CS DG TT HS
CS Tương quan Pearson Sig. (2-tailed) 1 0,393** 0,000 0,253** 0,000 0,705** 0,000
DG Tương quan Pearson Sig. (2-tailed) 0,393** 0,000 1 0,230** 0,000 0,509** 0,000
TT Tương quan Pearson Sig. (2-tailed) 0,253** 0,000 0,230** 0,000 1 0,440** 0,000
HS Tương quan Pearson Sig. (2-tailed) 0,705** 0,000 0,509** 0,000 0,440** 0,000 1 **. Mức ý nghĩa 0,01(2-tailed).
Nguồn: Kết quả xử lý dữ liệu_Phụ lục 7
Theo ma trận tương quan trên, ta thấy các biến đều có tương quan với mức ý nghĩa 0,01. Mối tương quan giữa biến phụ thuộc (HS) với từng biến độc lập ( CS, DG, TT) là khá chặt chẽ, trong đó, nhân tố chính sách lương có tương quan thuận với hiệu suất làm việc ( r = 0,705, p < 0,01), tiếp đến là nhân tố đánh giá hiệu quả làm việc ( r = 0,509, p < 0,01) và mối tương quan thấp nhất với hiệu suất làm việc là nhân tố chính sách thăng tiến ( r = 0,440, p< 0,01), sơ bộ ta có thể kết luận các biến độc lập này có
thể đưa vào mơ hình để giải thích cho biến hiệu suất làm việc của nhân viên. Hệ số tương quan giữa các biến độc lập với nhau ở mức tương đối nên không đáng lo ngại hiện tượng đa cộng tuyến có thể xảy ra, nhưng cũng cần xem xét trong q trình phân tích.
4.4.2. Đánh giá và kiểm định độ phù hợp của mơ hình hồi qui bội
Kết quả đánh giá độ phù hợp của mơ hình được thể hiện qua bảng sau: Bảng 4.8: Bảng đánh giá độ phù hợp của mơ hình
Mơ hình R Hệ số R 2 Hệ số R2 hiệu chỉnh Sai số chuẩn của đo lường 1 0,793.a 0,629 0,624 0,28724 a. Dự báo: (Hằng số), TT, CS, DG
Nguồn: Kết quả xử lý dữ liệu_Phụ lục 7
Từ bảng 4.8, ta thấy mơ hình hồi qui đưa ra tương đối phù hợp với mức ý nghĩa 0,05. Hệ số R2 hiệu chỉnh = 0,629 tương đương 62,9%, có nghĩa là các biến độc lập trong mơ hình hồi qui bội gồm chính sách lương, đánh giá hiệu quả cơng việc và chính sách thăng tiến giải thích được 62,9% hiệu suất làm việc của nhân viên.
Kiểm định F được sử dụng trong bảng phân tích phương sai ANOVA là phép kiểm định giả thuyết về độ phù hợp của mơ hình hồi qui tổng thể. Ý nghĩa của kiểm định này là xem xét biến phụ thuộc có quan hệ tuyến tính với tồn bộ tập hợp các biến độc lập hay không. Với giả thiết Ho là mơ hình hồi quy tuyến tính bội khơng phù hợp (β1 = β2 = β3 = 0). Giá trị F trong nghiên cứu là 116,615 được tính từ giá trị R2 với mức ý nghĩa sig. = 0,000 < 0,05 cho thấy có thể bác bỏ giả thiết Ho, mơ hình hồi qui bội phù hợp với dữ liệu thu thập được.
