Bảng 3 .2 Thống kê mẫu nghiên cứu
Bảng 3.5 Kết quản phân tích nhân tốt khám phá cho các nhân tố bị tác động
Kiểm tra của KMO và Bartlett
Kaiser-Meyer-Olkin đo lường mức độ lấy mẫu. .745 Kiểm tra Bartlett về tính cầu
Approx. Chi-Square 156.769
df 3
Sig. .000
Nhân tố Chỉ báo Ký hiệu Hệ số tải
nhân tố Sự hài lòng chung công việc FAC1-2
1) Anh/chị không có ý định đổi việc K2 0.906 2) Anh/chị có tự hào về công việc hiện tại K3 0.911 3) Thỏa mãn mỗi trường làm việc hiện tại K4 0.892
Kết quả (bảng 3.18) cho thấy nhân tố mức độ thỏa mãn chung còn 3 chỉ báo (K2, K3, K4) và nhóm thành một nhân tố duy nhất với hệ số KMO có giá trị 0.745, số liệu này cho thấy dữ liệu phù hợp cho phân tích nhân tố và tổng phương sai trích 81.529% là đạt yêu cầu đặt ra.
3..5 Phân tích tương quan và hồi quy. 3.5.1 Phân tích tương quan. 3.5.1 Phân tích tương quan.
Dữ liệu dùng trong phân tích hồi quy tương quan được người nghiên cứu lựa chọn là dữ liệu chuẩn hóa (được suất ra từ phần mềm SPSS sau quá t nh phân tích nhân tố khám phá). Để xác định mối quan hệ nhân quả giữa các biến trong mô hình,
50
tuyến tính giữa biến độc lập và biến phụ thuộc hay không. Kết quả của phần phân tích này dù không xác định được mối quan hệ nhân quả giữa biến phụ thuộc và biến độc lập nhưng nó đóng vai trò làm cơ sở cho phân tích hồi qui. Các biến phụ thuộc và biến độc lập có tương quan cao với nhau báo hiệu sự tồn tại của mối quan hệ tiềm ẩn giữa hai biến. Đồng thời, việc phân tích tương quan còn làm cơ sở để dò tìm sự vi phạm giả định của phân tích hồi qui tuyến tính: các biến độc lập có tương quan cao với nhau hay hiện tượng đa cộng tuyến.
Qua (Phụ lục 05) bảng hệ số tương quan trên chúng ta nhận thấy các hệ số tương quan đều có giá trị khá cao nhưng vẫn đủ để kết luận hoàn toàn không có dấu hiệu đa cộng tuyến giữa các biến độc lập, dữ liệu hoàn toàn phù hợp cho phân tích hồi quy. Đặc biệt, các hệ số tương quan giữa mỗi biến độc lập (FAC1-1; FAC2-1; FAC3-1; FAC4-1,FAC5-1) với biến phụ thuộc (FAC1-2) có giá trị lớn hơn hẳn các giá trị khác và đều có ý nghĩa thống kê ở mức 1%, cho thấy có sự tương quan giữa mỗi biến độc lập với biến phụ thuộc.
3.5.2 Phân tích hồi quy.
Nhìn vào cột VIF trong phụ lục 05 của bảng ta thấy rằng tất cả các giá trị của hệ số phóng đại phương sai (yếu tố VIF-Variance Inflation) có giá trị gần bằng 1 (nhỏ hơn 10) chứng tỏ không có hiện tượng đa cộng tuyến.
Kết quả hồi quy trình bày trong bảng trên cho thấy tồn tại 5 nhân tố tác động đến mức độ thỏa mãn chung về công việc tạo động lực làm việc ở công ty CP Cao su Kỹ Thuật Đồng Phú, được sắp xếp theo thứ tự giảm dần về cường độ tác động: (i) Mối quan hệ với thăng tiến và lãnh đạo quan điểm của lãnh đạo; (ii Mối quan hệ với đồng nghiệp; (iii) Sự công nhận và chế độ lương thưởng; và (iv) tính chất công việc (v) Điều kiện làm việc- các nhân tố đều tác động thuận chiều. Tất cả các sự tác động này đều có ý nghĩa thống kê, đồng thời mô hình giải thích được 59% sự biến thiên của dữ liệu (điều chỉnh R2
).
