CHƯƠNG 4 KẾT QUẢ NGHIÊN CỨU
4.4 Kiểm định mơ hình và giả thuyết nghiên cứu
4.4.1 Phân tích hệ số tương quan
Trước khi tiến hành kiểm định mơ hình nghiên cứu bằng phân tích hồi quy tuyến tính bội, mối tương quan giữa các biến của mơ hình cần phải được xem xét (phụ lục 8). Tác giả sử dụng phân tích ma trận tương quan sử dụng hệ số tương quan Pearson để lượng hóa mức độ chặt chẽ của mối liên hệ giữa các biến độc lập với biến phụ thuộc là sự hài lòng của NVTKPM của FPT.
Hệ số này luôn nằm trong khoảng từ -1 đến 1, lấy giá trị tuyệt đối, nếu lớn hơn 0.6 thì có thể kết luận mối quan hệ là chặt chẽ, và càng gần 1 thì mối quan hệ càng chặt, nếu nhỏ hơn 0.3 thì cho biết mối quan hệ là lỏng.
Bảng 4.7: Ma trận hệ số tương quan giữa các nhân tố
CSCH QH DKLV DG TH CN CNTT HL CSCH 1 .372** .308** .387** .137* .328** -.501** .651** QH .372** 1 .312** .351** .218** .155* -.372** .447** DKLV .308** .312** 1 .239** .180** .249** -.336** .436** DG .387** .351** .239** 1 .232** .272** -.439** .451** TH .137* .218** .180** .232** 1 .187** -.248** .309** CN .328** .155* .249** .272** .187** 1 -.396** .475** CNTT -.501** -.372** -.336** -.439** -.248** -.396** 1 -.765** HL .651** .447** .436** .451** .309** .475** -.765** 1
(Nguồn: Kết quả điều tra của tác giả, 08/2013)
Bảng 4.7 trên cho thấy có mối tương quan giữa yếu tố sự hài lòng và các yếu tố khác là chính sách cơ hội, mối quan hệ, điều kiện làm việc, đánh giá cá nhân, thương hiệu doanh nghiệp, cảm nhận về công việc và đặc thù ngành nghề. Trong đó yếu tố đặc thù ngành nghề có tương quan mạnh nhất (-.765), và yếu tố thương hiệu doanh nghiệp có tương quan thấp nhất (.309).
4.4.2 Đánh giá độ phù hợp của mơ hình hồi quy tuyến tính bội
Theo Hồng Trọng và Mộng Ngọc (2009), hệ số xác định R2 được chứng minh là hàm không giảm theo số biến độc lập được đưa vào mơ hình, càng đưa thêm biến độc lập vào mơ hình thì R2 càng tăng, tuy nhiên điều này cũng được chứng minh rằng khơng phải phương trình càng có nhiều biến sẽ phù hợp hơn với dữ liệu. Như vậy, R2 có khuynh hướng là một ước lượng lạc quan của thước đo sự phù hợp của mơ hình đối với dữ liệu trong trường hợp có hơn một biến giải thích. Mơ hình thường khơng phù hợp với dữ liệu thực tế như giá trị R2 thể hiện.
Bảng 4.8: Tóm tắt mơ hình hồi quy
Mơ hình R R bình phương R bình phương điều chỉnh Sai số chuấn dự báo 1 .855a .731 .722 .2881
(Nguồn: Kết quả điều tra của tác giả, 08/2013)
Trong tình huống này, hệ số xác định R2 điều chỉnh được sử dụng để phản ánh sát hơn mức độ phù hợp của mơ hình hồi qui tuyến tính bội. R2 điều chỉnh khơng nhất thiết tăng lên khi nhiều biến độc lập được thêm vào phương trình, nó là thước đo sự phù hợp được sử dụng cho tình huống hồi qui tuyến tính bội vì nó khơng phụ thuộc vào độ phóng đại của R2.
