d. Nhóm nhân tố bên ngoài doanh nghiệp
3.2.4. Phân tích tương quan giữa biến phụ thuộc và biến đại diên mớ
Hệ số tương quan Pearson (Pearson correlation coefficient, ký hiệu r) là số liệu thống kê kiểm tra đo lường mối quan hệ thống kê hoặc liên kết giữa các biến phụ thuộc với các biến liên tục.
Tương quan Pearson được biết đến như là phương pháp tốt nhất để đo lường mối liên hệ giữa các biến quan tâm bởi vì nó dựa trên phương pháp hiệp phương sai. Nó cung cấp thông tin về mức độ quan trọng của mối liên hệ, hoặc mối tương quan, cũng như hướng của mối quan hệ. Ngoài ra, việc kiểm tra hệ số tương quan
pearson còn giúp chúng ta sớm nhận diện được sự xảy ra của vấn đề đa cộng tuyến khi các biến độc lập có sự tương quan mạnh với nhau.
Hệ số tương quan Pearson (r) có giá trị giao động trong khoảng liên tục từ -1 đến +1:
- r = 0: Hai biến không có tương quan tuyến tính
- r = 1; r = -1: Hai biến có mối tương quan tuyến tính tuyệt đối.
- r < 0: Hệ số tương quan âm. Nghĩa là giá trị biến x tăng thì giá trị biến y giảm và ngược lại, giá trị biến y tăng thì giá trị biến x giảm.
- r > 0: Hệ số tương quan dương. Nghĩa là giá trị biến x tăng thì giá trị biến y tăng và ngược lại, giá trị biến y tăng thì giá trị biến x cũng tăng.
Hệ số tương quan pearson (r) chỉ có ý nghĩa khi và chỉ khi mức ý nghĩa quan sát (sig.) nhỏ hơn mức ý nghĩa α = 5%.
- Nếu r nằm trong khoảng từ 0,50 đến ± 1, thì nó được cho là tương quan mạnh.
- Nếu r nằm trong khoảng từ 0,30 đến ± 0,49, thì nó được gọi là tương quan trung bình.
- Nếu r nằm dưới ± .29, thì nó được gọi là một mối tương quan yếu.
Tạo biến đại diện cho các nhân tố trên:
- banthan_TB = MEAN (banthan6, banthan4, banthan1, banthan5)
- thuocveCV_TB = MEAN (thuocveCV1, thuocveCV2, thuocveCV3)
- benngoaiDN_TB = MEAN (benngoaiDN3, benngoaiDN1, benngoaiDN2)
- bentrongDN_TB = MEAN (bentrongDN2, bentrongDN3, bentrongDN4, bentrongDN1)
Tính tương quan Pearson của 4 biến đại diện mới và biến phụ thuộc mucluong.
Bảng 15. Phân tích tương quan Pearson
Correlations Pearson Correlation banthan_TB Sig. (2-tailed) N Pearson Correlation thuocveCV_TB Sig. (2-tailed) N Pearson Correlation bentrongDN_TB Sig. (2-tailed) N Pearson Correlation benngoaiDN_TB Sig. (2-tailed) N Pearson Correlation mucluong Sig. (2-tailed) N
*. Correlation is significant at the 0.05 level (2-tailed). **. Correlation is significant at the 0.01 level (2-tailed).
Giá trị sig nào nhỏ hơn 0.05 nghĩa là biến độc lập đó có tương quan tuyến tính với biến phụ thuộc, giá trị sig nào lớn hơn 0.05 nghĩa là biến độc lập đó KHÔNG tương quan với biến phụ thuộc.
Theo kết quả phân tích thì tất cả các nhân tố đều có sig < 5% và chỉ số
Pearson của nhân tố bản thân lớn nhất (0.571) nên nhân tố bản thân có tác động mạnh nhất đến mức lương. Tiếp theo đó là nhân tố bên trong doanh nghiệp (0.369) tác động trung bình tới mức lương và mức tương quan đó sẽ yếu dần đối với nhântố thuộc về công việc (0.350) và bên ngoài doanh nghiệp (0.158).
3.2.5. Phân tích hồi quy
Phân tích hồi quy (regression analysis) là kỹ thuật thống kê dùng để ước
lượng phương trình phù hợp nhất với các tập hợp kết quả quan sát của biến phụ thuộc và biến độc lập. 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).
Bảng Model Summary:
Bảng 16. Bảng phân tích Model Summary
Model Summaryb
Model 1
a.Predictors: (Constant), benngoaiDN_TB, bentrongDN_TB, thuocveCV_TB, banthan_TB
b. Dependent Variable: mucluong
Trong bảng này, ta quan tâm 2 giá trị: Adjusted R Square và Durbin- Watson.
Adjusted R Square hay còn gọi là R bình phương hiệu chỉnh, nó phản ánh mức độ ảnh hưởng của các biến độc lập lên biến phụ thuộc. Cụ thể trong trường hợp này, 4 biến độc lập đưa vào ảnh hưởng 67.9% sự thay đổi của biến phụ thuộc, còn lại 32.1%% là do các biến ngoài mô hình và sai số ngẫu nhiên. Thường thì giá trị này từ 50% trở lên là nghiên cứu được đánh giá tốt.
Durbin-Watson (DW) dùng để kiểm định tự tương quan của các sai số kề
nhau (hay còn gọi là tương quan chuỗi bậc nhất) có giá trị biến thiên trong khoảng từ 0 đến 4; nếu các phần sai số không có tương quan chuỗi bậc nhất với nhau thì giá trị sẽ gần bằng 2 (từ 1 đến 3); nếu giá trị càng nhỏ, gần về 0 thì các phần sai số có tương quan thuận; nếu càng lớn, gần về 4 có nghĩa là các phần sai số có
tương quan nghịch.
