3.4.3.1 Phân tích tương quan giữa các biến
Để biết được biến phụ thuộc có tương quan tuyến tính với các biến độc lập, cũng như giữa các biến độc lập với nhau. Người ta sử dụng một số thống kê có tên là hệ số tương quan Pearson, ký hiệu: r [15]. Giá trị r nằm trong đoạn [-1 ÷ 1], giá trị tuyệt đối của r càng gần 1 thì tương quan tuyến tính là chặt chẽ và khi r = 0 thì không có mối
Đặc điểm nhân khẩu Độ tuổi
Giới tính
Trình độ học vấn
Chức vụ
Thời gian làm việc
Tình trạng hôn nhân
Thu nhập
Đặc điểm công việc
Lương, thưởng và phúc lợi công ty Điều kiện làm việc
Mối quan hệ với đồng nghiệp Sự phát triển bền vững của Công ty Gắn kết Nỗ lực Tính ổn định của công việc Gắn kết Tự hào – Trung thành
Mối quan hệ với cấp trên Đào tạo và phát triển nghề nghiệp
liên hệ tương quan tuyến tính giữa biến phụ thuộc và các biến độc lập. Mặt khác, nếu giữa các biến độc lập cũng có tương quan lớn với nhau thì đó dấu hiệu cho biết giữa chúng có thể xảy ra hiện tượng đa cộng tuyến trong mô hình hồi quy tuyến tính [15].
Kết quả phân tích tương quan cho thấy: có sự tương quan tuyến tính giữa các thang đo. Trong đó thang đo “Sự phát triển bền vững của công ty” có mối quan hệ tương quan cao nhất là r = 0.672 (xem phụ lục 5).
3.4.3.2 Đánh giá sự phù hợp của mô hình
Kết quả phân tích cho thấy: giá trị R2 lớn hơn giá trị R2 hiệu chỉnh, nhưng việc sử dụng R2 hiệu chỉnh để đánh giá độ phù hợp của mô hình sẽ chính xác hơn giá trị R2 vì nó không thổi phòng mức độ phù hợp của mô hình [3]. Vì vậy, nghiên cứu này sử dụng giá trị R2 hiệu chỉnh để đánh giá sự phù hợp của mô hình nghiên cứu. Kết quả mô hình hồi quy giá trị tương quan R2 điều chỉnh là 0.486, hệ số này cho biết hàm hồi quy sẽ giải thích được 48,6% sự biến thiên của biến phụ thuộc theo các biến độc lập, ta có thể kết luận mô hình là phù hợp (xem phụ lục 5).
3.4.3.3Kiểm định sự phù hợp của mô hình
Sử dụng kiểm định F để kiểm định giả thuyết H0: B1=B2=...=Bn= 0, nếu giả thuyết này bị bác bỏ thì ta có thể kết luận mô hình ta xây dựng phù hợp.
Với mức ý nghĩa Sig. = 0.000 (<0.05), ta có thể bác bỏ giả thuyết H0 cho rằng mô hình không phù hợp. Từ đó, ta kết luận mô hình là phù hợp và R2 là lớn hơn không có ý nghĩa thống kê (xem phụ lục 5).
3.4.3.4 Hàm hồi quy
Bảng 3.24 Hệ số hồi quy với 8 biến độc lập với biến GKTHTT
Hệ số chưa chuẩn hóa Hệ số chuẩn hóa Model B Sai số
chuẩn Beta T Sig.
