N Giá trị nhỏ nhất Giá trị lớn nhất Giá trị trung bình Độ lệch chuẩn NANGLUC 252 1.60 5.00 3.0143 .88301 QUANHE 252 1.14 4.71 2.9858 .96497 QUANLY 252 1.30 4.60 3.0393 .72277 NANGSUAT 252 1.00 5.00 3.1204 .87768
(Nguồn:kết quả phân tích dữ liệu điều tra)
4.5. Kết quả kiểm định sự phù hợp của mô hình nghiên cứu 4.5.1. Phân tích tƣơng quan 4.5.1. Phân tích tƣơng quan
Phân tích tương quan nhằm kiểm tra mối liên hệ giữa hai biến định lượng với nhau. Để đánh giá hai biến có mối tương quan với nhau hay không thì tác giả sử dụng giá trị Sig., nếu giá trị Sig. bé hơn mức ý nghĩa (thường là 5%) thì tương quan giữa hai biến này có ý nghĩa và ngược lại.
Kết quả phân tích tương quan cho thấy, mối tương quan giữa các cặp biến trong bảng tương quan đều có giá trị Sig < 0.05, có nghĩa là giữa các cặp biến này có mối tương quan có ý nghĩa với nhau
Bảng 4.25 Ma trận hệ số tƣơng quan
NANGSUAT NANGLUC QUANHE QUANLY NANGSUAT Pearson Correlation 1 .347 ** .687** .509** Sig. (2-tailed) .000 .000 .000 N 252 252 252 252 NANGLUC Pearson Correlation .347 ** 1 .308** .232** Sig. (2-tailed) .000 .000 .000 N 252 252 252 252 QUANHE Pearson Correlation .687 ** .308** 1 .376** Sig. (2-tailed) .000 .000 .000 N 252 252 252 252 QUANLY Pearson Correlation .509 ** .232** .376** 1 Sig. (2-tailed) .000 .000 .000 N 252 252 252 252
(Nguồn:kết quả phân tích dữ liệu điều tra)
Xét về tương quan giữa các biến độc lập với biến phụ thuộc, kết quả cho thấy tương quan của các cặp biến giữa mỗi biến độc lập với biến phụ thuộc NANGSUAT đều có giá trị Sig < 0.05 nên các cặp biến này có tương quan có ý nghĩa với nhau.
Trong các cặp biến trên chúng ta thấy mối tương quan của chúng là tương đối mạnh, cặp biến có tương quan thấp nhất là giữa các biến NANGSUAT với NANGLUC, với hệ số tương quan là 0.347 và cặp có tương quan mạnh nhất là giữa NANGSUAT với QUANHE bằng 0.687. Trong bảng kết quả trên cũng cho thấy, tất cả các cặp tương quan đều mang dấu dương, có nghĩa là giữa chúng có tương quan thuận với nhau.
4.5.2. Kết quả kiểm định sự phù hợp
Phân tích hồi quy nhằm đánh giá độ phù hợp của mô hình mà tác giả đã đưa ra trong phần mô hình lý thuyết. Kết quả hồi quy với mục tiêu cuối cùng là kiểm
định các giả thuyết đạt ra và đồng thời đánh giá chiều tác động của nó cũng như mức độ tác động của các biến độc lập đến biến phụ thuộc.
Bảng 4.26 Tổng hợp mô hình
R R2 R2 hiệu chỉnh Độ lệch chuẩn sai số của ƣớc lƣợng
.746a .556 .551 .58803
(Nguồn:kết quả phân tích dữ liệu điều tra)
Bảng 4.27 ANOVA Model Tổng bình Model Tổng bình
phƣơng Df Bình phƣơng trung bình F Sig. 1
Hồi quy 107.597 3 35.866 103.725 .000b
Phần dƣ 85.752 248 .346
Tổng 193.349 251
(Nguồn:kết quả phân tích dữ liệu điều tra)
Giả thuyết để đánh giá sự phù hợp của mô hình như sau: Ho: R2 hiệu chỉnh = 0 (mô hình hồi quy không phù hợp) H1: R2 hiệu chỉnh ≠ 0 (mô hình hồi quy phù hợp)
Thực hiện kiểm định F trong ANOVA: Giá trị F được tính bằng thương số giữa giá trị trung bình biến thiên của hồi quy (MSr) với giá trị trung bình biến thiên phần dư (MSe), F = MSr/MSe. Vì vậy, mô hình phù hợp cao hay thấp phụ thuộc vào biến thiên hồi quy so với biến thiên phần dư. Để kiểm định F, tác giả so sánh F với Fε , nếu F > Fε thì bác bỏ Ho, hoặc xem xét giá trị Sig., nếu Sig. bé hơn mức ý nghĩa thì kết luận là bác bỏ Ho ngược lại thì chấp nhận Ho.
