Tiêu chí
Mức độ đánh giá (%) Giá trị trung bình M1 M2 M3 M4 M5
Thành tích của Anh/Chị được cấp trên
cơng nhận, đánh giá kịp thời 0 2,0 30,7 59,3 8,0 3,73 Anh/Chị được xét tuyển công bằng 0 1,3 31,3 54,7 12,7 3,78 Khách sạn có chính sách khen thưởng
rõ ràng và hiệu quả 0 2,0 28,0 54,7 15,3 3,83
(Nguồn: Kết quả xử lý số liệu SPSS)
Giá trị trung bình của các tiêu chí: “Thành tích của Anh/Chị được cấp trên cơng nhận, đánh giá kịp thời”, “Anh/Chị được xét tuyển công bằng” và “Khách sạn có chính sách khen thưởng rõ ràng và hiệu quả” lần lượt là 3,73, 3,78 và 3,83. Các tiêu chí đều có mức đánh giá “đồng ý” là chiếm tỷ lệ cao hơn so với các đánh giá cịn lại. Tiêu chí “Khách sạn có chính sách khen thưởng rõ ràng và hiệu quả” có tỷ lệ đồng ý và hồn tồn đồng ý chiếm cao nhất so với các tiêu chí khác (70%). Như vậy, cho thấy khách sạn có sự quan tâm và đáp ứng nhân viên, đây là một dấu hiệu tốt làm cơ sở giúp nhân viên gắn bó với khách sạn. Tuy nhiên, bên cạnh đó vẫn cịn một bộ phận nhân viên chưa hài lịng đối với chính sách khen thưởng của khách sạn. Do đó, trong thời gian tới khách sạn cần chú trọng hơn trong việc điều chỉnh cũng như nâng cao các chế độ khen thưởng hợp lý cho nhân viên để họ có động lực làm việc lâu dài với khách sạn.
2.2.4. Đánh giá chung của nhân viên về lòng trung thành đối với khách sạnBảng 2.20: Đánh giá của nhân viên về lòng trung thành đối với khách sạn Bảng 2.20: Đánh giá của nhân viên về lòng trung thành đối với khách sạn
Tiêu chí Mức độ đánh giá (%) Giá trị trung bình M1 M2 M3 M4 M5
Anh/Chị cảm thấy tự hào khi
làm việc ở khách sạn 0 2,7 14,0 75,3 8,0 3,89 Anh/chị sẵn sàng hy sinh lợi
ích cá nhân khi cần thiết để giúp khách sạn thành công 0 4,7 14,7 72,0 8,7 3,85 Anh/Chị sẽ ở lại khách sạn cho dù nơi khác có đề nghị mức lương hấp dẫn hơn 0 2,0 17,3 66,0 14,7 3,93 Anh/Chị sẵn lòng giới thiệu
khách sạn cho người khác 0 2,0 16,0 72,0 10,0 3,90
(Nguồn: Kết quả xử lý số liệu SPSS)
Kết quả điều tra cho thấy các tiêu chí đều có tỷ lệ đánh giá “đồng ý” chiếm cao nhất so với các đánh giá còn lại. Giá trị trung bình của các tiêu chí nằm trong khoảng 3,85 đến 3,93 và tỷ lệ nhân viên đánh giá đồng ý và hồn tồn đồng ý với các tiêu chí trên là khá cao (hơn 80%) cho thấy nhân viên tương đối hài lòng khi làm việc trong khách sạn và mức độ trung thành của họ đối với khách sạn là khá cao. Tiêu chí “Anh/Chị sẽ ở lại khách sạn cho dù nơi khác có đề nghị mức lương hấp dẫn hơn” có
giá trị trung bình cao nhất là 3,93 và tỷ lệ nhân viên đánh giá đồng ý và hoàn toàn đồng ý lên đến 80,7%, cho thấy nhân viên sẵn sàng gắn bó lâu dài với khách sạn dù nơi khác có đề nghị mức lương hấp dẫn hơn.
