 1). Hơn nữa đồ thị phân phối phần dư có dạng phân phối chuẩn N (0,1).
Quan sát đồ thị Q-Q Plot của phần dư, các điểm quan sát của phần dư tập trung khá sát với đường chéo những giá trị kỳ vọng, do đó phân phối phần dư có dạng chuẩn và thỏa yêu cầu về phân phối chuẩn của phần dư.
57
Giả định 3: Không có tương quan giữa các phần dư (kiểm tra tính độc lập của sai số) Dùng đại lượng thống kê Durbin-Watson (d) để kiểm định. Đại lượng d có giá