v. Phương pháp nghiên cứu
3.2.3.2 Ảnh hưởng của sự thỏa mãn thù lao đến gắn kết bằng hành vi
Trước tiên, khi thực hiện phương pháp Stepwise để đưa từng biến vào mô hình hồi quy, ta thấy Mức lương và Tăng lương là các biến có thể dự đoán tốt nhất cho gắn kết bằng hành vi. Do đó hai biến này sẽ được đưa vào trong mô hình. Còn hai biến Các phúc lợi và Cơ chế lương thì ảnh hưởng không nổi bật nên sẽ phải bị loại ra khỏi mô hình.
Kế đến, khi tiếp tục chọn phương pháp Enter để đưa cả 4 biến độc lập vào cùng lúc, ta có được kết quả kiểm định t như bảng sau:
Mô hình
Các hệ số chưa chuẩn hóa Các hệ số đã chuẩn hóa Kiểm định t
Mức ý nghĩa (Sig.)
Hệ số hồi quy B Sai số chuẩn Hệ số hồi quy riêng (β)
2 (Hằng số) 1.230 .208 5.903 .000
Mức lương .270 .080 .250 3.378 .001
Tăng lương .157 .070 .159 2.232 .027
Cơ chế lương .050 .075 .049 .663 .508
Các phúc lợi .067 .067 .072 1.001 .318
Bảng 3-14: Kiểm định các hệ số hồi quy theo phương pháp đưa biến vào cùng lúc (Enter) cho mô hình hồi quy 2
Bảng 3-14 cho ta thấy 2 biến Mức lương và Tăng lương có mức ý nghĩa kiểm định là Sig < 0.05 ở độ tin cậy 95%. Do đó ta có thể bác bỏ giả thuyết H0 của kiểm định giá trị t
(cho rằng hệ số hồi quy của hai biến Cơ chế lương và Các phúc lợi là không có ý nghĩa). Như vậy, ta có thể kết luận hệ số hồi quy của hai biến này là có ý nghĩa (khác 0).
Ngược lại, với 2 biến Cơ chế lương và Các phúc lợi thì có Sig > 0.05 (0.508 và
0.318) nên ta không thể bác bỏ giả thuyết này (tức là hệ số hồi quy của hai biến này không có ý nghĩa). Ta sẽ nhắc lại kiểm định này ở bước kiểm định ý nghĩa của các hệ số hồi quy.
Qua bước kiểm tra sơ bộ này ta nhận thấy chỉ có hai biến độc lập Mức lương và Tăng lương là có thể có ảnh hưởng đến gắn kết bằng hành vi. Bước tiếp theo ta sẽ lần lượt kiểm chứng các điều kiện giả định cho mô hình chỉ còn hai biến độc lập này.
Kiểm định không có đa cộng tuyến giữa các biến độc lập:
Xem lại ma trận hệ số tương quan Pearson ở bảng 3-5, ta thấy hệ số tương quan giữa các biến thành phần của sự thỏa mãn thù lao ở mức độ trung bình (từ 0.4 đến 0.6). Điều này không hẳn là tốt vì có khả năng trong số các biến độc lập trên vẫn có thể có sự biểu diễn tổ hợp tuyến tính của một biến nào đó qua các biến còn lại. Do đó, chúng ta cần xem xét chúng có vi phạm giả định của mô hình hồi quy tuyến tính cổ điển là liệu có hiện tượng đa cộng tuyến giữa các biến độc lập trong mô hình hay không.
Mô hình
Các hệ số chưa
chuẩn hóa Các hệ số đã chuẩn hóa
Kiểm định t
Mức ý nghĩa
(Sig.)