Mặc dù khơng có đánh giá “hồn tồn khơng đồng ý” nhưng vẫn còn tồn tại những đánh giá “không đồng ý” ở mỗi tiêu chí. Tuy chỉ chiếm tỷ lệ nhỏ nhưng khách sạn cần đặc biệt chú ý để đưa ra các giải pháp, chính sách quản trị nhân lực cho phù hợp nhằm thỏa mãn một cách tốt nhất đối với tồn thể nhân viên góp phần ngày càng nâng cao sự hài lòng và lòng trung thành của nhân viên đối với khách sạn.
2.2.5. Phân tích hồi quy
Sau khi tiến hành phân tích nhân tố khám phá, nhóm các biến theo từng yếu tố, tiếp tục tiến hành phân tích hồi quy. Mơ hình hồi quy mà nghiên cứu này áp dụng là mơ hình hồi quy bội. Nghiên cứu muốn đo lường xem mức độ tác động của các yếu tố ảnh hưởng đến lòng trung thành của nhân viên thông qua hồi quy dựa trên việc đo lường sự ảnh hưởng của các nhân tố được rút trích.
Trong mơ hình phân tích hồi quy, biến phụ thuộc là LTT: Lòng trung thành, các biến độc lập là các nhân tố được rút trích ra từ các biến quan sát trong phân tích EFA bao gồm: CH: Cơ hội đào tạo và thăng tiến; CT: Cấp trên; PL: Phúc lợi; L: Lương; DN: Đồng nghiệp; DK: Điều kiện làm việc; KT: Khen thưởng.
Các giả thuyết nghiên cứu:
H1: Lương cao sẽ làm cho nhân viên trung thành với khách sạn hơn. H2: Khen thưởng tốt sẽ làm cho nhân viên trung thành với khách sạn hơn.
H3: Đảm bảo phúc lợi cho nhân viên sẽ làm cho họ trung thành với khách sạn hơn. H4: Điều kiện làm việc thuận lợi thì nhân viên sẽ trung thành với khách sạn hơn. H5: Được cấp trên quan tâm, hỗ trợ thì nhân viên sẽ trung thành với khách sạn hơn. H6: Quan hệ với đồng nghiệp tốt, được đồng nghiệp ủng hộ thì nhân viên sẽ trung thành với khách sạn hơn.
H7: Có nhiều cơ hội đào tạo và thăng tiến thì nhân viên sẽ trung thành với khách sạn hơn.
2.2.5.1. Kiểm định tương quan
Kiểm định mối tương quan để xem xét mối quan hệ tuyến tính giữa biến phụ thuộc và biến độc lập cũng như mối quan hệ giữa các biến độc lập trong mơ hình. Hệ số tương quan giữa biến độc lập và biến phụ thuộc càng lớn chứng tỏ mối quan hệ
tuyến tính càng lớn và phân tích hồi quy tuyến tính có thể phù hợp. Nếu giữa các biến độc lập cũng có mối tương quan lớn với nhau thì đó là dấu hiệu cho biết giữa chúng có thể xảy ra hiện tượng đa cộng tuyến trong mơ hình.