Bảng 4.8 trên cho kết quả R2 điều chỉnh bằng 0.722. Điều này có nghĩa là mơ hình hồi qui tuyến tính đã được xây dựng phù hợp với tập dữ liệu đến mức 72.2%.
4.4.3 Kiểm tra BLUE các vi phạm giả định cần thiết
4.5.3.1 Kiểm định độ phù hợp của mơ hình
Kiểm định F là phép kiểm định giả thuyết về độ phù hợp của mơ hình hồi qui tuyến tính tổng thể. Ý tưởng của kiểm định này về mối quan hệ tuyến tính giữa biến phụ thuộc và biến độc lập là nó xem xét biến phụ thuộc có liên hệ tuyến tính với tồn bộ tập hợp các biến độc lập hay không.
Bảng 4.9: Phân tích ANOVA Mơ hình Tổng bình Mơ hình Tổng bình phương df Bình phương trung bình F Sig. 1 Hồi quy 45.223 7 6.460 77.813 .000a Phần dư 16.605 200 .083 Tổng 61.828 207
(Nguồn: Kết quả điều tra của tác giả, 08/2013)
Giả thuyết Ho: β1 = β2 = β3 = β4 = β5 = β6 = β7 = 0
Nếu giả thuyết Ho bị bác bỏ chúng ta có thể kết luận là kết hợp của các biến hiện có trong mơ hình có thể giải thích được thay đổi của biến phụ thuộc, điều này cũng có nghĩa là mơ hình ta xây dựng phù hợp với tập dữ liệu.
Bảng 4.9 trên cho thấy trị thống kê F được tính từ giá trị R2 của mơ hình đầy đủ có giá trị sig. < 0.05 do đó sẽ an tồn khi bác bỏ giả thuyết H0 cho rằng tất cả các hệ số hồi qui bằng 0 (ngoại trừ hằng số), mơ hình hồi qui tuyến tính bội được xây dựng phù hợp với tập dữ liệu và có thể sử dụng được.
4.5.3.2 Giả định hiện tượng phương sai sai số thay đổi
Tác giả sẽ kiểm tra giả định hiện tượng phương sai sai số thay đổi (heteroskedasticity) này bằng cách vẽ đồ thị phân tán giữa các phần dư và giá trị dự đốn mà mơ hình hồi qui tuyến tính cho ra. Nếu giả định liên hệ tuyến tính và phương sai bằng nhau được thỏa mãn, thì ta sẽ khơng nhận thấy có liên hệ gì giữa các giá trị dự đốn với phần dư, chúng sẽ phân tán ngẫu nhiên quanh trục 0 trong một phạm vi không đổi.
Đồ thị phân tán (phụ lục 10 dị tìm vi phạm giả định hồi qui) cho thấy phần dư phân tán ngẫu nhiên trong một vùng xung quanh đường đi qua tung độ 0 trong một phạm vi khơng đổi. Như vậy giá trị dự đốn và phần dư độc lập nhau và phương sai của phần dư không thay đổi. Như vậy mơ hình hồi qui phù hợp.
4.5.3.3 Giả định về phân phối chuẩn của phần dư
Phần dư có thể khơng tn theo phân phối chuẩn vì những lý do như: sử dụng sai mơ hình, phương sai khơng phải là hằng số, số lượng các phần dư khơng đủ nhiều để phân tích… (Hồng Trọng, Mộng Ngọc, 2009). Chúng ta sẽ sử dụng các biểu đồ tần số (Histogram, P-P plot) của các phần dư (đã được chuẩn hóa) để kiểm tra giả định này.
Kết quả từ biểu đồ tần số Histogram của phần dư (phụ lục 10) cho thấy, phân phối của phần dư xấp xỉ chuẩn (trung bình Mean = 0, độ lệch chuẩn Std. Dev = 0.983). Điều này có nghĩa là giả thuyết phân phối chuẩn của phần dư không bị vi phạm.
