DC LP BD HL Spearman's rho DC Correlation Coefficient 1.00000 0.327** 0.648** 0.394** Sig. (2-tailed) 0.00000 0.00000 0.00000 N 155 155 155 155 LP Correlation Coefficient 0.327** 1.00000 0.641** 0.443**
56 Sig. (2-tailed) 0.00000 0.00000 0.00000 N 155 155 155 155 BD Correlation Coefficient 0.648** 0.641** 1.00000 0.585** Sig. (2-tailed) 0.00000 0.00000 0.00000 N 155 155 155 155 HL Correlation Coefficient 0.794** 0.443** 0.585** 1.00000 Sig. (2-tailed) 0.00000 0.00000 0.00000 N 155 155 155 155
**. Correlation is significant at the 0.01 level (2-tailed).
Nguồn: Tác giả
Từ bảng tương quan hạng Spearman, ta thấy khơng có giá trị p-value nào lớn hơn 0.05, như vậy với hệ số tin cậy 95%, ta có thể kết luận mơ hình hồi quy ước lượng khơng vi phạm giả thuyết về phương sai sai số thay đổi của phần dư.
Kiểm định tính phân phối chuẩn của phần dư Giả thuyết của phương pháp OLS là phần dư phải tuân theo quy luật chuẩn, nếu phần dư khơng tn theo quy lu ật chuẩn, mơ hình ước lượng sẽ khơng phải là mơ hình tốt nhất, dạng hàm của ước lượng có thể khơng phù. Để kiểm tra tính phân phối chuẩn của phần dư ta sử dụng đồ thị Histogram và đồ thị P-plot.
Từ đồ thị Histogram ta nhận thấy phân phối của các phần dư chuẩn hóa tuân theo quy luật chuẩn, đường phân bố là một hình chng đều, giá trị trung bình xấp xỉ giá trị 0, độ lệch chuẩn xấp xỉ giá trị 1.
Kiểm định khả năng xảy ra tự tương quan: Với cỡ mẫu n =155, p=3, tra bảng Durbin Watson có dL = 1.738, dU =1.799, giá trị d quan sát dobv = 2.159 =>dU < dobv < 4-dU. Ta có thể kết luận khơng có hiện tượng tự tương quan trong mơ hình.
Kiểm tra hiện tượng đa cộng tuyến trong mơ hình: Để kiểm tra hiện tượng đa cộng tuyến ta sử dụng ta xét dấu hiệu tiêu chuẩn của nhân tử phóng đại phương sai (VIF).
Nếu giá trị VIF <10 thì mơ hình khơng có đa cộng tuyến Nếu giá trị VIF > = 10 thì mơ hình có đa cộng tuyến.
57
Từ kết quả phân tích hồi quy ta thấy các giá trị VIF quan sát đều nhỏ hơn 10. Vì vậy có thể kết luận hiện tượng đa cộng tuyến có ảnh hưởng đến ước lượng của mơ hình.
Mặt khác giá trị p-value của kiểm định F trong phân tích phương sai bằng.000<0.05 do đó có thể kết luận mơ hình được xây dựng là đáng tin cậy, các giả thuyết của phương pháp OLS đều được hài lòng.
4.6.2. Kiểm định các giả thuyết nghiên cứu
Kiểm định giả thuyết H1: Nhân tố điều kiện làm việc và cơ hội phát triển có
ảnh hưởng tích cực đến sự hài lịng chung của CBCCVC với cơng việc. Điều này đồng nghĩa với việc kiểm định hệ số Beta của biến DC dương. Kết quả ước lượng cho thấy giá trị p-value của thống kê tương ứng là.000<0.05. Như vậy với độ tin cậy 95% có thể kết luận biến độc lập DC có ảnh hưởng tích cực (hệ số Beta dương) đến biến phụ thuộc HL. Hay nói cách khác ta chấp nhận giả thuyết H1.