Kết quả phân tích cho thấy kiểm định F có giá trị sig. = 0.000 nhỏ hơn mức ý nghĩa 5%, vì vậy có thể khẳng định là giá trị R2 hiệu chỉnh của mô hình hồi quy là khác 0 hay là mô hình hồi quy phù hợp, có nghĩa là các biến độc lập sẽ giải thích được nhiều hơn 0% sự biến thiên của biến phụ thuộc, hay nói cách khác có it nhất 1 biến độc lập có tác động có ý nghĩa đến biến phụ thuộc. Với giá trị R2 hiệu chỉnh = 55.1% cho biết các biến độc lập có tác động có ý nghĩa giải thích được 55.1% sự biến thiên của biến phụ thuộc NANGSUAT.
Bảng 4.28 Hệ số hồi quy Hệ số hồi quy chưa Hệ số hồi quy chưa
chuẩn hóa
Hệ số hồi quy chuẩn hóa
t Sig. Thống kê đa cộng tuyến
B Std. Error Beta Tolerance VIF
1
Hằng số .269 .189 1.420 .157
NANGLUC .114 .045 .115 2.557 .011 .889 1.124
QUANHE .498 .043 .547 11.619 .000 .807 1.239
QUANLY .336 .056 .277 6.015 .000 .844 1.185
(Nguồn:kết quả phân tích dữ liệu điều tra)
Nhân tố độc lập mối quan hệ trong doanh nghiệp có sig=0<0.05 điều này mang ý nghĩa rằng mối quan hệ trong doanh nghiệp có tác động đến năng suất lao động. Cụ thể ta có hệ số Beta=0.498 có nghĩa khi mối quan hệ trong doanh nghiệp tăng 1 điểm thì năng suất lao động sẽ tăng 0.498 điểm. Đây là nhân tố có Beta lớn nhất có nghĩa rằng mối quan hệ trong doanh nghiệp có sự tác động lớn nhất lên năng suất lao động. Như vậy, giả thuyết ban đầu H2: Mối quan hệ trong doanh nghiệp có ảnh hưởng tích cực đến năng suất lao động được chấp nhận. Điều này cũng phù hợp với nghiên cứu của Trần Thị Kim Loan - Bùi Nguyên Hùng (2009) mà tác giả đã sử dụng làm nền tảng nghiên cứu.
Nhân tố độc lập các yếu tố quản lý có sig=0<0.05 điều này mang ý nghĩa rằng mối quan hệ trong doanh nghiệp có tác động đến năng suất lao động. Cụ thể ta có. Cụ thể ta có hệ số Beta=0.336 có nghĩa khi năng lực cá nhân tăng 1 điểm thì năng suất lao động sẽ tăng 0.336 điểm. Nhân tố này có hệ số Beta lớn thứ 2 do đó nó có tác động lớn thứ 2 lên năng suất lao động. Như vậy, giả thuyết ban đầu H3:Các yếu tố quản lý có ảnh hưởng tích cực đến năng suất lao động được chấp nhận. Điều này cũng phù hợp với các nghiên cứu Trần Thị Kim Loan - Bùi Nguyên Hùng (2009).
Cuối cùng nhân tố độc lập năng lực cá nhân có sig=0.011<0.05 điều này mang ý nghĩa rằng năng lực cá nhân có tác động đến năng suất lao động. Cụ thể ta có hệ số Beta=0.114 có nghĩa khi năng lực cá nhân tăng 1 điểm thì năng suất lao động sẽ tăng 0.114 điểm. Đây cũng là nhân tố có mức tác động ít nhất lên năng suất
lao động. Như vậy, giả thuyết ban đầu H1:Năng lực cá nhân có ảnh hưởng tích cực đến năng suất lao động được chấp nhận. Điều này cũng phù hợp với các nghiên cứu của Robert L. Mathis & John H. Jackson (2011) và Mahesh Gundecha (2012).
