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, chúng ta còn phải thực hiện một loạt các dò tìm sự vi phạm các giả định cần thiết trong hồi quy tuyến tính.
Giả định 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 (bảng 4.58). 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 Ho là giá trị 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 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 (=0.985). 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.
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. Tra bảng thống kê Durbin-Watson với số mẫu quan sát bằng 230 và số biến độc lập là 7 ta có du = 1.841. Như vậy, đại lượng d nằm trong khoảng (du, 4 – du) hay (1.841, 2.159) thì ta có thể kết luận các phần dư là độc lập với nhau. Với dữ liệu thông kê ta có được d = 2.010 (bảng 4.53) và như vậy các tính độc lập của phần dư đã được bảo đảm. Bảng 4.53 Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 .860a .740 .732 .24778 2.010 a. Predictors: (Constant), PL, MT, CV, TN, TTPT, CT, DN b. Dependent Variable: HL
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 bốn biến trong mô hình khá cao, đều lớn hơn 0.5 trong khi hệ số VIF khá thấp đều dưới 2 (bảng 4.55). Hệ số VIF nhỏ hơn 10 là ta có thể bác bỏ giả thuyết mô hình bị đa cộng tuyến. Như vậy mô hình hồi quy tuyến tính được xây dựng theo phương trình (4.3) không vi phạm các giả định cần thiết trong hồi quy tuyến tính.
Bảng 4.55 Coefficientsa Unstandardized Coefficients Standardized Coefficients Collinearity Statistics Model B Std. Error Beta t Sig. Tolerance VIF
(Constant) -.237 .151 -1.562 .120 TN .198 .029 .280 6.789 .000 .686 1.457 CV .116 .016 .242 7.051 .000 .991 1.009 CT .173 .032 .243 5.414 .000 .583 1.715 DN .117 .028 .192 4.204 .000 .561 1.782 TTPT .181 .021 .315 8.633 .000 .880 1.136 MT .088 .019 .166 4.624 .000 .906 1.104 1 PL .197 .021 .330 9.244 .000 .918 1.090
4.5.2. Ma trận hệ số tương quan giữa các biến
Bước đầu tiên khi phân tích hồi quy tuyến tính ta sẽ xem xét các mối quan hệ tương quan tuyến tính giữa biến phụ thuộc và từng biến độc lập, cũng như giữa các biến độc lập với nhau. Nếu hệ số tương quan giữa biến phụ thuộc và các biến độc lập lớn chứng tỏ giữa chúng có quan hệ với nhau và phân tích hồi quy tuyến tính có thể phù hợp. Mặc khác nếu giữa các biến độc lập cũng có tương quan lớn với nhau thì đó cũng là dấu hiệu cho biết giữa chúng có thể xảy ra hiện tượng đa cộng tuyến trong mô hình hồi quy tuyến tính ta đang xét.
Kết quả bảng hệ số tương quan cho thấy biến phụ thuộc có mối quan hệ tương quan tuyến tính với cả bảy biến độc lập, trong đó hệ số tương quan giữa sự hài lòng công việc và sự hài lòng với thu nhập, đồng nghiệp và cấp trên là lớn nhất, hệ số tương quan giữa biến phụ thuộc với sự hài lòng đối với môi trường là thấp nhất, chỉ đạt 0.088. Kiểm định t-test về mối quan hệ giữa biến phụ thuộc với từng biến độc lập cho thấy cả bảy biến độc lập trong mô hình hồi quy đều có quan hệ tuyến tính với biến phụ thuộc. Tuy nhiên giữa các biến độc lập cũng có tương quan với nhau mặc dù hệ số tương quan giữa chúng không lớn lắm. Nhưng ta cũng không phải quá bận tâm vì ở phần kiểm định đa cộng tuyến bên dưới sẽ xác định xem giữa các biến được giữ lại trong mô hình hồi quy tuyến tính có xảy ra hiện tượng đa cộng tuyến hay không.