nhà- cơ quan. Các thành phần này sẽ đƣợc đƣa vào phân tích hồi qui đa biến để thấy đƣợc nhân tố nào có ảnh hƣởng nhiều hay ít đến CTĐVCV của cơng chức thuế. Mơ hình điều chỉnh nhƣ sau :
Căng thẳng = β0+ β1* DACTINH +β2*MOITRUONG+ β3*CHINHSACH+ β4*QUANHE+ β5*VIECNHA
Trong đó: βk là hệ số hồi quy riêng phần (K=0,….5)
Hiệu chỉnh các giả thuyết :
Giả thuyết H1 : Thành phần Đặc tính của cơng việc và của ngành có ảnh hƣởng
dƣơng đến sự CTĐVCV của công chức thuế
Giả thuyết H2 : Thành phần môi trƣờng và văn hóa ngành có ảnh hƣởng dƣơng
đến sự CTĐVCV của công chức thuế
Giả thuyết H3 : Thành phần chính sách đãi ngộ có ảnh hƣởng dƣơng đến sự
CTĐVCV của công chức thuế.
Giả thuyết H4 : Thành phần mối quan hệ có ảnh hƣởng dƣơng đến sự CTĐVCV
của công chức thuế
Giả thuyết H5 : Thành phần Việc nhà- cơ quan có ảnh hƣởng dƣơng đến sự
CTĐVCV của cơng chức thuế.
Ngồi ra, để phân tích sâu hơn mang nhằm hiểu rõ sự khác biệt trong việc đánh giá mức độ căng thẳng đối với công việc của từng bộ phận, phịng ban, thâm niên cơng tác, giới tính, vị trí, chức vụ cơng tác, tác giả đƣa vào một số giả thuyết nhƣ sau:
Giả thuyết H6 : Có sự khác biệt trong mức độ CTĐVCV của công chức thuế theo
chức vụ
Giả thuyết H7 : Có sự khác biệt trong mức độ CTĐVCV của cơng chức thuế giữa
các phịng, ban với nhau
Giả thuyết H8 : Có sự khác biệt trong mức độ CTĐVCV của công chức thuế theo
thâm niên cơng tác.
Giả thuyết H9 : Có sự khác biệt trong đánh giá các thành phần gây căng thẳng theo
Giả thuyết H10 : Có sự khác biệt trong đánh giá các thành phần gây căng thẳng theo giới tính.
4.2.4. Phân tích hệ số tƣơng quan :
Phân tích hệ số tƣơng quan nhằm đo độ lớn trong mối liên hệ giữa các biến định lƣợng. Trong phân tích tƣơng quan, các biến có tính chất đối xứng, tức là khơng có sự phân biệt giữa các biến (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008).
Hệ số tƣơng quan Pearson và kiểm định 2 phía kết quả phân tích tƣơng quan theo phụ lục 7 cho thấy CTĐVCV có sự tƣơng quan chặt chẽ với 5 thành phần nêu rên, thấp nhất là 0.307- tƣơng quan biến CĂNG THẲNG với yếu tố VIỆC NHÀ- CƠ QUAN. Nhƣ vậy, 5 biến độc lập này đƣợc đƣa vào mơ hình hồi qui để xem mối quan hệ nhân quả của chúng với biến phụ thuộc- CĂNG THẲNG. Qua phân tích tƣơng quan, ta thấy 5 biến độc lập này có tƣơng quan với nhau khá chặt chẽ, nên kiểm định đa cộng tuyến sẽ tiến hành bƣớc sau để xác định liệu các biến độc lập có ảnh hƣởng với nhau khơng.
Bảng 4.8. Bảng phân tích hệ số tƣơng quan
Tƣơng quan DACTINH MOITRUON
G CHINHSACH QUANHE VIECNHA CANGTHANG
DACTINH
Tƣơng quan Pearson 1 .624** .451** .328** .542** .511**
Sig. (2-tailed) .000 .000 .000 .000 .000
N 216 216 216 216 216 216
MOITRUONG
Tƣơng quan Pearson .624** 1 .463** .683** .422** .639**
Sig. (2-tailed) .000 .000 .000 .000 .000
N 216 216 216 216 216 216
CHINHSACH
Tƣơng quan Pearson .451** .463** 1 .585** .601** .635**
Sig. (2-tailed) .000 .000 .000 .000 .000
N 216 216 216 216 216 216
QUANHE
Tƣơng quan Pearson .328** .683** .585** 1 .403** .701**
Sig. (2-tailed) .000 .000 .000 .000 .000
N 216 216 216 216 216 216
VIECNHA
Tƣơng quan Pearson .542** .422** .601** .403** 1 .307** Sig. (2-tailed) .000 .000 .000 .000 .000
N 216 216 216 216 216 216
CANGTHANG
Tƣơng quan Pearson .511** .639** .635** .701** .307** 1 Sig. (2-tailed) .000 .000 .000 .000 .000
N 216 216 216 216 216 216
4.2.5. Phân tích hồi quy đa biến
Sau khi tiến hành phân tích hệ số tƣơng quan, ta thấy năm thành phần trong mơ hình có tƣơng quan khá chặt chẽ, tiếp đến bƣớc này, 5 biến độc lập đƣợc đƣa vào phân tích cùng một lúc với biến phụ thuộc bằng phƣơng pháp ENTER để dự đoán tốt nhất mức độ thay đổi của biến phụ thuộc theo các biến độc lập.