Kết quả từ biểu đồ tần số P-P plot (phụ lục 10) cho thấy các điểm phân tán xung quanh được kỳ vọng cũng cho thấy giả định phân phối chuẩn của phần dư không bị vi phạm.
4.5.3.4 Giả định khơng có mối tương quan giữa các biến độc lập (Đo lường đa cộng tuyến) lường 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 mơ hình những thơng 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 qui 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 khơng có đa cộng tuyến trong khi hệ số xác định R2 vẫn khá cao (Hoàng Trọng và Mộng Ngọc, 2009).
Để kiểm tra hiện tượng đa cộng tuyến, chỉ số thường dùng là hệ số phóng đại phương sai VIF (Variance Inflation Factor). “Quy tắc là khi VIF vượt quá 10, đó là dấu hiệu của Đa cộng tuyến.” (Hồng Trọng và Mộng Ngọc, 2009).
Thực tế nghiên cứu ở bảng 4.9 cho thấy VIF của các biến độc lập đều < 2 nên có thể kết luận khơng có hiện tượng đa cộng tuyến.
4.4.4 Kiểm định các giả thuyết
Kết quả trong bảng 4.9 cho thấy các hệ số hồi qui riêng phần β1, β2, β3, β5, β6, β7 đều dương (>0) và có mức ý nghĩa (sig.) < 0.05. Vậy các nhân tố chính sách cơ hội, mối quan hệ, thương hiệu doanh nghiệp, cảm nhận về công việc và điều kiện làm việc đều có tác động dương vào sự hài lòng của NV. Như vậy, theo kết quả nghiên cứu ta chấp nhận các giả thuyết:
- H1: Có tác động thuận chiều giữa yếu tố Chính sách và cơ hội đến Sự hài lịng. - H2: Có tác động thuận chiều giữa yếu tố Mối quan hệ đến Sự hài lịng.
-H3: Có tác động thuận chiều giữa yếu tố Điều kiện làm việc đến Sự hài lịng. -H5: Có tác động thuận chiều giữa yếu tố Thương hiệu đến Sự hài lịng.
-H6: Có tác động thuận chiều giữa yếu tố Cảm nhận về cơng việc đến Sự hài lịng.
Bảng 4.10: Trọng số hồi quy
Mơ hình
Hệ số chưa chuẩn hóa Hệ số đã chuẩn hóa t Sig. Cộng tuyến B Sai số chuẩn Beta Toleran ce VIF 1 Hệ số chặn 2.208 .550 4.012 .000 CSCH .335 .053 .287 6.378 .000 .663 1.508 QH .131 .065 .084 1.995 .047 .752 1.329 DKLV .131 .048 .110 2.710 .007 .817 1.224 DG .032 .063 .022 .508 .612 .728 1.374 TH .092 .042 .085 2.205 .029 .895 1.117 CN .206 .064 .132 3.218 .002 .796 1.256 CNTT -.577 .058 -.470 -9.941 .000 .600 1.666
(Nguồn: Kết quả điều tra của tác giả, 08/2013)
Hệ số hồi qui riêng phần β7 có giá trị âm (<0) và có mức ý nghĩa (sig.) < 0.05. Vậy nhân tố đặc thù ngành nghề có tác động âm đến sự hài lịng của nhân viên. Như vậy ta chấp nhận giả thuyết H7: có tác động nghịch chiều giữa yếu tố Đặc thù ngành
nghề đến Sự hài lòng. Ngược lại, với hệ số hồi quy riêng phần β4 có mức ý nghĩa (sig.) > 0.05, nghĩa là nhân tố đánh giá cá nhân khơng có tác động có ý nghĩa thống kê đến sự hài lòng của nhân viên. Vậy ta bác bỏ giả thuyết H4: Có tác động thuận chiều giữa yếu tố Đánh giá cá nhân đến Sự hài lịng.
