Thiết lập mơ hình hồi quy
Phân tích hồi quy sẽ xác định mối quan hệ giữa biến phụ thuộc (HL của người lao động) và các biến độc lập (đồng nghiệp; cấp trên; điều kiện làm việc; thu nhập; đào tạo thăng tiến; đặc điểm cơng việc). Mơ hình phân tích hồi quy sẽ mơ tả hình thức của mối liên hệ và qua đó giúp dự đoán được mức độ của biến phụ thuộc khi biết trước giá trị của biến độc lập. Phương pháp phân tích được chọn lựa là phương pháp chọn từng bước Stepwise với tiêu chuẩn vào FIN là 0,05 và tiêu chuẩn ra FOUT là 0,1. Đây là phương pháp sử dụng phổ biến nhất.
Đặt các biến trong phương trình hồi quy đa biến như sau: Y = HL của ngời lao động
X1 = Đồng nghiệp X2 = Cấp trên
X3 = Điều kiện làm việc X4 = Thu nhập
X5 = Đào tạo thăng tiến X6 = Đặc điểm cơng việc
Phương trình hồi quy tổng có dạng:
Y = β0 + β1X1 + β2X2 + β3X3 + β4X4 + β5X5 + β6X6
Đặt giả thuyết: Những yếu tố tác động đến HL của người lao động làm việc
tại công ty tnhh mtv dịch vụ cơng ích huyện Bình Chánh.
X1 = Đồng nghiệp có tác động đến HL của người lao động làm việc tại công ty tnhh mtv dịch vụ công ích huyện Bình Chánh.
X2 = Cấp trên có tác động đến HL của người lao động làm việc tại cơng ty tnhh mtv dịch vụ cơng ích huyện Bình Chánh.
X3 = Điều kiện làm việc có tác động đến HL của người lao động làm việc tại công ty tnhh mtv dịch vụ cơng ích huyện Bình Chánh.
X4 = Thu nhập có tác động đến HL của người lao động làm việc tại công ty tnhh mtv dịch vụ cơng ích huyện Bình Chánh.
X5 = Đào tạo thăng tiến có tác động đến HL của người lao động làm việc tại công ty tnhh mtv dịch vụ cơng ích huyện Bình Chánh.
X6 = Đặc điểm cơng việc có tác động đến HL của người lao động làm việc tại công ty tnhh mtv dịch vụ cơng ích huyện Bình Chánh.
Kiểm đinh tương quan Pearson
Mục đích chạy tương quan Pearson nhằm kiểm tra mối tương quan tuyến tính chặt chẽ giữa biến phụ thuộc với các biến độc lập, vì điều kiện để hồi quy là trước nhất phải tương quan. Giá trị sig nhỏ hơn 0,05 thì hệ số tương quan r mới có ý nghĩa thống kê, giá trị sig lớn hơn 0,05 nghĩa là r có lớn nhỏ thế nào cũng khơng liên quan gì cả, bởi vì nó khơng có ý nghĩa, nói cách khác, khơng có tương quan giữa hai biến này. Hệ số tương quan Pearson càng tiến về 1 càng tương quan mạnh. Ngược lại, hệ số này càng tiến về 0 càng tương quan yếu.
