2.3. Nghiên c ứ u các nhân t ố ảnh hưởng đế n lòng trung thành c ủ a công nhân Công ty C ổ
2.3.4.1. Kiểm định sự phù hợp của mô hình nghiên cứu
Kiểm định mối tương quan giữa biến độc lập và biến phụ thuộc
Để phân tích hồi quy đạt kết quả cao, đề tài sẽ thực hiện thêm một bước kiểm định mối tương quan giữa biến độc lập và biến phụ thuộc thông qua hệ số tương quan Pearson, bởi vì điều kiện để phân tích hồi quy là trước tiên các biến phải tương quan với nhau. Hệ số tương quan Pearson sẽ giúp chúng ta thực hiện các thống kê cơ bản như ước lượng điểm (kiểm định mức ý nghĩa), giải thích (sự ảnh hưởng của biến độc lập đối với biến phụ thuộc), dự báo (thông qua mô hình hồi quy tuyến tính), ước lượng độ tin cậy và tính hợp lý (validity).
Trong quá trình phân tích mối tương quan, ta cần chú ý phân tích đến 2 giá trị:
Hệ số tương quan Pearson (Pearson Correlation) càng lớn, tiến dần về 1 thì mối tương quan giữa biến độc lập và biến phụ thuộc càng chặt chẽ và ngược lại; Giá trị Sig. của kiểm định Pearson nếu bé hơn 0,05 thì ta có thể kết luận hai biến có tương quan với nhau và ngược lại, nếu Sig. lớn hơn 0,05 thì không có sự tương quan giữa hai biến.
Vì một trong những điều kiện cần để phân tích hồi quy là biến độc lập phải có tương quan với biến phụ thuộc, nên nếu ở bước phân tích tương quan này biến độc lập không có tương quan với biến phụ thuộc thì ta loại biến độc lập này ra khỏi phân tích hồi quy.
Bảng 2.12: Kiểm định tương quan Pearson
LTT BCCV DKLV TL DT LD DN PL
LTT
Tương quan
Pearson 1 0,277 0,463 0,586 0,452 0,419 0,514 0,556 Sig. (2-tailed) 0,001 0,000 0,000 0,000 0,000 0,000 0,000
N 145 145 145 145 145 145 145 145
(Nguồn: Kết quảphân tích dữ liệu SPSS năm 2020) Dựa vào bảng kết quả kiểm định ở trên, ta thấy giá trị Sig. (2-tailed) của các nhân tố đều bé hơn mức ý nghĩa α = 0,05, vì vậy ta có thể kết luận các biến độc lập có sự tương quan với biến phụ thuộc. Đồng thời, ta thấy mức độ tương quan giữa các biến độc lập và biến phụ thuộc cũng khá mạnh khi có hệ số tương quan đều lớn hơn và gần bằng 0,5. Điều đó cho thấy rằng các biến độc lập ở trên có thể giải thích cho biến phụ thuộc “Lòng trung thành” theo hệ số tương quan dương.
Kết quả kiểm định sự tương quan giữa biến độc lập và biến phụ thuộc cho ta kết quả là biến “Tiền lương” có sự tương quan với biến “Lòng trung thành” cao nhất (0,586) và biến “Bản chất công việc” có sự tương quan với biến “Lòng trung thành”
thấp nhất (0,277).
Kiểm định sự tựtương quan
Bảng 2.13: Kiểm định sựtương quan Mô
hình R R2 R2 điều chỉnh
Std. Error of the Estimate
Durbin - Watson
1 0,818 0,670 0,653 0,29987 1,442
(Nguồn: Kết quả phân tích dữ liệu SPSS năm 2020) Thông qua đại lượng Durbin – Watson, đề tài có thể kiểm định sự tương quan của các sai số kề nhau (hay còn gọi là tương quan chuỗi bậc nhất). Dựa vào kết quả xử lý dữ liệu, cho thấy giá trị Durbin –Watson bằng 1,442 thuộc trong khoảng chấp nhận.
Vì vậy, ta có thể kết luận với mô hình nghiên cứu được xây dựng của đề tài không xảy ra hiện tượng tự tương quan.
Kiểm định sựđa cộng tuyến
Kiểm định đa cộng tuyến là kiểm định sự tương quan giữa các biến độc lập thông qua hệ số phóng đại phương sai VIF (Variance Inflation Factor). Nếu VIF lớn hơn hoặc bằng 10 thì có thể nhận xét mô hình hồi quy vi phạm hiện tượng đa cộng tuyến.
Dựa vào kết quả xử lý số liệu ta có thể thấy, hệ số phóng đại phương sai VIF của mô hình rất nhỏ (đều nhỏ hơn 2) nên đề tài có thể kết luận rằng mô hình hồi quy trên không vi phạm hiện tượng đa cộng tuyến, phù hợp để tiến hành phân tích hồi quy.
Kiểm định phân phối chuẩn của phần dƣ
Phần dư có thể không tuân theo phân phối chuẩn vì những lý do như: sử dụng sai mô hình, phương sai không phải là hằng số, số lượng các phần dư không đủ nhiều để phân tích. Vì vậy chúng ta phải tiến hành kiểm định phân phối chuẩn của phần dư để xem xét sự phù hợp của mô hình đưa ra.
Biểu đồ 2.1: Biểu đồ tần số của phần dƣ chuẩn hóa Histogram
(Nguồn: Kết quảphân tích dữ liệu SPSS năm 2020)
Từ biểu đồ Histogram, ta thấy được một đường cong phân phối chuẩn được đặt chồng lên biểu đồ tần số. Đường cong này có dạng hình chuông, phù hợp với dạng đồ thị của phân phối chuẩn. Đồng thời, giá trị trung bình Mean gần bằng 0 và độ lệch chuẩn là 0,975 gần bằng 1, vì vậy ta có thể kết luận phân phối phần dư xấp xỉ chuẩn nên giả thiết phân phối chuẩn của phần dư không bị vi phạm.
Với các kết quả kiểm định như trên, nghiên cứu có thể tiếp tục phân tích hồi quy.