Phân tích hồi quy xem xét độ phù hợp của mơ hình sau hiệu chỉnh thơng qua hệ số R2
Bảng 4.9. Kết quả hồi quy mơ hình đa biến R R2 R2 điều chỉnh Sai số chuẩn của
ƣớc lƣợng
Durbin- Watson
.851a .724 .716 .19358 1.650
Bảng 4.10. Bảng tóm tắt hệ số hồi quy
Đánh giá độ phù hợp của mơ hình hồi quy tuyến tính bội :
Ta thấy R2 điều chỉnh khi chạy mơ hình hồi qui khơng tăng lên mà cịn giảm xuống so với R2 , chứng tỏ mơ hình phù hợp vì nó khơng phụ thuộc vào độ lệch phóng đại của R2 và nó khơng thổi phồng mức độ phù hợp của mơ hình (Hồng Trọng & Chu Nguyễn Mộng Ngọc, 2008) .
R2 điều chỉnh = 0.716 giải thích đƣợc 71.6% độ biến thiên của dữ liệu, tức là 5 thành phần DACTINH, MOITRUONG, CHINHSACH, QUANHE, VIECNHA giải thích 71.6% biến thiên của dữ liệu, 28.4% còn lại là do các nguyên nhân khác.
Kiểm định độ phù hợp của mơ hình :
Kiểm định F= 115.622 (Phụ lục 7) trong bảng phân tích phƣơng sai ANOVA là phép kiểm định giả thuyết xem xét mối liên hệ tuyến tính giữa biến phụ thuộc (CĂNG THẲNG) với toàn bộ tập hợp của các biến độc lập. Giả thuyết Ho là β1=β2=β3=β4=β5=0 (ngoại từ hằng số ).
Giá trị Sig = .000< mức ý nghĩa 5% cho thấy ta sẽ an toàn bác bỏ giả thuyết H0 cho rằng tất cả các hệ số hồi quy bằng 0. Vậy mơ hình hồi quy tuyến tính bội đã xây dựng đã phù hợp và tập dữ liệu có thể sử dụng đƣợc. Đồng thời giải thích đƣợc có mối quan hệ tuyến tính giữa biến phụ thuộc CĂNG THẲNG đối với ít nhất một trong 5 biến độc lập.
Mơ h ình
Hệ số chƣa chuẩn hóa
Hệ số chuẩn hóa
t Sig.
Thống kê đa cộng tuyến
B Sai số chuẩn Beta Tolerance VIF
1 (Constant) .325 .127 2.18 .000 DACTINH .242 .013 .186 .678 .000 .725 1.236 MOITRUONG .326 .028 .214 1.811 .000 .325 2.524 CHINHSACH .413 .036 .315 3.165 .002 .627 1.840 QUANHE .119 .052 .096 .413 .000 .256 3.120 VIECNHA .217 .024 .187 1.312 .000 .520 1.914
Bảng 4.11. Bảng phân tích phƣơng sai ANOVA mơ hình hồi qui ANOVAb Mơ hình Tổng bình phương df BÌnh phương trung bình F Sig. 1 Hồi quy 207.132 5 41.426 115.622 .000a Phần dư 77.868 280 .378 Tổng 285.000 285 4.2.6. Dị tìm lỗi mơ hình :
Năm giả định dƣới đây đƣợc đƣa ra để dị tìm lỗi mơ hình và chứng tỏ mơ hình đang nghiên cứu khơng vi phạm các giả thuyết và hàm tuyến tính bội có ý nghĩa về mặt thống kê
4.2.6.1. Giả định liên hệ tuyến tính (Linearity):
Ta thấy giả định tuyến tính đƣợc thỏa mãn do giá trị dự báo chuẩn hóa và phần dƣ chuẩn hóa phân tán ngẫu nhiên, khơng theo một hình dạng nào