- Kiểm định giả thuyết H2: Nhân tố “lãnh đạo và phân phối thu nhập cơng
bằng” có ảnh hưởng tích cực đến sự hài lịng chung của CBCCVC với cơng việc. Điều này đồng nghĩa với kiểm định hệ số Beta của biến độc lập LP dương. Kết quả ước lượng cho thấy giá trị p-value của thống kê t tương ứng là .000<0.05. Như vậy có thể kết luận với độ tin cậy 95% biến độc lập LP có ảnh hưởng tích cực đến biến phụ thuộc HL (hệ số Beta dương). Hay nói cách khác ta chấp nhận giả thuyết H2.
- Kiểm định giả thuyết H3: Nhân tố “bản chất công việc và đào tạo chun
mơn” có ảnh hưởng tích cực đến sự hài lịng chung của CBCCVC với cơng việc. Điều này đồng nghĩa với việc kiểm định hệ số Beta của biến độc lập BD dương. Kết quả ước lượng cho thấy giá trị p-value của thống kê tương ứng là 0.810>0.05. Như vậy với hệ số tin cậy 95% ta có thể kết luận biến độc lập BD khơng có ảnh hưởng đến biến phụ thuộc HL (hệ số Beta bằng 0). Hay nói cách khác ta bác bỏ giả thuyết H3.
Để kiểm tra lại phương trình hồi quy ta sử dụng thêm một phương pháp nữa là phương pháp Stepwise. Kết quả ước lượng bằng phương pháp Stepwise như sau:
58
Bảng 4.18: Tóm tắt thơng tin mơ hình bằng phương pháp Stepwise
Model R R Square Adjusted R
Square Std.Error of the Estimate Durbin- Watson 1 0.769 0.592 0.59 0.30469 2 0.811 0.657 0.654 0.27986 2.163 Nguồn: Tác giả
Bảng 4.19: Phân tích phương sai mơ hình bằng phương pháp Stepwise
Model Sum of Squares Df Mean Square F Sig. 1 Regression 31.652 1 31.652 340.939 0.000a Residual 21.817 235 0.093 Total 53.469 155 2 Regression 35.143 2 17.571 224.354 0.000b Residual 18.327 153 0.078 Total 53.469 155 a. Predictors: (Constant), DC b. Predictors: (Constant), DC, LP c. Dependent Variable: HL Nguồn: Tác giả
Bảng 4.20: Hệ số Beta cúa các mơ hình bằng phương pháp Stepwise
Model Unstandardized Coefficients Standardized Coefficients T Sig. Collinearity Statistics B Std. Error Beta Toleran ce VIF 1 (Constant) 0.888 0.143 6.211 0 DC 0.713 0.039 0.769 18.465 0 1 1 2 (Constant) 0.079 0.179 0.445 0.657 DC 0.629 0.038 0.678 16.702 0 0.888 1.127 LP 0.287 0.043 0.271 6.676 0 0.888 1.127 a. Dependent Variable: HL Nguồn: Tác giả
59
Kết quả ước lượng bằng phương pháp Stepwise khơng có sự khác biệt với kết quả ước lượng bằng phương pháp Enter sau khi bỏ biến BD, chỉ có hai biến DC, LP có ý nghĩa (p- value là.000). Phương trình hồi quy cuối cùng là:
HL = 0.079 + 0.629DC + 0.271LP.
Trong đó HL là sự hài lòng chung DC là điều kiện làm việc và cơ hội phát triển LP là lãnh đạo và phân phối thu nhập công bằng.
Hệ số Adjust R-square là 0.654 chứng tỏ biến DC, LP giải thích được 65.4% sự biến thiên của biến HL, giá trị này là phù hợp và chấp nhận được. Giá trị p-value của thống kê F là.000<0.05, như vậy với hệ số tin cậy 95% có thể suy rộng kết luận cho tổng thể từ tập dữ liệu nghiên cứu.