55
-
Sơ đồ 3. Quy tắc kiểm định d của Durbin - Watson
Cụ thể trong trường hợp này, k' = 4, n = 200, tra bảng DW ta có dL = 1.728 và dU = 1.809. Gắn vào thanh giá trị DW, ta thấy 1.809 < 1.971 < 2.191, như vậy, không có sự tương quan chuỗi bậc nhất trong mô hình.
0 0 - Bảng ANOVA: Bảng 17. Bảng ANOVA ANOVAa Model Regression Residual Total
a. Dependent Variable: mucluong
b. Predictors: (Constant), benngoaiDN_TB, bentrongDN_TB, thuocveCV_TB, banthan_TB
Xây dựng xong một mô hình hồi quy đa biến, vấn đề quan tâm đầu tiên là
xem xét độ phù hợp của mô hình đối với tập dữ liệu qua giá trị Adjusted R Square (hoặc R Square), như đã trình bày ở trên. Nhưng sự phù hợp này mới chỉ thể hiện giữa mô hình xây dựng được với tập dữ liệu là MẪU NGHIÊN CỨU.
56
Tổng thể rấ t lớn cho nên không thể khảo sát hết toàn bộ, nên thường trong nghiên cứu, thường chỉ chọn ra một lượng mẫu giới hạn để tiến hành điều tra, từ đó suy ra tính chất chung của tổng thể. Mục đích của kiểm định F trong bảng ANOVA chính là để kiểm tra xem mô 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 0.000 < 0.05.
Như vậy, mô hình hồi quy tuyến tính xây dựng được phù hợp với tổng thể. - Bảng Coefficients: Bảng 18. Bảng Coefficients Coefficientsa Model (Constant) banthan_TB 1 thuocveCV_TB bentrongDN_TB benngoaiDN_TB
a. Dependent Variable: mucluong
Đầu tiên là giá trị Sig kiểm định t từng biến độc lập, sig nhỏ hơn hoặc bằng 0.05 có nghĩa là biến đó có ý nghĩa trong mô hình, ngược lại sig lớn hơn 0.05, biến độc lập đó cần được loại bỏ.
Tiếp theo là hệ số hồi quy chuẩn hóa Beta, trong tất cả các hệ số hồi quy, biến độc lập nào có Beta lớn nhất thì biến đó ảnh hưởng nhiều nhất đến sự thay đổi của biến phụ thuộc. Do đó khi đề xuất giải pháp, cần chú trọng nhiều vào các nhân tố có Beta lớn. Nếu hệ số Beta âm nghĩa là biến đó tác động nghịch, hệ số Beta dương, biến đó tác động thuận. Khi so sánh thứ tự độ lớn, chúng ta xét giá trị tuyệt đối của hệ số Beta.
57
Cuối cùng là VIF, giá trị này dùng để kiểm tra hiện tượng đa cộng tuyến. Theo lý thuyết nhiều tài liệu viết, VIF < 10 sẽ không có hiện tượng đa cộng tuyến. Tuy nhiên trên thực tế với các đề tài nghiên cứu có mô hình + bảng câu hỏi thì VIF < 2 sẽ không có đa cộng tuyến, trường hợp hệ số này lớn hơn hoặc bằng 2, khả năng cao đang có sự đa cộng tuyến giữa các biến độc lập.
Với dữ liệu đang chạy thì sig hệ số hồi quy của các biến độc lập đều nhỏ hơn hoặc bằng 0.05, do đó các biến độc lập này đều có ý nghĩa giải thích cho biến phụ thuộc, không biến nào bị loại bỏ. Hệ số VIF nhỏ hơn 2 lần lượt là 1.027; 1.004; 1.002; 1.030 do vậy không có đa cộng tuyến xảy ra.
Như vậy, phương hồi quy chuẩn hóa là :
mucluong = -0.294 + 0.326*banthan_TB + 0.245*thuocveCV_TB + 0.251*bentrongDN_TB + 0.250*benngoaiDN_TB
Phương trình hồi quy cho biết mức lương tỉ lệ thuận với nhân tố bản thân sinh viên, nhân tố thuộc về công việc, nhân tố bên trong doanh nghiệp và nhân tố bên ngoài doanh nghiệp hay nói cách khác mức lương sẽ tăng lên nếu nhân tố bản thân , nhân tố thuộc về công việc, nhân tố bên trong doanh nghiệp và nhân tố bên
ngoài doanh nghiệp tăng, trong đó thì biến bản thân tác động mạnh nhất với 1 = 0.326.
58
KẾT LUẬN CHƯƠNG 3
Chương này trình bày kết quả mẫu nghiên cứu dưới dạng mô tả thống kê, kết quả về độ tin cậy của các thang đo thông qua đánh giá độ tin cậy Cronbach’s Alpha và phân tích nhân tố khám phá (EFA). Sau đó, thực hiện phân tích tương quan giữa biến phụ thuộc và biến đại diện mới. Kết quả phân tích mô hình hồi quy cho thấy, 4 nhân tố ảnh hưởng đến mức lương của sinh viên Kế - Kiểm toán ra trường trong vòng 3 năm trên địa bàn Hà Nội đó là : (1) bản thân với = 0.326, (2) công việc với = 0.245, (3) bên trong doanh nghiệp với = 0.251 và (4) bên ngoài doanh nghiệp với = 0.250.
59
CHƯƠNG 4: KẾT LUẬN VÀ KHUYẾN NGHỊ