Hằng số .240 .346 .692 .489
Cơ hội đào tạo và phát triển -.050 .060 -.043 -.833 .406 Phát triển bền vững của công ty .650 .056 .608 11.595 .000 Mối quan hệ với cấp trên -.129 .072 -.110 -1.796 .074 Lương thưởng và phúc lợi .121 .070 .101 1.732 .085
Công việc ổn định .029 .052 .032 .565 .573
Đặc điểm công việc .089 .044 .105 2.008 .046
Điều kiện làm việc .085 .057 .076 1.488 .138
1
Kết quả bảng 3.24 cho thấy: Mức ý nghĩa Sig. của cơ hội đào tạo và phát triển nghề nghiệp (0.406); mối quan hệ với cấp trên (0.074); lương, thưởng và phúc lợi (0.085); công việc ổn định (0.573); điều kiện làm việc (0.138) lớn hơn 0.05 mức ý nghĩa kiểm định. Do đó, ta loại chúng khỏi mô hình nghiên cứu vì các yếu tố này không có tác động đến sự gắn kết. (adsbygoogle = window.adsbygoogle || []).push({});
3.4.3.5 Hàm hồi quy sau khi loại biến
Kết quả cho thấy: giá trị R2 điều chỉnh là 0.478, hệ số này cho biết hàm hồi quy sẽ giải thích được 47,8% sự biến thiên của biến phụ thuộc theo các biến độc lập, ta có thể kết luận mô hình là phù hợp.Với mức ý nghĩa Sig. = 0.000, điều đó có nghĩa ta có thể bác bỏ giả thuyết H0 cho rằng mô hình không phù hợp. Từ đó, ta kết luận mô hình là phù hợp và R2 là lớn hơn không có ý nghĩa thống kê (xem phụ lục 5).
Bảng 3.25 Hệ số hồi quy với 4 biến độc lập
Hệ số chưa chuẩn hóa Hệ số chuẩn hóa Model B Sai số
chuẩn Beta t Sig.
Hằng số .413 .261 1.586 .114
Sự phát triển bền vững của công ty .659 .054 .616 12.169 .000
Đặc điểm công việc .105 .040 .123 2.602 .010
1
Mối quan hệ với đồng nghiệp .134 .059 .119 2.280 .023 Kết quả hồi quy mô hình với sự gắn kết tự hào, trung thành (GKTHTT) là biến phụ thuộc, 03 biến độc lập là phát triển bền vững của công ty (PTBV); đặc điểm công việc (DDCV); mối quan hệ với đồng nghiệp (QHDN) ta có mô hình hồi quy như sau:
Theo kết quả hồi quy thì nhân tố “Sự phát triển bền vững của công ty” có tác động mạnh nhất đến sự gắn kết tự hào, trung thành, tiếp đến là nhân tố “Mối quan hệ với đồng nghiệp”, cuối cùng là “Đặc điểm công việc”.
3.4.3.6 Kiểm định các điều kiện vận dụng mô hình
3.4.3.6.1 Kiểm định khả năng tuân theo phân phối chuẩn của phần dư
Sử dụng cách xây dựng biểu đồ tần số Histogram và biểu đồ P – P plot để khảo sát phân phối của phần dư. Phần dư có thể không tuân theo phân phối chuẩn vì do sử dụng mô hình không đúng, phương sai không phải là hằng số, số lượng các phần dư không đủ nhiều để phân tích.
Hình 3.3. Biểu đồ tần số Histogram của biến GKTHTT
Biểu đồ tần số Histogram cho thấy một đường cong phân phối chuẩn được đặt chồng lên biểu đồ tần số. Như vậy phân phối phần dư xấp xỉ chuẩn Mean < 0 và độ lệch chuẩn Std. Dev. = 0.984 (gần bằng 1), nên có thể kết luận rằng giả thuyết phân phối chuẩn không bị vi phạm.
Hình 3.4. Đồ thị P – P Plot của biến GKTHTT
Đồ thị P – P plot biểu diễn các điểm quan sát thực tế tập trung sát đường chéo những giá trị kỳ vọng, có nghĩa là dữ liệu phần dư có phân phối chuẩn.
3.4.3.6.2 Kiểm định phương sai của phần dư không đổi
Hình 3.5. Đồ thị Scatterplot của biến GKTHTT
Nhìn vào đồ thị Scatterplot, nhận thấy phần dư thay đổi không theo một trật tự nào, không nhận thấy có sự liên hệ nào giữa các giá trị dự đoán và phần dư; phần dư phân tán ngẫu nhiên. Vì vậy, chấp nhận giả thuyết có liên hệ tuyến tính giữa các biến độc lập và biến phụ thuộc.
