4.5.1. Phân tích tương quan
Trước khi tiến hành phân tích hồi quy tuyến tính bội thì việc xem xét mối tương quan tuyến tính giữa các biến độc lập với biến phụ thuộc và giữa các biến độc lập với nhau là công việc phải làm và hệ số tương quan Pearson trong ma trận hệ số tương quan là phù hợp để xem xét mối tương quan này. (Hoàng trọng và Chu Nguyễn Mộng Ngọc, 2008)
Dựa vào bảng Ma trận tương quan giữa các nhân tố 4.11 cho thấy, hệ số tương quan giữa thành phần sự tự tin của người được đào tạo (TT) với các biến ND, DG, PP, NC, HQ có trị Sig rất nhỏ (< 0.05), do đó, chúng có ý nghĩa về mặt thống kê và mức độ tương quan này cũng cao (thấp nhất là 0.503). Tuy nhiên, ma trận tương quan chỉ nói lên mối tương quan (quan hệ 2 chiều) giữa các biến nên chỉ đưa ra cách nhìn tổng quan sơ bộ mà không có quyết định gì trong việc quyết định biến nào ảnh hưởng, biến nào không ảnh hưởng lên biến phụ thuộc. Ngoài ra, hệ số tương quan giữa các
biến độc lập cũng cao. Do đó, kiểm định đa cộng tuyến cần được tiến hành trong các bước tiếp theo để xác định xem các biến độc lập có ảnh hưởng lẫn nhau hay không.
Bảng 4.11: Ma trận tương quan Pearson giữa các khái niệm nghiên cứu
TT ND DG PP NC HQ TT Tương quan Pearson 1 .632** .503** .560** .553** .651** Sig. (2-chiều) .000 .000 .000 .000 .000 ND Tương quan Pearson 1 .393** .538** .415** .879** Sig. (2-chiều) .000 .000 .000 .000 DG Tương quan Pearson 1 .251** .286** .377** Sig. (2-chiều) .000 .000 .000 PP Tương quan Pearson 1 .389** .507** Sig. (2-chiều) .000 .000 NC Tương quan Pearson 1 .381** Sig. (2-chiều) .000 HQ Tương quan Pearson 1 Sig. (2-chiều)
4.5.2. Phân tích hồi quy tuyến tính bội mô hình 1
a). Xác định biến độc lập, biến phụ thuộc
Căn cứ vào mô hình nghiên cứu lý thuyết, phương trình hồi quy tuyến tính bội diễn tả các yếu tố ảnh hưởng đến sự tự tin của người được đào tạo là:
TT = β0 + β1*ND + β2*DG + β3*PP + β4*NC
Các biến độc lập (Xi): ND, DG, PP, NC. - ND: nội dung đào tạo.
- DG: đánh giá đào tạo. - PP: phương pháp đào tạo. - NC: đánh giá nhu cầu đào tạo.
Biến phụ thuộc (TT): sự tự tin của người được đào tạo. βk là hệ số hồi quy riêng phần (k = 0…4).
b). Phân tích hồi quy tuyến tính bội
Để kiểm định sự phù hợp giữa 4 thành phần ảnh hưởng đến biến phụ thuộc là sự tự tin của người được đào tạo, hàm hồi qui tuyến tính bội với phương pháp đưa vào một lượt (Enter) được sử dụng. Hệ số hồi quy riêng phần chuẩn hóa của thành phần nào càng lớn thì mức độ ảnh hưởng của thành phần đó đến biến phụ thuộc càng cao, nếu cùng dấu thì mức độ ảnh hưởng thuận chiều và ngược lại.
Kết quả phân tích hồi qui bội tại bảng 4.12, các giá trị Sig. với các biến ND, DG, PP, NC đều rất nhỏ (< 0.05). Vì vậy, có thể khẳng định các biến này có ý nghĩa trong mô hình.
Bảng 4.12: Kết quả phân tích hồi qui bội mô hình 1
Coefficientsa
Model
Hệ số hồi qui
chưa chuẩn hóa đã chuẩn hóa Hệ số hồi qui T Sig.