Ngoài ra ta có VIF của các biến NANGLUC, QUANHE, QUANLY đều bé hơn 2 nên vấn đề đa cộng tuyến không ảnh hưởng đáng kể đến kết quả hồi quy. Tức là các biến độc lập không phụ thuộc lẫn nhau.
Từ các phân tích trên ta có phƣơng trình hồi quy chƣa chuẩn hoá
NANGSUAT = 0.269 + 0.498*QUANHE + 0.336*QUANLY + 0.114*NANGLUC
Từ bảng kết quả hồi quy ta nhận thấy các nhân tố năng lực cá nhân, mối quan hệ trong doanh nghiệp, các yếu tố quản lý đều có tác động dương tới năng suất lao động nên ta có kết luận về các giả thuyết ban đầu như sau:
Bảng 4.29 Tổng hợp kiểm định giả thuyết nghiên cứu Giả Giả
thuyết Nội dung Kết quả
H1 Năng lực cá nhân có ảnh hưởng tích cực đến năng suất lao
động Chấp nhận
H2 Mối quan hệ trong doanh nghiệp có ảnh hưởng tích cực đến năng suất lao động
Chấp nhận
H3 Các yếu tố quản lý có ảnh hưởng tích cực đến năng suất lao động
Chấp nhận
4.5.4. Kiểm tra sự vi phạm các giả định trong hồi quy tuyến tính. 4.5.4.1. Kiểm tra đa cộng tuyến 4.5.4.1. Kiểm tra đa cộng tuyến
Cộng tuyến là trạng thái trong đó các biến độc lập có tương quan chặt chẽ với nhau. Vấn đề của hiện tượng cộng tuyến là chúng cung cấp cho mô hình những thông tin rất giống nhau và rất khó tách rời ảnh hưởng của từng biến một đến biến phụ thuộc. Hiệu ứng khác của sự tương quan khá chặt giữa các biến độc lập là nó làm tăng độ lệch chuẩn của các hệ số hồi quy và làm giảm giá trị thống kê t của kiểm định ý nghĩa của chúng nên các hệ số có khuynh hướng kém ý nghĩa hơn khi không có đa cộng tuyến trong khi hệ số xác định R square vẫn khá cao.
Bảng 4.30 Kiểm tra đa cộng tuyến
Tolerance VIF
NANGLUC .889 1.124
QUANHE .807 1.239
QUANLY .844 1.185
(Nguồn:kết quả phân tích dữ liệu điều tra)
Để kiểm tra hiện tượng đa cộng tuyến, chỉ số thường dùng là hệ số phóng đại phương sai VIF (Variance Inflation Factor). Thông thường, nếu VIF của một biến độc lập nào đó lớn hơn 10 thì biến này hầu như không có giá trị giải thích biến thiên của biến phụ thuộc trong mô hình hồi quy (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Theo bảng hệ số hồi quy, hệ số VIF của các biến độc lập đều nhỏ hơn 10. Vì vậy có thể luận, mô hình không xảy ra hiện tượng đa cộng tuyến.
4.5.4.2. Kiểm định phân phối chuẩn của phần dƣ
Hình 4.1 Đồ thị phần dƣ
(Nguồn:kết quả phân tích dữ liệu điều tra)
Phần dư có thể không tuân theo phân phối chuẩn vì những lý do như: sử dụng sai mô hình, phương sai không phải là hằng số, số lượng các phần dư không đủ nhiều để phân tích,… Vì vậy chúng ta nên thử nhiều cách khảo sát khác nhau. Một cách khảo sát đơn giản nhất là xây dựng biểu đồ tần số của các phần dư.
Kết quả biểu đồ phân dư cho thấy giá trị Mean gần bằng 0 và độ lệch chuẩn gần bằng 1 nên khẳng định dữ liệu không vi phạm giả thuyết này.
4.5.4.3. Kiểm tra liên hệ tuyến tính
Phương pháp được sử dụng là biểu đồ phân tán Scatterplot . Nhìn vào biểu đồ ta thấy phần dư không thay đổi theo một trật tự nào đối với giá trị dự đoán. Do đó giả thiết về liên hệ tuyến tính không bị vi phạm.