4.4.5 Kết luận phân tích hồi quy
Hình 4.2: Mơ hình kết quả nghiên cứu
(Nguồn: Mơ hình hiệu chỉnh tác giả thực hiện, 08/2013)
Chính sách cơ hội Mối quan hệ Thương hiệu doanh nghiệp Điều kiện làm việc Cảm nhận về công việc Đặc thù ngành nghề Sự hài lòng Sig=0.000 β=0.287 Sig=0.007 β=0.11 Sig=0.029 β= 0.085 Sig=0.047 β=0.084 Sig=0.000 β= -0.47 Sig=0.002 β= 0.132 Đánh giá Sig=0.612 β= 0.22
Trọng số hồi qui thể hiện dưới hai dạng: (1) chưa chuẩn hóa (Unstandardized Coefficients) và (2) chuẩn hóa (Standardized Coefficients). Vì trọng số hồi qui chưa chuẩn hóa (ký hiệu B trong SPSS), giá trị của nó phụ thuộc vào thang đo cho nên chúng ta không thể dùng chúng để so sánh mức độ tác động của các biến độc lập vào biến phụ thuộc trong cùng một mơ hình được.
Trọng số hồi qui chuẩn hóa (beta, ký hiệu β) là trọng số chúng ta đã chuẩn hóa các nhân tố. Vì vậy chúng được dùng để so sánh mức độ tác động của các biến độc lập vào biến phụ thuộc. Biến độc lập nào có trọng số này càng lớn có nghĩa là biến đó có tác động mạnh vào biến phụ thuộc. Dựa vào độ lớn các hệ số Beta đã chuẩn hóa, ta thấy thành phần đặc thù ngành nghề có tác động mạnh nhất đến sự hài lòng của nhân viên (β = -0.47), kế đến là chính sách cơ hội (β = 0.287), cảm nhận về công việc (β = 0.132), điều kiện làm việc (β = 0.11), thương hiệu doanh nghiệp (β = 0.085) và mối quan hệ (β = 0.084).
4.5 Kiểm định sự khác biệt với các biến nhân khẩu học về sự hài lòng và các thành phần tác động đến sự hài lòng của nhân viên thành phần tác động đến sự hài lịng của nhân viên
4.5.1 Giới tính
Để kiểm định sự khác biệt về sự hài lòng và các thành phần của sự hài lòng của NV nam và nữ ta dùng phép kiểm định T-test mẫu độc lập với giả thiết như sau: H9: Khơng có sự khác biệt về sự hài lịng và các thành phần của sự hài lòng giữa nhân viên nam và nhân viên nữ. Thực tế, Kết quả kiểm định t-test (Phụ lục 11.1) cho thấy tất cả các giá trị sig đều lớn hơn 0.05 dẫn đến chấp nhận giả thuyết H9 hay nói cách khác, đánh giá về sự hài lòng và các thành phần của sự hài lịng giữa NV có giới tính là Nam và Nữ là như nhau.
4.5.2 Tuổi
Để đánh giá mức độ khác biệt ở 3 nhóm trở lên, chúng ta thực hiện kiểm định Anova một chiều. Nếu phát hiện có sự khác biệt giữa các nhóm, ta dùng kiểm định Bonferroni để tìm sự khác biệt đó. Đối với biến tuổi ta có giả thiết:
H10: Khơng có sự khác biệt về sự hài lịng và các thành phần của sự hài lòng giữa nhân viên có độ tuổi khác nhau. Thực tế, kết quả kiểm định Levene (Phụ lục 11.2) cho thấy tất cả các giá trị sig đều lớn hơn 0.05 nghĩa là phương sai giữa các nhóm là như nhau. Kết quả Anova cho thấy giá trị sig > 0.05 nên ta chấp nhận giả thiết H10, nghĩa là khơng có sự khác biệt về sự hài lòng và các thành phần của sự hài lịng giữa NV có độ tuổi khác nhau.
