6. Kết cấu đề tài
3.3. Kết quả phân tích hồi quy tuyến tính đa biến
Để kiểm định sự ảnh hưởng của các yếu tố tới phát triển văn hóa doanh nghiệp, hàm hồi quy tuyến tính với phương pháp đưa vào một lượt (Enter) được sử dụng, nghĩa là phần mềm SPSS xử lý tất cả các biến đưa vào một lần và đưa ra các thông số thống kê liên quan đến các biến.
3.3.1. Phân tích tương quan
Trước khi tiến hành phân tích hồi quy tuyến tính, mối tương quan tuyến tính giữa các biến cần phải được xem xét. Hệ số tương quan Pearson nhằm để lượng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến định lượng.
Hệ số tương quan giữa biến phụ thuộc OCD với các biến độc lập MI, LD, EM, REC, REM, COM, RES, TV, GP, GL, EC lần lượt là 0,235; 0,279; 0,307; 0,491; 0,375; 0,330; 0,260; 0,458; 0,408; 0,231; 0,518. Giá trị Sig trong kiểm định hệ số tương quan đều có mức ý nghĩa nhỏ hơn 0.05. Điều này cho thấy có sự tương quan giữa biến phụ thuộc OCD với các biến độc lập MI, LD, EM, REC, REM, COM, RES, TV, GP, GL, EC do đó đủ điều kiện để đưa vào phân tích hồi quy.
Bảng 3.6. Ma trận tương quan
MI LD EM REC REM COM RES TV GP GL EC OCD
OCD
Hệ số tương quan ,235** ,279** ,307** ,491** ,375** ,330** ,260** ,458** ,408** ,231** ,518** 1
Mức ý nghĩa Sig ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000
Số quan sát 278 278 278 278 278 278 278 278 278 278 278 278
Nguồn: Kết quả phân tích SPSS
Tuy nhiên nếu hệ số tương quan giữa các biến độc lập lớn thì có thể xảy ra hiện tượng đa cộng tuyến, đo đó cần kiểm tra bằng hệ số phóng đại VIF <2 (Theo Hair và cộng sự, 2014).
3.3.2. Hồi quy tuyến tính bội
Đánh giá và kiểm định sự phù hợp của mơ hình
Sử dụng kiểm nghiệm F: để kiểm định các giả thuyết về sự phù hợp của mơ
hình nhằm chỉ ra mối quan hệ tuyến tính giữa các biến độc lập và biến phụ thuộc. Xét giả thuyết:
o Ho: Khơng có mối quan hệ giữa các biến độc lập và biến phụ thuộc. o H1: Tồn tại mối quan hệ giữa các biến độc lập và biến phụ thuộc. o Nếu Sig. < 0,05: Bác bỏ giả thuyết Ho
Bảng 3.6 cho ta thấy giá trị F = 87,451 tại mức ý nghĩa Sig. rất nhỏ (Sig = 0.000 < 0.05). Vì vậy, ta có thể kết luận các biến độc lập có quan hệ với biến phụ thuộc và giải thích được sự thay đổi của biến phụ thuộc.
Bảng 3.7. Bảng Anova Mơ hình Tổng bình Mơ hình Tổng bình phương Bậc tự do df Bình phương trung bình Kiểm định F Mức ý nghĩa 1 Hồi quy 44,861 11 4,078 87,451 ,000b Phần dư 12,405 266 ,047 Tổng 57,266 277
Nguồn: Kết quả phân tích SPSS
Sử dụng kiểm nghiệm t: Kiểm định mối quan hệ tuyến tính của một biến độc
lập cụ thể và biến phụ thuộc.
o Giả thuyết H0: Khơng có mối quan hệ tuyến tính giữa biến phụ thuộc (OCD) với từng biến độc lập (MI, LD, EM, REC, REM, COM, RES, TV, GP, GL, EC) .
o Giả thuyết H1: Có mối quan hệ tuyến tính giữa biến độc lập và biến phụ thuộc.
o Bác bỏ H0 khi sig. < 0.05
Từ bảng 3.8, ta thấy các giá trị t đều có mức ý nghĩa Sig. < 0.05. Do đó bác bỏ H0. Vậy, có mối quan hệ tuyến tính của mỗi biến độc lập với biến phụ thuộc, nghĩa là các biến độc lập đưa ra đều giải thích được sự biến thiên của biến phụ thuộc.