Hình 4.2 Đồ thị phân bố ngẫu nhiên của phần dƣ chuẩn hóa
(Nguồn:kết quả phân tích dữ liệu điều tra)
4.6. Đánh giá sự khác biệt về năng suất lao động giữa các nhóm có đặc điểm nhân khẩu học khác nhau nhân khẩu học khác nhau
Bảng 4.31 Kiểm định sự khác biệt về năng suất lao động đối với giới tính
Levene Statistic df1 df2 Sig.
.746 1 250 .389 ANOVA Tổng bình phƣơng Df Bình phƣơng trung bình F Sig. Giữa các nhóm 1.693 1 1.693 2.209 .138 Nội bộ nhóm 191.655 250 .767 Tổng 193.349 251
(Nguồn:kết quả phân tích dữ liệu điều tra)
Ta có sig. của thống kê Levene =0.389 > 0.05 nên ta có thể sử dụng kết quả phân tích ANOVA để tìm sự khác biệt về năng suất lao động giữa 2 nhóm giới tính Nam và Nữ.
Sig. của ANOVA =0.138>0.05 nên ta kết luận không có sự khác biệt về năng suất lao động giữa 2 nhóm giới tính Nam và Nữ.
4.6.2. Sự khác biệt về năng suất lao động giữa các nhóm tuổi
Bảng 4.32 Kiểm định sự khác biệt về năng suất lao động đối với các nhóm tuổi
Levene Statistic df1 df2 Sig.
1.686 3 248 .171 ANOVA Tổng bình phƣơng Df Bình phƣơng trung bình F Sig. Giữa các nhóm 13.873 3 4.624 6.390 .000 Nội bộ nhóm 179.476 248 .724 Tổng 193.349 251 N Mean Std. Deviation Std. Error 95% Confidence Interval for Mean
Minimum Maximum Lower Bound Upper Bound 18-25 90 2.8667 .85064 .08967 2.6885 3.0448 1.33 5.00 26-30 60 3.3389 .82222 .10615 3.1265 3.5513 1.33 5.00 31-40 69 3.3575 .92234 .11104 3.1359 3.5791 1.33 5.00 lớn hơn 40 33 2.9192 .73612 .12814 2.6582 3.1802 1.00 4.67
Total 252 3.1204 .87768 .05529 3.0115 3.2293 1.00 5.00
Dependent Variable: NANGSUAT Tukey HSD (I) Nhóm tuổi (J) Nhóm tuổi Mean Difference (I-J) Std. Error Sig. 95% Confidence Interval Lower Bound Upper Bound 18-25 26-30 -.47222* .14178 .005 -.8390 -.1055 31-40 -.49082* .13612 .002 -.8429 -.1387 lớn hơn 40 -.05253 .17312 .990 -.5003 .3953 26-30 18-25 .47222* .14178 .005 .1055 .8390 31-40 -.01860 .15017 .999 -.4070 .3698 lớn hơn 40 .41970 .18437 .106 -.0572 .8966 31-40 18-25 .49082* .13612 .002 .1387 .8429 26-30 .01860 .15017 .999 -.3698 .4070 lớn hơn 40 .43830 .18005 .073 -.0274 .9040 lớn hơn 40 18-25 .05253 .17312 .990 -.3953 .5003 26-30 -.41970 .18437 .106 -.8966 .0572 31-40 -.43830 .18005 .073 -.9040 .0274
(Nguồn:kết quả phân tích dữ liệu điều tra)
Ta có sig. của thống kê Levene =0.171 > 0.05 nên ta có thể sử dụng kết quả phân tích ANOVA để tìm sự khác biệt về năng suất lao động giữa các nhóm độ tuổi khác nhau
Sig. của ANOVA =0 < 0.05 nên ta kết luận rằng có sự khác biệt về năng suất lao động giữa các nhóm độ tuổi khác nhau.
Phân tích Post hoc Tests cho thấy: có sự khác biệt về về năng suất giữa các nhóm có độ tuổi khác nhau. Giữa nhóm có độ tuổi từ 18-25 với 2 nhóm tuổi 26-30 và 31-40. Theo đó nhóm có độ tuổi từ 26-40 có năng suất cao hơn.
