Sự phù hợp của mơ hình được đánh giá bằng hệ số R2 và R2 hiệu chỉnh Theo nguyên tắc thì R2 hiệu chỉnh càng gần 1 thì mơ hình càng phù hợp Phân tích được thực hiện bằng phương pháp Enter trong chương trình SPSS 20
Kết quả phân tích cho thấy: R2 hiệu chỉnh bằng 0,786 (> 0 5) cho thấy mơ hình giả thuyết phù hợp với tập dữ liệu mẫu Các biến độc lập giải thích được 78,6 % phương sai của biến phụ thuộc
Bảng 4 9 Thành phần các nhân tố và biến đo lường sau khi phân tích EFA
(Nguồn: Kết quả phân tích dữ liệu của tác giả)
Kiểm định F sử dụng phương pháp phân tích phương sai (ANOVA) là phép kiểm định giả thuyết về độ phù hợp của mơ hình hồi quy tuyến tính tổng thể với giả thuyết H0: β1 = β2 = β3 = β4 = β5 = β6 = β7 = 0
Kết quả phân tích ANOVA cho giá trị Sig = 0,000 < 0,05 nên bác bỏ giả thuyết H0 cho rằng tất cả các hệ số hồi quy đều bằng 0, nên mơ hình hồi quy là phù hợp với tập dữ liệu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008)
Mơ hình R 2 R 2 R hiệu chỉnh Ước lượng sai số chuẩn Chỉ số Durbin- Watson 1 a 0,843 0,792 0,786 0,23277 10825 Biến độc lập: TL, DTPT, DK, CT, PL, DN, DDCV Biến phụ thuộc: Y
Bảng 4 10 Kết quả kiểm định phương sai ANOVA
(Nguồn: Kết quả phân tích dữ liệu của tác giả)
4 5 4 Dị tìm sự vi phạm về các giả định cần thiết trong hồi quy tuyến tính
4 5 4 1 Giả định về đa cộng tuyến
Theo Nguyễn Đình Thọ (2011), trong mơ hình hồi quy bội chúng ta có thêm một giả định nữa là các biến độc lập khơng có tương quan hồn tồn với nhau Vì khi các biến độc lập có quan hệ với nhau thì các biến này hầu như khơng có giá trị giải thích sự biến thiên của biến phụ thuộc trong mơ hình hồi quy tuyến tính bội (Theo Hair và cộng sự, 2009)
Hiện tượng các biến độc lập tương quan với nhau gọi là hiện tượng đa cộng tuyến (VIF – Variance Inflation Factor) Khi VIF của một biến độc lập > 10 thì biến đó sẽ khơng có giá trị giải thích biến thiên của biến phụ thuộc trong mơ hình và VIF của một biến độc lập < 2 thì được chấp nhận (Nguyễn Đình Thọ 2011)
Bảng 4 11 Kết quả hệ số VIF của biến độc lập
(Nguồn: Kết quả phân tích dữ liệu của tác giả)
Kết quả phân tích cho thấy chỉ số VIF của các biến độc lập đều nhỏ hơn 2 Vậy nên khơng có hiện tượng đa cộng tuyến
a ANOVA Mơ hình Tổng bình phương df Bình phương trung bình Chỉ số F Chỉ số Sig 1 Hồi quy 90,158 7 12,880 237,723 b 0,000 Phần dư 10,944 202 0,054 Tổng 101,103 209 Biến độc lập: TL, DTPT, DK, CT, PL, DN, DDCV Biến phụ thuộc: Y TL DTPT CT DN DDCV DK PL VIF 1,093 1,592 1,624 1,371 1,440 1,399 1,455
4 5 4 2 Giả định liên hệ tuyến tính và phương sai không đổi
Sử dụng đồ thị phân tán phần dư chuẩn hóa theo giá trị dự đốn chuẩn hóa để kiểm định giả định này với phần dư chuẩn hóa trên trục tung và giá trị dự đốn chuẩn hóa trên trục hồnh
Hình 4 1 Đồ thị phân tán của phần dư chuẩn hóa và giá trị dự đốn chuẩn hóa
(Nguồn: Kết quả phân tích dữ liệu của tác giả)
Quan sát đồ thị ta thấy phần dư phân tán ngẫu nhiên trong một vùng xung quanh đường đi qua tung độ 0 chứ khơng tạo thành một hình dạng nào Do đó giá trị dự đốn và phần dư độc lập nhau và phương sai của phần dư không thay đổi Như vậy giả định tuyến tính và phương sai khơng đổi được thỏa mãn (Hồng Trọng – Chu Nguyễn Mộng Ngọc, 2008)
4 5 4 3 Giả định về phân phối chuẩn của phần dư
Biểu đồ Histogram của phần dư chuẩn hóa (Hình 4 2) cho thấy một đường cong phân phối chuẩn được đặt chồng lên biểu đồ tần số, tức là các phần dư trong mẫu quan sát có phân phối xấp xỉ chuẩn Đây là điều chấp nhận được Độ lệch chuẩn Std Dev là 0,983 (gần bằng 1) nên giả thiết phân phối chuẩn không bị vi phạm
Hình 4 2 Biểu đồ tần số của phần dư chuẩn hóa
(Nguồn: Kết quả phân tích dữ liệu của tác giả)
4 5 4 4 Kiểm định về tính độc lập của phần dư
Mơ hình hồi quy tuyến tính cổ điển cịn có thêm một giả định là khơng có sự tương quan giữa các phần dư Theo Hồng Trọng và Chu Nguyễn Mộng Ngọc (2008), giả định này được kiểm định thông qua đại lượng d trong bảng thống kê Dubin – Watson Đại lượng d có giá trị biến thiên trong khoảng từ 0 đến 4 Nếu giá trị d gần bằng 2 thì các phần dư khơng có tương quan chuỗi bậc nhất với nhau Theo bảng 4 9, đại lượng d trong kiểm định Dubin – Watson bằng 1,825 (gần bằng 2); vì vậy, khơng có sự tương quan giữa các phần dư
4 6 Phân tích sự khác biệt giữa các nhóm theo biến nhân khẩu
Theo kinh nghiệm nghiên cứu của nhiều tác giả: Kiểm định T-test được dùng để so sánh trung bình hai nhóm nghiên cứu vì vậy T-test được dùng để kiểm định sự khác biệt về sự hài lịng theo giới tính; mơ hình ANOVA được dùng để so sánh ba nhóm nghiên cứu trở lên nên mơ hình này sẽ dùng để kiểm định các tiêu chí cịn lại Trước khi thực hiện kiểm đinh T-Test và ANOVA thì kiểm định Levene được thực hiện để kiểm định phương sai đồng nhất giữa các nhóm Nếu kiểm định Levene cho kết quả phương sai của các nhóm đồng nhất thì kiểm định T-test và ANOVA sẽ được
xem xét Nếu kiểm định ANOVA cho thấy có sự khác biệt thì kiểm định hậu ANOVA sẽ cho thấy sự khác biệt đó là giữa các nhóm nào Nếu kiểm định Levene cho kết quả phương sai của các nhóm trong cùng một biến nhân khẩu học khác nhau thì khơng có cơ sở để xem xét kiểm định T-Test và ANOVA
Mục đích của việc phân tích sự khác biệt sự hài lịng về cơng việc theo các đặc điểm cá nhân là giúp cho nhà lãnh đạo chủ động và linh hoạt hơn trong việc ra quyết định và xây dựng các chiến lược quản lý cụ thể hơn cho từng đối tượng lao động