Tầm quan trọng của các biến độc lập là khác nhau. Hệ số Beta của biến nào càng lớn thì ảnh hưởng của nó càng quan trọng đến sự biến thiên của biến HL, kết quả cho thấy hệ số beta của DC là 0.629, của LP là 0.271. Như vậy có thể thấy trong mơ hình quan trọng nhất là biến DC, tiếp đến là biến LP. Hay nói cách khác ảnh hưởng đến mức độ hài lịng chung của CBCCVC thì nhân tố “điều kiện làm việc, cơ hội phát triển cá nhân và đảm bảo mức sống” là lớn nhất, tiếp đến là nhân tố “lãnh đạo và phân phối thu nhập công bằng”.
4.7. KIỂM ĐỊNH SỰ KHÁC BIỆT VỀ NHÂN KHẨU HỌC
Kết quả điều tra trên mẫu cho thấy biến DC “điều kiện làm việc, cơ hội phát triển cá nhân và đảm bảo mức sống” có giá trị trung bình là 3.66. Tuy nhiên giá trị này là giá trị mẫu, ta không biết được nó có thể sử dụng được cho tổng thể hay không? Để kiểm định việc này ta sử dụng thủ tục T-Test với giá trị so sánh là 3.66, kết quả như sau:
60
Bảng 4.21: One-Sample Test với biến DC
Test Value = 3.66
t df Sig. (2-
tailed)
Mean 95% Confider the Difice
Interval of ference
Difference Lower Upper
DC 0.152 155 0.816 0.00778 -0.0579 0.0735
Nguồn: Tác giả
Kết quả kiểm định cho thấy giá trị p-value =0.816 >0.05, như vậy không thể bác bỏ giả thuyết cho rằng giá trị tổng thể bằng 3.66. Nếu chấp nhận giả thuyết này khả năng mắc sai lầm lên đến 81.6%.
Đối với biến LP, kết quả điều tra trên mẫu cho thấy giá trị trung bình 3.899. Tuy nhiên giá trị này cũng là giá trị mẫu, ta khơng biết nó có thể sử dụng cho tổng thể hay không? Để kiểm tra điều này ta tiếp tục sử dụng kiểm định T - Test với giá trị so sánh là 3.899, kết qua thu được như sau:
Bảng 4.22: One-Sample Test với biến LP
Test Value = 3.899
t df Sig. (2-
tailed)
Mean 95% Contiden the Difice Interval of ference
Difference Lower Upper
L
P 0.015 155 0.988 0.00044 -0.0572 0.0581
Nguồn: Tác giả
Kết quả kiểm định cho thấy giá trị p-value = 0.988 >0.05, như vậy không thể bác bỏ giả thuyết cho rằng giá trị trung bình của tổng thể về biến LP là 3.899. Nếu bác bỏ giả thuyết này khả năng mắc sai lầm là rất lớn lên đến 98.8%.
61
Đối với biến phụ thuộc HL, dữ liệu trên mẫu cho thấy giá trị trung bình là 3.5, giá trị này cũng là giá trị trung bình mẫu, ta khơng biết có thể sử dụng nó cho tổng thể được hay khơng? Để kiểm tra việc này ta tiếp tục sử dụng kiểm định T-Test với giá trị so sánh là 3.5, kết quả thu được như sau:
Bảng 4.23: One-Sample Test với biến HL
Test Value = 3.5
t df Sig. (2-
tailed)
Mean 95% Confider the Difice
Interval of ference
Difference Lower Upper
HL 0.114 155 0.91 0.00352 -0.0574 0.0644
Nguồn: Tác giả
Kết quả kiểm định cho thấy giá trị p-value =0.91>0.05, như vậy không thể bác bỏ giả thuyết cho rằng giá trị trung bình của tổng thể về biến HL là 3.5. Nếu bác bỏ giả thuyết này khả năng mắc sai lần lên đến 91%.
