CHƯƠNG 4 : THIẾT KẾ NGHIÊN CỨU VÀ KẾT QUẢ NGHIÊN CỨU
4.2. Kết quả nghiên cứu
4.2.3. Đánh giá thang đo bằng phân tích yếu tố khám phá EFA cho các biến độc
độc lập, và biến phụ thuộc
4.2.3.1. Phân tích yếu tố khám phá EFA cho các biến độc lậ
Bảng 4. 12: Bảng hệ số KMO
KMO and Bartlett's Test (Kiểm định KMO và Bartlett)
Hệ số KMO .850
Kiểm định Barlett Giá trị Chi bình phương
xấp xỉ 1771.562
Df 190
Sig. .000
Kết quả phân tích yếu tố khám phá EFA như sau:
Hệ số 0.5 <KMO = 0.850 <1, chứng tỏ việc phân tích các yếu tố là thích hợp.
Kiểm định Barlett’s cho kết quả Sig = .000 < 0.05, chứng tỏ kiểm định có ý nghĩa thống kê, có thể sử dụng kết quả phân tích yếu tố khám phá EFA.
Bảng 4. 13: Phương sai trích Total Variance Explained (Tổng phương sai trích) Total Variance Explained (Tổng phương sai trích)
Component Thành phần
Eigenvalues khởi tạo
Extraction Sums of Squared Loadings
Rotation Sums of Squared Loadings Total % of Variance Cumulative % Total % of Variance Cumulative % Total % of Variance Cumulative % 1 7.620 38.102 38.102 7.620 38.102 38.102 3.532 17.661 17.661 2 2.402 12.010 50.112 2.402 12.010 50.112 3.105 15.523 33.184 3 1.733 8.666 58.778 1.733 8.666 58.778 2.391 11.955 45.140 4 1.518 7.591 66.369 1.518 7.591 66.369 2.312 11.561 56.700 5 1.230 6.149 72.518 1.230 6.149 72.518 2.150 10.750 67.451 6 1.019 5.096 77.614 1.019 5.096 77.614 2.033 10.163 77.614 7 .732 3.661 81.275 8 .640 3.199 84.474 9 .469 2.346 86.819 10 .384 1.918 88.737 11 .346 1.729 90.466 12 .326 1.632 92.098 13 .292 1.458 93.556 14 .254 1.269 94.824 15 .231 1.157 95.981 16 .205 1.025 97.006 17 .179 .896 97.902 18 .174 .869 98.771 19 .142 .712 99.483 20 .103 .517 100.000 Extraction Method: Principal Component Analysis.
Kết quả phân tích yếu tố khám phá cho ra kết quả:
Hệ số Eigenvalue = 1.019 > 1, chứng tỏ yếu tố rút trích được có ý nghĩa tóm tắt thơng tin tốt.
Tổng phương sai trích = 77.614% (> 50%), điều này cho thấy 6 yếu tố rút trích được giải thích 77,614% biến thiên của biến phụ thuộc.
Bảng 4. 14: Ma trận xoay nhân tố độc lập Rotated Component Matrixa Rotated Component Matrixa
Component 1 2 3 4 5 6 VH5 .811 VH3 .808 VH4 .753 VH1 .752 VH2 .679 TN1 .899 TN3 .874 TN2 .857 ĐT1 .887 ĐT2 .852 ĐT3 .740 LĐ3 .855 LĐ1 .770 LĐ2 .767 CV3 .776 CV2 .723 CV1 .706 CN3 .871 CN1 .777 CN2 .694
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 6 iterations.
Dựa vào Bảng ma trận xoay yếu tố Rotated Component Matrix ta thấy các hệ số tải yếu tố đều > 0.5, hội tụ về cùng một yếu tố lớn, không phân biệt, đảm bảo ý nghĩa, nên khơng có biến nào bị loại, và là cơ sở để phân tích tương quan Pearson và thiết lập phương trình hồi quy tuyến tính bội.
4.2.3.2. Phân tích yếu tố khám phá EFA cho biến phụ thuộc, kết quả như sau:
Bảng 4. 15: Ma trận xoay nhân tố phụ thuộc
Rotated Component Matrixa
a. Only one component was extracted. The solution cannot be rotated.