❖ Nhóm những giá trị Beta khác 0 có ý nghĩa thống kê (kiểm định 2 phía,
p<0.05), kết quả có 4 nhân tố được ghi nhận lần lượt theo hệ số hồi quy chuẩn hóa (P) là:
51
Thăng tiến và thái độ của lãnh đạo (FAC1_1):B=0.469
Đồng nghiệp (FAC2_1):B = 0.347
Sự công nhận và chế độ lương thưởng (FAC3_1):B = 0.319
Tính chất công việc (FAC4_1):B = 0.406
❖ Những giá trị Beta khác 0 không có ý nghĩa thống kê (kiểm định 2 phía,
p>0.05), có 1 yếu tố (FAC5_1) B=0.082.
Kết quả phân tích hồi quy tuyến tính cho thấy, các hệ số B đều khác 0 và Sig<0.05, chứng tỏ các nhân tố trên đều tham gia vào tạo động lực của người lao động đối với công việc. So sánh giá trị (độ lớn) của B ta thấy: Thăng tiến và thái độ của lãnh đạo là vấn đề được người lao động quan tâm nhất, tác động lớn nhất đến sự hài lòng của người lao động đối với công việc có B =0.469. Có nghĩa là mỗi một đơn vị (chuẩn hóa) thay đổi của cơ hội đào tạo và thăng tiến thì mức độ hài lòng của người lao động đối với công việc thay đổi 0.469 đơn vị, vượt trội hơn so với mức độ ảnh hưởng của các nhân tố khác: Bản chất công việc (B =0.406); Đồng nghiệp (B =0.347; Sự công nhận và chế độ lương thưởng (B =0.319)
Từ kết quả trên, phương trình thể hiện động lực của người lao động đối với công việc tại công ty.
DL=0.319*(Khen thưởng-Lương phúc lợi)+0.347*(Đồng nghiệp) + 0.406*(Bản chất công việc) +0.469*(Lãnh đạo-Thăng tiến)
Kiểm định giải thuyết của mô hình hồi qui
Sau khi phân tích EFA, 4 nhân tố được đưa vào mô hình để tiến hành phân tích hồi quy tuyến tính là: (1) Bản chất công viêc, (2) Lãnh đạo_thăng tiến, (3) Đồng nghiệp, (4) Tiền lương-thưởng. Sau khi phân tích hồi quy tuyến tính các nhân tố đều có Sig<0.05, nên các giả thuyết H1, H2, H3, H4, H5, H7 được chấp nhận với mức ý nghĩa thống kê là 5%. Cụ thể như sau:
- Kết quả phân tích hồi quy cho thấy “Lãnh đạo_thăng tiến” là nhân tố có ảnh hưởng lớn nhất đến mức độ hài lòng của người lao động đối với công việc tại Công ty (có hệ số hồi quy lớn nhất). Hệ số Beta >0 cũng cho thấy mối quan hệ giữa yếu tố “Lãnh đạo_thăng tiến” và “Tạo động lực chung đối với công việc” là mối quan hệ tỷ
52 cậy cao). Vậy giả thuyết H5, H3 được chấp nhận.
- Nhân tố thứ hai ảnh hưởng đến tạo động lực đối với công việc tại công ty là “Bản chất công việc”. Kết quả hồi quy có B=0.406, với mức ý nghĩa là 0.000<0.05, dấu dương của hệ số Beta có nghĩa là mối quan hệ giữa nhân tố “Bản chất công việc” và “Tạo động lực chung đối với công việc” là mối quan hệ tỷ lệ thuận. Vậy giả thuyết H1 được chấp nhận.
- Nhân tố thứ ba là “Đồng nghiệp”. Kết quả hồi quy có B=0.347, với mức ý nghĩa là 0.000<0.05, dấu dương của hệ số Beta có nghĩa là mối quan hệ là mối quan hệ tỷ lệ thuận.. Vậy giả thuyết H4 được chấp nhận.
- Nhân tố “Lương-Khen thưởng” có B=0.319, với mức ý nghĩa là 0.000<0.05, có nghĩa là nhân tốcó mối quan hệ tỷ lệ thuận. Vậy giả thuyết H2, H7 được chấp nhận.
Ngoài ra, Mô hình hồi qui tuyến tính bội được xây dựng trên các giả thiết sau [Hoàng Trọng & Mộng Ngọc, 2008):
1. Có mối quan hệ tuyến tính giữa biến phụ thuộc với các biến độc lập
2. Các biến độc lập không có tương quan chặt chẽ với nhau hay không có hiện tượng đa cộng tuyến.
3. Giả định phân phối chuẩn của phần dư
4. Giả định phương sai của sai số không đổi
5. Giả định về tính độc lập của các phần dư (vì dữ liệu thu thập không phải là dữ liệu chuỗi thời gian, nên giả định này khó bị vi phạm).