4.6.3. Sự khác biệt về năng suất lao động giữa các nhóm có trình độ học vấn khác nhau khác nhau
Bảng 4.33 Kiểm định sự khác biệt về năng suất lao động đối với trình độ học vấn khác nhau
Levene Statistic df1 df2 Sig.
69.037 2 249 .000
Robust Tests Statistica df1 df2 Sig.
Brown-Forsythe .745 2 24.721 .485
(Nguồn:kết quả phân tích dữ liệu điều tra)
Ta có sig. của thống kê Levene =0 < 0.05 nên ta có thể sử dụng kết quả của bảng kiểm tra Robust để tìm sự khác biệt về năng suất lao động giữa các nhóm có trình độ học vấn khác nhau.
Sig. của Robust Test =0.485>0.05 nên ta kết luận không có sự khác biệt về năng suất lao động giữa các nhóm có trình độ học vấn khác nhau.
4.6.4. Sự khác biệt về năng suất lao động giữa các nhóm thuộc các bộ phận khác nhau khác nhau
Bảng 4.34 Kiểm định sự khác biệt về năng suất lao động đối với các bộ phận khác nhau
Levene Statistic df1 df2 Sig.
4.724 4 247 .001
Robust Tests Statistica df1 df2 Sig.
Brown-Forsythe 1.304 4 120.631 .272
(Nguồn:kết quả phân tích dữ liệu điều tra)
Ta có sig. của thống kê Levene =0.001 < 0.05 nên ta có thể sử dụng kết quả của bảng kiểm tra Robust để tìm sự khác biệt về năng suất lao động giữa các nhóm thuộc các bộ phận khác nhau
Sig. của Robust Test =0.272>0.05 nên ta kết luận không có sự khác biệt về năng suất lao động giữa các nhóm thuộc các bộ phận khác nhau.
4.6.5. Sự khác biệt về năng suất lao động giữa các nhóm có thời gian làm việc khác nhau khác nhau
Bảng 4.35 Kiểm định sự khác biệt về năng suất lao động đối với các nhóm có thời gian làm việc khác nhau
Levene Statistic df1 df2 Sig.
.535 3 248 .659
ANOVA Tổng bình
phƣơng Df Bình phƣơng trung bình F Sig. Giữa các nhóm 33.665 3 11.222 17.428 .000
Nội bộ nhóm 159.684 248 .644
Tổng 193.349 251
Dependent Variable: NANGSUAT Tukey HSD
(I) Thời gian làm việc (J) Thời gian làm việc Mean Difference (I-J) Std. Error Sig. 95% Confidence Interval Lower Bound Upper Bound dưới 1 năm từ 1-3 năm -.48966* .17243 .025 -.9357 -.0437 từ 3-5 năm -.81313* .17108 .000 -1.2556 -.3706 trên 5 năm -1.09495* .16330 .000 -1.5173 -.6726 từ 1-3 năm dưới 1 năm .48966* .17243 .025 .0437 .9357 từ 3-5 năm -.32347 .14134 .103 -.6890 .0421 trên 5 năm -.60529* .13181 .000 -.9462 -.2644 từ 3-5 năm dưới 1 năm .81313* .17108 .000 .3706 1.2556 từ 1-3 năm .32347 .14134 .103 -.0421 .6890 trên 5 năm -.28182 .13004 .135 -.6182 .0545 trên 5 năm dưới 1 năm 1.09495* .16330 .000 .6726 1.5173 từ 1-3 năm .60529* .13181 .000 .2644 .9462 từ 3-5 năm .28182 .13004 .135 -.0545 .6182
(Nguồn:kết quả phân tích dữ liệu điều tra)
Ta có sig. của thống kê Levene =0.659 > 0.05 nên ta có thể sử dụng kết quả phân tích ANOVA để tìm sự khác biệt về năng suất lao động giữa các nhóm có thời gian làm việc khác nhau.
Sig. của ANOVA =0 < 0.05 nên ta kết luận rằng có sự khác biệt về năng suất lao động giữa các nhóm có thời gian làm việc khác nhau.
Phân tích Post hoc Tests cho thấy: có sự khác biệt về về năng suất giữa các