Kết quả phân tích cho ra 1 Component chứng tỏ các biến chỉ hội tụ vào một yếu tố, và khơng có ma trận xoay, đáp ứng yêu cầu kiểm định.
4.2.4. Phân tích tương quan Pearson và Hồi quy tuyến tính bội:
4.2.4.1. Phân tích tương quan Pearson
Phân tích tương quan Pearson với dữ liệu thu thập về các yếu tố tác động đến động lực làm việc của người lao động tại Công ty Bảo hiểm Bưu điện TP.HCM, kết quả được thể hiện như sau:
Bảng 4. 16: Kết quả tương quan Pearson Correlations Correlations ĐL TN LĐ VH CV CN ĐT ĐL Pearson Correlation 1 .660** .602** .564** .501** .237** .434** Sig. (2-tailed) .000 .000 .000 .000 .005 .000 N 136 136 136 136 136 136 136 TN Pearson Correlation .660** 1 .367** .423** .346** .090 .334** Sig. (2-tailed) .000 .000 .000 .000 .299 .000 N 136 136 136 136 136 136 136 LĐ Pearson Correlation .602** .367** 1 .560** .519** .258** .299** Sig. (2-tailed) .000 .000 .000 .000 .002 .000 N 136 136 136 136 136 136 136 VH Pearson Correlation .564** .423** .560** 1 .601** .357** .404** Sig. (2-tailed) .000 .000 .000 .000 .000 .000 N 136 136 136 136 136 136 136 CV Pearson Correlation .501** .346** .519** .601** 1 .326** .430** Sig. (2-tailed) .000 .000 .000 .000 .000 .000 N 136 136 136 136 136 136 136 CN Pearson Correlation .237** .090 .258** .357** .326** 1 .173* Sig. (2-tailed) .005 .299 .002 .000 .000 .044 N 136 136 136 136 136 136 136 ĐT Pearson Correlation .434** .334** .299** .404** .430** .173* 1 Sig. (2-tailed) .000 .000 .000 .000 .000 .044 N 136 136 136 136 136 136 136 **. Correlation is significant at the 0.01 level (2-tailed).
*. Correlation is significant at the 0.05 level (2-tailed).
Dựa vào Bảng 4.16 ta thấy, giá trị Sig. giữa các biến độc lập và biến phụ thuộc đều nhỏ hơn 0,05 nên chúng ta kết luận rằng có mối quan hệ tương quan tuyến tính giữa các biến độc lập và biến phụ thuộc. Do vậy, tất cả các biến độc lập đều được đưa vào phân tích hồi quy tuyến tính bội để xem mức độ tác động của chúng đối với biến phụ thuộc.
4.2.4.2. Phân tích Hồi quy tuyến tính bội
Để biết được từng yếu tố độc lập có ảnh hưởng lên yếu tố phụ thuộc hay khơng, nếu có thì mức độ ảnh hưởng là như thế nào, để từ đó đưa ra các giải pháp đề xuất cần thiết và hữu hiệu, tác giả thực hiện bước phân tích hồi quy tuyến tính bội.
Các hệ số chỉ có ý nghĩa khi hội đủ các điều kiện sau: Giá trị Sig < 0.05
Durbin – Watson từ 1 đến 3 VIF từ 1 đến 3
R2 hiệu chỉnh ≥ 50%
Kết quả phân tích hồi quy lần 1, chương trình cho ra kết quả như sau:
Bảng 4. 17: Hệ số R bình phương hiệu chỉnh phân tích lần 1 Model Summaryb Model Summaryb Model R R2 R2 hiệu chỉnh Std. Error of the Estimate Durbin-Watson 1 .791a .625 .608 1.113 1.908 a. Predictors: (Constant), CN, TN, ĐT, LĐ, CV, VH b. Dependent Variable: ĐL
Bảng 4. 18: Giá trị Sig. trong ANOVA phân tích hồi quy lần 1 ANOVAa ANOVAa
Model Sum of Squares df Mean Square F Sig. 1 Regression 266.911 6 44.485 35.894 .000b
Residual 159.874 129 1.239 Total 426.786 135
a. Dependent Variable: ĐL
Bảng 4. 19: Hệ số Sig. biến thiên trong phân tích hồi quy lần 1 Coefficientsa Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. Collinearity Statistics B Std.
