a. Mô hình hồi quy
LTT = β0 +β1 CKTC + β2 CKTT + β3 CKQP + ei Trong đó.
SHL : Sự hài lòng (Biến phụ thuộc), ei : phần dư Biến độc lập: CKTC, CKTT, CKQP
Sử dụng phần mềm SPSS bằng kỹ thuật Forward cho phép lựa chọn mô hình tối ưu trên cơ sở tăng thêm những biến có mối quan hệ mạnh vào mô hình [Hair và cộng sự, 1998]. Phương pháp này còn cho phép đánh giá tầm quan trọng tương đối của các biến độc lập thông qua xem xét mức độ tăng của R2 khi một biến được đưa thêm vào mô hình ban đầu. Cuối cùng thu được kết quả như sau :
Bảng 4.15: Bảng đánh giá sự phù hợp của mô hình
(Kết quả phân tích dữ liệu bằng SPSS)
Model Summaryc Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 .564a .318 .315 .54941 2 .601b .361 .356 .53273 1.812 a. Predictors: (Constant), CKTC b. Predictors: (Constant), CKTC, CKTT c. Dependent Variable: LTT
Các thông tin ở Bảng Model Summarye cho thấy các tham số thống kê của mô hình khi đưa dần các biến vào theo mức độ tác động của các biến giảm dần. Kết quả cho thấy mối quan hệ giữa biến phụ thuộc với các biến độc lập trong cả 02 mô hình đều có hệ số tương quan khá thấp nhưng chấp nhận được với một nghiên cứu khám phá, với R2 nhận giá trị là 0.318 trở lên và tăng dần theo số biến được đưa thêm vào đạt mức cao nhất là 0.361. Điều này có nghĩa là biến được thêm vào là biến có mối quan hệ với biến phụ thuộc. Do đó tác giả chọn mô hình 2 là mô hình có R2 là cao nhất.
Kết quả phân tích hồi quy tuyến tính bội cho thấy mô hình 2 có R2 = 0.361 và R2 được điều chỉnh = 0.356. Ta nhận thấy R2
điều chỉnh nhỏ hơn R2 nên ta dùng nó để đánh giá độ phù hợp của mô hình sẽ an toàn hơn vì nó không thổi phồng mức độ phù hợp của mô hình hồi quy đa biến (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008). R2 được điều chỉnh = 0.356 nói lên độ thích hợp của mô hình là 35,6% hay nói cách khác là các biến độc lập giải thích 35.6% sự biến thiên của biến “Lòng trung thành”
Bảng 4.16: Bảng kiểm định sự phù hợp của mô hình
(Kết quả phân tích dữ liệu bằng SPSS)
ANOVAc Model Sum of Squares df Mean Square F Sig. 1 Regression 30.357 1 30.357 100.568 .000a Residual 65.200 216 .302 Total 95.556 217 2 Regression 34.539 2 17.269 60.849 .000b Residual 61.018 215 .284 Total 95.556 217 a. Predictors: (Constant), CKTC b. Predictors: (Constant), CKTC, CKTT c. Dependent Variable: LTT
Kiểm định ANOVA cho thấy thông số F có sig= .000, điều này chứng tỏ rằng mô hình hồi quy xây dựng là phù hợp với bộ dữ liệu thu thập được, có ý nghĩa về mặt thống kê với mức ý nghĩa 5%. Như vậy các biến độc lập trong mô hình có quan hệ đối với biến phụ thuộc “Lòng trung thành”.
Bảng 4.17 : Kết quả hồi quy
(Kết quả phân tích dữ liệu bằng SPSS)
Coefficientsa Model Unstandardized Coefficients Standardize d Coefficients t Sig. Collinearity Statistics B Std. Error Beta Toleranc e VIF 1 (Constant) 1.141 .235 4.850 .000 CKTC .700 .070 .564 10.028 .000 1.000 1.000 2 (Constant) .759 .249 3.048 .003 CKTC .659 .068 .531 9.620 .000 .976 1.025 CKTT .189 .049 .212 3.839 .000 .976 1.025 a. Dependent Variable: LTT
Có 3 biến độc lập được đưa vào mô hình, nhưng chỉ có 2 biến tác động đến Lòng trung thành là CKTC, CKTT. Tác động của từng biến như sau: Khi đánh giá của nhân viên về CKTC, CKTT lần lượt tăng lên một đơn vị thì Lòng trung thành của họ tăng lần lượt là 0.659 và 0.189 .
Mô hình hồi quy ước lượng:
LTT = 0.759 + 0.659 CKTC + 0.189 CKTT
Trong đó tầm quan trọng của các biến trong mô hình được xác định thông qua hệ số tương quan riêng phần. Hệ số này đo lường khả năng giải thích biến thiên của biến phụ thuộc do ảnh hưởng của một biến độc lập (Hoàng Trọng và Chu Nguyễn Mộng Ngọc.2008). Như vậy, tầm quan trọng của các biến theo thứ tự như sau : CKTC có tác động lớn nhất đối với Lòng trung thành, tiếp theo đó lần lượt là biến CKTT.
b. Kiểm định sự phù hợp của mô hình hồi quy
Kiểm tra các điều kiện vận dụng mô hình hồi quy tuyến tính, ta có kết quả sau:
1) Trong bảng Model Summarye, hệ số Durbin-Watson bằng 1.812 gần bằng 2 (dU = 1,799 < 1.812 < 4-dU)
Kết luận : thỏa mãn điều kiện về tính độc lập của sai số (không có tương quan giữa các phần dư).
2) Trong bảng Coefficientsa, hệ số VIF đều nhỏ hơn 2
Kết luận : thỏa mãn điều kiện về không có mối tương quan giữa các biến độc lập (hiện tượng đa cộng tuyến).
3) Xem hình 4.5, ta thấy đồ thì có dạng hình chuông với trung bình Mean xấp xỉ 0 và độ lệch chuẩn Stad. Dev. =0.995 gần bằng 1
Hình 4.5: Đồ thị phân phối chuẩn của phần dƣ
(Kết quả phân tích dữ liệu bằng SPSS)
4) Hình 4.6 cho thấy các điểm quan sát nằm sát xung quanh đường chéo (đường thẳng kỳ vọng) → Kết luận : phương sai của phần dư không đổi.
Như vậy ta không tìm thấy sự vi phạm các giả định đối với phân tích hồi quy tuyến tính trên. Ta có thể kết luận mô hình hồi quy ước lượng ở trên LTT = 0.759+ 0.659 CKTC + 0.189 CKTT là đáng tin cậy.
Phương trình hồi quy thể hiện mối quan hệ giữa cam kết và lòng trung thành của nhân viên với các yếu tố: cam kết tình cảm, cam kết tiếp tục được thể hiện qua đẳng thức sau:
Y = 0.759 + 0.659 * X1 + 0.189 * X2
Trong đó:
Y: Lòng trung thành của nhân viên X1: Cam kết tình cảm
X2: Cam kết tiếp tục