4.7.1. Kiểm định sự khác nhau giữa nhóm CBCCVC nam và nhóm CBCCVC nữ
Để kiểm định sự khác nhau giữa nam và nữ về sự hài lòng đối với công việc ta sử dụng kiểm định Independent Samples Test, kết quả kiểm định như sau:
62
Bảng 4.24: Independent Samples Test
1
Levene's Test for Equality of
Variances
t-test for Equality of Means
F Sig. t Df Sig. (2- tailed) Mean Difference Std. Error Difference 95% Confidence Interval of the Difference Lower Upper DC Equal 5.816 0.017 - 235 0.92 -0.00691 0.06889 - 0.1288 variances 0.1 0.1426 assumed Equal - 167.2 9 0.923 -0.00691 0.07139 - 0.13402 variances 0.097 0.1478 not assumed LP Equal 1.441 0.231 0.282 235 0.778 0.01701 0.06039 - 0.13598 variances 0.102 assumed Equal 0.287 200.0 6 0.774 0.01701 0.05922 0.0998 0.13378 variances not assumed HL Equal 0.188 0.665 0.369 235 0.712 0.02358 0.06382 - 0.14932 variances 0.1022 assumed Equal 0.372 192.0 4 0.71 0.02358 0.06343 - 0.1487 variances 0.1015 not assumed Nguồn: Tác giả
Đối với biến DC kiểm định Levane có p-value =0.017<0.05, do đó ta khơng bác bỏ giả thuyết cho rằng phương sai của hai nhóm là khác nhau. Ta sử dụng kết quả kiểm định t ở phần “Equal variances not assumed”, giá trị p-value của kiểm định t là 0.923 >0.05. do đó có thể kết luậ n khơng có sự khác nhau giữa nhóm CBCCVC nam và lao động nữ về biến DC
63
Đối với biến LP, kiểm định Levane có p-value = 0.213>0.05, do đó có thể bác bỏ giả thuyết cho rằng phương sai của hai nhóm là khác nhau. Ta sử dụng kể quả kiểm định ở phần “Equal variances assumed”, giá trị p-value của kiểm định t là 0.778>0.05. Do đó có thể kết luậ n khơng có sự khác nhau giữa nhóm CBCCVC nam và lao động nữ về biến LP.
Đối với biến phụ thuộc HL, kiểm định Levane có p-value = 0.665>0.05, do đó có thể bác bỏ giả thuyết cho rằng phương sai của hai nhóm là khác nhau. Ta sử dụng kết quả kiểm định ở phần ““Equal variances assumed”, giá trị p-value của kiểm định t là 0.712>0.05. Do đó có thể kết luận khơng có sự khác nhau giữa nhóm CBCCVC nam và lao động nữ về biến HL “sự hài lòng chung”.
4.7.2. Kiểm định sự khác nhau giữa các nhóm CBCCVC có độ tuổi khác nhau
Để kiểm định sự khác nhau giữa các nhóm CBCCVC có độ tuổi khác nhau ta sử dụng kỹ thuật phân tích phương sai (ANOVA), kết quả kiểm định như sau:
Bảng 4.25: Phân tích phương sai theo nhóm tuổi
Sum of Squares Df Mean Square F Sig. DC Between Groups 9.706 2 4.853 21.61 0 Within Groups 52.549 153 0.225 Total 62.255 155 LP Between Groups 0.874 2 0.437 2.176 0.116 Within Groups 46.98 153 0.201 Total 47.853 155 HL Between Groups 6.259 2 3.129 15.51 0 Within Groups 47.211 153 0.202 Total 53.469 155 Nguồn: Tác giả
Đối với biến DC, kiểm định F giữa các nhóm có p-value =.000<0.05, như vậy có sự khác biệt về biến DC đối với các nhóm CBCCVC có độ tuổi khác nhau. Kiểm
64
định Post Hoc Test với giá trị Tamhane, Dunnett T3 cho thấy có sự khác nhau giữa nhóm tuổi từ 18 đến 25 và nhóm từ 26 đến 35 với nhóm từ 36 đến 50, giữa nhóm 18 đến 25 và từ 26 đến 35 khơng có sự khác biệt một cách có ý nghĩa. Điều này cũng được phản ánh trên đồ thị so sánh giá trị trung bình của giữa các nhóm.