Sử dụng thống kê hệ số tương quan Pearson (Pearson Correlation Coeficient) để lượng hóa mức độ chặt chẽ của hai biến định lượng trong mơ hình. Nếu hệ số Pearson bằng 0 thì hai biến khơng có mối quan hệ tương quan, ngược lại nếu giá trị càng tiến dần về 1 thì hai biến có mối tương quan chặt chẽ. Tiến hành phân tích tương quan Pearson thu được kết quả như sau:
Bảng 2.21: Hệ số tương quan Pearson giữa các biến
LTT CH CT PL L DN DK KT LTT Pearson Correlation 1 0,367** 0,314** 0,335** 0,149 0,225** 0,256** 0,191* Sig. (2-tailed) 0,000 0,000 0,000 0,069 0,006 0,002 0,019 N 150 150 150 150 150 150 150 150 CH Pearson Correlation 0,367** 1 0,000 0,000 0,000 0,000 0,000 0,000 Sig. (2-tailed) 0,000 1,000 1,000 1,000 1,000 1,000 1,000 N 150 150 150 150 150 150 150 150 CT Pearson Correlation 0,314** 0,000 1 0,000 0,000 0,000 0,000 0,000 Sig. (2-tailed) 0,000 1,000 1,000 1,000 1,000 1,000 1,000 N 150 150 150 150 150 150 150 150 PL Pearson Correlation 0,335** 0,000 0,000 1 0,000 0,000 0,000 0,000 Sig. (2-tailed) 0,000 1,000 1,000 1,000 1,000 1,000 1,000 N 150 150 150 150 150 150 150 150 L Pearson Correlation 0,149 0,000 0,000 0,000 1 0,000 0,000 0,000 Sig. (2-tailed) 0,069 1,000 1,000 1,000 1,000 1,000 1,000 N 150 150 150 150 150 150 150 150 DN Pearson Correlation 0,225** 0,000 0,000 0,000 0,000 1 0,000 0,000 Sig. (2-tailed) 0,006 1,000 1,000 1,000 1,000 1,000 1,000 N 150 150 150 150 150 150 150 150 DK Pearson Correlation 0,256** 0,000 0,000 0,000 0,000 0,000 1 0,000 Sig. (2-tailed) 0,002 1,000 1,000 1,000 1,000 1,000 1,000 N 150 150 150 150 150 150 150 150 KT Pearson Correlation 0,191* 0,000 0,000 0,000 0,000 0,000 0,000 1 Sig. (2-tailed) 0,019 1,000 1,000 1,000 1,000 1,000 1,000 N 150 150 150 150 150 150 150 150
**: Sự tương quan có ý nghĩa ở mức 0,01 *: Sự tương quan có ý nghĩa ở mức 0,05
(Nguồn: Kết quả xử lý số liệu SPSS)
Dựa vào bảng kết quả trên ta thấy các giá trị Sig. < 0,05 nên biến phụ thuộc có mối tương quan với các yếu tố: Cơ hội đào tạo và thăng tiến, cấp trên, phúc lợi, đồng nghiệp, điều kiện làm việc và khen thưởng với các giá trị tương quan lần lượt là 0,367, 0,314, 0,335, 0,225, 0,256, 0,191. Các yếu tố này sẽ được đưa vào mơ hình hồi quy. Riêng đối với yếu tố lương có Sig. > 0,05 nên khơng được đưa vào mơ hình hồi quy.
2.2.5.2. Đánh giá sự phù hợp của mơ hình hồi quy
Bảng 2.22: Đánh giá độ phù hợp của mơ hình hồi quy
Mơ hình R
hiệu chỉnh
Sai số chuẩn của ước lượng
Durbin-Watson 1 0,706a 0,498 0,477 0,72289978 1,664
(Nguồn: Kết quả xử lý số liệu SPSS)
Để đánh giá sự phù hợp của mơ hình ta sử dụng hệ số xác định và hiệu chỉnh. Hệ số sẽ càng tăng khi đưa thêm biến độc lập vào mơ hình nên điều chỉnh được sử dụng để phản ánh đúng hơn sự phù hợp của mơ hình (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Dựa vào bảng kết quả trên cho thấy hiệu chỉnh bằng 0,477, con số này thể hiện: Mơ hình hồi quy tuyến tính đã xây dựng phù hợp với 47,7% tập dữ liệu thu thập và mơ hình này giải thích rằng 47,7% sự thay đổi của biến phụ thuộc là do sự biến động của 6 biến độc lập nêu trên.
2.2.5.3. Kiểm định sự phù hợp của mơ hình hồi quy
Để có thể suy rộng mơ hình của mẫu điều tra thành mơ hình của tổng thể ta cần phải tiến hành kiểm định F thơng qua phân tích phương sai. Kiểm định F là một phép kiểm định giả thuyết về độ phù hợp của mơ hình hồi quy tuyến tính tổng thể. Giả thuyết được đặt ra là:
: Mơ hình hồi quy tuyến tính khơng phù hợp ( ) : Mơ hình hồi quy tuyến tính là phù hợp (tồn tại ít nhất một β ≠ 0)
Bảng 2.23: Kiểm định Anova về độ phù hợp của mơ hình hồi quy
Mơ hình Tổng bình phương df Trung bình bình phương F Sig. 1 Hồi quy 74,270 6 12,378 23,687 0,000b Phần dư 74,730 143 0,523 Tổng 149,000 149
(Nguồn: Kết quả xử lý số liệu SPSS)
Theo kết quả tính tốn được, giá trị thống kê F của mơ hình có Sig. = 0,000 < 0,05 nên giả thuyết bị bác bỏ. Như vậy, mơ hình hồi quy tuyến tính bội là phù hợp với tập dữ liệu và có thể sử dụng được. Hay nói cách khác, có ít nhất một biến độc lập có ảnh hưởng đến biến phụ thuộc mà ta đã đưa vào trong mơ hình.
