Phân tích hồi quy tuyến tính sẽ giúp chúng ta biết được cường độ và chiều hướng ảnh hưởng của các biến độc lập lên biến phụ thuộc. Phương pháp hồi quy được sử dụng ở đây là phương pháp bình phương bé nhất thông thường OLS, với biến phụ thuộc là sự gắn kết của nhân viên với tổ chức và biến độc lập là các biến đã hình thành từ phân tích EFA ở trên Mô hình nghiên cứu sau khi phân tích nhân tố
Hình 3.1: Mô hình sau phân tích nhân tố EFA
Sự ủng hộ của đồng nghiệp Lương và thưởng Sự hỗ trợ từ cấp trên Văn hóa tổ chức Sự trao quyền Môi trường làm việc Sự phù hợp mục tiêu
Thương hiệu tổ chức Tính bất ổn của môi
trường kinh doanh ngành
Sự gắn bó của nhân viên
Các giả thuyết :
• H1 (+) : Lương và thưởng cao sẽ làm nhân viên gắn bó với công ty hơn
• H2 (+) : Môi trường làm việc thuận lợi, thoải mái sẽ khiến nhân viên gắn bó với công ty hơn
• H3 (+) : Sự phù hợp mục tiêu và tự chủ trong công việc sẽ làm nhân viên gắn bó với công ty hơn
• H4 (+) : Sự trao quyền sẽ giúp nhân viên gắn bó với công ty hơn • H5 (+) : Văn hoá tổ chức sẽ giúp nhân viên gắn bó với công ty hơn • H6 (+) : Sự hỗ trợ của cấp trên sẽ giúp nhân viên gắn bó với công ty hơn. • H7 (+) : Sự ủng hộ của đồng nghiệp sẽ giúp nhân viên gắn bó với công ty hơn. • H8 (+) : Thương hiệu của tổ chức sẽ giúp nhân viên gắn bó với công ty hơn • H9 (-) : Tính bất ổn của môi trường kinh doanh ngành sẽ làm nhân viên có ý
định không gắn bó với công ty nữa. Trong đó :
1 . “Lương và thưởng” gồm 4 biến : l1, l2, l3, l4 “Lương và thưởng” = Fluong = Mean (l1,l2,l3,l4)
2 . “Môi trường làm viêc” gồm 3 biến : mtlv1, mtlv2, mtlv4 “Môi trường làm việc” = Fmtlv = Mean (mtlv1,mtlv2,mtlv4) 3. “Sự hỗ trợ cấp trên” gồm 3 biến : sht1, sht2, sht3
“Sự hỗ trợ cấp trên” = Fsht = Mean (sht1,sht2,sht3) 4. “Sự trao quyền” gồm 3 biến : stq1, stq3, stq4 “Sự trao quyền” = Fstq = Mean (stq1,stq3,stq4)
5. “Thương hiệu tổ chức” gồm 4 biến : thtc1, thtc2, thtc3, thtc4 “Thương hiệu tổ chức” = Fthtc = Mean (thtc1,thtc2,thtc3,thtc4)
6. “Sự phù hợp mục tiêu và tự chủ trong công việc” gồm 3 biến : sph1, sph2, stq2 “Sự phù hợp mục tiêu và tự chủ trong công việc” = Fsph = Mean (sph1,sph2,stq2)
7. “Đồng nghiệp” bao gồm 3 biến : dn1, dn2, dn3 “Đồng nghiệp” = Fdn = Mean (dn1,dn2,dn3)
8. “Môi trường kinh doanh” bao gồm 3 biến : mtkd1, mtkd2, mtkd3 “Môi trường kinh doanh = Fmtkd = Mean(mtkd1,mtkd2,mtkd3) 9. “Văn hóa tổ chức” gồm 3 biến :vh1, vh2
“Văn hóa tổ chức” = Fvh = Mean(vh1,vh2)
Ta có phương trình hồi quy tuyến tính dạng tổng quát như sau: Yi = β0 + β1 * X1i + β2 *X2i + ...+ βn *Xni + ei Trong đó:
Yi : giá trị sự hài lòng đối với công việc tại quan sát thứ i. Xpi : giá trị của biến độc lập thứ p tại quan sát thứ i.
Βk : hệ số hồi qui riêng phần.
ei : biến độc lập ngẫu nhiên có phân phối chuẩn.
a) Ma trận hệ số tương quan giữa các biến
Bước đầu tiên khi phân tích hồi quy tuyến tính ta sẽ xem xét các mối quan hệ tương quan tuyến tính giữa biến phụ thuộc và từng biến độc lập, cũng như giữa các biến độc lập với nhau. Nếu hệ số tương quan giữa biến phụ thuộc và các biến độc lập lớn chứng tỏ giữa chúng có quan hệ với nhau và phân tích hồi quy tuyến tính có thể phù hợp. Mặc khác nếu giữa các biến độc lập cũng có tương quan lớn với nhau thì đó chính là dấu hiệu cho biết giữa chúng có thể xảy ra hiện tượng đa cộng tuyến trong mô hình hồi quy tuyến tính ta đang xét.
