Kaiser-Meyer-Olkin Measure of Sampling Adequacy. 0.783 Bartlett's Test of Sphericity Approx. Chi-Square 440.693
df 15
Sig. 0.000
Nguồn: Kết quả xử lý dữ liệu của tác giả
Kết quả phân tích nhân tố cho thấy ở mức Eigenvalue bằng 3.180 > 1, có 1 thành phần được rút ra từ 6 biến quan sát và phương sai trích được là 53.004%, các nhân tố đều có hệ số tải nhân tố > 0.5, thấp nhất là 0.687.
Bảng 4.10: Kết quả phân tích nhân tố các thành phần của thang đo kết quả cơng việc Mã hóa Nhân tố 1 JP2 0.793 JP3 0.747 JP1 0.722 JP5 0.713 JP4 0.701 JP6 0.687 Giá trị Eigenvalue 3.180
Phương sai tích lũy 53.004
Nguồn: Kết quả xử lý dữ liệu của tác giả
4.3. Phân tích hồi quy
Từ kết quả phân tích nhân tố khám phá cho thấy có 4 thành phần của cơng bằng tổ chức tác động đến mối quan hệ lãnh đạo - nhân viên và kết quả công việc của nhân viên. Tiếp theo, phân tích hồi quy được thực hiện nhằm xác định sự tương quan này có tuyến tính hay khơng và mức độ quan trọng của từng thành phần tác
Phân tích hồi quy lần 1 được thực hiện với 4 biến độc lập bao gồm: công bằng phân phối, công bằng thủ tục, công bằng trong ứng xử giữa người quản lý và nhân viên, và công bằng thông tin và 1 biến phụ thuộc là mối quan hệ lãnh đạo - nhân viên.
Mơ hình hồi quy 1 như sau:
LMX = α + β1*DJ + β2*PJ + β3*IJ + β4*IN
Trong đó: α, β1, β2, β3, β4 là các hệ số hồi quy.
Mơ hình hồi quy 2 được thực hiện với 1 biến độc lập là mối quan hệ lãnh đạo - nhân viên và 1 biến phụ thuộc là kết quả công việc của nhân viên.
Mơ hình hồi quy 2 như sau: JP = α + β*LMX
4.3.1. Phân tích hồi quy tuyến tính bội giữa các yếu tố công bằng tổ chức và mối quan hệ lãnh đạo - nhân viên mối quan hệ lãnh đạo - nhân viên
4.3.1.1. Phân tích tương quan hồi quy bội
Bảng 4.11 trình bày ma trận tương quan giữa biến phụ thuộc là mối quan hệ lãnh đạo - nhân viên với các biến độc lập và tương quan giữa các biến độc lập với nhau.
Bảng 4.11: Ma trận tƣơng quan giữa công bằng tổ chức và mối quan hệ giữa lãnh đạo - nhân viên
DJ PJ IJ IN LMX DJ Tương quan Pearson 1 Sig. (2-tailed) PJ Tương quan Pearson 0.008 1 Sig. (2-tailed) 0.911 IJ Tương quan Pearson 0.002 0.173* 1 Sig. (2-tailed) 0.973 0.012 IN Tương quan Pearson 0.059 0.181** 0.134 1 Sig. (2-tailed) 0.396 0.008 0.052 LMX Tương quan Pearson 0.128 0.522** 0.427** 0.467** 1 Sig. (2-tailed) 0.063 0.000 0.000 0.000
*. Tương quan Pearson 0.05 level (2-tailed). **. Tương quan Pearson 0.01 level (2-tailed).
Nguồn: Kết quả xử lý dữ liệu của tác giả
Hệ số tương quan giữa biến phụ thuộc và các biến độc lập tương đối cao. Vì vậy, các biến độc lập có thể đưa vào mơ hình để giải thích cho mối liên hệ giữa công bằng tổ chức và mối quan hệ lãnh đạo - nhân viên.
4.3.1.2. Đánh giá sự phù hợp của mơ hình hồi quy tuyến tính bội
Hệ số R2 được dùng để đánh giá sự phù hợp của mơ hình hồi quy tuyến tính đối với dữ liệu, với nguyên tắc R2 càng gần 1 thì mơ hình đã xây dựng càng phù hợp với tập dữ liệu mẫu.
Bảng 4.12 cho thấy mơ hình hồi quy đưa ra tương đối phù hợp với tập dữ liệu mẫu với mức ý nghĩa 0.05. Hệ số R2 = 0.519 cho thấy mơ hình đưa ra chỉ giải
thích được 51.9% cho tổng thể về mối liên hệ giữa các thành phần của công bằng trong tổ chức ảnh hưởng đến mối quan hệ lãnh đạo - nhân viên.