Thống kê đa cộng tuyến B Std. Error Beta Dung sai VIF
1 Hằng số .221 .215 1.029 .305 ND .226 .043 .296 5.276 .000 .610 1.639 DG .242 .046 .251 5.217 .000 .827 1.209 PP .186 .043 .233 4.375 .000 .676 1.478 NC .289 .054 .268 5.377 .000 .774 1.292 a. Biến phụ thuộc: TT
c). Kiểm định các giả định hồi quy
Giả định liên hệ tuyến tính: Kiểm tra bằng biểu đồ phân tán scatter cho phần dư chuẩn hóa (Standardized residual) và giá trị dự doán chuẩn hóa (Standardized predicted value). Kết quả (phụ lục G) cho thấy phần dư phân tán ngẫu nhiên qua đường thẳng qua điểm 0, không tạo thành một hình dạng nào cụ thể. Như vậy, giả định liên hệ tuyến tính được thỏa mãn.
Giả định phương sai của sai số không đổi: Kết quả (phụ lục G) kiểm định tương quan hạng Spearman cho thấy giá trị sig của các biến ND, DG, PP, NC với giá trị tuyệt đối của phần dư khác không. Nghĩa là phương sai của sai số không đổi. Như vậy, giả định phương sai của sai số không đổi không bị vi phạm.
dư (phụ lục H) cho thấy phân phối phần dư xấp xỉ chuẩn (trung bình mean gần bằng 0 và độ lệch chuẩn Std = 0.991 tức là gần bằng 1). Như vậy, giả định phần dư có phân phối chuẩn không bị vi phạm.
Giả định không có tương quan giữa các phần dư: Đại lượng thống kê Durbin-Watson (d) được dùng để kiểm định tương quan chuỗi bậc nhất. Vùng chấp nhận là (d) nằm trong khoảng [dU; 4- dU]. Kết quả hồi qui nhận được từ bảng Model Summaryb cho thấy đại lượng thống kê Durbin-Watson có giá trị là 1.765. Tra bảng Durbin-Watson với mẫu là n = 217 quan sát và biến độc lập k = 4, thì dU: 1.715, dL: 1.633. Do đó, vùng chấp nhận của giá trị d là [1.715; 2.285] nên chấp nhận giả thuyết không có sự tương quan chuỗi bậc nhất trong mô hình.
d). Đánh giá độ phù hợp, kiểm định độ phù hợp của mô hình và hiện tượng đa
cộng tuyến.
Phân tích hồi qui không chỉ là việc mô tả các dữ liệu quan sát được mà còn phải suy rộng cho mối liên hệ giữa các biến trong tổng thể từ các kết quả quan sát được trong mẫu đó. Kết quả của mẫu suy rộng ra cho giá trị của tổng thể phải đáp ứng các giả định cần thiết dưới đây:
Đánh giá độ phù hợp của mô hình.
Hệ số R² điều chỉnh là thước đo sự phù hợp được sử dụng cho tình huống hồi quy tuyến tính bội vì nó không phụ thuộc vào độ lệch phóng đại của hệ số R². Kết quả phân tích hồi qui bội (bảng 4.13) cho thấy R² điều chỉnh (Adjusted R Square) bằng 0.585, nghĩa là mức độ phù hợp của mô hình là 58.50%. Nghĩa là 4 yếu tố đào tạo đưa vào mô hình chiếm 58.5% sự tự tin của nhân viên, còn lại 41.5% là do các yếu tố khác.
Bảng 4.13: Tóm tắt mô hình 1- Model Summaryb
Tóm tắt mô hình 1- Model Summaryb
Mô hình 1 R Hệ số R²
Hệ số R² điều chỉnh
Sai số chuẩn
ước lượng Durbin-Watson
1 .770a .593 .585 .38689 1.765
a. Giá trị cho trước: (hằng số): NC, DG, PP, ND b. Giá trị phụ thuộc: TT
Kiểm định độ phù hợp của mô hình
Kết quả nhận được từ bảng ANOVAb (bảng 4.14) cho thấy trị thống kê F với giá trị Sig. rất nhỏ (= 0.000 < 0.05) cho thấy mô hình hồi quy tuyến tính bội đã xây dựng phù hợp với tập dữ liệu, sử dụng được.