Kết quả tính toán ma trận hệ số tương quan giữa các biến như ở Phụ lục 4, ta thấy biến phụ thuộc Fgk – sự gắn kết có mối quan hệ tương quan tuyến tính với các biến độc lập, với mức ý nghĩa Sig<0,05; tuy nhiên các mối quan hệ này không mạnh, cụ thể có quan hệ mạnh nhất với biến Fluong – lương và thưởng, đạt 0,458; tuy nhiên có một số biến độc lập tương quan yếu với biến phụ thuộc, hệ số tương quan nhỏ hơn 0,3; cụ thể biến Fdn – đồng nghiệp, biến Fstq – sự trao quyền, biến Fsph – sự phù hợp và tự chủ trong công việc, biến Fmtkd – môi trường kinh doanh có hệ số lần lượt là 0,172; 0,261; 0,283 và 0,227; hệ số tương quan giữa các biến độc lập đều khác 1 với mức ý nghĩa Sig <0,05, điều này chứng tỏ các biến độc lập không có hiện tượng đa cộng tuyến.
b) Xây dựng phương trình hồi quy tuyến tính
Khi xây dựng phương trình hồi quy tuyến tính bội, cần thực hiện kiểm định giả thuyết H0 : hệ số hồi quy của các biến độc lập βk = 0. Nếu biến nào có giả thuyết bị bác bỏ với mức ý nghĩa thống kê Sig<0,05 thì cần giữ lại biến đó, và nếu biến nào có giả thuyết không thể bị bác bỏ (ý nghĩa thống kê Sig>0,05) thì cần loại bỏ biến đó.
Dựa vào cơ sở lý thuyết và kết quả phân tích hệ số tương quan Pearson ở trên, ta sẽ đưa tất cả các biến độc lập đã điều chỉnh vào mô hình hồi quy để phân tích (theo phương pháp Enter - đưa tất cả các biến vào cùng một lúc).
Bảng 3.23: Mô hình tóm tắt sử dụng phương pháp enter lần 1
Bảng 3.24: Phân tích ANOVA ANOVA Model Tổng bình phương df Trung bình bình phương F Mức ý nghĩa Hồi quy 15.507 9 1.723 14.623 .000a Phần dư 22.388 190 .118 1 Tổng 37.895 199 a. Biến độc lập: (Hằng số), Fvh, Fstq, Fmtkd, Fthtc, Fdn, Fluong, Fmtlv, Fsph, Fsht b. Biến phụ thuộc: Fgk Bảng 3.25 : Hệ số hồi quy Hệ số hồi quy
Hệ số hồi quy không chuẩn hóa Hệ số hồi quy chuẩn hóa Cộng tuyến thống kê Mô hình B Std. Error Beta t Mức ý nghĩa B Độ lệch chuẩn (Constant) 1.862 .290 6.427 .000 Fluong .306 .050 .362 6.170 .000 .942 1.061 Fvhtc .175 .045 .229 3.851 .000 .920 1.087 Fsht .144 .034 .247 4.186 .000 .927 1.078 1 Fmtkd -.106 .050 -.123 -2.123 .035 .967 1.035 a. Dependent Variable: Fgk
Mô hình R R2 R2 hiệu chỉnh Sai số chuẩn của ước lượng
1 .640a .409 .381 .34326
Theo như kết quả ở bảng trên ta sẽ loại các biến Fthtc, Fdn, Fsph, Fstq, Fmtlv do kết quả kiểm định thống kê không có ý nghĩa (Sig>0.05).
