CHƯƠNG 4 KẾT QUẢ NGHIÊN CỨU
4.3. Kiểm định mối quan hệ giữa các thành phần ảnh hưởng năng suất lao động và
và năng suất lao động
Trước khi phân tích hồi quy bội cần tiến hành phân tích mối quan hệ tương quan giữa tất cả các biến. Hệ số tương quan tuyến tính r (Pearson Correlation
Coefficient) là công cụ được sử dụng để xem xét mối liên hệ này. Giá trị tuyệt đối của r lớn hơn 0.6 và tiến gần đến 1 cho thấy các biến có mối tương quan chặt chẽ với nhau (r có giá trị từ -1 đến 1), nhỏ hơn 0.3 cho thấy sự tương quan lỏng (Hoàng Trọng – Chu Nguyễn Mộng Ngọc, 2008). Kết quả phụ lục 6 cho thấy các hệ số tương quan đều có Sig.(1-tailed) < 0.05, cho thấy dữ liệu là phù hợp để phân tích hồi quy bội.
4.3.1. Phương trình hồi qui tuyến tính
Theo cơ sở lý thuyết được trình bày ở chương 2, các yếu tố ảnh hưởng tới năng suất lao động là tiền tố dẫn đến năng suất lao động của nhân viên bán hàng, để kiểm định mối quan hệ nhân quả giữa biến phụ thuộc (Năng suất - NS) và các biến độc lập (Phản hồi - PH, Định hướng – DH, Thích nghi – TN, Cạnh tranh – CT, Tổ chức - TC) cần phải xây dựng một phương trình hồi quy tuyến tính. Giả sử các thành phần đều có tác động đến năng suất, ta có phương trình hồi quy tuyến tính như sau:
Mơ hình 1:
𝑃 =∝ +𝛽1𝑃𝐻 + 𝛽2𝐷𝐻 + 𝛽3𝑇𝑁 + 𝛽4𝐶𝑇 + 𝛽5𝑇𝐶
4.3.2. Đánh giá mức độ phù hợp của mơ hình
Để đánh giá mức độ phù hợp của mơ hình, cần xem xét giá trị của hệ số xác định R (R Square) và hệ số xác định R điều chỉnh (Adjusted R Square) trong bảng 4.7 – bảng tóm tắt mơ hình dưới đây:
Từ bảng 4.7 ta thấy giá trị Adjusted R Square (R2 điều chỉnh là 0.273) nhỏ hơn R Square (R2 là 0.287), dùng nó để đánh giá độ phù hợp của mơ hình sẽ an tồn hơn vì nó khơng thổi phồng mức độ phù hợp của mơ hình. R2 điều chỉnh >0 cho thấy sự
biến thiên của năng suất lao động được giải thích bởi mối liên hệ tuyến tính của các biến độc lập. Tuy nhiên, sự phù hợp này chỉ đúng với dữ liệu mẫu. Để kiểm định xem có thể suy diễn mơ hình cho tổng thể thực hay không ta phải kiểm định độ phù hợp của mơ hình thơng qua việc kiểm định giả thuyết H0 như sau:
Bảng 4.7. Bảng tóm tắt (Model Summaryb) Mơ
hình R R
2 R2 điều chỉnh
Ước lượng sai số chuẩn
Durbin- Watson
Giả thuyết: H0: β1 = β2 = β3 = β4 =β5 = 0
Nếu giả thuyết H0 bị bác bỏ thì có thể kết luận rằng kết hợp của các biến hiện có trong mơ hình có thể giải thích được thay đổi của năng suất lao động, điều này cũng có nghĩa là mơ hình ta xây dựng phù hợp với tập dữ liệu. Dùng giá trị F ở bảng phân tích ANOVA (bảng 4.8) sau để điểm định độ phù hợp của mơ hình hồi quy tuyến tính:
Bảng 4.8. Bảng phân tích phương sai (ANOVAb) Mơ hình Tổng bình phương df Bình phương TB F Sig. 1 Hồi quy 23.558 5 4.712 19.660 .000b Phần dư 58.477 244 .240 Tổng 82.035 249
Kiểm định F (Bảng 4.19) cho thấy mức ý nghĩa p (hệ số Sig.) = 0.000 < 0.05, bác bỏ giả thuyết H0, như vậy mơ hình hồi quy phù hợp với tập dữ liệu và có thể suy rộng ra cho tồn tổng thể.
