4.5.2.1. Đánh giá và kiểm định sự phù hợp của mô hình
Sử dụng kiểm nghiệm F: để kiểm định các giả thuyết về sự phù hợp của mô hình nhằm chỉ ra mối quan hệ tuyến tính giữa các biến độc lập và biến phụ thuộc.
Xét giả thuyết:
o Ho: Không có mối quan hệ giữa biến phụ thuộc và các biến độc lập.
o H1: Tồn tại mối quan hệ giữa các biến độc lập và biến phụ thuộc.
o Nếu Sig. < 0,05: Bác bỏ giả thuyết Ho
Nhìn vào bảng 4.6 ta thấy giá trị F = 65,015 tại mức ý nghĩa Sig. rất nhỏ (sig = 0,000 < 0,05). Vì vậy, ta có thể kết luận các biến độc lập có quan hệ với biến phụ thuộc và giải thích được sự thay đổi của biến phụ thuộc.
Bảng 4.6 - Bảng Anova Mô hình Tổng bình phương Df Bình phương trung bình F Mức ý nghĩa 1 Hồi quy 65,352 7 9,336 65,015 0,000 Phần dư 38,772 270 ,144 Tổng 104,124 277
Nguồn: Kết quả phân tích SPSS
Sử dụng kiểm nghiệm t: Kiểm định mối quan hệ tuyến tính của một biến độc lập cụ thể và biến phụ thuộc.
- Giả thuyết H0: Không có mối quan hệ tuyến tính giữa biến phụ thuộc STMC và từng biến độc lập (BCCV, DTTT, QHCT, QHDN, TNCT DKLV, DGCV)
49
-Giả thuyết H1: Có mối quan hệ tuyến tính giữa biến độc lập và biến phụ thuộc.
-Bác bỏ H0 khi sig. < 0,05
Từ bảng 4.7, ta thấy các giá trị t đều có mức ý nghĩa sig. < 0,05. Do đó bác bỏ H0. Vậy, có mối quan hệ tuyến tính của mỗi biến độc lập với biến phụ thuộc, nghĩa là các biến độc lập đưa vào mô hình đều giải thích được sự biến thiên của biến phụ thuộc STMC.
Bảng 4.7 - Kết quả phân tích hồi tuyến tính
Mô hình Hệ số không chuẩn hóa Hệ số chuẩn hóa Giá trị t Mức ý nghĩa Đa cộng tuyến B Sai lệch chuẩn Beta Dung sai Hệ số phóng đại phương sai (VIF) 1 Hằng số -0,105 0,190 -0,551 0,582 BCCV 0,155 0,051 0,149 3,062 0,002 0,582 1,719 DTTT 0,186 0,048 0,182 3,897 0,000 0,631 1,585 QHCT 0,142 0,037 0,157 3,870 0,000 0,837 1,195 QHDN 0,122 0,045 0,123 2,705 0,007 0,664 1,507 TNCT 0,156 0,039 0,201 3,986 0,000 0,544 1,837 DKLV 0,139 0,030 0,198 4,649 0,000 0,762 1,312 DGCV 0,150 0,045 0,158 3,334 0,001 0,611 1,636
Nguồn: Kết quả phân tích SPSS
Kiểm nghiệm đa cộng tuyến: kiểm định sự tương quan giữa các biến độc lập.
Từ bảng 4.7, các hệ số phóng đại phương sai VIF của các biến đều nhỏ hơn 2 nên không xảy ra hiện tượng đa cộng tuyến. Như vậy, mối quan hệ giữa các biến độc lập không ảnh hưởng đến việc giải thích mô hình hồi qui tuyến tính bội.
50
Từ bảng 4.8, R² điều chỉnh (Adjusted R-quare) là 0,618 nghĩa là mô hình hồi quy tuyến tính đã xây dựng phù hợp, các biến độc lập trong mô hình cũng giải thích được 61,8% (>50%) sự biến thiên của biến phụ thuộc.Có nghĩa là 38,2% sự biến thiên của biến phụ thuộc được giải thích bởi các biến không được đề cập trong mô hình và sai số ngẫu nhiên.
