2.3.4. Kiểm định sự phù hợp của mơ hình nghiên cứu
2.3.4.1. Kiểm định mối tương quan giữa biến độc lập và biến phụ thuộc
Để phân tích hồi quy đạt kết quả cao, đề tài sẽ thực hiện thêm một bước kiểm định mối tương quan giữa biến độc lập và biến phụ thuộc thơng qua hệ số tương quan Pearson, bởi vì điều kiện để phân tích hồi quy là trước tiên các biến phải tương quan với nhau. Hệ số tương quan Pearson sẽ giúp chúng ta thực hiện các thống kê cơ bản như ước lượng điểm (kiểm định mức ý nghĩa), giải thích (sự ảnh hưởng của biến độc lập đối với biến phụ thuộc), dự báo (thơng qua mơ hình hồi quy tuyến tính), ước lượng độ tin cậy và tính hợp lý (validity).
Trong q trình phân tích mối tương quan, ta cần chú ý phân tích đến 2 giá trị: Hệ số tương quan Pearson (Pearson Correlation) càng lớn, tiến dần về 1 thì mối tương quan giữa biến độc lập và biến phụ thuộc càng chặt chẽ và ngược lại; Giá trị Sig. của kiểm định Pearson nếu bé hơn 0,05 thì ta có thể kết luận hai biến có tương quan với nhau và ngược lại, nếu Sig. lớn hơn 0,05 thì khơng có sự tương quan giữa hai biến.
Vì một trong những điều kiện cần để phân tích hồi quy là biến độc lập phải có tương quan với biến phụ thuộc, nên nếu ở bước phân tích tương quan này biến độc lập khơng có tương quan với biến phụ thuộc thì ta loại biến độc lập này ra khỏi phân tích hồi quy.
H1:Bản thân người lao động
H2:Sự quản lý và phân công lao động của cấp trên
H3:Điều kiện làm việc
H4:Sự cải tiến trong sản xuất
H5:Môi trường làm việc
NSLĐ
Bảng 2.11: Kết quả phân tích tương quan PearsonNS BT QL DK CT MT NS BT QL DK CT MT NS Tương quan Pearson 1 0,473 0,545 0,587 0,584 0,629 Sig. (2-tailed) 0,000 0,000 0,000 0,000 0,000 N 120 120 120 120 120 120
(Nguồn: Kết quảphân tích dữliệu SPSS)
Dựa vào bảng kết quả kiểm định ở trên, ta thấy giá trị Sig. (2-tailed) của các nhân tố đều bé hơn mức ý nghĩa α = 0,05, vì vậy ta có thể kết luận các biến độc lập có sự tương quan với biến phụ thuộc. Đồng thời, ta thấy mức độ tương quan giữa các biến độc lập và biến phụ thuộc cũng khá mạnh khi có hệ số tương quan đều lớn hơn và gần bằng 0,5. Điều đó cho thấy rằng các biến độc lập ở trên có thể giải thích cho biến phụ thuộc “Năng suất lao động” theo hệ số tương quan dương.
2.3.4.2. Xem xét tự tương quan
Thông qua đại lượng Durbin – Watson, đề tài có thể kiểm định sự tương quan của các sai số kề nhau (hay còn gọi là tương quan chuỗi bậc nhất). Dựa vào kết quả xử lý dữ liệu, cho thấy giá trị Durbin – Watson bằng 1,773 thuộc trong khoảng chấp nhận. Vì vậy, ta có thể kết luận với mơ hình nghiên cứu được xây dựng của đề tài không xảy ra hiện tượng tự tương quan.
2.3.4.3. Xem xét đa cộng tuyến
Kiểm định đa cộng tuyến là kiểm định sự tương quan giữa các biến độc lập thơng qua hệ số phóng đại phương sai VIF (Variance Inflation Factor). Nếu VIF lớn hơn hoặc bằng 10 thì có thể nhận xét mơ hình hồi quy vi phạm hiện tượng đa cộng tuyến(Theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005).
Kết quả phân tích cho thấy giá trị VIF của mơ hình rất nhỏ (đều nhỏ hơn 2) nên đề tài có thể kết luận rằng mơ hình hồi quy trên không vi phạm hiện tượng đa cộng tuyến, phù hợp để tiến hành phân tích hồi quy.
2.3.4.4. Kiểm định phân phối chuẩn của phần dư
Phần dư có thể khơng tn theo phân phối chuẩn vì những lý do như: sử dụng sai mơ hình, phương sai khơng phải là hằng số, số lượng các phần dư khơng đủ nhiều để phân tích. Vì vậy chúng ta phải tiến hành kiểm định phân phối chuẩn của phần dư để xem xét sự phù hợp của mơ hình đưa ra.