Bảng 4.9: Bảng kiểm định độ phù hợp của mơ hình Mơ hình Tổng bình Mơ hình Tổng bình phương df Bình phương trung bình F Mức ý nghĩa (Sig.) 1 Hồi quy 20,512 3 6,837 55,962 0,000a Phần dư 25,169 206 0,122 Tổng 45,681 209
a. Dự báo: (Hằng số), TT, CS, DG; b. Biến phụ thuộc: HS
Nguồn: Kết quả xử lý dữ liệu_Phụ lục 7
4.4.3. Kiểm định các giả định trong mơ hình hồi qui bội
Theo Hồng Trọng và Chu Nguyễn Mộng Ngọc (2008), phân tích hồi qui khơng phải chỉ là việc mô tả các dữ liệu quan sát được. Từ các kết quả quan sát được trong mẫu, ta phải suy rộng kết luận cho mối quan hệ giữa các biến trong tổng thể. Sự chấp nhận và diễn dịch kết quả hồi qui không thể tách rời các giả định cần thiết và những chuẩn đốn về sự vi phạm các giả định đó. Nếu các giả định bị vi phạm thì các kết quả ước lượng được khơng đáng tin cậy. Vì vậy, để đảm bảo sự diễn dịch từ kết quả hồi qui của mẫu cho tổng thể có giá trị, ta tiến hành kiểm định các giả định trong mơ hình hồi qui, bao gồm các giả định như sau:
- Giả định khơng có hiện tượng đa cộng tuyến giữa các biến độc lập. - Giả định phần dư có phân phối chuẩn.
- Giả định khơng có sự tương quan giữa các phần dư.
4.4.3.1. Giả định khơng có hiện tượng đa cộng tuyến giữa các biến độc lập
Đa cộng tuyến là hiện tượng mà trong đó có sự tồn tại của nhiều hơn một mối quan hệ tuyến tính chính xác. Tức là giữa các biến độc lập có thể có một biến nào đó được biểu diễn bởi tổ hợp tuyến tính của các biến cịn lại. Hiện tượng này sẽ dẫn đến những hậu quả nghiêm trọng trong phân tích hồi qui như kiểm định t sẽ khơng cịn ý nghĩa, dấu của các ước lượng hệ số hồi qui có thể sai (Hồng Ngọc Nhậm, 2008).
Trong mơ hình hồi qui bội, giả định giữa các biến độc lập của mơ hình khơng có hiện tượng đa cộng tuyến.
Bảng 4.10: Kết quả hồi qui
Mơ hìn
h
Tên biến Hệ số hồi quy chưa chuẩn hóa Hệ số hồi quy chuẩn hóa Giá trị t Mức ý nghĩa Sig. Thống kê đa cộng tuyến
B Sai số chuẩn Beta Dung sai VIF
1
Hằng số 0,262 0,187 1,400 0,163
CS 0,474 0,042 0,532 11,250 0,000 0,804 1,244
DG 0,220 0,038 0,265 5,736 0,000 0,844 1,184
TT 0,254 0,041 0,271 6,175 0,000 0,935 1,070
Nguồn: Kết quả xử lý dữ liệu_Phụ lục 7
Để kiểm định có hiện tượng đa cộng tuyến giữa các biến độc lập hay không ta xét hệ số phóng đại phương sai (VIF). Hệ số phóng đại phương sai (VIF) nếu có giá trị vượt quá 10 là dấu hiệu của hiện tượng đa cộng tuyến (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Nhìn từ bảng kết quả trên, ta thấy hệ số VIF của tất cả các biến từ 1,070 đến 1,244 nhỏ hơn 10, do đó có thể kết luận hiện tượng đa cộng tuyến khơng ảnh hưởng đến kết quả giải thích của mơ hình.
4.4.3.2. Giả định phần dư có phân phối chuẩn
Phần dư có thể khơng tn theo phân phối chuẩn vì những lý do như: sử dụng sai mơ hình, phương sai không phải là hằng số, số lượng các phần dư khơng đủ nhiều để phân tích (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Kết quả từ biểu đồ Histogram dưới đây cho thấy một đường cong của phân phối chuẩn được đặt chồng lên biểu đồ tần số, phân phối của phần dư xấp xỉ chuẩn, giá trị trung bình Mean quá nhỏ (xấp xỉ bằng 0) và độ lệch chuẩn là 0,993 (xấp xỉ bằng 1). Do đó có thể kết luận rằng dữ liệu phần dư có phân phối chuẩn.
