Để đánh giá độ phù hợp của mô hình ta sẽ dùng các cộng cụ như tính hệ số xác định R2, kiểm định F và kiểm định t.
Bảng 4.54 ANOVAa
Model Sum of Squares df Mean Square F Sig. Regression 38.794 7 5.542 90.271 .000b Residual 13.629 222 .061 1 Total 52.423 229 a. Dependent Variable: HL b. Predictors: (Constant), PL, MT, CV, TN, TTPT, CT, DN
Trước tiên, hệ số xác định của mô hình trên là 0.74 (bảng 4.53), thể hiện bảy biến độc lập trong mô hình giải thích được 74% biến thiên của biến phụ thuộc sự hài lòng công việc.
Với giá trị này thì độ phù hợp của mô hình là khá cao.
Tiếp theo là cần kiểm định giả thuyết mô hình (phân tích phương sai) của tổng thể. Ở trên sau khi đánh giá giá trị R2 ta biết được mô hình hồi quy tuyến tính đã xây dựng là phù hợp với mẫu. Tuy nhiên để có thể suy diễn mô hình này thành mô hình của tổng thể ta cần phải tiến hành kiểm định F thông qua phân tích phương sai. Ta có sig. của F < 1/1000 nên ta có thể bác bỏ giả thuyết hệ số xác định của tổng thể R2pop= 0. Điều này có nghĩa là có ít nhất một biến độc lập nào đó ảnh hưởng đến biến phụ thuộc.
Cuối cùng, để đảm bảo các biến độc lập đều thực sự có ảnh hưởng đến biến phụ thuộc, ta tiến hành kiểm định t. Với giả thuyết H0 là hệ số hồi quy của các biến độc lập βk = 0 và với độ tin cậy 95% thì ta đều có thể bác bỏ giả thuyết H0. Điều này có nghĩa là các nhân tố trong phương trình đều có ảnh hưởng đến sự hài lòng công việc.