Error Beta Tolerance VIF 1 (Constant) -.163 .339 -.482 .631 TN .441 .062 .438 7.090 .000 .760 1.315 LĐ .351 .080 .301 4.404 .000 .620 1.614 VH .150 .105 .109 1.429 .156 .496 2.018 ĐT .146 .076 .119 1.926 .056 .759 1.318 CV .097 .111 .063 .870 .386 .545 1.834 CN .067 .099 .040 .677 .500 .843 1.186 a. Dependent Variable: ĐL
R bình phương hiệu chỉnh = 0.608>0.5 đạt yêu cầu Durbin – Watson = 1.908 gần bằng 2 đạt yêu cầu
Giá trị Sig. trong Bảng ANOVA = 0.000 < 0.5 chứng tỏ có sự khác biệt có ý nghĩa thống kê giữa các biến độc lập tác động lên biến phụ thuộc
VIF từ 1-3 đạt yêu cầu
Tuy nhiên, giá trị Sig. của một số yếu tố độc lập quá lớn, chưa đáp ứng yêu cầu kiểm định. Do vậy, tác giả lần lượt hủy bỏ yếu tố độc lập có giá trị Sig lớn nhất (yếu tố Công nhận các việc đã làm, Sig = 0.500) để tiến hành chạy mơ hình hồi quy lần 2.
Kết quả phân tích hồi quy lần 2 như sau:
Bảng 4. 20: Hệ số R bình phương hiệu chỉnh phân tích hồi quy lần 2 Model Summaryb Model Summaryb
Model R R
2 R2 hiệu chỉnh Std. Error of the
Estimate Durbin-Watson 1 .790a .624 .610 1.111 1.911 a. Predictors: (Constant), CV, TN, ĐT, LĐ, VH
Bảng 4. 21: Giá trị Sig. trong ANOVA phân tích hồi quy lần 2 ANOVAa ANOVAa
Model Sum of Squares Df Mean Square F Sig. 1 Regression 266.343 5 53.269 43.162 .000b
Residual 160.442 130 1.234 Total 426.786 135
a. Dependent Variable: ĐL
b. Predictors: (Constant), CV, TN, ĐT, LĐ, VH
Bảng 4. 22: Hệ số Sig. biến thiên trong phân tích hồi quy lần 2 Coefficientsa Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 (Constant) -.075 .313 -.240 .810 TN .437 .062 .434 7.072 .000 .768 1.302 LĐ .354 .079 .304 4.452 .000 .621 1.610 VH .165 .103 .120 1.601 .112 .517 1.936 ĐT .146 .075 .120 1.938 .055 .759 1.318 CV .107 .110 .070 .973 .332 .556 1.799 a. Dependent Variable: ĐL
R bình phương hiệu chỉnh = .610>0.5 đạt yêu cầu Durbin – Watson = 1.911 gần bằng 2 đạt yêu cầu
Sig. trong Bảng ANOVA = 0.000 < 0.5 chứng tỏ có sự khác biệt có ý nghĩa thống kê giữa các biến độc lập tác động lên biến phụ thuộc
VIF từ 1-3 đạt yêu cầu
Tuy nhiên, giá trị Sig. của yếu tố độc lập Cơng việc (CV) cịn q lớn (0.332), chưa đáp ứng yêu cầu kiểm định. Do vậy, tác giả hủy bỏ yếu tố độc lập Công việc (CV) để tiến hành chạy mơ hình hồi quy lần 3.
Kết quả phân tích hồi quy lần 3 như sau:
Bảng 4. 23: Hệ số R bình phương hiệu chỉnh phân tích hồi quy lần 3 Model Summaryb Model Summaryb
Model R R
2 R2 hiệu chỉnh Std. Error of the
Estimate Durbin-Watson 1 .788a .621 .610 1.111 1.911 a. Predictors: (Constant), ĐT, LĐ, TN, VH
Bảng 4. 24: Giá trị Sig. trong ANOVA phân tích hồi quy lần 3 ANOVAa ANOVAa
Model Sum of Squares Df Mean Square F Sig. 1 Regression 265.174 4 66.294 53.737 .000b
Residual 161.611 131 1.234 Total 426.786 135
a. Dependent Variable: ĐL
b. Predictors: (Constant), ĐT, LĐ, TN, VH
Bảng 4. 25: Hệ số Sig. biến thiên trong phân tích hồi quy lần 3 Coefficientsa Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF 1 (Constant) .003 .302 .010 .992 TN .439 .062 .436 7.120 .000 .769 1.300 LĐ .373 .077 .320 4.854 .000 .663 1.508 VH .201 .096 .146 2.092 .038 .593 1.685 ĐT .163 .073 .133 2.220 .028 .801 1.248 a. Dependent Variable: ĐL
Hệ số R bình phương điều chỉnh là 0.610% > 50% đạt yêu cầu Hệ số Durbin-Watson = 1.911 gần bằng 2, đạt yêu cầu.
