CHƯƠNG IV. KẾT QUẢ NGHIÊN CỨU
4.4. Kiểm định mô hình nghiên cứu và các giả thiết
4.4.2. Mô hình các biến độc lập và kỹ năng trao đổi
Hệ số tương quan Pearson (r) được dùng để lượng hóa mức độ chặt chẽ của mối quan hệ giữa hai hay nhiều biến thứ tự. Giá trị tuyệt đối của r tiến gần đến 1 khi hai biến có mối tương quan tuyến tính chặt chẽ (Hoang & cộng sự, 2008).
Kết quả phân tích ma trận tương quan cho biến Kỹ năng trao đổi và các biến có quan hệ với nó như Kiến thức đào tạo, động lực cá nhân, bình tĩnh thoải mái, Sẵn sàng thay đổi và Giao tiếp hội nhập được trình bày ở Bảng 4.13
Bảng 4.13: Bảng phân tích tương quan giữa các biến độc lập và biến phụ thuộc Kỹ năng trao đổi.
KNTD SSTD KTDT DLCN GTHN BTTM
KNTD Pearson
Correlation 1 .212(**) .307(**) .237(**) .165(**) .195(**)
Sig. (2-tailed) . .001 .000 .000 .007 .001
N 264 264 264 264 264 264
SSTD Pearson
Correlation .212(**) 1 .253(**) .199(**) .467(**) .347(**)
Sig. (2-tailed) .001 . .000 .001 .000 .000
N 264 264 264 264 264 264
KTDT Pearson
Correlation .307(**) .253(**) 1 .393(**) .136(*) .355(**)
Sig. (2-tailed) .000 .000 . .000 .027 .000
N 264 264 264 264 264 264
DLCN Pearson
Correlation .237(**) .199(**) .393(**) 1 .268(**) .087
56
Sig. (2-tailed) .000 .001 .000 . .000 .157
N 264 264 264 264 264 264
GTHN Pearson
Correlation .165(**) .467(**) .136(*) .268(**) 1 .210(**)
Sig. (2-tailed) .007 .000 .027 .000 . .001
N 264 264 264 264 264 264
BTTM Pearson
Correlation .195(**) .347(**) .355(**) .087 .210(**) 1
Sig. (2-tailed) .001 .000 .000 .157 .001 .
N 264 264 264 264 264 264
** Correlation is significant at the 0.01 level (2-tailed).
* Correlation is significant at the 0.05 level (2-tailed).
Kết quả phân tích ma trận tương quan cho thấy:
Các biến độc lập có mối quan hệ tương quan khá mạnh với biến phụ thuộc Kỹ năng trao đổi: Kiến thức đào tạo (0,307), động lực cá nhân (0,237), bình tĩnh thoải mái (0,195), Sẵn sàng thay đổi (0.212) và Giao tiếp hội nhập (0,165). Do đó, các biến độc lập này có thể đưa vào phân tích hồi quy để giải thích ảnh hưởng đến kết quả của mô hình nghiên cứu.
4.4.2.2. Phân tích hồi quy
Tiến hành phân tích hồi quy đa biến với biến phụ thuộc là Kỹ năng trao đổi và các biến độc lập bao gồm: Kiến thức đào tạo, động lực cá nhân, bình tĩnh thoải mái, Sẵn sàng thay đổi và Giao tiếp hội nhập. Kết quả hồi quy được trình bày tóm tắt ở Bảng 4.14.
57
Bảng 4.14: Bảng phân tích hồi quy giữa các biến độc lập và biến phụ thuộc Kỹ năng trao đổi.
Model 1
R .363(a)
R Square .132
Adjusted R Square .115
Std. Error of the Estimate .562 Change Statistics R Square Change .132
F Change 7.850
df1 5
df2 258
Sig. F Change .000 a Predictors: (Constant), BTTM, DLCN, GTHN, KTDT, SSTD
Model
Unstandardized Coefficients
Standardized Coefficients t Sig.