Nếu các giả thiết trên vi phạm, thì kết quả ước lượng sẽ không có chính xác nữa. Kiểm tra sự vi phạm giả thiết được thực hiện như sau:
Mối quan hệ tuyến tính giữa biến phụ thuộc và các biến độc lập: kiểm tra thông qua phân tích hệ số tương quan giữa các biến. Kết quả kiểm định cho thấy có mối liên hệ tuyến tính giữa các cặp biến này. Phân tích đồ thị phân tán (Scatter) cũng cho thấy các quan sát phân tán đều theo đường thẳng thể hiện mối quan hệ tuyến tính giữa biến độc lập và biến phụ thuộc.
Kiểm tra hiện tượng đa cộng tuyến: Hệ số phóng đại phương sai phóng đại (yếu tố VIF-Variance Inflation) nhỏ hơn 2 chứng tỏ không vi phạm giả định đa cộng
53 tuyến
Kiểm tra phân phối chuẩn của phần dư: Phần dư có thể không tuân theo phân phối chuẩn vì những lý do sau: Sử dụng mô hình không đúng, phương sai không đổi là hằng số, số lượng các phần dư không đủ nhiều để phân tích. Do vậy, ta sử dụng nhiều cách khảo sát khác nhau để đảm bảo tính xác đáng của kiểm định (Trọng & Ngọc, 2008, 228). Trong nghiên cứu này ta sẽ sử dụng cách xây dựng biểu đồ tần số Histogram và biểu đồ P-P plot để khảo sát phân phối của phần dư.
Thông qua biểu đồ phân phối của phần dư và P - P (Hình 3.7) cho thấy phần dư có phân phối chuẩn: trị trung bình gần bằng 0 -1.91E-16) và độ lệch chuẩn gần bằng 1 (0,973)
Hình 3.3: Kiểm tra phân phối chuẩn phần dư .
Nhìn vào hình trên ta thấy rằng một đường cong phân phối chuẩn được đặt chồng lên biểu đồ tần số. Như vậy, phân phối phần dư xấp xỉ chuẩn. Do đó, có thể kết luận rằng giả thiết phân phối chuẩn không bị vi phạm.
54
Nhìn vào hình 3.8 cho ta thấy rằng các điểm quan sát không phân tán quá xa đường thẳng kỳ vọng nên có thể kết luận rằng giả thiết phân phối chuẩn không bị vi phạm.
Kiểm tra giả định phương sai của sai số không đổi, hay phần dư không tương quan với các biến độc lập trong mô hình. Nếu độ lớn của phần dư tăng hay giảm cùng với giá trị dự đoán thì giả định này bị vi phạm. Qua đồ thị Scatter thể hiện mối quan hệ giữa giá trị dự đoán và phần dư, ta thấy các quan sát phân tán ngẫu nhiên. Đồng thời, bằng phương pháp phân tích tương quan hạng Spearman giữa phần dư với các biến độc lập cho thấy giả thiết này không bị vi phạm (.sig >0.05).
Hình 3.5: Biểu đồ Scatter Hình 3. 4: Biểu đồ P-P. Hình 3. 4: Biểu đồ P-P.
55
Đồ thị phân tán ở trên cho ta thấy phần dư phân tán ngẫu nhiên xung quanh đường đi qua tung độ 0 chứ không tạo nên hình dạng nào. Như vậy, giả định về phương sai không đổi của mô hình không bị vi phạm.
Kiểm định giả thiết về tính độc lập của phần dư: Kiểm định Durbin - Watson Với n=96, sai số alpha =5%, k=5 tra bảng Durbin Watson ta có dL=1.557 và dU =1.778d=1.779 kết luận không tự tương quan. Như vậy, các giả thiết của phân tích hồi qui tuyến tính không bị vi phạm. Kết quả phân tích hồi qui là đáng tin cậy.
Mẫu R R2 Điều chỉnh R2
Std. lỗi ước tính Số thống kê
1 .783a .613 .592 .63895276 1.779
Và R2< R nằm trong vùng an toàn. Mô hình không thổi phòng mức độ phù hợp của mô hình
Anova
Mẫu Tổng bình phương df Trung bình bình phương F Sig.
1
Giữa nhóm 58.257 5 11.651 28.539 .000b
Trong nhóm 36.743 90 .408 Tổng cộng 95.000 95
Ta thấy F=28.539 >F0(df1=5,df2 =95)= 2,315689=> Bác bỏ H0 chấp nhận H1
3.5.3 Thông kê mô tả thang điểm Likert các nhân tố được rút ra từ kết quả phân tích hồi quy.