Sau khi loại bỏ các biến, tiến hành phân tích hồi quy theo phương pháp enter lần 2, ta thu được kết quả sau
Bảng 3.26 : Mô hình tóm tắt sử dụng phương pháp enter lần 2
Mô hình R R2 R2 hiệu chỉnh Sai số chuẩn của ước lượng 1 0,607 0,368 0,355 0,35038 a. Biến độc lập: (Hằng số), Fvh, Fmtkd, Fluong, Fsht Bảng 3.27: Phân tích ANOVA Model Tổng bình phương df Trung bình bình phương F Mức ý nghĩa Hồi quy 13.956 4 3.489 28.421 .000a Phần dư 23.939 195 .123 1 Tổng 37.895 199 a. Biến độc lập (hằng số), Fvh, Fmtkd, Fluong, Fsht
Bảng 3.28: phân tích hồi qui tuyến tính theo phương pháp Enter lần 2
Hệ số hồi quy
Hệ số hồi quy không chuẩn hóa
Hệ số hồi quy chuẩn hóa Thống kê đa cộng tuyến Mô hình B Độ lệch chuẩn Beta t Mức ý nghĩa Độ chấp nhận của biến Hệ số phóng đại phương sai
(hằng số) 1.862 .290 6.427 .000 Fluong .306 .050 .362 6.170 .000 .942 1.061 Fvhtc .175 .045 .229 3.851 .000 .920 1.087 Fsht .144 .034 .247 4.186 .000 .927 1.078 1 Fmtkd -.106 .050 -.123 -2.123 .035 .967 1.035 a. Biến phụ thuộc: Fgk
Sau khi phân tích hồi quy lần 2, kết quả cho thấy các hệ số Sig đều <0.05, các kiểm định đều có ý nghĩa thống kê. Điều này cho thấy phương trình hồi quy đạt yêu cầu với 4 biến còn lại.
c) Mô hình nghiên cứu điều chỉnh
Hình 3.2: Mô hình nghiên cứu sau hồi quy
Theo kết quả tính toán ở trên, phương trình hồi quy có dạng sau : Fgk = 0,247Fsht + 0,362Fluong + 0,229Fvh – 0,123 Fmtkd Trong đó :
Fgk : Sự gắn kết của nhân viên với tổ chức Fsht : Sự hỗ trợ của cấp trên
Fvh : Văn hóa tổ chức Fluong : Lương và thưởng Fmtkd : Môi trường kinh doanh
d) Đánh giá độ phù hợp mô hình và kiểm định các giả thuyết
Để đánh giá độ phù hợp của mô hình ta sẽ dùng các công cụ như tính hệ số xác định R 2 , kiểm định F và kiểm định t. Trước tiên, hệ số xác định của mô hình trên là 0,368 có nghĩa là 4 biến độc lập trong mô hình giải thích được 36,8% biến thiên của biến phụ thuộc, độ phù hợp của mô hình là chấp nhận được
Tiếp theo là cần kiểm định giả thuyết về mô hình của tổng thể (phân tích phương sai). Ở trên sau khi đánh giá giá trị R2 ta biết được mô hình hồi quy tuyến tính đã xây dựng là phù hợp với mẫu. Tuy nhiên để có thể suy diễn mô hình này thành mô hình của tổng thể ta cần phải tiến hành kiểm định F thông qua phân tích phương sai. Theo kết quả tính toán ở bảng trên giá trị sig. của F=0,000 (< 0,05), nên ta có thể bác
Sự hỗ trợ cấp trên
Môi trường kinh doanh
Lương thưởng
Văn hóa
Sự gắn bó của nhân viên
bỏ giả thuyết H0 cho rằng tất cả các hệ số hồi qui bằng 0 (ngoại trừ hằng số), mô hình hồi qui tuyến tính bội đang xét phù hợp với tập dữ liệu và có thể sử dụng được.
Cuối cùng, để đảm bảo các biến độc lập đều thực sự có ảnh hưởng đến biến phụ thuộc, ta tiến hành kiểm định t. Với giả thuyết H0 là hệ số hồi quy của các biến độc lập βk = 0, và với độ tin cậy 95% thì ta có thể bác bỏ giả thuyết H0 đối với tất cả các βk.Theo kết quả tính toán trong Bảng, giá trị t-value của các biến βk đều lớn hơn 1.96 và P-value < 0,05. Điều này có nghĩa là bốn nhân tố trong phương trình đều có ảnh hưởng đến sự hgắn kết của nhân viên.
e) Giải thích tầm quan trọng của các biến trong mô hình
Dựa vào kết quả phân tích hồi quy ở trên, ta thấy biến Fluong – lương thưởng là có tác động thuận chiều (hệ số beta lớn hơn 0) và tác động nhiều nhất đến sự gắn bó của nhân viên với tổ chức, nghĩa là khi hài lòng về mức lương thưởng thì nhân viên càng muốn gắn bó với tổ chức, kết quả hồi quy có beta = 0,362, mức ý nghĩa sig = 0,000 <0,01 (độ tin cậy cao), tức là khi tăng mức độ hài lòng về lương thưởng lên 1 đơn vị thì mức độ gắn bó của nhân viên tăng lên 0,362 đơn vị.
Biến Fsht - sự hỗ trợ của cấp trên có beta = 0,247 >0, tác động thuận chiều đến sự gắn bó của nhân viên với tổ chức, tức là khi có sự hỗ trợ từ cấp trên, nhân viên sẽ cảm thấy thoải mái và mong muốn gắn bó với tổ chức đó, kết quả hồi quy có mức ý nghĩa 0,000<0,01 (độ tin cậy cao) tức là khi sự hài lòng về sự hỗ trợ của cấp trên của nhân viên tăng 1 đơn vị thì sự gắn bó của nhân viên với công ty tăng 0,247 đơn vị.