Biểu đồ 4.1: Biểu đồ phần dư
Nguồn: Kết quả xử lý dữ liệu_Phụ lục 7
4.4.3.3. Giả định khơng có sự tương quan giữa các phần dư
Phần dư là phần chênh lệch giữa giá trị quan sát của mẫu với giá trị tính được từ mơ hình. Nếu phần dư được sắp xếp khơng theo thứ tự hay hình dáng rõ ràng nhất định thì mơ hình được xây dựng là đúng, nếu khơng thì cần phải điều chỉnh lại mơ hình. Để biết mối quan hệ của các phần dư ta có thể dùng hệ số Durbin – Watson để kiểm định tương quan của các sai số kề nhau (tương quan chuỗi bậc nhất), nếu các phần dư khơng có tương quan chuỗi bậc nhất với nhau, giá trị d sẽ gần bằng 2 (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Giá trị Durbin – Watson trong nghiên cứu này có giá trị d đạt được là 1,762 (gần với giá trị 2) nên giả định khơng có sự tương quan giữa các phần dư được chấp nhận.
Bảng 4.11: Kết quả kiểm định giả định khơng có sự tương quan giữa các phần dư
Mơ hình R Hệ số R2 Hệ số R2
hiệu chỉnh
Sai số chuẩn của đo lường
Durbin – Watson
1 0,793.a 0.629 0,624 0,28724 1,762
Nguồn: Kết quả xử lý dữ liệu_Phụ lục 7
4.4.4. Ý nghĩa các hệ số hồi qui riêng phần trong mơ hình
Các hệ số hồi qui riêng trong mơ hình dùng để kiểm định vai trị quan trọng của các biến độc lập tác động như thế nào đối với biến phụ thuộc. Cụ thể hơn, các hệ số hồi qui riêng phần cho biết mức độ ảnh hưởng của các biến bao gồm chính sách lương, đánh giá hiệu quả làm việc và chính sách thăng tiến lên hiệu suất làm việc.
Các thông số thống kê của từng biến trong mơ hình được thể hiện qua bảng 4.10. Kết quả hồi qui riêng phần cho thấy các biến độc lập ( CS, DG, TT) có ảnh hưởng đến hiệu suất làm việc với mức ý nghĩa Sig. < 0,05. Dựa vào kết quả phân tích hồi qui trên, phương trình hồi qui thể hiện mối quan hệ giữa các nhân tố quản trị nguồn nhân lực và hiệu suất làm việc của nhân viên như sau:
HS = 0,532 * CS + 0,265 * DG + 0,271 * TT Hay:
Hiệu suất làm việc = 0,532 * Chính sách lương + 0,265 * đánh giá hiệu quả làm việc + 0,271 * Chính sách thăng tiến.
4.4.5. Kiểm định các giả thiết trong mơ hình nghiên cứu
Kết quả hồi qui trong bảng 4.12, cho thấy các hệ số hồi qui riêng phần β1, β2, β3 đều lớn hơn 0 với mức ý nghĩa sig. = 0,000 < 0,05, như vậy các biến nghiên cứu trong luận văn có tác động vào hiệu suất làm việc của nhân viên, cụ thể như sau:
Bảng 4.12: Kiểm chứng các giả thuyết
Biến nghiên cứu Beta Mức ý
nghĩa
Kết luận
H1: Chính sách lương có tác động tích cực với hiệu quả làm việc của nhân viên ngân hàng trên địa bàn thành phố Hồ Chí Minh. (CS)
0,532 0,000 Chấp nhận H2: Đánh giá hiệu quả làm việc có tác động tích cực
với hiệu quả làm việc của nhân viên ngân hàng trên địa bàn thành phố Hồ Chí Minh. (DG)
0,265 0,000 Chấp nhận H3: Chính sách thăng tiến có tác động tích cực với
hiệu quả làm việc của nhân viên ngân hàng trên địa bàn thành phố Hồ Chí Minh. (TT)
0,271 0,000 Chấp nhận
Nguồn: Kết quả xử lý dữ liệu_Phụ lục 7
Hệ số beta dùng để đánh giá mức độ quan trọng của các biến tác động đến hiệu suất làm việc. Hệ số beta của biến nào càng cao thì mức độ quan trọng của biến đó tác động đến hiệu suất làm việc càng cao. Từ số liệu bảng 4.12, ta thấy biến CS mạnh nhất với hệ số beta là 0,532, có nghĩa là khi CS tăng lên 1 đơn vị sẽ làm cho hiệu suất làm việc (HS) tăng lên 0,532 trong điều kiện các nhân tố cộng lại không thay đổi, kế đến là TT với hệ số beta là 0,271 và sau cùng là biến DG với hệ số beta là 0,265.
