Chương 4 : PHÂN TÍCH KẾT QUẢ KHẢO SÁT
4.1 Phân tích ảnh hưởng của phong cách lãnh đạo đến sự gắn bó với tổ chức
4.1.1.2 Kiểm tra các giả định hồi quy tuyến tính mơ hình thứ nhất
Trước khi phân tích các kết quả thu được ở trên, ta cần kiểm tra các giả định trong hồi quy tuyến tính. Nếu các giả định này bị vi phạm thì các kết quả ước lượng
khơng đáng tin cậy nữa (Hoàng Trọng và Mộng Ngọc, 2005[5]). Chúng ta sẽ lần lượt kiểm tra các giả định dưới đây:
(1) Phương sai của sai số (phần dư) không đổi; (2) Các phần dư có phân phối chuẩn;
(3) Khơng có mối tương quan giữa các biến độc lập (đo lường đa cộng tuyến). Kết quả kiểm tra các giả định hồi quy tuyến tính mơ hình thứ nhất được trình bày trong Phụ lục 9
Thứ nhất, kiểm tra giả định phương sai của sai số không đổi
Để kiểm tra giả định phương sai của sai số (phần dư) không đổi, ta sử dụng đồ thị phân tán của phần dư đã được chuẩn hóa (Standardized residual) và giá trị dự
báo đã được chuẩn hóa (Standardized predicted value). Quan sát đồ thị, ta thấy các phần dư phân tán ngẫu nhiên quanh trục 0 (tức là quanh giá trị trung bình của phần
dư) trong một phạm vi không đổi. Điều này có nghĩa là phương sai của phần dư không đổi.
Thứ hai, kiểm tra giả định các phần dư có phân phối chuẩn
Phần dư có thể khơng tn theo phân phối chuẩn vì những lý do như: sử dụng sai mơ hình, phương sai khơng phải là hằng số, số lượng các phần dư không đủ nhiều để phân tích… (Hồng Trọng và Mộng Ngọc, 2005[5]). Chúng ta sẽ sử dụng các biểu đồ tần số (Histogram, Q-Q plot, P-P plot) của các phần dư (đã được chuẩn hóa) để kiểm tra giả định này.
Kết quả từ biểu đồ tần số Histogram của phần dư chuẩn hóa cho thấy, phân phối của phần dư xấp xỉ chuẩn (trung bình mean = 0, độ lệch chuẩn Std. Dev = 0,99). Điều này có nghĩa là giả định phân phối chuẩn của phần dư không bị vi
phạm.
Kết quả từ biểu đồ tần số Q-Q plot và P-P plot cho thấy các điểm phân tán
xung quanh đường kỳ vọng. Điều này cũng cho thấy giả định phân phối chuẩn của
Thứ ba, kiểm tra giả định về mối tương quan giữa các biến độc lập
Kiểm tra giả định về mối tương quan giữa các biến độc lập tức là đo lường đa cộng tuyến (Collinearity Diagnostics). Các cơng cụ chẩn đốn đa cộng tuyến có thể sử dụng là: Độ chấp nhận của biến (Tolerance), hệ số phương sai (Variance inflation factor - VIF).
Độ chấp nhận của biến (Tolerance): Nếu độ chấp nhận của một biến nhỏ là
dấu hiệu của đa cộng tuyến. Hệ số phóng đại phương sai (Variance inflation factor - VIF) là nghịch đảo của độ chấp nhận của biến (Tolerance). Nếu VIF lớn hơn 10 đó là dấu hiệu của đa cộng tuyến (Hoàng Trọng và Mộng Ngọc, 2005[5]).
Kết quả ở phân tích cho thấy, độ chấp nhận của biến (Tolerance) khơng nhỏ (nhỏ nhất là 0,543) và hệ số phóng đại phương sai (VIF) không lớn hơn 10 (lớn nhất là 1,841). Điều này có nghĩa là giả định về mối tương quan giữa các biến độc lập
khơng bị vi phạm - khơng có hiện tượng đa cộng tuyến. Điều này phù hợp với kết quả phân tích hệ số tương quan giữa các biến độc lập ở phần trên (hệ số tương quan
giữa các biến độc lập không cao lắm, chỉ dao động trong khoảng từ 0,227 đến 0,684).