Thống kê đa cộng tuyến Hệ số
hồi quy Sai số chuẩn Hệ số hồi quy riêng (Beta)
Hệ số Tolerance
Nhân tử phóng đại phương sai (VIF)
2 (Hằng số) 1.346 .192 7.020 .000
Mức lương .317 .073 .293 4.328 .000 .710 1.409
Tăng lương .187 .067 .190 2.799 .006 .710 1.409
Bảng 3-15: Kiểm định hệ số phóng đại phương sai cho mô hình hồi quy 2
Ta thấy trong bảng 3-15, các nhân tử phóng đại phương sai VIF đều có giá trị < 10. Đồng thời ở bảng 3-16 bên dưới, chỉ số điều kiện (condition index) trong cả 2 chiều (do mô hình có 2 biến độc lập) đều < 15 (8.770 và 10.000). Như vậy, có thể kết luận ta không có hiện tượng đa cộng tuyến giữa hai biến Mức lương và Tăng lương.
Mô hình
Chiều
hướng Eigenvalue Chỉ số điều kiện
Tỷ trọng phương sai
(Hằng số) Mức lương Tăng lương
2 1 2.933 1.000 .01 .00 .01
2 .038 8.770 .67 .00 .71
3 .029 10.000 .32 .99 .28
Kiểm định phương sai của phần dư là không đổi:
Kiểm định tương quan hạng Spearman ở bảng 3-17 bên dưới cho ta thấy các hệ số tương quan giữa trị tuyệt đối của phần dư của gắn kết bằng hành vi với hai biến Mức lương và Tăng lương cũng gần bằng 0 (-.108 và -.059). Với độ tin cậy 95%, kiểm định cho thấy các mức ý nghĩa Sig tương ứng đều > 0.05 (0.086 và 0.352). Vậy ta không có đủ cơ sở để bác bỏ giả thuyết H0 cho rằng các hệ số tương quan hạng bằng 0. Điều này đồng nghĩa với phương sai của phân phối phần dư là không đổi.
Biến phần dư Mức lương Tăng lương
Spearman's rho
Biến phần dư Hệ số tương quan 1.000 -.108 -.059
Mức ý nghĩa (Sig.) . .086 .352
Mức lương Hệ số tương quan hạng -.108 1.000 .524
Mức ý nghĩa (Sig.) .086 . .000
Tăng lương Hệ số tương quan hạng -.059 .524 1.000
Mức ý nghĩa (Sig.) .352 .000 .
Bảng 3-17: Ma trận tương quan hạng Spearman cho mô hình hồi quy 2
Ngoài ra, khi quan sát đồ thị phân tán của phân phối phần dư (ở Phụ lục 12), ta thấy các chấm của phân phối phần dư phân tán đều đặn một cách ngẫu nhiên xung quanh đường đi qua tung độ 0 (tức là giá trị trung bình của các điểm phân tán của phần dư là bằng 0). Như vậy, giả định phương sai không đổi của mô hình hồi quy không bị vi phạm.
Kiểm định phần dư có phân phối chuẩn:
Quan sát biểu đồ phân phối của phần dư (ở Phụ lục 12) ta có thể thấy phân phối của phần dư có trị trung bình xấp xĩ 0 (=5.70E-16), độ lệch chuẩn xấp xĩ 1 (=0.996).
Ngoài ra, biểu đồ tần số P-P plot và biểu đồ tần số Q-Q plot (ở Phụ lục 12)cũng cho thấy các kết luận tương tự về phân phối phần dư là phân phối chuẩn, với các điểm phân vị của phân phối phần dư được tập trung sát vào đường chéo kỳ vọng.
Và cuối cùng, kiểm định chuẩn tắc để kiểm định phân phối chuẩn của phần dư là kiểm định Kolmogorov-Smirnov cho trường hợp này cũng cho ra trị trung bình của phần dư bằng 0, độ lệch chuẩn (Std. Deviation) xấp xỉ bằng 1 (=0.992), với mức ý nghĩa của kiểm định Sig = 0.560 > 0.05 ở độ tin cậy 95%. Do đó ta có thể chấp nhận giả thuyết H0
cho rằng phần dư có phân phối chuẩn. Như vậy, ta có thể kết luận rằng giả định phân phối chuẩn của phần dư là không bị vi phạm.