Giá trị Sig. trong Bảng ANOVA = .000 < 0.05 đạt yêu cầu Giá trị VIF < 2 đạt yêu cầu
Giá trị Sig. của các nhân tố độc lập trong Bảng Coefficientsa (Bảng 4.22) có kết quả như sau:
Sig. TN = .000 < .05 Sig. LĐ = .000 < .05 Sig. VH = .038 < .05 Sig. ĐT = .028 < .05
Như vậy, giá trị Sig. của các biến độc lập đều nhỏ hớn 0.05, chứng tỏ biến độc lập có tương quan tuyến tính đến yếu tố phụ thuộc, nghĩa là chúng có tác động đến biến phụ thuộc
Giá trị R bình phương hiệu chỉnh là 0.610, điều này phản ánh mức độ ảnh hưởng của 4 biến độc lập lên biến phụ thuộc là 61%, còn lại 39% là do các biến ngồi mơ hình và sai số ngẫu nhiên ảnh hưởng đến biến phụ thuộc. Điều này cho ta thấy rằng, các biến độc lập được xác định là phù hợp với mơ hình phân tích và có tác động lớn đến biến phụ thuộc.
Kiểm định F
Trong nghiên cứu, việc khảo sát tổng thể là rất lớn, chúng ta khơng thể khảo sát hết tồn bộ, nên thường trong nghiên cứu, chúng ta chỉ chọn ra một lượng mẫu giới hạn để tiến hành điều tra, từ đó suy ra tính chất chung của tổng thể. Mục đích của kiểm định F trong Bảng ANOVA chính là để kiểm tra xem mơ hình hồi quy tuyến tính này có suy rộng và áp dụng được cho tổng thể hay không. Cụ thể trong trường hợp này, giá trị Sig. của kiểm định F là 0.000 < 0.05. Như vậy, mơ hình hồi quy tuyến tính xây dựng được phù hợp với tổng thể.
Kiểm định giá trị VIF, giá trị này dùng để kiểm tra hiện tượng đa cộng tuyến. Theo lý thuyết nhiều tài liệu viết, VIF < 10 sẽ khơng có hiện tượng đa cộng tuyến. Tuy nhiên trên thực tế với các đề tài nghiên cứu có mơ hình, cùng Bảng câu hỏi sử dụng thang đo Likert thì VIF < 2 sẽ khơng có đa cộng tuyến.
Với kết quả như trên, giá trị Sig. của các biến độc lập trong Bảng
Coefficientsa (Bảng 4.22) đều nhỏ hơn 0.05, do đó các biến độc lập này đều có ý nghĩa giải thích cho biến phụ thuộc, khơng biến nào bị loại bỏ. Hệ số VIF nhỏ hơn 2 do vậy khơng có đa cộng tuyến xảy ra.