Hình 4.1: Biến DC, kiểm định F giữa các nhóm có p-value =.000<0.05
Nguồn: Tác giả
Đối với biến LP, kiểm định F giữa các nhóm có p-value 0.116 >0.05, như vậy khơng có sự khác biệt giữa các nhóm CBCCVC có độ tuổi khác nhau về biến LP. Điều này cũng được thể hiện trên đồ thị, ba giá trị trung bình có chênh lệch rất nhỏ.
Hình 4.2: Biến LP, kiểm định F giữa các nhóm có p-value 0.116 >0.05
65
Đối với biến phụ thuộc HL, kiểm định F giữa các nhóm có p-value là.000<0.05, như vậy có sự khác biệt giữa các nhóm tuổi khác nhau về biến phụ thuộc HL. Kiểm định Post Hoc Test với giá trị của Tamhene và Dunnett T3 cho thấy có sự khác nhau nhóm có độ tuổi từ 18 đến 25 và nhóm từ 26 đến 35 với nhóm từ 36 đến 50, hai nhóm từ 18 đến 25 và từ 26 đến 35 khơng có sự khác nhau một cách có ý nghĩa. Điều này cũng được thể hiện trên đồ thị, giá trị trung bình giữa nhóm từ 18 đến 25 và nhóm từ 26 đến 35 có chênh lệch rất nhỏ, chênh lệch về giá trị trung bình giữa hai nhóm này với nhịm tuổi từ 36 đến 50 là khá lớn.
Hình 3.3: Kiểm định F giữa các nhóm có p-value là.000<0.05
66
4.7.3. Kiểm định sự khác nhau giữa nhóm có trình độ học vấn khác nhau. Bảng 4.26: Bảng kiểm định sự khác nhau giữa nhóm trình độ học vấn Bảng 4.26: Bảng kiểm định sự khác nhau giữa nhóm trình độ học vấn
Sum of Squares Df Mean Square F Sig. DC Between Groups 28.816 2 14.408 100.825 0 Within Groups 33.439 153 0.143 Total 62.255 155 LP Between Groups 0.326 2 0.163 0.804 0.449 Within Groups 47.527 153 0.203 Total 47.853 155 HL Between Groups 14.144 2 7.072 42.083 0 Within Groups 39.325 153 0.168 Total 53.469 155 Nguồn: Tác giả
Đối với biến LP, kiểm định F giữa các nhóm có p-value = 0.449 >0.05. do đó có thể kết luận đối với biến LP khơng có sự khác biệt một cách có ý nghĩa giữa các nhóm CBCCVC có trình độ học vấn khác nhau. Điều này cũng được thể hiện trên đồ thì ba giá trị trung bình giữa các nhóm có sự chênh lệch rất nhỏ.
Hình 4.3: Kiểm định F giữa các nhóm có p-value = 0.449 >0.05
67
Đối với biến phụ thuộc HL, kiểm định F giữa các nhóm có p-value =.000<0.05, do đó có sự khác biệt giữa các nhóm có trình độ học vấn khác nhau về biến phụ thuộc HL.
Kiểm định Post Hoc Test với giá trị Tamhane và Dunnett T3 cho thấy có sự khác biệt giữa cả ba nhóm có trình độ học vấn khác nhau. Điều này cũng được thể hiện trên đồ thị về giá trị trung bình của ba nhóm, giá trị trung bình có sự chênh lệch đáng kể giữa các nhóm.
Hình 4.4: Biểu đồ phân tán phương sai theo nhóm tuổi
Nguồn: Tác giả
4.7.4. Kiểm định sự khác nhau giữa các nhóm có vị trí làm việc khác nhau.
Để kiểm định sự khác nhau giữa các nhóm CBCCVC có vị trí làm việc khác nhau ta sử dụng kỹ thuật phân tích phương sai (ANOVA), kết quả kiểm định như sau:
68
Bảng 4.27: Phân tích phương sai với biến vị trí làm việc
Sum of Squares Df Mean Square F Sig. DC Between Groups 48.057 2 24.029 396.032 0 Within Groups 14.198 153 0.061 Total 62.255 155 LP Between Groups 21.218 2 10.609 93.20 5 0 Within Groups 26.635 153 0.114 Total 47.853 155