Bảng 4.8 - Chỉ tiêu đánh giá độ phù hợp của mô hình
Mô hình R R2 R 2 điều chỉnh Sai lệch chuẩn Durbin- Watson
1 0,792a 0,628 0,618 0,379 2,127
Nguồn: Kết quả phân tích SPSS
4.5.2.2. Kiểm định các giả định phần dư
Giả định liên hệ tuyến tính: giả định này sẽ được kiểm tra bằng biểu đồ phân tán scatter cho phần dư chuẩn hóa (Standardized residual). Giá trị dự doán chuẩn hóa (Standardized predicted value). Kết quả hình 4.2 cho thấy phần dư phân tán ngẫu nhiên qua đường thẳng qua điểm 0, không tạo thành một dạng hình học nào cụ thể. Như vậy, giả định liên hệ tuyến tính được đáp ứng.
Hình 4.2 - Biểu đồ phân tán phần dư
Nguồn: Kết quả phân tích SPSS
Giả định không có tương quan chuỗi bậc nhất giữa các phần dư: giả định này được kiểm tra bằng đại lượng thống kê Durbin-Watson, theo quy tắc
51
được trình bày bên dưới
Cụ thể trong trường hợp này, k = 7, n = 278, tra bảng DW tại mức ý nghĩa 1% ta có dL = 1,686 và dU = 1,781. Gắn vào thanh giá trị DW, ta thấy 1,781 < 2,127 < 2,219 như vậy, không có sự tương quan chuỗi bậc nhất trong mô hình hay không có hiện tượng tương quan giữa các phần dư.
Giả định phần dư có phân phối chuẩn: kiểm tra biểu đồ phân tán của phần dư bằng đồ thị Histogram (hình 4.3) cho thấy phân phối phần dư xấp xỉ chuẩn (trung bình mean gần bằng 0 và độ lệch chuẩn Std. = 0,987 gần bằng 1). Như vậy, giả định phần dư có phân phối chuẩn không bị vi phạm.
Hình 4.3 - Đồ thị Histogram
Nguồn: Kết quả phân tích SPSS
Ngoài ra, theo biểu đồ P-P plots, các điểm quan sát không phân tán quá xa đường thẳng kỳ vọng nên có thể kết luận giả thuyết về phân phối chuẩn của phần dư không bị vi phạm
52
Hình 4.4 - Biểu đồ P-P plots Nguồn: Kết quả phân tích SPSS
Như vậy, với các kết quả kiểm định trên ta thấy mô hình hồi quy là phù hợp và có ý nghĩa thống kê. Ta có phương trình hồi quy là:
STMC = 0,149*BCCV + 0,182*DTTT + 0,157*QHCT + 0,123*QHDN + 0,201*TNCT + 0,198*DKLV + 0,158*DGCV
Tuy nhiên phương trình trên sử dụng hệ số hồi quy chưa chuẩn hóa chỉ có ý nghĩa về mặt toán học. Nhằm xem xét mức độ tác động hay thứ tự ảnh hưởng của các biến độc lập lên biến phụ thuộc phải dựa vào hệ số hồi quy chuẩn hóa, hệ số này cho biết biến độc lập nào nào ảnh hưởng nhiều hay ít đến biến phụ thuộc, hệ số càng lớn thì tầm quan trọng của biến độc lập đó đối với biến phụ thuộc càng lớn. Ta xét beta chuẩn hóa từ kết quả phân tích hồi quy tại bảng 4.7 thì hệ số β5>β6> β2> β7> β3>β1>β4 do đó các yếu tố tác động đến sự thỏa mãn trong công việc lần lượt mạnh nhất là thu nhập công ty (TNCT = 0,201), thứ hai là điều kiện làm việc (DKLV = 0,198), thứ ba là đào tạo thăng tiến (DTTT = 0,182), thứ tư là đánh giá công việc (DGCV =0,158), thứ năm là quan hệ với cấp trên (QHCT =0,157), thứ sáu là bản chất công việc (BCCV =0,149) và cuối cùng là quan hệ với đồng nghiệp (QHDN = 0,123).
4.6.Kiểm định sự khác biệt về thỏa mãn trong công việc của nhân viên
tại Công ty Cổ phần Trang theo đặc điểm nhân khẩu học của người tham gia khảo sát