Bảng 4. 7 Ma trận hệ số tương quan giữa các yếu tố trong mơ hình nghiên cứu Correlations HL DN CT DKLM TN DTTT DDCV HL Pearson Correlation 1 .572** .596** .451** .581** .526** .629** Sig. (2-tailed) .000 .000 .000 .000 .000 .000 N 200 200 200 200 200 200 200 DN Pearson Correlation .572** 1 .364** .216** .407** .352** .419** Sig. (2-tailed) .000 .000 .002 .000 .000 .000 N 200 200 200 200 200 200 200 CT Pearson Correlation .596** .364** 1 .277** .347** .428** .341** Sig. (2-tailed) .000 .000 .000 .000 .000 .000 N 200 200 200 200 200 200 200 DKLM Pearson Correlation .451** .216** .277** 1 .316** .362** .300** Sig. (2-tailed) .000 .002 .000 .000 .000 .000 N 200 200 200 200 200 200 200 TN Pearson Correlation .581** .407** .347** .316** 1 .325** .300** Sig. (2-tailed) .000 .000 .000 .000 .000 .000 N 200 200 200 200 200 200 200 DTTT Pearson Correlation .526** .352** .428** .362** .325** 1 .388** Sig. (2-tailed) .000 .000 .000 .000 .000 .000 N 200 200 200 200 200 200 200 DDCV Pearson Correlation .629** .419** .341** .300** .300** .388** 1 Sig. (2-tailed) .000 .000 .000 .000 .000 .000 N 200 200 200 200 200 200 200
Nguồn: Tác giả phân tích
Bảng ma trận tương quan Correlations cho thấy sự tương quan của đồng nghiệp (X1) và biến tác động đến HL của người lao động là hiệu quả có r = 0.572, cấp trên (X2) và biến HL của người lao động là hiệu quả có r = 0.596, điều kiện làm việc (X3) và HL của người lao động là hiệu quả có r = 0.451, thu nhập (X4) và biến HL của người lao động là hiệu quả có r = 0.581, đào tạo thăng tiến (X5) và biến HL của người lao động là hiệu quả có r = 0.526, đặc điểm công việc (X6) và biến HL của người lao động là hiệu quả có r = 0.629. (Chi tiết xem phụ lục 5)
Từ đó cho thấy có mối tương quan của các biến đến HL của người lao động vì hệ số kiểm định mức ý nghĩa của sự tương quan có sig = 0.000 < 0,05). Mối
tương quan của các biến trong mơ hình hồi quy là tương quan thuận vì có r > 0, hệ số tương quan các biến các biến r thuộc khoảng 0.451 – 0.629. (Chi tiết xem phụ lục 5)
4.2.2.1Đánh giá độ phù hợp của mơ hình hồi quy tuyến tính bội
Bảng 4. 8 Model Summary
Model Summaryb
Model R R Square Adjusted R
Square Std. Error of the Estimate Durbin- Watson 1 .843a .711 .702 .30094 2.214 a. Predictors: (Constant), DDCV, TN, DKLV, CT, DN, DTTT b. Dependent Variable: HL
So sánh 2 giá trị R và R2 điều chỉnh chúng ra sẽ thấy R2 điều chỉnh nhỏ hơn và dùng nó đánh giá độ phù hợp của mơ hình sẽ an tồn hơn vì nó khơng thổi phồng mức độ phù hợp của mơ hình. Kết quả đánh giá độ phù hợp của mơ hình hồi quy (Model Summary) cho thấy hệ số xác đinh R2 đã hiệu chỉnh (Adjusted R Square) bằng 0.702 điều này có nghĩa là mơ hình hồi quy phù hợp và 70,2% sự biến thiên của biến phụ thuộc “HL của người lao động” được giải thích bởi 6 yếu tố độc lập của mơ hình: đồng nghiệp; cấp trên; điều kiện làm việc; thu nhập; đào tạo thăng tiến; đặc điểm công việc. (Chi tiết xem phụ lục 5)
4.2.2.2Kiểm định độ phù hợp của mơ hình
Bảng 4. 9 Kiểm định độ phù hợp của mơ hình
ANOVAa
Model Sum of
Squares df Mean Square F Sig.
1 Regression 42.918 6 7.153 78.983 .000b Residual 17.479 193 .091 Total 60.397 199 a. Dependent Variable: HL b. Predictors: (Constant), DDCV, TN, DKLC, CT, DN, DTTT
Kiểm định F sử dụng trong phân tích phương sai là một phép kiểm định giả thuyết về độ phù hợp của mơ hình hồi quy tuyến tính tổng thể để xem xét biến
phụ thuộc có liên hệ tuyến tính với tồn bộ tập hợp của các biến độc lập. Trong mơ hình này, ta thấy trị thống kê F được tính từ giá trị R2 đầy đủ, giá trị sig = 0.000 cho thấy mơ hình sử dụng là phù hợp và các biến đều đạt được tiêu chuẩn chấp nhận (Tolerance > 0,0001). Do đó, mơ hình hồi quy bội thỏa các điều kiện đánh giá và kiểm định độ phù hợp cho việc rút ra các kết quả nghiên cứu. (Chi tiết xem phụ lục 5)