Phần dư được chuẩn hóa
Số lượng quan sát 254
Các tham số của phân phối chuẩn Trung bình .0000000
Độ lệch chuẩn .99206337
Độ sai biệt tuyệt đối Absolute .050
Positive .036
Negative -.050
Kolmogorov-Smirnov Z .790
Asymp. Sig. (2-tailed) .560
Bảng 3-18: Kiểm định Kolmogorov-Smirnov cho mô hình hồi quy 2
Tóm lại, một loạt các kiểm định về phân phối chuẩn của phần dư đều cho cùng một kết luận. Như vậy, chúng ta có thể chấp nhận giả định về phân phối chuẩn của phần dư là không bị vi phạm.
Kiểm định không có sự tự tương quan giữa các phần dư:
Để kiểm định cho giả định này ta quan sát trị thống kê Durbin-Watson ở bảng sau: Mô hình R R 2 R2hiệu chỉnh Sai số chuẩn của ước lượng Change Statistics Hệ số Durbin- Watson R2 Change F Change df1 df2 Sig. F Change 2 .426 .182 .175 .70047 .026 7.833 1 251 .006 1.979
Bảng 3-19: Kiểm định tính độc lập của phần dư cho mô hình hồi quy 2
Từ bảng 3-19 trên ta thấy giá trị thống kê Durbin-Watson (d = 1.979) nằm trong khoảng từ 1 đến 3 tức là các phần dư độc lập với nhau. Ta có thể kết luận rằng không có hiện tượng tự tương quan với nhau giữa các phần dư trong mô hình hồi quy.
Như vậy, 4 giả định của mô hình hồi quy tuyến tính đều thỏa mãn. Tiếp đến, các kiểm định về độ phù hợp và kiểm định ý nghĩa của các hệ số hồi quy sẽ được trình bày.
Kiểm định sự phù hợp của mô hình hồi quy:
Cũng từ bảng 3-19, ta thấy giá trị hệ số xác định hiệu chỉnh R2 = 0.175, nghĩa là mô hình hồi quy tuyến tính đã xây dựng phù hợp với dữ liệu 17.5%, hay nói cách khác, có 17.5% sự khác biệt về gắn kết bằng hành vi là có thể được giải thích do sự khác biệt về sự thỏa mãn Mức lương và Tăng lương.
Tuy nhiên, giá trị R2 hiệu chỉnh chỉ thể hiện được sự phù hợp của mô hình và dữ liệu mẫu (chứ chưa đảm bảo mức độ đại diện cho cả đám đông tổng thể). Do đó để xem xét sự phù hợp của mô hình hồi quy tổng thể, ta cần tiếp tục thực hiện kiểm định F.
Mô hình
Tổng các
bình phương Bậc tự do (df)
Bình phương
trung bình Tỷ số F nghĩa (Sig.) Mức ý
2 Biến thiên do hồi quy 27.376 2 13.688 27.897 .000
Biến thiên do phần dư 123.156 251 .491 Tổng biến thiên 150.533 253
Bảng 3-20: Kiểm định F cho mô hình hồi quy 2
Từ bảng 3-20, ta thấy mức ý nghĩa (Sig) trong kiểm định F của mô hình là rất nhỏ, cho thấy sẽ an toàn khi bác bỏ giả thuyết H0 cho rằng tất cả các hệ số hồi quy trong mô hình hồi quy tổng thể bằng 0. Như vậy, mô hình hồi quy tuyến tính đã xây dựng phù hợp với tổng thể (các βi≠ 0).
