Trong đó :
+ Ykqi : biểu hiện giá trị của biến kết quả thực hiện công việc tại quan sát thứ i.
+ βo : hằng số hồi quy
+ β1 : hệ số hồi quy.
+ Xi : biểu hiện giá trị của biến sự thỏa mãn công việc tại quan sát thứ i.
+ ei : sai số hồi quy
4.4.1. Phân tích tương quan
Trước khi tiến hành phân tích hồi quy tác giả cần xem xét các mối tương quan tuyến tính giữa tất cả các biến (thơng qua trị tuyệt đối của hệ số tương quan Pearson - ký hiệu là r) như :
− Biến phụ thuộc và từng biến độc lập nhằm cho biết mức độ chặt chẽ của mối liên hệ tương quan tuyến tính để xác định phân tích hồi quy tuyến tính là thích hợp.
− Giữa các biến độc lập với nhau nhằm xem giữa các biến này có tương quan chặt chẽ với nhau và như vậy có thể ảnh hưởng lớn đến kết quả phân tích hồi quy. Ví dụ như gây ra hiện tượng đa cộng tuyến.
4.4.1.1. Kiểm định sự tương quan giữa các nhân tố ảnh hưởng vào sự
thỏa mãn cơng việc
Dựa theo Hồng Trọng và Chu Nguyễn Mộng Ngọc (2005)35điều kiện để kết luận hai biến có liên hệ tương quan tuyến tính khi :
Dấu hiệu Sig. (2-tailed) - kiểm định hai phía phải nhỏ hơn mức ý nghĩa được chọn để kiểm định 0,01.
Phân tích tương quan được thực hiện giữa biến phụ thuộc là sự thỏa mãn công việc và các biến độc lập trong mơ hình như : thu nhập, cơ hội đào tạo và thăng tiến, mối quan hệ cấp trên và đồng nghiệp, bản chất công việc, điều kiện làm việc và phúc lợi công việc.
Kết quả ở phụ lục F. 1. 1 cho thấy tất cả dấu hiệu kiểm định hai phía đều = 0,000 và nhỏ hơn 0,01. Như vậy biến phụ thuộc sự thỏa mãn cơng việc có liên hệ tương quan với từng biến độc lập cụ thể :
+ Tương quan trung bình trên 0,5 với các biến độc lập như : thu nhập, cơ hội đào tạo và thăng tiến, điều kiện làm việc và phúc lợi. Trong đó liên hệ tương quan cao với thu nhập = 0,654.
+ Tương quan thấp dưới 0,5 với các biến độc lập như : mối quan hệ đồng nghiệp và cấp trên, bản chất cơng việc. trong đó liên hệ tương quan thấp nhất với bản chất công việc = 0, 391.
Mối liên hệ tương quan cao giữa những biến độc lập với nhau là thu nhập và phúc lợi với r = 0,618.
Như vậy có sự tương quan giữa tất cả các biến. Do đó phân tích hồi quy là thích hợp cho mơ hình 4.3. Bên cạnh đó các biến có liên hệ tương quan cao tác giả sẽ kiểm tra hiện tượng đa cộng tuyến ở những phần phân tích sau.
4.4.1.2. Kiểm định sự tương quan giữa sự thỏa mãn công việc ảnh
hưởng vào kết quả thực hiện công việc
Tương tự điều kiện kết luận hai biến có sự tương quan như trong phần kiểm định sự tương quan giữa các nhân tố ảnh hưởng vào sự thỏa mãn công việc. Kết quả
35 Hoàng Trọng - Chu Nguyễn Mộng Ngọc (2005), Phân Tích Dữ Liệu Nghiên Cứu Với SPSS, Nhà Xuất
ở phần phụ lục F. 1. 2 cho thấy mức ý nghĩa quan sát thỏa điều kiện đặt ra, biến phụ thuộc kết quả thực hiện cơng việc và biến độc lập có sự tương quan với nhau với r = 0,554. Như vậy phân tích hồi quy là thích hợp cho mơ hình 4.4
4.4.2. Phân tích hồi quy và kiểm định giả thuyết
Dựa vào kết luận ở phần phân tích hệ số tương quan. Tác giả cho tiến hành phân tích mơ hình hồi quy bội bằng cách đưa các biến độc lập trong mơ hình hồi quy theo phương pháp đưa vào cùng một lúc (phương pháp Enter). Để đưa ra mơ hình hồi quy ban đầu, tác giả dựa theo gợi ý của Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2005)36như sau :
Điều kiện đối với mơ hình hồi quy tuyến tính bội ban đầu:
Sử dụng R2 điều chỉnh (Ajusted R square) để đánh giá độ phù hợp của mơ hình. R2 điều chỉnh với điều kiện càng tiến gần 1 thì mơ hình đã xây dựng càng thích hợp, mơ R2 điều chỉnh càng gần 0 mơ hình càng kém phù hợp với tập dữ liệu mẫu.