2.2.5.4. Xây dựng mơ hình hồi quy tuyến tính
Phân tích hồi quy sẽ cho thấy được mối liên hệ giữa biến phụ thuộc và các biến độc lập trong mơ hình. Phương pháp chọn biến đưa vào mơ hình để xây dựng hồi quy tuyến tính được chọn là phương pháp Enter. Đây là phương pháp mà SPSS sẽ xử lý tất cả các biến độc lập mà nhà nghiên cứu muốn đưa vào mơ hình.
Mơ hình hồi quy tuyến tính được thiết lập như sau:
LTT = + *CH + *CT + *PL + *DN + *DK + *KT + Trong đó:
LTT: Giá trị của biến phụ thuộc là lòng trung thành
CH: Giá trị của biến độc lập thứ nhất là cơ hội đào tạo và thăng tiến CT: Giá trị của biến độc lập thứ hai là cấp trên
PL: Giá trị của biến độc lập thứ ba là phúc lợi DN: Giá trị của biến độc lập thứ tư là đồng nghiệp
DK: Giá trị của biến độc lập thứ năm là điều kiện làm việc KT: Giá trị của biến độc lập thứ sáu là khen thưởng
: Hằng số
: Hệ số hồi quy riêng phần tương ứng với các biến độc lập : Sai số của phương trình hồi quy
Các biến được đưa vào cùng một lúc để chọn lọc dựa trên tiêu chí chọn những biến có mức ý nghĩa < 0,05. Kết quả phân tích hồi quy như sau:
Bảng 2.24: Kết quả phân tích hồi quy
Mơ hình
Hệ số hồi quy chưa chuẩn hóa Hệ số hồi quy chuẩn hóa t Sig. Thống kê đa cộng tuyến B Độ lệch
chuẩn Beta Tolerance VIF
1 (Hằng số) 1,747E-016 0,059 0,000 1,000 CH 0,367 0,059 0,367 6,205 0,000 1,000 1,000 CT 0,314 0,059 0,314 5,310 0,000 1,000 1,000 PL 0,335 0,059 0,335 5,652 0,000 1,000 1,000 DN 0,225 0,059 0,225 3,798 0,000 1,000 1,000 DK 0,256 0,059 0,256 4,319 0,000 1,000 1,000 KT 0,191 0,059 0,191 3,223 0,002 1,000 1,000
(Nguồn: Kết quả xử lý số liệu SPSS)
Kết quả phân tích hồi quy cho thấy tất cả các biến độc lập đều có giá trị Sig. < 0,05 nên đều được giữ lại mơ hình. Do đó, ta có thể nói rằng tất cả các biến độc lập đều có tác động đến lịng trung thành của nhân viên. Cả 6 yếu tố này đều có ý nghĩa trong mơ hình và tác động cùng chiều đến lịng trung thành của nhân viên do có hệ số hồi quy đều mang dấu dương.