Kiểm định ý nghĩa của các hệ số hồi quy:
Các hệ số hồi quy được thể hiện trên bảng sau:
Model
Các hệ số chưa
chuẩn hóa Các hệ số đã chuẩn hóa
Kiểm định t Mức ý nghĩa (Sig.) Hệ số Tương quan Hệ số hồi quy (B) Sai số
chuẩn Hệ số hồi quy riêng (Beta)
Zero- order Từng phần (Partial) Riêng (Part) 2 (Hằng số) 1.346 .192 7.020 .000 Mức lương .317 .073 .293 4.328 .000 .395 .264 .247 Tăng lương .187 .067 .190 2.799 .006 .348 .174 .160
Bảng 3-21: Kết quả phân tích mô hình hồi quy 2
Bảng 3-21 cho thấy mức ý nghĩa (Sig) với độ tin cậy 95% của hệ số hồi quy riêng (β) của hai biến Mức lương và Tăng lương đều < 0.05. Điều này cho thấy an toàn khi bác bỏ giả thuyết H0cho rằng hệ số hồi quy (β) của biến Cơ chế lương và Các phúc lợi bằng 0. Như vậy, hệ số hồi quy riêng (β) của các biến Mức lương và Tăng lương là có ý nghĩa.
Ngoài ra, ta có thể nhận thấy hệ số tương quan từng phần và hệ số tương quan riêng của biến Mức lương đều cao hơn so với tương ứng của biến Tăng lương.
Kết quả phân tích mô hình hồi quy 2:
Qua các kiểm định như trên cho thấy các giả định của hàm hồi quy tuyến tính không bị vi phạm và mô hình hồi quy đã xây dựng là phù hợp một phần với tổng thể. Ta thấy, đối
với 2 biến độc lập Cơ chế lương và Các phúc lợi, các hệ số của phương trình hồi quy có ý nghĩa thống kê và các hệ số hồi quy riêng (β) đều có giá trị dương.
Như vậy, giả thuyết H1-5 và H1-7 được chấp nhận. Tức là, chỉ có sự thỏa mãn
Mức lương và sự thỏa mãn Tăng lương là có tác động dương đến gắn kết bằng hành vi. Ngược lại, giả thuyết H1-6 và H1-8 không được chấp nhận. Tức là, sự thỏa mãn Các
phúc lợi và sự thoả mãn Cơ chế lương trong nghiên cứu này đều không cho thấy có sự tác động đến gắn kết bằng hành vi.
Kết quả phân tích cho ta phương trình hồi quy tuyến tính sau:
Phương trình 3-5: CC = 1.346 + 0.317 * PL + 0.187 * PR [3-5]
Hay ta có thể phát biểu phương trình 3-5 như sau:
Gắn kết bằng hành vi = 1.346 + 0.317 * Sự thỏa mãn
mức lương + 0.187 * Sự thỏa mãn tăng lương
Phương trình 3-5 cho thấy khi biến PL thay đổi 1 đơn vị, trong điều kiện biến PR không đổi thì biến CC sẽ thay đổi 0.317đơn vị. Tương tự, khi PR thay đổi 1 đơn vị, trong điều kiện PL không đổi thì CC sẽ thay đổi 0.187đơn vị.
Tuy nhiên, từ ma trận hệ số tương quan Pearson từ bảng 3-5 ở đầu chương, chúng ta đã thấy mối tương quan khá chặt chẽ giữa 2 biến độc lập là PL và PR, do đó khó đạt được điều kiện giữ yên một biến không đổi khi thay đổi trên biến còn lại. Ta phải tiếp tục xem xét khả năng giải thích biến thiên của biến CC do tác động của từng biến độc lập khi đã loại bỏ quan hệ tổ hợp tuyến tính giữa các biến độc lập với nhau thông qua các hệ số tương quan từng phần.
Ngoài ra, bảng 3-21 cũng cho thấy hệ số tương quan từng phần của biến PL với biến CC là 0.264 và của biến PR với biến CC là 0.174. Mặc khác, hệ số tương quan riêng của PL đối với biến CC cũng cao hơn hệ số tương quan riêng của PR và CC. Từ đó, có thể kết luận, khả năng giải thích biến thiên của biến PL đối với biến CC cao hơn so với biến PR.
Như vậy, qua phân tích hồi quy tuyến tính và các hệ số tương quan từng phần và hệ số tương quan riêng, ta cũng phát hiện từ mẫu khảo sát rằng sự thỏa mãn Mức lương ảnh