Sử dụng đại lượng F với điều kiện mức ý nghĩa quan sát (sig.) nhỏ hơn mức ý nghĩa được chọn để kiểm định (0,01) để kiểm định giả thuyết về độ phù hợp của mơ hình nhằm đưa ra kết luận R2 điều chỉnh khác 0 vì vậy mơ hình hồi quy tuyến tính xây dựng được phù hợp với tổng thể.
Trị thống kê t với điều kiện mức ý nghĩa quan sát (sig.) nhỏ hơn mức ý nghĩa được chọn để kiểm định (0,05) để kiểm định giả thiết về ý nghĩa hệ số hồi quy riêng phần (βk) nhằm đưa ra kết luận hệ số hồi quy riêng phần khác 0 vì vậy các biến độc lập có ảnh hưởng đến biến phụ thuộc.
Dựa vào hệ số tương quan từng phần (Part correlation) và hệ số tương quan riêng phần (Partial correlation) để xác định tầm quan trọng của các biến độc lập.
Điều kiện đối với mơ hình hồi quy tuyến tính đơn ban đầu :
Tương tự như điều kiện R2 điều chỉnh trong mơ hình tuyến tính bội nhưng đối với mơ hình này R2 (R square) được sử dụng.
36 Hồng Trọng - Chu Nguyễn Mộng Ngọc (2005), Phân Tích Dữ Liệu Nghiên Cứu Với SPSS, Nhà Xuất
Trị thống kê t với điều kiện mức ý nghĩa quan sát (sig.) nhỏ hơn mức ý nghĩa được chọn để kiểm định (0,05) để kiểm định giả thiết về ý nghĩa hệ số hồi quy (β1) nhằm đưa ra kết luận hệ số hồi quy khác 0 vì vậy các biến độc lập có ảnh hưởng đến biến phụ thuộc.
4.4.2.1. Mơ hình sự thỏa mãn cơng việc
Kết hợp phụ lục F. 2. 1 (được phân tích từ chương trình Spss) và điều kiện để đưa ra mơ hình hồi quy ban đầu cho sự thỏa mãn cơng việc tác giả có những kết luận như sau :
Với R2 điều chỉnh = 0,557 Từ bảng Model Summary cho thấy mô hình trên được xây dựng phù hợp, hay 55,7 % sự thỏa mãn cơng việc được giải thích bởi sáu biến độc lập trên.
Trong bảng Anova, mức ý nghĩa quan sát = 0,000 từ kiểm định F nhỏ hơn 0,01 do đó R2 điều chỉnh khác 0 vì vậy mơ hình hồi quy sự thỏa mãn cơng việc được xây dựng phù hợp với tập dữ liệu và có thể sử dụng được.
Với điều kiện quy định giá trị quan sát của kiểm định t phải nhỏ hơn 0,05. Từ bảng Coefficients tác giả có kết luận :
− Các nhân tố bị loại vì khơng có ý nghĩa trong mơ hình : mối quan hệ cấp trên và đồng nghiệp với sig. = 0,102; bản chất công việc với sig. = 0,976.
− Các nhân tố được chọn trong mô với sig. nhỏ hơn 0,05 hình như : thu nhập, cơ hội đào tạo và thăng tiến, điều kiện làm việc, phúc lợi.
Từ 3 kết luận trên tác giả có mơ hình hồi quy sự thỏa mãn cơng việc ban đầu như sau :
Ytm = - 0,421 + 0,324 X1 + 0,181 X2 + 0,255 X5 + 0,194 X6 + e