4.5.3 Trình độ học vấn
H11: Khơng có sự khác biệt về sự hài lịng và các thành phần của sự hài lịng giữa nhân viên có trình độ học vấn khác nhau. Thực tế, kết quả kiểm định Levene (Phụ lục 11.3) cho thấy tất cả các giá trị sig đều lớn hơn 0.05 nghĩa là phương sai giữa các nhóm là như nhau. Kết quả Anova cho thấy giá trị sig > 0.05 nên ta chấp nhận giả thiết H11, nghĩa là khơng có sự khác biệt về sự hài lịng và các thành phần của sự hài lịng giữa NV có trình độ học vấn khác nhau.
4.5.4 Thu nhập
H12: Khơng có sự khác biệt về sự hài lòng và các thành phần của sự hài lịng giữa nhân viên có thu nhập khác nhau. Thực tế, kết quả kiểm định Levene (Phụ lục 11.4) cho thấy tất cả các giá trị sig đều lớn hơn 0.05 nghĩa là phương sai giữa các nhóm là như nhau. Kết quả Anova cho thấy giá trị sig > 0.05 nên ta chấp nhận giả thiết H12, nghĩa là khơng có sự khác biệt về sự hài lịng và các thành phần của sự hài lịng giữa NV có thu nhập khác nhau.
4.5.5 Chi nhánh làm việc
H13: Khơng có sự khác biệt về sự hài lòng và các thành phần của sự hài lòng giữa nhân viên làm việc ở các chi nhánh khác nhau. Thực tế, kết quả kiểm định Levene (Phụ lục 11.5) cho thấy, tất cả các giá trị sig đều lớn hơn 0.05 nghĩa là phương sai giữa các nhóm là như nhau. Kết quả Anova cho thấy giá trị sig đều lớn hơn 0.05 trừ giá trị sig của biến HL nên ta bác bỏ giả thiết H13, nghĩa là có sự khác biệt về sự hài lòng và các thành phần của sự hài lòng giữa nhân viên làm việc ở các chi nhánh khác nhau. Cụ thể là NV ở chi nhánh FIS SOFT (mean=3.950) có xu hướng hài lòng hơn nhân viên ở chi nhánh FIS ERP (3.833).
4.5.6 Hình thức lao động
Vì nhân viên khảo sát chỉ thuộc hai nhóm: nhân viên chính thức và cộng tác viên nên tác giả sử dụng kiểm định T-test mẫu độc lập để kiểm định.
H14: Khơng có sự khác biệt về sự hài lịng và các thành phần của sự hài lịng giữa nhân viên có hình thức lao động khác nhau. Thực tế, kết quả kiểm định phương sai (Phụ lục 11.6) cho thấy, tất cả các giá trị sig đều lớn hơn 0.05 nghĩa là phương sai giữa các nhóm là như nhau. Kết quả kiểm định t-test cho thấy giá trị sig đều lớn hơn 0.05 trừ giá trị sig của biến HL nhỏ hơn 0.05 nên ta bác bỏ giả thiết H14, nghĩa là có sự khác biệt về sự hài lòng và các thành phần của sự hài lịng giữa nhân viên có hình thức lao động khác nhau. Cụ thể là nhân viên chính thức (mean=3.944) có sự hài lịng cao hơn cộng tác viên (3.931).
4.5.7 Thâm niên làm việc
H15: Không có sự khác biệt về sự hài lịng và các thành phần của sự hài lịng giữa nhân viên có thâm niên làm việc khác nhau. Thực tế, kết quả kiểm định Levene (Phụ lục 11.7) cho thấy, tất cả các giá trị sig đều lớn hơn 0.05 nghĩa là phương sai giữa các nhóm là như nhau. Kết quả Anova cho thấy giá trị sig đều lớn hơn 0.05 trừ giá trị sig của biến TH nên ta bác bỏ giả thiết H15, nghĩa là có sự khác biệt về sự hài lòng và các thành phần của sự hài lịng giữa NV có thâm niên làm việc khác nhau. Cụ thể là NV có thâm niên nhỏ hơn 2 năm (mean=4.52) có xu hướng đánh giá