3.4.3.6.3 Kiểm định tự tương quan
Lý do dẫn đến sự tồn tại của phần dư đó là các biến có ảnh hưởng không được đưa vào mô hình, chọn dạng tuyến tính cho mối quan hệ lẽ ra là phi tuyến tính, sai số trong đo lường các biến… Các vấn đề này có thể dẫn đến tương quan chuỗi trong sai số và tương quan này gây ra tác động sai lệch nghiêm trọng đến mô hình hồi quy tuyến tính (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Vì thế phải kiểm định xem có sự tự tương quan giữa các phần dư này không. Ta có thể dùng kiểm định d của Durbin - Watson để kiểm định sự tự tương quan.
Đại lượng d này có giá trị từ 0 đến 4. Trong thực tế, khi tiến hành kiểm định Durbin - Watson người ta thường áp dụng quy tắc kiểm định đơn giản như sau: Nếu 1< d < 3 thì kết luận mô hình không có tương quan; nếu 0 < d < 1 thì kết luận mô hình có tương quan dương; nếu 3 < d < 4 thì kết luận mô hình có sự tương quan âm.
Từ kết quả trên ta có 1 < d = 1.789 < 3 vậy ta có thể kết luận các phần dư là độc lập với nhau và tính độc lập của phần dư đã được đảm bảo (xem phụ lục 5).
3.4.3.6.4 Kiểm định đa cộng tuyến
Đa cộng tuyến là trạng thái các biến độc lập trong mô hình có tương quan chặt chẽ với nhau. Trong tình huống này các biến có tương quan tuyến tính chặt chẽ với nhau không cung cấp được thông tin gì mới và cũng không thể xác định được ảnh hưởng riêng biệt của từng biến độc lập lên biến phụ thuộc. Một trong những yêu cầu của mô hình hồi quy bội tuyến tính là các biến độc lập không có tương quan chặt với nhau, nếu yêu cầu này không được thỏa mãn, người ta bảo rằng đã xảy ra hiện tượng đa cộng tuyến trong mô hình hồi quy bội. Hệ số phóng đại phương sai VIF và Tolerance là hai đại lượng để chuẩn đoán hiện tượng đa cộng tuyến.
Để kiểm tra hiện tượng đa cộng tuyến, ta có thể sử dụng nhân tố phóng đại phương sai VIF có công thức như sau với mô hình hồi quy có k biến giải thích.
1 VIFj = (adsbygoogle = window.adsbygoogle || []).push({});
1 – Rj 2
Trong đó, R2 là giá trị hệ số xác định trong hàm hồi quy của biến giải thích thứ j theo (k – 1) biến giải thích còn lại, nếu có cộng tuyến của Xj với các biến giải thích khác thì Rj 2 sẽ lớn, giá trị VIFj càng lớn thì biến Xj càng cộng tuyến cao. Như một quy tắc kinh nghiệm nếu VIFj bằng hoặc vượt quá 5 (khi đó Rj2 > 0,8) thì xem như có đa cộng tuyến giữa Xj với các biến độc lập kia. Cũng chú ý rằng có thể trong một số sách thống kê người ta cho rằng nếu VIFj bằng hoặc vượt quá 10 (khi đó Rj2 > 0,9) thì xem như có đa cộng tuyến giữa các biến độc lập, khác biệt này đơn giản xuất phát từ quan điểm khác nhau của các nhà thống kê về mức độ tuyến tính thế nào là chặt [15].
Ta thấy hệ số VIF đều nhỏ hơn 5 và Tolerance đều nằm trong khoảng [0;1], vì vậy ta có thể kết luận không xảy ra hiện tượng đa cộng tuyến và mô hình hồi quy ta xây dựng đạt yêu cầu (phụ lục 5).