NS Tương quan Pearson 1 0,473 0,545 0,587 0,584 0,629 Sig. (2-tailed) 0,000 0,000 0,000 0,000 0,000 N 120 120 120 120 120 120 (Nguồn: Kết quảphân tích dữliệu SPSS)
Dựa vào bảng kết quả kiểm định ở trên, ta thấy giá trị Sig. (2-tailed) của các nhân tố đều bé hơn mức ý nghĩa α = 0,05, vì vậy ta có thể kết luận các biến độc lập có sự tương quan với biến phụ thuộc. Đồng thời, ta thấy mức độ tương quan giữa các biến độc lập và biến phụ thuộc cũng khá mạnh khi có hệ số tương quan đều lớn hơn và gần bằng 0,5. Điều đó cho thấy rằng các biến độc lập ở trên có thể giải thích cho biến phụ thuộc “Năng suất lao động” theo hệ số tương quan dương.
2.3.4.2. Xem xét tự tương quan
Thông qua đại lượng Durbin – Watson, đề tài có thể kiểm định sự tương quan của các sai số kề nhau (hay còn gọi là tương quan chuỗi bậc nhất). Dựa vào kết quả xử lý dữ liệu, cho thấy giá trị Durbin – Watson bằng 1,773 thuộc trong khoảng chấp nhận. Vì vậy, ta có thể kết luận với mô hình nghiên cứu được xây dựng của đề tài không xảy ra hiện tượng tự tương quan.
2.3.4.3. Xem xét đa cộng tuyến
Kiểm định đa cộng tuyến là kiểm định sự tương quan giữa các biến độc lập thông qua hệ số phóng đại phương sai VIF (Variance Inflation Factor). Nếu VIF lớn hơn hoặc bằng 10 thì có thể nhận xét mô hình hồi quy vi phạm hiện tượng đa cộng tuyến(Theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005).
Kết quả phân tích cho thấy giá trị VIF của mô hình rất nhỏ (đều nhỏ hơn 2) nên đề tài có thể kết luận rằng mô hình hồi quy trên không vi phạm hiện tượng đa cộng tuyến, phù hợp để tiến hành phân tích hồi quy.
2.3.4.4. Kiểm định phân phối chuẩn của phần dư
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 phải tiến hành kiểm định phân phối chuẩn của phần dư để xem xét sự phù hợp của mô hình đưa ra.
Biểu đồ 2.10: Biểu đồ tần số của phần dư chuẩn hóa Histogram
(Nguồn: Kết quảphân tích dữliệu SPSS)
Từ biểu đồ Histogram, ta thấy được một đường cong phân phối chuẩn được đặt chồng lên biểu đồ tần số. Đường cong này có dạng hình chuông, phù hợp với dạng đồ thị của phân phối chuẩn. Đồng thời, giá trị trung bình Mean gần bằng 0 và độ lệch chuẩn là 0,979 gần bằng 1, vì vậy ta có thể kết luận phân phối phần dư xấp xỉ chuẩn
Với các kết quả kiểm định như trên, nghiên cứu có thể tiếp tục phân tích hồi quy.
2.3.4.5. Mô hình hồi quy
Mô hình hồi quy được xây dựng gồm biến phụ thuộc “Năng suất lao động”
(NS) và 5 biến độc lập được rút trích từ phân tích nhân tố khám phá EFA gồm có: nhân tố“Bản thân người lao động”(BT); nhân tố“Sự quản lý và phân công lao động của cấp trên” (QL); nhân tố “Điều kiện làm việc” (DK); nhân tố “Sự cải tiến trong sản xuất”(CT)và nhân tố“Môi trường làm việc” (MT)với các hệ số Bê-ta tương ứng lần lượt là:β1; β2; β3; β4; β5.
Mô hình hồi quy:
NS = β0 + BTβ1 + QLβ2 + DKβ3 + CTβ4 + MTβ5 + ei
Trong đó:eilà biến độc lập ngẫu nhiên có phân phối chuẩn với trung bình là 0
và phương sai không thay đổi.
Dựa vào hệ số Bê-ta chuẩn hóa với mức ý nghĩa Sig. tương ứng để xác định các biến độc lập nào có ảnh hưởng đến biến phụ thuộc trong mô hình và ảnh hưởng với mức độ như thế nào, theo chiều hướng nào. Từ đó, làm căn cứ để kết luận chính xác hơn và đưa ra các giải pháp mang tính thuyết phục cao. Kết quả của mô hình hồi quy sẽ giúp ta xác định được chiều hướng, mức độ ảnh hưởng của các yếu tố ảnh hưởng đến năng suất lao động của bộ phận sản xuất trực tiếp tại Công ty Scavi Huế.
2.3.4.6. Phân tích hồi quy
Để có thể xác định chính xác chiều hướng và mức độ ảnh hưởng của các nhân tố đã xác định được sau khi phân tích nhân tố khám phá EFA lên biến phụ thuộc
“Năng suất lao động”, đề tài sẽ tiến hành phân tích hồi quy tuyến tính dựa trên mô hình hồi quy đã xây dựng ở trên. Thông qua phép phân tích này, nghiên cứu sẽ dễ dàng biết được nhân tố nào có tác động mạnh nhất đến biến phụ thuộc, để từ đó có thể đưa ra kết luận cũng như đề xuất một số giải pháp nhằm nâng cao năng suất lao động.
Có rất nhiều phương pháp phân tích hồi quy, nhưng trong trường hợp này nghiên cứu sẽ lựa chọn phương pháp Enter với tiêu chí chọn lọc ra những nhân tố có mức ý nghĩa Sig. nhỏ hơn 0,05, những nhân tố nào có giá trị Sig. lớn hơn 0,05 sẽ bị loại khỏi mô hình và sẽ không tiếp tục nghiên cứu nhân tố đó.
Sau khi tiến hành phân tích hồi quy ta có được kết quả như sau: