CHƯƠNG 4 : KẾT QUẢ NGHIÊN CỨU
4.5. Phân tích hồi quy tuyến tính
Dựa vào mơ hình nghiên cứu đề nghị như hình 4.4.2, phương trình hồi quy đa biến biểu diễn như sau:
Y = β0 + β1 X1 + β2 X2+ β3 X3 + β4 X4 + β5 X5+ β6 X6 + β7 X7 +
Trong đó:
Y : Biến phụ thuộc - Mức độ trung thành của nhân viên (là trung bình của
biến TT1, TT2, TT3)
Xi: là các biến độc lập, giải thích cho 7 nhân tố mới. Cụ thể:
X1: Đào tạo và thăng tiến (là trung bình của biến DT1, DT2, DT3, DT4)
X2: Môi trường làm việc (là trung bình của biến MT1, MT2, MT3, MT4)
X3: Tiền lương (là trung bình của biến TL1, TL3, TL4)
X4: Đồng nghiệp (là trung bình của biến DN2, DN3, DN4)
X5: Khen thưởng (là trung bình của biến KT1, KT2)
X6: Cấp trên (là trung bình của biến CT1, DT3, DT4)
X7: Phúc lợi (là trung bình của biến PL1, PL2)
βi là hệ số của các biến độc lập – cho biết chiều hướng và mức độ tác động của các biến độc lập tới biến phụ thuộc.
Phân tích hồi quy bằng phần mềm SPSS cho ra các bảng kết quả như sau:
4.5.1 Kiểm định hệ số hồi quy (Coefficients)
Bảng 4.8-Kết quả hồi quy đa biến
Mơ hình Hệ số chưa chuẩn hóa Hệ số đã chuẩ n hóa t Sig. Thống kê đa cộng tuyến B Sai số chuẩn Beta Độ chấp nhận VIF (Hằng số) - 1.192 .620 -1.922 .056 X1 Đào tạo và thăng tiến .159 .068 .147 2.316 .022 .809 1.236 X2 Môi trường làm việc -.045 .062 -.042 -.726 .469 .957 1.045 X3 Tiền lương .555 .071 .498 7.766 .000 .790 1.266 X4 Đồng nghiệp .182 .077 .147 2.377 .019 .848 1.179 X5 Khen thưởng .280 .074 .228 3.808 .000 .906 1.104 X6 Cấp trên .181 .082 .134 2.211 .028 .878 1.139 X7 Phúc lợi -.052 .061 -.051 -.855 .394 .920 1.087
Bảng “ Coefficients” cho kết quả sig. của các hệ số hồi quy, nếu hệ số có
sig. nhỏ hơn 0,05 thì hệ số của biến độc lập đó có ý nghĩa thống kê trong mơ hình nghiên cứu. Kết quả cho thấy biến X1, X3, X4, X5, X6 có giá trị sig. nhỏ hơn 0,05 nên có ý nghĩa trong mơ hình nghiên cứu. Hai biến X2 và X7 có sig. > 0,05 nên khơng có ý nghĩa trong mơ hình này.
Từ bảng trên, mối quan hệ giữa biến phụ thuộc và 5 biến độc lập được thể hiện trong phương trình hồi quy chuẩn hóa sau:
Y = X1+ 0.147 + 0.498 × X3 + 0.147 × X4 + 0.228× X5+ 0.134 × X6
Kết luận:
Bác bỏ giả thuyết H2 và H7: Kết quả cho thấy khơng có mối quan hệ giữa yếu tố Môi trường làm việc và yếu tố Phúc lợi với Lòng trung thành của nhân viên.
Chấp nhận giả thuyết H1,H3, H4, H5, H6, năm nhân tố là Đào tạo và thăng tiến, Tiền lương, Đồng nghiệp, Khen thưởng, Cấp trên có tác động tới Lịng trung thành của nhân viên .