Bảng 3.8. Bảng kết quả hệ số hồi quy
Mơ hình
Hệ số khơng chuẩn hóa chuẩn hóa Hệ số Giá trị t Mức ý nghĩa Đa cộng tuyến B Sai lệch
chuẩn Beta Dung sai
Hệ số phóng đại phương sai (VIF) 1 Hằng số -2,313 ,224 -10,342 ,000 MI ,087 ,026 ,099 3,356 ,001 ,944 1,060 LD ,120 ,016 ,224 7,508 ,000 ,911 1,098 EM ,105 ,016 ,198 6,531 ,000 ,885 1,130 REC ,178 ,027 ,213 6,540 ,000 ,767 1,304 REM ,168 ,025 ,210 6,600 ,000 ,806 1,241 COM ,122 ,021 ,174 5,970 ,000 ,959 1,042 RES ,158 ,021 ,221 7,562 ,000 ,950 1,053 TV ,228 ,028 ,253 8,116 ,000 ,835 1,197 GP ,174 ,020 ,263 8,825 ,000 ,915 1,093 GL ,156 ,028 ,167 5,606 ,000 ,915 1,093 EC ,130 ,030 ,147 4,278 ,000 ,694 1,441
Nguồn: Kết quả phân tích SPSS
Ta có mơ hình hồi quy là: OCD = 0,099 MI + 0,224 LD + 0,198 EM + 0,213 REC +
Dựa vào phương trình hồi quy chuẩn hóa, chúng ta sẽ biết được biến độc lập nào ảnh hưởng mạnh hay yếu đến biến phụ thuộc căn cứ vào hệ số hồi quy chuẩn hóa, hệ số càng lớn thì tầm quan trọng của biến độc lập đó đối với biến phụ thuộc càng lớn. Ta xét beta chuẩn hóa: β9 > β8 > β2> β7 > β4 > β5 > β3 > β6 > β10> β11 > β1
(GP>TV>LD>RES>REC>REM>EM>COM>GL>EC>MI) do đó các yếu tố tác động đến Phát triển văn hóa doanh nghiệp lần lượt mạnh nhất là Chính sách của nhà nước, Các giá trị văn hóa truyền thống, nhà lãnh đạo, Các nguồn lực dành cho hoạt động phát triển văn hóa doanh nghiệp, Cơng tác tuyển dụng và đào tạo, Cơ chế khen thưởng, Đội ngũ nhân viên, Truyền thơng trong tổ chức, Q trình tồn cầu hóa và giao lưu văn hóa , Sức mạnh của cộng đồng doanh nhân và cuối cùng là Sứ mệnh, tầm nhìn.
Kiểm nghiệm đa cộng tuyến: kiểm định sự tương quan giữa các biến độc lập.
Từ bảng 3.7, các hệ số phóng đại phương sai VIF của các biến đều nhỏ hơn 2 nên không xảy ra hiện tượng đa cộng tuyến. Như vậy, mối quan hệ giữa các biến độc lập không ảnh hưởng đến việc giải thích mơ hình hồi qui tuyến tính bội.
Kiểm định độ phù hợp của mơ hình
Từ bảng 3.9, hệ số xác định R² (R-quare) là 0,783 và R² điều chỉnh (Adjusted R- quare) là 0,774 nghĩa là mơ hình hồi quy tuyến tính đã xây dựng phù hợp, các biến độc lập trong mơ hình đã giải thích được 77,4% (>50%) sự biến thiên của biến phụ thuộc.
Bảng 3.9. Chỉ tiêu đánh giá độ phù hợp của mơ hình
Mơ hình R R2 R 2 điều chỉnh Sai lệch
chuẩn
Durbin- Watson
1 ,885a ,783 ,774 ,21595 2,049
Nguồn: Kết quả phân tích SPSS
Kiểm định các giả định phần dư
Giả định liên hệ tuyến tính: giả định này sẽ được kiểm tra bằng biểu đồ phân
tán scatter cho phần dư chuẩn hóa (Standardized residual) và giá trị dự dốn chuẩn hóa (Standardized predicted value). Kết quả hình 3.1 cho thấy phần dư phân tán ngẫu nhiên qua đường thẳng qua điểm 0, khơng tạo thành một hình dạng nào cụ thể nào. Như vậy, giả định liên hệ tuyến tính được đáp ứng.
Hình 3.1. Biểu đồ phân tán phần dư
Nguồn: Kết quả phân tích SPSS
Giả định khơng có tương quan giữa các phần dư: giả định này được kiểm tra
bằng đại lượng thống kê Durbin-Watson, 1<Durbin-Watson < 3 nằm trong vùng chấp nhận. Từ bảng 3.9, ta thấy hệ số Durbin-Watson là 1,794 (phù hợp) nên khơng có hiện tượng tương quan giữa các phần dư.
Giả định phần dư có phân phối chuẩn: kiểm tra biểu đồ phân tán của phần
dư bằng đồ thị Histogram (hình 3.2) cho thấy phân phối phần dư xấp xỉ chuẩn (trung bình mean gần bằng 0 và độ lệch chuẩn Std. = 0.980 gần bằng 1). Như vậy, giả định phần dư có phân phối chuẩn khơng bị vi phạm.
Hình 3.2 Đồ thị Histogram
Ngoài ra, theo biểu đồ P-P plots, các điểm quan sát không phân tán quá xa đường thẳng kỳ vọng nên có thể kết luận giả thuyết về phân phối chuẩn của phần dư không bị vi phạm
Hình 3.3. Biểu đồ P-Plot
Nguồn: Kết quả phân tích SPSS