4.5. Kiểm định sự khác biệt về tác động quản trị nguồn nhân lực đến hiệu suất làm việc của nhân viên ở các nhóm giới tính, độ tuổi, trình độ học vấn và thu làm việc của nhân viên ở các nhóm giới tính, độ tuổi, trình độ học vấn và thu nhập
Nghiên cứu thực hiện khảo sát các đối tượng với 4 đặc điểm cá nhân: giới tính, độ tuổi, trình độ học vấn và mức thu nhập, vì vậy cần thực hiện các kiểm định xem liệu có sự khác biệt của các đặc điểm cá nhân đến hiệu suất làm việc hay không.
4.5.1. Kiểm định sự khác biệt về giới tính
Để kiểm định sự khác biệt ở nam và nữ đối với hiệu suất làm việc, ta dùng phép kiểm định Independent Sample T-test. Kiểm định Independent Samples T – test được sử dụng trong trường hợp kiểm định về trung bình của hai tổng thể độc lập. Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008, các bước được tiến hành như sau:
+ Nếu mức ý nghĩa Sig. trong kiểm định Levene < 0,05 thì phương sai các biến là khác nhau, ta sử dụng kết quả kiểm định t trong phần giả định phương sai không đồng nhất. Ngược lại mức ý nghĩa Sig. trong kiểm định Levene >= 0,05 thì phương sai các biến là không khác nhau, ta sử dụng kết quả kiểm định t trong phần giả định phương sai đồng nhất.
+ Nếu mức ý nghĩa Sig. trong kiểm định t < 0,05 thì kết luận có sự khác biệt về trung bình hai tổng thể. Nếu t >= 0,05 thì kết luận chưa có sự khác biệt có ý nghĩa về giá trị trung bình hai tổng thể.
Với kiểm định Independent Sample T-test, giả thiết Ho là khơng có sự khác biệt về giới tính nam hay nữ đối với hiệu suất làm việc, độ tin cậy là 95%
Bảng 4.13: Kết quả kiểm định T – Test biến giới tính Kiểm định Kiểm định Levene Kiểm định T - Test F Mức ý nghĩa Sig. t df Mức ý nghĩa Sig (2- tailed) Sự khác biệt trung bình Sự khác biệt độ lệch Độ tin cậy 95% Thấp
hơn Cao hơn Phương sai đồng
nhất 0,440 0,508 -0,472 208 0,638 -0,03090 0,06554 -0,16010 0,09829 Phương sai
không đồng nhất -0,467 182,150 0,641 -0,03090 0,06622 -0,16157 0,09976
Nguồn: Kết quả xử lý dữ liệu_Phụ lục 7 Bảng 4.13 cho thấy mức ý nghĩa Sig. trong kiểm định Levene là 0,508 > 0,05 nên sử dụng kết quả kiểm định t trong phần giả định phương sai đồng nhất. Kiểm định T – test có mức ý nghĩa Sig. = 0,638 > 0,05, chứng tỏ khơng có sự khác biệt về giới tính nam hay nữ đối với hiệu suất làm việc.
