Về mặt lý thuyết các nhân tố trong mô hình đều có thể có ảnh hưởng đến động lực làm việc của cán bộ, nhân viên tại BIDV Hạ Long. Tuy nhiên trên thực tế có thể có những yếu tố không thực sự có ý nghĩa. Để kiểm chứng về mối quan hệ giữa các nhân tố với sự hiệu quả quản lý rủi ro ta sẽ thực hiện phân tích tương quan để xem xét mối quan hệ giữa các biến độc lập. Để đánh giá mối quan hệ nhân quả ta sử dụng phân tích hồi quy bội, để chắc chắn cho các kết luận đưa ra các bước kiểm tra tính phù hợp của phương pháp phân tích hồi quy bội cũng được thực hiện. Việc kiểm định
các giả thuyết nghiên cứu được thực hiện ở mức tin cậy 90%. Kết quả phân tích từ dữ liệu nghiên cứu như sau:
4.3.3.1. Phân tích tương quan
Phân tích tương quan là kỹ thuật phân tích cho biết mối quan hệ giữa các biến nghiên cứu với nhau. Nếu hệ số tương quan khác 0 chứng tỏ các khái niệm nghiên cứu có mối liên hệ thực sự, hệ số tương quan dương phản ánh mối quan hệ và cùng chiều và tương quan âm phản ánh mối quan hệ ngược chiều. Kết quả phân tích từ dữ liệu nghiên cứu cho thấy biến phụ thuộc có tương quan với tất cả các biến còn lại trong mô hình (nhỏ nhất với biến MT, r =0.255**). Điều đó cho thấy giữa Động lực làm việc và các yếu tố khác có mối quan hệ với nhau. Kết quả phân tích cũng cho thấy giữa các biến độc lập cũng có tương quan với nhau, điều này gợi ý cần kiểm tra có thể xảy ra hiện tượng đa cộng tuyến khi phân tích hồi quy.
Bản 4-13 Kết quả phân tích tương quan giữa các biến nghiên cứu
CV TN DT QH KT MT DL CV Pearson 1 .524** .514** .519** .429** .257** .504** Correlation Sig. (2-tailed) .004 .000 .000 .000 .001 .000 N 125 125 125 125 125 125 125 TN Pearson .524** 1 .603** .490** .443** .361** .578** Correlation Sig. (2-tailed) .000 .002 .000 .000 .000 .000 N 125 125 125 125 125 125 125 DT Pearson .514** .603** 1 .472** .388** .278** .592** Correlation Sig. (2-tailed) .007 .000 .000 .000 .001 .000 N 125 125 125 125 125 125 125 QH Pearson
KT Pearson .429** .443** .388** .323** 1 .424** .627** Correlation Sig. (2-tailed) .000 .000 .000 .000 .000 .000 N 125 125 125 125 125 125 125 MT Pearson .257** .361** .278** .281** .424** 1 .255** Correlation Sig. (2-tailed) .000 .001 .000 .021 .000 .000 N 125 125 125 125 125 125 125 DL Pearson .504** .578** .592** .457** .627** .255** 1 Correlation Sig. (2-tailed) .000 .035 .000 .000 .000 .000 N 125 125 125 125 125 125 125
Nguồn: Kết quả phân tích từ dữ liệu nghiên cứu bằng phẩn mềm SPSS 4.3.3.2. Phân tích hồi quy
Phân tích tương quan chỉ cho biết giữa các biến có thể có mối quan hệ với nhau mà không cho biết mối quan hệ nhân quả giữa chúng. Về mặt lý thuyết ta biết rằng các nhân tố có ảnh hưởng đến Động lực làm việc. Hay nói cách khác ta xem chúng như những biến nguyên nhân (biến độc lập) và Động lực làm việc là biến kết quả (biến phụ thuộc). Để kiểm tra quan hệ này ta sử dụng phân tích bằng hồi quy bội với phương pháp tổng bình phương nhỏ nhất OLS. Kết quả phân tích từ dữ liệu nghiên cứu như sau:
Bảng 4-14 Kết quả phân tích hồi quy đa biến
Hệ số chưa chuẩn Hệ số Thống kê
chuẩn đa cộng
hóa
Mô hình hóa t p-value tuyến
Sai số
Beta VIF
DT 0.121 0.082 0.116 4.242 0.000 1.798 QH 0.087 0.069 0.053 1.700 0.091 1.576 KT 0.285 0.067 0.237 7.238 0.000 1.515 MT 0.162 0.049 0.138 1.542 0.000 1.266 R2 hiệu chỉnh 0.665 p-value (F test) 0.000 Biến phụ thuộc: DL
Nguồn: Kết quả phân tích từ dữ liệu nghiên cứu bằng phẩn mềm SPSS Kết quả phân cho thấy p-value của kiểm định F bằng 0.000 nhỏ hơn 0.05, điều đó cho thấy có tối thiểu một biến nghiên cứu trong mô hình có ảnh hưởng đến biến phụ thuộc (DL). Hệ số xác định R2 hiệu chỉnh bằng 0.673 cho thấy các biến độc lập giải thích được 67.3% sự thay đổi của biến phụ thuộc, 32.7% sự thay đổi của biến phụ thuộc chịu sự tác động của các nhân tố khác không đưa vào mô hình. Phương trình hồi quy biểu diễn quan hệ giữa các biến có thể được viết lại như sau:
DL = -0.112 + 0.201CV + 0.171TN + 0.121DT + 0.087QH + 0.285KT +0.162MT
4.3.3.3. Kiểm định tính phù hợp của mô hình ước lượng
Do ta sử dụng phương pháp tổng bình phương nhỏ nhất (OLS) để ước lượng phương trình hồi quy. Do đó cần kiểm tra một số giả định để xem xét tính phù hợp của mô hình ước lượng được. Dưới đây là một số kiểm định về tính phù hợp của mô hình;
Kiểm định phần dư của biến phụ thuộc phân phối chuẩn: Trong phương phápOLS giả thiết dữ liệu biến phụ thuộc phải có phân phối chuẩn, nếu không ước lượng là chệch và không hiệu quả. Để kiểm tra ta sử dụng đồ thị phân phối Histogram và đồ thị P – P Plot. Kết quả phân tích dữ liệu cho thấy đồ thị Histogram có dạng hình chuông đều, giá trị trung bình chuẩn hóa bằng 0, độ lệch chuẩn xấp xỉ bằng 1 (0.984), đồ thị P – P Plot cũng cho thấy đường quan sát và đường dự báo rất gần nhau. Điều đó cho thấy dữ liệu có phân phối chuẩn, thỏa mãn điều kiện để phân tích bằng phương pháp OLS.
Nguồn: Kết quả phân tích từ dữ liệu nghiên cứu bằng phẩn mềm SPSS
Hình 4.12 Đồ thị phân phối của phần dư biến phụ thuộc
Nguồn: Kết quả phân tích từ dữ liệu nghiên cứu bằng phẩn mềm SPSS
Kiểm tra mối quan hệ giữa các biến độc lập có qua hệ tuyến tính: Một trong những giả định của phương pháp OLS là các biến độc lập trong mô hình không có quan hệ tuyến tính với nhau. Tức là một biến bất kỳ không thể biểu diễn thông qua các biến khác bằng một tổ hợp tuyến tính. Để kiểm tra quan hệ này ta sử dụng đồ thị phân tán (scatter) giữa phần dư chuẩn hóa quan sát và phần dư dự báo của biến phụ thuộc. Nếu chúng thể hiện một xu hướng tuyến tính (tăng hoặc giảm) thì trong mô hình có thể có hiện tượng các biến độc lập có quan hệ tuyến tính với nhau. Kết quả phân tích cho thấy phần dư dự đoán và phần dư quan sát chuẩn hóa không thể hiện một xu hướng nào cả (hình 4.5). Do đó có thể xem như không có mối quan hệ tuyến tính giữa các biến độc lập.