B Std. Error Beta
1 (Constant) 2.438 .313 7.792 .000
SSTD .070 .054 .089 1.285 .200
KTDT .200 .066 .205 3.031 .003
DLCN .115 .063 .120 1.831 .068
GTHN .038 .053 .049 .725 .469
BTTM .055 .051 .071 1.082 .280
a Dependent Variable: KNTD
Hệ số R2 hiệu chỉnh của mô hình là 0,132 được hiểu rằng 13,2% phương sai của biến phụ thuộc Kỹ năng trao đổi được giải thích bởi các biến trong mô hình, kiểm định F cũng cho thấy giá trị sig. = 0,000. Vì vậy, mô hình trên phù hợp với tập dữ liệu quan sát. Biến độc lập Kiến thức đào tạo có ý nghĩa về mặt thống kê vì sig. = 0,003 < 0,05). Các biến độc lập còn lại không có ý nghĩa giải thích về mặt
58
thống kê cho biến phụ thuộc Kỹ năng trao đổi vì sig. > 0,05. Kết quả phân tích hồi quy cho thấy Kiến thức đào tạo (Beta = 0,205) có ảnh hưởng dương đến Kỹ năng trao đổi, do đó giả thuyết H1b được ủng hộ. Các yếu tố động lực cá nhân (Beta = 0,120), bình tĩnh thoải mái (Beta = 0,071), Sẵn sàng thay đổi (Beta =0,089) và Giao tiếp hội nhập (Beta = 0,049) cũng có ảnh hưởng dương đến Kỹ năng trao đổi nhưng giá trị sig > 0,05 nên các yếu tố này không giải thích được cho biến phụ thuộc kỹ năng trao đổi về mặt thống kê. Do đó, giả thuyết H2(1.b), H2(2.b), H2(3.b), H3b bị bác bỏ.
4.4.2.3. Kiểm nghiệm sự vi phạm của các giả định cần thiết trong hồi quy tuyến tính
Giả định phương sai của sai số không đổi: kiểm định Spearman cho thấy không có sự tương quan giữa phần dư chuẩn hóa và các biến độc lập trong mô hình nghiên cứu hay nói một cách khác phương sai của sai số không đổi. Ngoài ra, đồi thị biểu diễn phần dư chuẩn hóa theo giá trị dự đoán chuẩn hóa phân tán ngẫu nhiên.
Vì vậy, giả định này không bị vi phạm (Hoang và cộng sự, 2008).
Giả định về phân phối chuẩn của phần dư:
Regression Standardized Residual
1.75 1.25 .75 .25 -.25 -.75 -1.25 -1.75 -2.25 -2.75 -3.25 -3.75 -4.25 -4.75
Histogram Dependent Variable: KNTD
Frequency
40
30
20
10
0
Std. Dev = .99 Mean = 0.00 N = 264.00
59
Biểu đồ 4.2: Biểu đồ phân phối chuẩn của phần dư trong hồi quy
Đồ thị phân phối chuẩn của phần dư gần như là phân phối chuẩn, biểu đồ có std. dev = 0,99 (gần bằng 1) và Mean = 0. Như vậy, có thể kết luận giả định về phân phối chuẩn của phần dư không bị vi phạm (Hoang và cộng sự, 2008).
Giả định không có mối tương quan giữa các biến độc lập (Đo lường đa cộng tuyến):
Bảng 4.15: Bảng phân tích hồi quy giữa các biến độc lập và biến phụ thuộc Kỹ năng trao đổi.
Model Collinearity Statistics
Tolerance VIF
1 (Constant)
SSTD .704 1.421
KTDT .732 1.366
DLCN .789 1.268
GTHN .743 1.346
BTTM .792 1.263
a Dependent Variable: KNTD
Hệ số phóng đại phương sai (VIF) biến thiên từ 1,263 đến 1,421 và đều nhỏ hơn 10 nên hiện tượng đa cộng tuyến không ảnh hưởng đáng kể đến kết quả giải thích của mô hình (Hoang & cộng sự, 2008).