4.5.2. Kiểm định sự khác biệt về độ tuổi
Để đánh giá mức độ khác biệt về hiệu suất làm việc ở 3 nhóm độ tuổi khác nhau, nghiên cứu sử dụng kiểm định One Way ANOVA.Kiểm định One way ANOVA là phép kiểm định giả thuyết về sự bằng nhau của trị trung bình của nhiều nhóm tổng thể độc lập.
Kết quả kiểm định ANOVA của nhân tố hiệu suất làm việc với độ tuổi như sau: Bảng 4.14: Kết quả kiểm định Levene về độ tuổi
Kiểm định Levene phương sai đồng nhất
Thống kê Levene df1 df2 Mức ý nghĩa Sig.
HS 0,267 2 207 0,766
Bảng 4.15: Kết quả kiểm định ANOVA về độ tuổi ANOVA ANOVA Tổng bình phương df Bình phương trung bình F Mức ý nghĩa Sig. HS Giữa các nhóm 0,162 2 0,081 0,366 0,694 Trong cùng nhóm 45,698 207 0,221 Tổng 45,860 209
Nguồn: Kết quả xử lý dữ liệu_Phụ lục 7
Mức ý nghĩa Sig. của kiểm định Levene = 0,766 > 0,05 với độ tin cậy 95% cho thấy phương sai của biến hiệu suất làm việc theo độ tuổi không khác nhau một cách có ý nghĩa thống kê. Như vậy kết quả phân tích ANOVA có thể sử dụng tốt.
Trong kiểm định ANOVA, mức ý nghĩa Sig. = 0,694 > 0,05 nên ta kết luận chưa có sự khác biệt của biến hiệu suất làm việc theo độ tuổi.
4.5.3. Kiểm định sự khác biệt về trình độ học vấn
Kết quả kiểm định ANOVA của biến hiệu suất làm việc với trình độ học vấn như sau:
Bảng 4.16: Kết quả kiểm định Levene về trình độ học vấn
Kiểm định Levene phương sai đồng nhất
Thống kê Levene df1 df2 Mức ý nghĩa Sig.
HS 0,283 2 207 0,754
Nguồn: Kết quả xử lý dữ liệu_Phụ lục 7
Bảng 4.17: Kết quả kiểm định ANOVA về trình độ học vấn
ANOVA Tổng bình phương df Bình phương trung bình F Mức ý nghĩa Sig. HS Giữa các nhóm 0,379 2 0,189 0,861 0,424 Trong cùng nhóm 45,481 207 0,220 Tổng 45,860 209
Mức ý nghĩa Sig. = 0,754 > 0,05 trong kiểm định Levene có thể nói phương sai của hiệu suất làm việc giữa các nhóm trình độ học vấn là khơng khác nhau một cách có ý nghĩa thống kê. Như vậy, kết quả phân tích ANOVA có thể sử dụng tốt.
Mức ý nghĩa Sig. = 0,424 > 0,05 trong kiểm định ANOVA kết luận khơng có sự khác biệt có ý nghĩa thống kê về hiệu suất làm việc với trình độ học vấn ở mức độ tin cậy 95%.
4.5.4. Kiểm định sự khác biệt về thu nhập
Kết quả kiểm định ANOVA của biến hiệu suất làm việc với thu nhập như sau: Bảng 4.18: Kết quả kiểm định Levene về thu nhập
Kiểm định Levene phương sai đồng nhất
Thống kê Levene df1 df2 Mức ý nghĩa Sig.
HS 1,718 3 206 0,164
Nguồn: Kết quả xử lý dữ liệu_Phụ lục 7
Bảng 4.19: Kết quả kiểm định ANOVA về thu nhập
ANOVA Tổng bình phương df Bình phương trung bình F Mức ý nghĩa Sig. HS Giữa các nhóm 0,704 3 0,235 1,071 0,362 Trong cùng nhóm 45,156 206 0,219 Tổng 45,860 209
Nguồn: Kết quả xử lý dữ liệu_Phụ lục 7
Mức ý nghĩa Sig. trong kiểm định Levene = 0,164 và trong kiểm định ANOVA