Nguồn: Kết quả phân tích từ dữ liệu nghiên cứu bằng phẩn mềm SPSS Hình 4.14 Đồ thị phân tán phần dư chuẩn hóa và phần dư dự báo
Kiểm tra hiện tượng đa cộng tuyến: Đa cộng tuyến là hiện tượng thông tin của biến độc lập này được chứa đựng trong một biến khác dẫn đến thổi phồng các kết quả ước lượng làm ước lượng bị chệch, không vững. Để kiểm tra có hiện tượng đa cộng tuyến trong mô hình hay không ta sử dụng chỉ số nhân tử phóng đại phương sai (VIF). Nếu VIF nhỏ hơn 10 có thể xem như đa cộng tuyến không ảnh hưởng đến kết quả ước lượng. Kết quả phân tích dữ liệu cho thấy hệ số VIF lớn nhất với biến TN có VIF
là 1.899 nhỏ hơn 10. Do đó có thể kết luận không có hiện tượng đa cộng tuyến trong mô hình.
4.3.3.4. Kiểm định giả thuyết
Để kiểm định các giả thuyết nghiên cứu đặt ra trong mô hình nghiên cứu ta sử dụng thống kê t và giá trị p-value tương ứng so sánh trực tiếp với giá trị 0.1 (mức ý nghĩa 10% hay mức tin cậy 90%)
Kiểm định giả thuyết 1: Nhân tố Đặc điểm công việc có ảnh hưởng tích cực đến động lực làm việc của cán bộ, nhân viên tại BIDV Hạ Long. Điều này đồng nghĩa với việc kiểm định hệ số Beta của biến CV dương. Từ kết quả ước lượng hồi quy ta thấy thống kê t có p –value bằng 0.085 nhỏ hơn 0.1. Do đó, ta chấp nhận giả thuyết 1.
Kiểm định giả thuyết 2: Nhân tố Mức độ thỏa mãn về tiền lương và đãi ngộ kháccó ảnh hưởng tích cực đến động lực làm việc của cán bộ, nhân viên tại BIDV Hạ Long. Điều này đồng nghĩa với việc kiểm định hệ số Beta của biến TN dương. Từ kết quả nghiên cứu cho thấy hệ số Beta của biến TN là β = 0.171 >0, thống kê t tương ứng có p –value = 0.015 nhỏ hơn 0.1. Do đó, ta chấp nhận giả thuyết 2.
Kiểm định giả thuyết 3: Nhân tố Cơ hội đào tạo và thăng tiến có ảnh hưởng tích cực đến động lực làm việc của cán bộ, nhân viên tại BIDV Hạ Long. Điều này đồng nghĩa với việc kiểm định giả thuyết hệ số Beta của biến DT dương. Từ kết quả nghiên cứu cho thấy hệ số Beta của biến DT là β = 0.121 >0, thống kê t tương ứng có p – value = 0.000 nhỏ hơn 0.1. Do đó, ta chấp nhận giả thuyết 3.
Kiểm định giả thuyết 4: Nhân tốQuan hệ công việc tốt có ảnh hưởng tích cực đến động lực làm việc của cán bộ, nhân viên tại BIDV Hạ Long. Điều này đồng nghĩa với việc kiểm định hệ số Beta của biến QH dương. Từ kết quả nghiên cứu cho thấy hệ số Beta của biến QH là β =0.087 > 0, thống kê t tương ứng có p – value = 0.091 nhỏ hơn 0.1. Do đó, ta chấp nhận giả thuyết 4.
Kiểm định giả thuyết 5: Nhân tố Sự ghi nhận đóng góp cá nhân có ảnh hưởng tích cực đến động lực làm việc của nhân viên tại BIDV Hạ Long. Điều này đồng nghĩa với việc kiểm định hệ số Beta của biến KT dương. Từ kết quả nghiên cứu cho
thấy hệ số Beta của biến KT là β = 0.285 > 0, thống kê t tương ứng có p – value = 0.000 nhỏ hơn 0.1. Do đó, ta chấp nhận giả thuyết 5.
Kiểm định giả thuyết 6: Nhân tố Môi trường làm việc tốt có ảnh hưởng tích cực đến động lực làm việc của nhân viên tại BIDV Hạ Long. Điều này đồng nghĩa với việc kiểm định hệ số Beta của biến MT dương. Từ kết quả nghiên cứu cho thấy hệ số Beta của biến KT là β = 0.162 > 0, thống kê t tương ứng có p – value = 0.000 nhỏ hơn 0.1. Do đó, ta chấp nhận giả thuyết 6.
CHƯƠNG 5: KẾT LUẬN VÀ HÀM Ý