CHƯƠNG 4 KẾT QUẢ NGHIÊN CỨU
4.4 Kiểm định mơ hình và giả thuyết nghiên cứu
4.4.1 Phân tích hệ số tương quan
Trước khi tiến hành kiểm định mơ hình nghiên cứu bằng phân tích hồi quy tuyến tính bội, mối tương quan giữa các biến của mơ hình cần phải được xem xét (phụ lục 8). Tác giả sử dụng phân tích ma trận tương quan sử dụng hệ số tương quan Pearson để lượng hóa mức độ chặt chẽ của mối liên hệ giữa các biến độc lập với biến phụ thuộc là sự hài lòng của NVTKPM của FPT.
Hệ số này luôn nằm trong khoảng từ -1 đến 1, lấy giá trị tuyệt đối, nếu lớn hơn 0.6 thì có thể kết luận mối quan hệ là chặt chẽ, và càng gần 1 thì mối quan hệ càng chặt, nếu nhỏ hơn 0.3 thì cho biết mối quan hệ là lỏng.
Bảng 4.7: Ma trận hệ số tương quan giữa các nhân tố
CSCH QH DKLV DG TH CN CNTT HL CSCH 1 .372** .308** .387** .137* .328** -.501** .651** QH .372** 1 .312** .351** .218** .155* -.372** .447** DKLV .308** .312** 1 .239** .180** .249** -.336** .436** DG .387** .351** .239** 1 .232** .272** -.439** .451** TH .137* .218** .180** .232** 1 .187** -.248** .309** CN .328** .155* .249** .272** .187** 1 -.396** .475** CNTT -.501** -.372** -.336** -.439** -.248** -.396** 1 -.765** HL .651** .447** .436** .451** .309** .475** -.765** 1
(Nguồn: Kết quả điều tra của tác giả, 08/2013)
Bảng 4.7 trên cho thấy có mối tương quan giữa yếu tố sự hài lịng và các yếu tố khác là chính sách cơ hội, mối quan hệ, điều kiện làm việc, đánh giá cá nhân, thương hiệu doanh nghiệp, cảm nhận về công việc và đặc thù ngành nghề. Trong đó yếu tố đặc thù ngành nghề có tương quan mạnh nhất (-.765), và yếu tố thương hiệu doanh nghiệp có tương quan thấp nhất (.309).
4.4.2 Đánh giá độ phù hợp của mơ hình hồi quy tuyến tính bội
Theo Hồng Trọng và Mộng Ngọc (2009), hệ số xác định R2 được chứng minh là hàm không giảm theo số biến độc lập được đưa vào mơ hình, càng đưa thêm biến độc lập vào mơ hình thì R2 càng tăng, tuy nhiên điều này cũng được chứng minh rằng khơng phải phương trình càng có nhiều biến sẽ phù hợp hơn với dữ liệu. Như vậy, R2 có khuynh hướng là một ước lượng lạc quan của thước đo sự phù hợp của mơ hình đối với dữ liệu trong trường hợp có hơn một biến giải thích. Mơ hình thường khơng phù hợp với dữ liệu thực tế như giá trị R2 thể hiện.
Bảng 4.8: Tóm tắt mơ hình hồi quy
Mơ hình R R bình phương R bình phương điều chỉnh Sai số chuấn dự báo 1 .855a .731 .722 .2881
(Nguồn: Kết quả điều tra của tác giả, 08/2013)
Trong tình huống này, hệ số xác định R2 điều chỉnh được sử dụng để phản ánh sát hơn mức độ phù hợp của mơ hình hồi qui tuyến tính bội. R2 điều chỉnh không nhất thiết tăng lên khi nhiều biến độc lập được thêm vào phương trình, nó là thước đo sự phù hợp được sử dụng cho tình huống hồi qui tuyến tính bội vì nó khơng phụ thuộc vào độ phóng đại của R2.
Bảng 4.8 trên cho kết quả R2 điều chỉnh bằng 0.722. Điều này có nghĩa là mơ hình hồi qui tuyến tính đã được xây dựng phù hợp với tập dữ liệu đến mức 72.2%.
4.4.3 Kiểm tra BLUE các vi phạm giả định cần thiết