CHƯƠNG 4 : KẾT QUẢ NGHIÊN CỨU
4.5. Phân tích hồi quy
4.5.3. Phân tích hồi quy tuyến tính
Phân tích hồi quy được thực hiện để xác định mối quan hệ tuyến tính của các biến độc lập với biến phụ thuộc trong mơ hình. Gía trị của các biến này được tính dựa trên giá trị trung bình của các nhóm khía cạnh phản ánh từng nhân tố. Theo đó, phương trình hồi quy tuyến tính được xây dựng như sau:
Y = β0 + β1X1i + β2X2i +…+ βpXpi +ei Trong đó:
Y: biến phụ thuộc (Mức độ hài lịng của nhân viên CC1). Xpi: biến độc lập thứ p tại quan sát thứ i.
bk: hệ số hồi quy riêng của biến độc lập thứ k. ei: sai số phương trình.
Kết quả hồi quy từ phần mềm SPSS 20.0 cho ra phương trình hồi quy tuyến tính được viết dưới dạng:
meanHL = β0 + β1*meanTCCV + β2*meanTN + β3*meanLD + β4*meanDN + β5*meanDT + β6*meanPL + β7*meanQL
Với:
“meanHL” là biến phụ thuộc, mức độ hài lòng của nhân viên CC1 “meanTCCV” là tính chất cơng việc
“meanTN” là thu nhập “meanLD” là lãnh đạo “meanDN” là đồng nghiệp
“meanDT” là đào tạo và thăng tiến “meanPL” là phúc lợi
“meanQL” là hệ thống quản lý
4.5.3.1. Phân tích hệ số R2 hiệu chỉnh
Kết quả chạy mơ hình cho thấy hệ số R2 khá cao (R2 = 0,615) cho thấy sự phù hợp của mơ hình. Tuy nhiên, giá trị R2 khơng làm rõ được tầm quan trọng của biến đưa vào. Do đó, một phép đo khác về mức độ thích hợp được sử dụng thường xuyên hơn. Phép đo này gọi là R2 hiệu chỉnh hoặc R2 hiệu chỉnh theo bậc tự do. Sử dụng hệ số R2 hiệu chỉnh để đánh giá mơ hình sẽ an tồn hơn vì khơng thổi phồng mức độ phù hợp của mơ hình (Hồng Trọng, Chu Nguyễn Mộng Ngọc, 2008). Ngoài ra, giá trị Sig. của F <1/1000 (Sig = 0,000) nên ta có thể bác bỏ giả thuyết hệ số xác định của tổng thể R2 = 0. Điều này có nghĩa là có ít nhất một biến độc lập ảnh hưởng đến biến phụ thuộc.
Bảng 4.19. Kết quả R2 hiệu chỉnh R R2 R2 hiệu
chỉnh
Độ lệch chuẩn của ước lượng
Sig. F change
Durbin - Watson
0,784a 0,615 0,607 0,69116 0,000 1,448
Nguồn: Kết quả phân tích SPSS
R2 hiệu chỉnh = 0,607; có nghĩa là 60,7% sự thay đổi của biến phụ thuộc sự hài lịng nhân viên CC1 có thể được giải thích bởi mơ hình hồi quy với 7 biến độc
lập, cịn lại 39,3% là do các biến ngồi mơ hình và sai số ngẫu nhiên. Tuy nhiên, để suy ra tổng thể, cần phải tiến hành kiểm định F thơng qua phân tích phương sai.
4.5.3.2. Kiểm định F
Mục đích của kiểm định F trong bảng ANOVA chính là để kiểm tra xem mơ hình hồi quy tuyến tính này có suy rộng và áp dụng được cho tổng thể hay không. Cụ thể trong trường hợp này, giá trị sig của kiểm định F là 0,000b < 0,001. Như vậy, mơ hình hồi quy tuyến tính xây dựng được phù hợp với tổng thể. Các biến độc lập có tương quan tuyến tính với biến phụ thuộc trong mơ hình, các giả thuyết được chấp nhận ở mức ý nghĩa 99%. Bảng 4.20. Kết quả kiểm định F Tổng bình phương Bậc tự do Trung bình bình phương F Sig. Hồi quy 252,967 7 36,138 75,649 0,000b Phần dư 158,599 332 0,478 Tổng cộng 411,565 339
Nguồn: Kết quả phân tích SPSS
4.5.3.3. Kiểm định đa cộng tuyến
Kiểm định hiện tượng đa cộng tuyến được thực hiện thơng qua hệ số phóng đại phương sai VIF. Khi hệ số VIF > 10 thì sẽ xảy ra hiện tượng đa cộng tuyến (Hoàng Trọng, Chu Nguyễn Mộng Ngọc, 2008). Chỉ số VIF mà nghiên cứu thu được dao động trong khoảng 1,082 – 1,433; một khoảng giá trị an toàn và dựa trên giá trị này, tác giả có thể khẳng định hiện tượng đa cộng tuyến hồn tồn khơng xảy ra trong mơ hình (Bảng 4.21).
Bảng 4.21. Kiểm định hiện tượng đa cộng tuyến
Mơ hình
Đo lường đa cộng tuyến
Độ chấp nhận của biến Hệ số phóng đại phương sai VIF
(Hằng số) meanTCCV 0,698 1,433 meanTN 0,789 1,268 meanLD 0,924 1,082 meanDN 0,856 1,168 meanDT 0,723 1,383 meanPL 0,913 1,095 meanQL 0,835 1,197
Nguồn: Kết quả phân tích SPSS
Mặt khác, Bảng 4.21 cịn cho thấy độ chấp nhận của biến (Tolerance) khá cao, từ 0,698 đến 0,924. Về nguyên tắc, chỉ số này thấp sẽ dẫn đến hiện tượng đa cộng tuyến. Xét đến mơ hình tác giả đang nghiên cứu, độ chấp nhận dung sai cao nên khả năng xảy ra đa cộng tuyến là thấp.
Như vậy, mơ hình sau khi hiệu chỉnh đề cập tại Sơ đồ 4.1 không vi phạm các giả định cần thiết trong hồi quy tuyến tính và được xem là hồn tồn phù hợp.