Bảng 4.14: Phân tích phương sai (ANOVAb)
ANOVAb Mô hình Tổng bình phương Độ tự do Bình phương trung bình Thống kê F Giá trị Sig. 1 Hồi quy 46.150 4 11.537 77.078 .000a Phần dư 31.733 212 .150 Tổng 77.882 216
a. Giá trị cho trước: (hằng số): NC, DG, PP, ND b. Biến phụ thuộc: TT
Hiện tượng đa cộng tuyến
Đo lường đa cộng tuyến được thực hiện, kết quả cho thấy hệ số phóng đại phương sai (VIF) có giá trị nhỏ hơn 2 (bảng 4.12) đạt yêu cầu (VIF < 10). Vậy mô hình hồi quy tuyến tính bội không có hiện tượng đa cộng tuyến, mối quan hệ giữa các biến độc lập không ảnh hưởng đến kết quả giải thích của mô hình.
e). Phương trình hồi qui tuyến tính bội
Với tập dữ liệu thu được trong phạm vi nghiên cứu của đề tài và dựa vào bảng kết quả hồi quy tuyến tính bội (bảng 4.12), phương trình hồi quy tuyến tính bội thể
hiện các nhân tố ảnh hưởng đến sự tự tin của người được đào tạo theo hệ số beta chuẩn hóa như sau:
TT = 0.268*NC+ 0.251*DG + 0.296*ND + 0.233*PP Các biến độc lập (Xi):
- ND: nội dung đào tạo. - DG: đánh giá đào tạo. - PP: phương pháp đào tạo. - NC: đánh giá nhu cầu đào tạo.
Biến phụ thuộc (TT): sự tự tin của người được đào tạo.
f). Tổng kết kết quả kiểm định các giả thuyết.
Kết quả mô hình hồi quy cho thấy sự tự tin của người được đào tạo chịu ảnh hưởng cùng chiều của 4 yếu tố: nội dung đào tạo (ND), đánh giá đào tạo (DG), phương pháp đào tạo (PP) và đánh giá nhu cầu đào tạo (NC). Do đó, các giả thuyết H1-1, H1-2, H1-3, H1-4 được chấp nhận.
Trong đó, ảnh hưởng mạnh nhất đến sự tự tin của người được đào tạo là yếu tố nội dung đào tạo với hệ số beta (chuẩn hóa) là 0.296; tiếp theo là yếu tố đánh giá nhu cầu đào tạo với hệ số beta (chuẩn hóa) là 0.268; kế đến là yếu tố đánh giá đào tạo với hệ số beta ( chuẩn hóa) là 0.251; và cuối cùng là yếu tố phương pháp đào tạo với hệ số beta (chuẩn hóa) là 0.233.
4.5.3. Phân tích hồi quy tuyến tính bội mô hình 2
a). Xác định biến độc lập, biến phụ thuộc
Căn cứ vào mô hình nghiên cứu lý thuyết, ta có phương trình hồi quy tuyến tính diễn tả sự tự tin của người được đào tạo ảnh hưởng đến hiệu quả làm việc của nhân viên như sau:
HQ = β0 + β1*TT
Biến độc lập (TT): sự tự tin của người được đào tạo. Biến phụ thuộc (HQ): hiệu quả làm việc của nhân viên. βk là hệ số hồi qui riêng phần (k = 0, 1).
Bảng 4.15: Kết quả phân tích hồi qui bội mô hình 2
Coefficientsa
Model
Hệ số hồi qui
chưa chuẩn hóa đã chuẩn hóa Hệ số hồi qui T Sig.