Vậy mơ hình hồi quy được biểu diễn thơng qua phương trình sau:
LTT = 0,367*CH + 0,314*CT + 0,335*PL + 0,225*DN + 0,256*DK + 0,191*KT + Hay được viết lại:
Lòng trung thành = 0,367*Cơ hội đào tạo và thăng tiến + 0,314*Cấp trên + 0,335*Phúc lợi + 0,225*Đồng nghiệp + 0,256*Điều kiện làm việc + 0,191*Khen thưởng +
Tầm quan trọng của các biến độc lập đối với biến phụ thuộc được xác định căn cứ vào hệ số Beta. Nếu hệ số Beta của yếu tố nào càng lớn thì yếu tố đó càng ảnh hưởng quan trọng đến lòng trung thành của nhân viên đối với khách sạn. Do đó, ảnh hưởng quan trọng nhất đến lịng trung thành của nhân viên là yếu tố cơ hội đào tạo và thăng tiến (Beta = 0,367), tiếp đến là yếu tố phúc lợi (Beta = 0,335), yếu tố cấp trên (Beta = 0,314), yếu tố điều kiện làm việc (Beta = 0,256), yếu tố đồng nghiệp (Beta = 0,225) và cuối cùng là yếu tố khen thưởng (Beta = 0,191).
2.2.5.5. Dị tìm các vi phạm giả định cần thiết
Giả định về điều kiện đa cộng tuyến:
Đa cộng tuyến là trạng thái trong đó các biến độc lập có tương quan chặt chẽ với nhau. Khi xảy ra hiện tượng đa cộng tuyến các biến độc lập sẽ cung cấp những thơng tin giống nhau, khó tách rời ảnh hưởng của từng biến đến biến phụ thuộc, tăng độ lệch chuẩn của các hệ số hồi quy và làm tăng giá trị thống kê t của kiểm định. Độ chấp nhận của biến (Tolerance) và hệ số phóng đại phương sai (VIF) được dùng để phát hiện hiện tượng đa cộng tuyến. Mơ hình hồi quy vi phạm hiện tượng đa cộng tuyến khi có giá trị VIF vượt quá 10. Tuy nhiên, trên thực tế với các đề tài nghiên cứu có mơ hình và bảng câu hỏi sử dụng thang đo Likert thì VIF < 2 sẽ khơng có đa cộng tuyến, trường hợp hệ số này lớn hơn hoặc bằng 2 khả năng cao đang có sự đa cộng tuyến giữa các biến độc lập (Hồng Trọng & Chu Nguyễn Mộng Ngọc, 2008).
Như vậy, dựa vào bảng kết quả 2.24 ở trên cho thấy giá trị VIF nhỏ hơn 2 nên khơng có hiện tượng đa cộng tuyến.
Giả định về tính độc lập của sai số:
Đại lượng Durbin – Watson được dùng để kiểm định tương quan của các sai số kề nhau. Giả thuyết khi tiến hành kiểm định này là: : Hệ số tương quan tổng thể của các phần dư bằng 0. Thơng qua phân tích hồi quy ta thu được kết quả về giá trị kiểm định d của Durbin – Watson bằng 1,664 (bảng 2.22). Theo điều kiện hồi quy, giá trị Durbin – Watson nằm trong khoảng 1,6 đến 2,6. Giá trị d thu được rơi vào miền chấp nhận giả thuyết khơng có tự tương quan. Như vậy, mơ hình khơng vi phạm về giả định tự tương quan.
Giả định về phân phối chuẩn của phần dư:
Có thể sử dụng nhiều cách khác nhau để kiểm tra tính phân phối chuẩn của phần dư. Trong nghiên cứu này sử dụng cách xây dựng biểu đồ tần số Histogram. Qua biểu đồ ta thấy một đường cong phân phối chuẩn được đặt chồng lên biểu đồ tần số. Đường cong này có dạng hình chng, phù hợp với dạng đồ thị của phân phối chuẩn. Giá trị trung bình Mean gần bằng 0, độ lệch chuẩn Std. Dev = 0,980 là gần bằng 1 nên có thể
nói rằng phân phối phần dư xấp xỉ chuẩn. Như vậy, giả định về phân phối chuẩn của phần dư không bị vi phạm(xem biểu đồ tại phụ lục mục Phân tích hồi quy).
2.2.5.6. Kiểm định giả thuyết
Dựa trên kết quả phân tích hồi quy, ta tiến hành kiểm định các giả thuyết của mơ hình đã đưa ra:
- Cơ hội đào tạo và thăng tiến:là yếu tố ảnh hưởng lớn nhất đến lịng trung thành của nhân viên vì có hệ số Beta lớn nhất. Dấu dương của hệ số Beta chứng tỏ mối quan