Với lập luận nêu trên, việc phân tích hồi quy tuyến tính bội có ý nghĩa thống kê, các biến độc lập có tác động mạnh đến biến phụ thuộc, và phương trình hồi quy chuẩn hóa được thể hiện như sau:
ĐL = 0.436TN + 0.320LĐ + 0.146VH + 0.133ĐT
ĐL: Yếu tố Động lực làm việc TN: Yếu tố Thu nhập
LĐ: Yếu tố Lãnh đạo VH: Yếu tố Văn hóa
ĐT: Yếu tố Đào tạo Thăng tiến
Việc sử dụng hệ số hồi quy chuẩn hóa, giúp chúng ta so sánh và thấy được mức độ giải thích của biến độc lập cho biến thiên của biến phụ thuộc. Nếu chúng ta sử dụng hệ số hồi quy chưa chuẩn hóa, chúng ta khơng thể so sánh được mức độ ảnh hưởng của các biến độc lập cho biến thiên của biến phụ thuộc, do thang đo lường của chúng là khác nhau
Mơ hình các yếu tố tác động đến động lực làm việc của người lao động tại Công ty Bảo hiểm Bưu điện TP.HCM được thiết kế lại như sau:
Hình 4. 3: Mơ hình kết quả các yếu tố tác động đến động lực làm việc của người lao động
tại Công ty Bảo hiểm Bưu điện TP.HCM
Như vậy, kết quả phân tích hồi quy tuyến tính bội, yếu tố Cơng việc (CV), yếu tố Công nhận các công việc đã làm (CN), có giá trị Sig. trong phân tích hồi quy đều lớn hơn 0.05, nên đã bị loại bỏ. Điều này có thể hiểu rằng, các yếu tố độc lập này hoặc khơng có tác động đến động lực làm việc của người lao động tại công ty Bảo hiểm Bưu điện TP.HCM hoặc mức độ tác động là rất ít đến động lực làm việc.
0.133 0.320 0.146 0.436 Thu nhập (TN) Lãnh đạo (LĐ) Văn hóa (VH)
Đào tạo thăng tiến (ĐT)
Biểu đồ tần số phần dư chuẩn hóa Histogram
Hình 4. 4: Biểu đồ tần số phần dư chuẩn hóa Histogram
Nguồn: tác giả phân tích SPSS
Từ Hình 4.4 ta thấy một đường cong phân phối chuẩn được đặt chồng lên biểu đồ tần số. Đường cong này có dạng hình chng, phù hợp với dạng đồ thị của phân phối chuẩn. Giá trị trung bình Mean gần bằng 0 (7.91E-16), độ lệch chuẩn (Std.Dev.) là 0.985 gần bằng 1, như vậy có thể nói, phân phối phần dư xấp xỉ chuẩn. Do đó, có thể kết luận rằng: Giả thiết phân phối chuẩn của phần dư không bị vi phạm.
Biểu đồ phần dư chuẩn hóa Normal P-P Plot
Hình 4. 5: Biểu đồ phần dư chuẩn hóa Normal P-P Plot
Nguồn: tác giả phân tích SPSS
Kết quả Hình 4.5 cho thấy, các điểm quan sát không phân tán quá xa đường thẳng kỳ vọng, nên có thể kết luận giả thiết phân phối chuẩn không bị vi phạm.
Biểu đồ Scatter Plot kiểm tra giả định liên hệ tuyến tính
Hình 4. 6: Biểu đồ Scatter Plot kiểm tra giả định liên hệ tuyến tính
Nguồn: tác giả phân tích SPSS
Kết quả từ Hình 4.6 cho thấy, phần dư chuẩn hóa phân bổ tập trung xunh quanh đường hoành độ 0, do vậy giả định quan hệ tuyến tính khơng bị vi phạm.
4.2.5. Kiểm định giá trị trung bình MEAN của từng yếu tố
Kết quả hồi quy có được 4 yếu tố tác động đến động lực làm việc, tác giả tiến hành kiểm định giá trị trung bình của từng yếu tố để xem xét mức độ phù hợp của khảo sát đối với phân tích nêu trên.
Dựa vào cấp độ của câu hỏi khảo sát, tác giả phân chia ý nghĩa các mức như sau: 0 – 2: Rất không đồng ý 2.1 – 4: Không đồng ý 4.1 – 6: Trung bình 6.1 – 8: Đồng ý 8.1– 10: Rất đồng ý
4.2.5.1. Đối với yếu tố thu nhập (TN)
Bảng 4. 26: Giá trị trung bình của yếu tố thu nhập (TN) Descriptive Statistics
Yếu tố hiệu Mã N Minimum Maximum Mean
Std. Deviation Thu nhập TN 136 1 10 3.36 1.767 Thu nhập của Anh/Chị hiện nay
phù hợp với năng lực và đóng góp
của Anh/Chị. TN1 136 1.0 10.0 3.250 1.8288 Thu nhập của Anh/Chị phù hợp so
với mặt bằng chung trên thị trường. TN2 136 1.0 10.0 3.581 2.0890