Hình 4.14-Mơ hình các yếu tố tác động tới lòng trung thành của nhân viên
4.5.2 Kiểm định mức độ phù hợp mơ hình (Adjusted R Square, ANOVA)
- Mức độ giải thích của mơ hình (Adjusted R Square)
Bảng 4.9-Kiểm định mức độ phù hợp mơ hình Mơ hình R R 2 R2 điều chỉnh Sai số chuẩn của ước lượng Durbin-Watson 1 .696a .484 .462 .70938 1.476 Tiền lương Khen thưởng
Đào tạo & thăng tiến Đồng nghiệp
Cấp trên
Lòng trung thành của nhân viên
β = 0.498
β = 0.228
β = 0.147
β = 0.147
Bảng 4.9 đưa ra kết quả của hệ số R Square điều chỉnh , hệ số được dùng để đánh giá mức độ phù hợp của mơ hình . Kết quả cho thấy R Square điều chỉnh =
0.462 chứng tỏ mơ hình phù hợp 46.2% với mẫu nghiên cứu hiện tại. Hay nói cách
khác, 46.2% sự biến thiên của biến phụ thuộc được giải thích bởi mối liên hệ tuyến tính của các biến độc lập. Hệ số Durbin- Watson bằng 1,467 nhỏ hơn 2 cho thấy mơ hình khơng có sự tự tương quan.
- Mức độ phù hợp mơ hình: Phân tích phương sai ANOVA
Tiếp theo, để kiểm định độ phù hợp của mơ hình hồi quy tổng thể ta xem xét đến giá trị F từ bảng phân tích phương sai ANOVA (phụ lục 4) giá trị F = 21.331, giá trị sig. = 0.000 nhỏ hơn mức ý nghĩa 5% nên cho thấy mơ hình hồi quy tuyến tính bội phù hợp với tập dữ liệu và có thể sử dụng được. Cách hiểu khác là các biến độc lập có tương quan tuyến tính với biến phụ thuộc trong mơ hình.
BẢNG 4.10: ANOVAa Model Sum of Squares df Mean Square F Sig. 1 Regression 75.140 7 10.734 21.331 .000b Residual 80.012 159 .503 Total 155.151 166
( Nguồn: dữ liệu khảo sát )
- Tiêu chuẩn chấp nhận các biến: Độ chấp nhận Tolerance
Ta thấy đại lượng Tolerance( Độ chấp nhận) trong bảng Hệ số hồi quy của 7 biến đều lớn hơn 0.0001 nên có thể chấp nhận 7 biến này trong mơ hình hồi quy.
4.5.3 Kiểm định hiện tượng đa cộng tuyến (Multiple Collinearity)
Có dấu hiệu cho thấy sẽ xảy ra hiện tượng đa cộng tuyến trong khi phân tích tương quan Pearson. Để biết đa cộng tuyến có xảy ra hay khơng, sử dụng tiếp bảng
VIF của 5 biến đều nhỏ hơn 10 . Điều này thể hiện tính đa cộng tuyến của các biến độc lập là không đáng kể và các biến trong mơ hình là chấp nhận được.
Kết luận: Khơng có hiện tượng đa cộng tuyến trong mơ hình. Có thể n tâm
rằng giữa các biến độc lập khơng có quan hệ với nhau làm ảnh hưởng tới kết quả nghiên cứu.
4.5.5 Kiểm định hiện tượng tự tương quan của phần dư (Autocorrelation)
Tự tương quan là hiện tượng các sai số ngẫu nhiên có mối liên hệ tương quan nhau. Hậu quả của tự tương quan của các phần dư:
- Các ước lượng OLS (Ordinary Least Square) vẫn là các ước lượng tuyến tính khơng chệch nhưng khơng hiệu quả (vì phương sai khơng nhỏ nhất)
- Phương sai của các ước lượng là các ước lượng chệch, vì vậy các kiểm định t và F khơng cịn hiệu quả.
- Các dự báo về biến phụ thuộc khơng chính xác.
Dùng kiểm định d của Durbin-Watson để kiểm định hiện tượng tự tương quan của phần dư. Ở đây trong bảng Model Summary, đại lượng thống kê Durbin - Watson (d) = 1.476, gần bằng 2, cho thấy khơng có sự tương quan giữa các phần dư. Điều này có ý nghĩa là mơ hình hồi quy khơng vi phạm giả định về tính độc lập của sai số hay sự tương quan chuỗi bậc nhất của các sai số kề nhau không xảy ra.