Trước khi trình bày mơ hình hồi qui tuyến tính cần phải dị tìm vi phạm giả định về phân phối chuẩn của phần dư. Nếu giả định bị vi phạm thì các kết quả ước lượng không đáng tin cậy được. Để xem giả định phân phối chuẩn có bị vi phạm khi áp dụng hồi quy bội không, ta xét giá trị phần dư trong bảng 4.9 sau:
Bảng 4.9. Bảng thống kê mô tả phần dư (Residuals Statisticsa) Nhỏ nhất Lớn nhất TB Độ lệch chuẩn N
Độ lệch phần dư -3.033 2.044 .000 .992 250
Kết quả cho thấy, phần dư có giá trị trung bình mean = 0.000 và độ lệch chuẩn (Std.Deviation) = 0.992 rất gần 1 cho thấy phân phối chuẩn không bị vi phạm.
4.3.3. Dị tìm sự vi phạm các giả định cần thiết trong hồi qui tuyến tính Giả định liên hệ tuyến tính
Người ta hay vẽ biểu đồ phân tán giữa hai giá trị các phần dư và giá trị dự đốn đã được chuẩn hóa, nếu giả định liên hệ tuyến tính và phương sai bằng nhau được thỏa mãn, thì ta sẽ khơng nhận thấy có sự liên hệ gì giữa các giá trị dự đốn và phần
dư, chúng sẽ phân tán rất ngẫu nhiên (Hoàng Trọng – Chu Nguyễn Mộng Ngọc, 2008).
Hình 4.4. Biểu đồ phân tán của giá trị phần dư và giá trị dự đốn đã được chuẩn hóa
Hình 4.4 cho thấy phần dư được phân tán ngẫu nhiên trong một vùng đi qua tung độ 0 chứ khơng tạo thành một hình dạng nào, vì vậy giả định tuyến tính được thỏa mãn.
Giả định về tính độc lập của sai số
Đại lượng thống kê Durbin – Watson (d) có thể dùng để kiểm định tương quan của các sai số kề nhau (Tương quan chuỗi bậc nhất). Giả thuyết khi tiến hành kiểm định này là:
H0: Hệ số tương quan tổng thể các phần dư = 0
Đại lượng d có giá trị biến thiên trong khoảng từ 0 đến 4. Nếu các phần dư khơng có chuỗi tương quan bậc nhất với nhau, giá trị d sẽ gần bằng 2. Giá trị d thấp (và nhỏ hơn 2) có nghĩa là các phần dư gần nhau có tương quan thuận. Giá trị d lớn hơn 2 (và gần 4) có nghĩa là các phần dư có tương quan nghịch (Hồng Trọng – Chu Nguyễn Mộng Ngọc, 2008).
Ta có kết quả Durbin – Watson như trong bảng 4.7 là 1.844. Giá trị d tra bảng Durbin – Watson với 5 biến độc lập và 18 biến quan sát là (dL = 0.710; dU = 2.060),
giá trị d tính được rơi vào miền chấp nhận giả thuyết khơng có tương quan chuỗi bậc nhất, các phần dư khơng có mối tương quan.
Đo lường đa cộng tuyến
Bảng 4.10. Bảng trọng số hồi quy (Coefficientsa)
Mơ hình Hệ số hồi quy chưa chuẩn hoá Hệ số hồ quy đã chuẩn hoá Giá trị kiểm định t Sig. Thống kê đa cộng tuyến B Sai số chuẩn Beta Dung sai VIF 1 (Hằng số) 1.137 .287 3.959 .000 PH .122 .049 .146 2.496 .013 .851 1.317 DH .231 .055 .279 4.207 .000 .666 1.769 TN .114 .048 .131 2.374 .018 .959 1.432 CT .112 .044 .160 2.546 .012 .737 1.723 TC .131 .059 .130 2.199 .029 .840 1.628 Biến phụ thuộc: P
Kết quả cho thấy tất cả các chỉ số VIF đều nhỏ hơn 2 chứng tỏ các biến độc lập khơng có quan hệ chặt chẽ với nhau, do đó mơ hình hồi qui khơng có hiện tượng đa cộng tuyến.