Thống kê đa cộng tuyến B Std. Error Beta Dung sai VIF
1 Hằng số .606 .262 2.309 .022
TT .863 .069 .651 12.584 .000 1.000 1.000
a. Biến phụ thuộc: HQ
Kết quả phân tích hồi qui bội trị Sig. của yếu tố TT rất nhỏ (nhỏ hơn 0.05). Có thể khẳng định yếu tố TT có ý nghĩa trong mô hình.
c). Kiểm định các giá trị hồi qui
Giả định liên hệ tuyến tính: Kiểm tra bằng biểu đồ phân tán scatter cho phần dư chuẩn hóa (Standardized residual) và giá trị dự doán chuẩn hóa (Standardized predicted value). Kết quả (phụ lục H) cho thấy phần dư phân tán ngẫu nhiên qua đường thẳng qua điểm 0, không tạo thành một hình dạng nào cụ thể. Như vậy, giả định liên hệ tuyến tính được thỏa mãn.
Giả định phương sai của sai số không đổi: Kết quả (phụ lục H) kiểm định tương quan hạng Spearman cho thấy giá trị sig của các biến TT với giá trị tuyệt đối của phần dư (ABS2) lớn hơn 0.05. Nghĩa là phương sai của sai số không đổi. Như vậy, giả định phương sai của sai số không đổi không bị vi phạm
Giả định phần dư có phân phối chuẩn: kiểm tra biểu đồ phân tán của phần dư (phụ lục H) cho thấy phân phối phần dư xấp xỉ chuẩn (trung bình mean gần = 0 và độ lệch chuẩn Std. = 0.998 tức là gần bằng 1). Như vậy, giả định phần dư có phân phối chuẩn không bị vi phạm.
Giả định không có tương quan giữa các phần dư: Đại lượng thống kê Durbin-Watson (d) được dùng để kiểm định tương quan chuỗi bậc nhất. Vùng chấp nhận là (d) nằm trong khoảng [dU; 4- dU]. Kết quả hồi qui nhận được từ bảng Model Summaryb cho thấy đại lượng thống kê Durbin-Watson có giá trị là 1.873. Tra bảng
Durbin-Watson với mẫu là n = 217 quan sát và biến độc lập k = 1, thì dU: 1.684, dL: 1.664. Do đó, vùng chấp nhận của giá trị d là [1.684; 2.316] nên chấp nhận giả thuyết không có sự tương quan chuỗi bậc nhất trong mô hình.
d). Đánh giá độ phù hợp, kiểm định độ phù hợp của mô hình và hiện tượng đa cộng tuyến.
Đánh giá độ phù hợp của mô hình
Hệ số R² điều chỉnh là thước đo sự phù hợp được sử dụng cho tình huống hồi qui tuyến tính bội vì nó không phụ thuộc vào độ lệch phóng đại của hệ số R². Kết quả phân tích hồi qui bội (bảng 4.16) cho thấy R² điều chỉnh (Adjusted R Square) bằng 0.421. Điều này nói lên rằng mô hình hồi quy tuyến tính bội đã xây dựng phù hợp với tập dữ liệu đến mức 42.10%. Nói cách khác, hiệu quả làm việc của nhân viên chịu ảnh hưởng bởi 42.10% bởi sự tự tin của người được đào tạo.
Bảng 4.16: Tóm tắt mô hình 2- Model Summaryb
Tóm tắt mô hình 2- Model Summaryb
Mô hình 2 R Hệ số R² Hệ số R² điều chỉnh Sai số chuẩn ước lượng Durbin- Watson 1 .651a .424 .421 .60539 1.837
a. Giá trị cho trước: (Hằng số): TT b. Biến phụ thuộc: HQ
Kiểm định độ phù hợp của mô hình
Kết quả kiểm định trị thống kê F, với giá trị sig = 0.000 (< 0.05) từ bảng phân tích phương sai ANOVA (bảng ANOVAb) cho thấy mô hình hồi qui tuyến tính bội đã xây dựng phù hợp với tập dữ liệu, sử dụng được.