Biến Fvh – văn hóa tổ chức có beta = 0,229 > 0, tác động thuận chiều đến sự gắn bó của nhân viên với tổ chức, tức là khi nhân viên hài lòng về văn hóa tổ chức của công ty, nhân viên sẽ muốn gắn bó với công ty, kết quả hồi quy có mức ý nghĩa 0,000<0,01 (độ tin cậy cao) tức là khi mức độ hài lòng về văn hóa tổ chức của công ty tăng lên một đơn vị, mức độ gắn bó của nhân viên với tổ chức sẽ tăng 0,229 đơn vị.
Biến Fmtdk – môi trường kinh doanh có hệ số beta = -0,123<0, chứng tỏ biến có tác động ngược chiều với sự gắn bó của nhân viên với tổ chức, tức là khi môi trường kinh doanh gặp bất ổn, nhân viên sẽ có ý định rời bỏ tổ chức, tuy nhiên hệ số này nhỏ hơn các hệ số còn lại và mức ý nghĩa cũng không cao bằng, sig = 0,035 <0,05
Tóm lại, cả 4 yếu tố trong mô hình đều có tác động đến sự gắn bó của nhân viên với tổ chức, 3 yếu tố tác động thuận chiều và yếu tố môi trường kinh doanh tác động ngược chiều.
f) Dò tìm sự vi phạm các giả định cần thiết trong hồi qui tuyến tính
Giả định đầu tiên là giả định liên hệ tuyến tính. Phương pháp được sử dụng là đồ thị phân tán Scatterplot với giá trị phần dư chuẩn hóa trên trục tung và giá trị dự đoán chuẩn hóa trên trục hoành. Nhìn vào đồ thị hình ta thấy phần dư không thay đổi theo một trật tự nào đối với giá trị dự đoán. Vậy giả thuyết về liên hệ tuyến tính không bị vi phạm.
Hình 3.3: Đồ thị phân tán Scatterplot với giá trị phần dư chuẩn hóa trên trục tung và giá trị dự đoán chuẩn hóa trên trục hoành
Phần dư không tuân theo phân phối chuẩn vì những lý do như sử dụng sai mô hình, phương sai không phải hằng số, số lượng các phần dư không đủ nhiều để phân tích …Vì vậy chúng ta nên thực hiện nhiều cách khảo sát khác nhau, một cách đơn giản nhất đó là xây dựng biểu đồ tần số các phần dư trong hình
Hình 3.4: Biểu đồ Histogram
Phần dư có trung bình Mean = 0, độ lệch chuẩn SD = 0,347; Biểu đồ phân bố phần dư có dạng hình chuông đều 2 bên, trị trung bình gần bằng zero và SD gần bằng 1. Như vậy giả định phần dư có phân phối chuẩn không bị vi phạm.
Hoặc xem biểu đồ P-P plot so sánh giữa phân phối tích lũy của phần dư quan sát (Observed Cum Prob) trên trục hoành và phân phối tích lũy kỳ vọng (Expected Cum Prob) trên trục tung. Nếu các điểm đều nằm gần đường chéo thì phân phối phần dư được coi như gần chuẩn.
Hình 3.5: Biểu đồ P – P plot
Giả định tiếp theo về tính độc lập của phần dư cũng cần được kiểm định. Đại lượng thống kê Durbin-Watson giúp ta thực hiện kiểm định này. Tra bảng thống kê Durbin-Watson với số mẫu quan sát bằng 200 và số biến độc lập là 4, ta có dU = 1,809; dL =1,728. Như vậy, giá trị của đại lượng d = 1,713 rơi vào miền chấp nhận giả thuyết không có tương quan chuỗi thứ bậc.
Cuối cùng, ta sẽ xem xét sự vi phạm đa cộng tuyến của mô hình, ta phải dò tìm hiện tượng đa cộng tuyến bằng cách tính độ chấp nhận của biến (Tolerance) và hệ số phóng đại phương sai (Variance inflation factor – VIF). Độ chấp nhận trong trường hợp này của 4 biến trong mô hình khá cao, đều lớn hơn 0.5 trong khi hệ số VIF khá thấp đều dưới 2 (xem phụ lục 5). Hệ số VIF nhỏ hơn 10 là ta có thể bác bỏ giả thuyết mô hình bị đa cộng tuyến. Như vậy mô hình hồi quy tuyến tính được xây dựng theo phương trình hồi qui ở trên không vi phạm các giả định cần thiết về hồi quy tuyến tính.