Phân tích hồi quy là một phân tích thống kê nhằm xác định xem các biến độc lập quy định các biến phụ thuộc như thế nào. Nó cho phép đạt được kết quả ước lượng tốt nhất về mối quan hệ chân thực giữa các biến số. Từ phương trình ước lượng được này, người ta có thể dự báo về biến phụ thuộc (chưa biết) dựa vào giá trị cho trước của biến độc lập (đã biết).
Trong bài luận văn ta có 7 biến độc lập và 1 biến phụ thuộc, ta có phương trình hồi quy bội MLR (Multiple Linear Regression) như sau:
Y = β0 + β1X1 + β2X2 + … + βnXn + e
Y: biến phụ thuộc, là biến chịu tác động của biến khác. X, X1, X2, Xn: biến độc lập, là biến tác động lên biến khác.
β0: hằng số hồi quy, hay còn được gọi là hệ số chặn. Đây là chỉ số nói lên giá trị của Y sẽ là bao nhiêu nếu tất cả X cùng bằng 0. Nói cách khác, chỉ số này cho chúng ta biết giá trị của Y là bao nhiêu nếu không có các X. Khi biểu diễn trên đồ thị Oxy, β0 là điểm trên trục Oy mà đường hồi quy cắt qua.
β1, β2, βn: hệ số hồi quy, hay còn được gọi là hệ số góc. Chỉ số này cho chúng ta biết về mức thay đổi của Y gây ra bởi X tương ứng. Nói cách khác, chỉ
số này nói lên có bao nhiêu đơn vị Y sẽ thay đổi nếu X tăng hoặc giảm một đơn vị.
e: sai số. Chỉ số này càng lớn càng khiến cho khả năng dự đoán của hồi quy trở nên kém chính xác hơn hoặc sai lệch nhiều hơn so với thực tế. Sai số trong hồi quy tổng thể hay phần dư trong hồi quy mẫu đại diện cho hai giá trị, một là các biến độc lập ngoài mô hình, hai là các sai số ngẫu nhiên.
Theo Hoàng Trọng và Chu Hoàng Mộng Ngọc (2008) để mô hình hồi quy đảm bảo phù hợp thì phải xét các yếu tố:
• Hệ số R2 được dùng để đánh giá sự phù hợp của mô hình hồi quy tuyến tính
đối với tập dữ liệu mẫu, R2 càng gần 1 thì mô hình đã xây dựng càng phù hợp với tập dữ liệu mẫu.
• Kiểm định mức độ phù hợp của mô hình hồi quy tổng thể: Ta xét giá trị sig.F.
Kết quả cho ra mô hình hồi quy đưa ra tương đối phù hợp với mức ý nghĩa khi giá trị sig.F nhỏ (0.00 < 0.05).
• Kiểm định hiện tượng tương quan của phần dư
• Kiểm tra hiện tượng đa cộng tuyến qua việc sử dụng thước đo độ phóng đại phương sai (Variance Inflation Factor – VIF) với điều kiện VIF >10.
• Đánh giá mức độ tác động mạnh, yếu của biến độc lập với biến phụ thuộc thông
qua hệ số beta.
3.5. Tóm tắt chương 3
Trong chương 3 tác giả đã đưa ra mô hình nghiên cứu cũng như các bước thực hiện nghiên cứu. Cũng trong chương này tác giả đã đưa ra được thang đo sự ảnh hưởng của các yếu tố VHDN tác động đến sự GKNV. Từ thang đo tác giả đã xây dựng bảng hỏi nhằm thu thập dữ liệu phục vụ cho quá trình nghiên cứu định lượng. Một số phương pháp phân tích dữ liệu được sử dụng là: thống kê mô tả, kiểm định thang đo bằng phương pháp phân tích độ tin cậy Cronbach’ s alpha sau đó phân tích nhân tố khám phá EFA, cuối cùng thực hiện phân tích hồi quy tuyến tính. Trong chương 3 cũng đã đưa ra được kích thước mẫu của nghiên cứu là khảo
sát 230 nhân viên thuộc Công ty Điện lực Bà Rịa Vũng Tàu. Tiếp theo chương 4 sẽ trình bày kết quả phân tích và đánh giá sự tác động của VHDN đến sự GKNV đối với doanh nghiệp.
KẾT QUẢ NGHIÊN CỨU
1.5. Phân tích kết quả nghiên cứu
1.5.1. Phân tích thống kê mô tả mẫu nghiên cứu
Trong tổng số 230 phiếu khảo sát được phát ra, tác giả thu về được 224 phiếu chiếm tỷ lệ 97,4%. Các phiếu thu về, tác giả tiếp tục sàng lọc và đã loại ra 08 phiếu không hợp lệ do không đánh giá đầy đủ các câu hỏi, đánh giá không chính xác (dựa vào các câu hỏi đảo ngược). Tổng số phiếu hợp lệ đưa vào phần mềm phân tích là 216 phiếu chiếm tỷ lệ 93.9% so với tổng số phiếu phát ra.