Bảng 4.17: Phân tích ANOVAb ANOVAb Mô hình Tổng bình phương Df Bình phương trung bình Thống kê F Giá trị Sig. 1 Hồi quy 58.036 1 58.036 158.351 .000a Thặng dư 78.798 215 .367 Tổng 136.833 216
a. Giá trị cho trước: (hằng số): TT b. Giá trị phụ thuộc: HQ
Hiện tượng đa cộng tuyến
Do chỉ có 1 biến độc lập nên không thể xảy ra hiện tượng đa cộng tuyến. Vậy mô hình hồi qui tuyến tính bội không có hiện tượng đa cộng tuyến, mối quan hệ giữa các biến độc lập không ảnh hưởng đến kết quả giải thích của mô hình. Mô hình hồi qui bội như sau:
HQ = 0.651*TT
Biến độc lập (TT): sự tự tin của người được đào tạo. Biến phụ thuộc (HQ): hiệu quả làm việc của nhân viên.
Bảng 4.18: Kết quả kiểm định các giả thuyết
Giả Thuyết
Tên giả thuyết Kết quả
H1-1 Đánh giá nhu cầu đào tạo tác động cùng chiều đến sự tự tin
của nhân viên Chấp nhận
H1-2 Nội dung đào tạo tác động cùng chiều đến sự tự tin của nhân
viên Chấp nhận
H1-3 Phương pháp đào tạo tác động cùng chiều đến sự tự tin của nhân viên
Chấp nhận H1-4 Đánh giá đào tạo tác động cùng chiều đến sự tự tin của nhân
viên
Chấp nhận H2 Sự tự tin tác động cùng chiều đến hiệu quả làm việc của nhân
viên
4.6 Phân tích sự khác biệt trong đánh giá sự tự tin của người được đào tạo
Phép kiểm định Independent-samples T-test, được sử dụng khi muốn so sánh hai giá trị trung bình của của hai nhóm tổng thể riêng biệt.
Phân tích phương sai Anova là sự mở rộng của kiểm định Independent -
samples t-test vì phương pháp này giúp ta so sánh trị trung bình của 3 nhóm trở lên.
4.6.1. Đánh giá sự tự tin của người được đào tạo theo giới tính.
Kết quả kiểm định t - test (bảng 4.19) cho thấy không có sự khác biệt trong đánh giá sự tự tin của người được đào tạo giữa nam và nữ do trị Sig = 0.275> 0.05. Nói cách khác, giữa nam và nữ đánh giá sự tự tin của người được đào tạo như nhau.
Bảng 4.19: So sánh trung bình về giới tính
Kiểm định
Levene Kiểm định t-test
F Sig. t Độ tự do Sig. (2-tailed) Mean Difference Std. Error Difference TT Equal variances assumed 10.053 .002 -1.175 215 .241 -.10000 .08512 Equal variances not assumed -1.096 128.305 .275 -.10000 .09121
4.6.2. Đánh giá sự tự tin của người được đào tạo theo thâm niên công tác.
Kết quả kiểm định Levene (bảng 4.20) cho thấy trị Sig = 0.368 > 0.05 nên phương sai các nhóm không khác nhau một cách có ý nghĩa. Do đó, có thể sử dụng kết quả phân tích ANOVA ở bảng tiếp theo.
Bảng 4.20: Kiểm định Levene TT
Thống kê Levene df1 df2 Sig.
1.057 3 213 .368
Kết quả kiểm định phương sai Oneway Anova (bảng 4.21) cho thấy không có sự khác biệt trong đánh giá sự tự tin của người được đào tạo giữa các đối tượng có thâm niên công tác khác nhau do trị Sig = 0.104 > 0.05.
Bảng 4.21: Kiểm định ANOVA TT Tổng bình phương df Bình phương trung bình F Sig. Giữa các nhóm 2.215 3 .738 2.078 .104 Trong nhóm 75.668 213 .355 Tổng 77.882 216
4.6.3. Đánh giá sự tự tin của người được đào tạo theo nhóm tuổi.
Kết quả kiểm định Levene (bảng 4.22) cho thấy trị Sig = 0.968 > 0.05 nên phương sai các nhóm không khác nhau một cách có ý nghĩa. Do đó, có thể sử dụng kết quả phân tích ANOVA ở bảng tiếp theo.
Bảng 4.22: Kiểm định Levene TT
Thống kê Levene df1 df2 Sig.
.085 3 213 .968