Kiểm định ANOVA độ phù hợp của mô hình

Bảng 2.15: Kiểm định ANOVA độ phù hợp của mô hình

Model Sum of Squares Df Mean Square F Sig.

Hồi quy 28.981 5 5.796 31.191 0.000^b

Số dư 24.901 134 0.186

Tổng 53.882 139

(Nguồn: Kết quảxửlý sốliệu điều tra bằng SPSS 20.0) - Để đảm bảo các biến độc lập đều có tác động đến biến phụ thuộc, ta tiến hành kiểm định với cặp giảthiết như sau:

+ H₀: Hệsốhồi quy của các biến độc lập R² = 0 + H_1:Hệsốhồi quy của các biến độc lập R²≠ 0

- Với độtin cậy 95%, Sig. = 0.000 (<0.05) nên có thểkết luận rằng có ít nhất một biến độc lậpảnh hưởng đến biến phụthuộc trong mô hình trên.

- Sau khi kiểm định ANOVA cho độ phù hợp của mô hình, thì ta tiếp tục tiến hành phân tích hồi quy đa biến đểxem các biến độc lập cóảnh hưởng như thế nào đến biến phụthuộc: “Sựhài lòng của người lao động về công việc”

2.2.1.9 Phân tích hồi quy

- Mô hình nghiên cứu được biểu diễn dưới dạng phương trình hồi quy tuyến tính đa biến như sau:

HL = β₀+ β₁*Tl + β₂*MT + β₃*LD + β₄*PL + β₅*DTTT + e Trong đó:

+ HL: Sựhài lòng của lao động trong công việc tại công ty + TL: Tiền lương

+ MT: Môi trường làm việc

Trường Đại học Kinh tế Huế

+ LD: Lãnh đạo + PL: Phúc lợi

+ DTTT: Đào tạo và thăng tiến

+ βo: Hệsốhồi quy riêng từng phần tương ứng với các biến độc lập trên + e: Sai sốcủa mô hình

- Hệsốxác định R² đãđược chứng minh là hàm không giảm theo sốbiến độc lập được đưa vào mô hình. Tuy nhiên, mô hình thường không phù hợp với dữliệu thực tế như giá trịR² thểhiện. Trong tình huống này thì R² điều chỉnh (Adjusted R Square) từ R² được sửdụng đểphản ánh sát hơn mức độphù hợp của mô hình hồi quy tuyến tính đa biến vì nó không phụ thuộc vào độ lệch phóng đại của R². Vậy nên, ta tiến hành điều chỉnh đồ phù hợp của mô hình hồi quy theo bảng sau:

Bảng 2.16: Độ phù hợp của mô hình hồi quy của mô hình

R R² R² điều chỉnh Std. Error Durbin-Watson

0,733^a 0,538 0,521 0,43108 1,661

(Nguồn: Kết quảxửlý sốliệu điều tra bằng SPSS 20.0) - So sánh 2 giá trị R và R² đã được điều chỉnh cho thấy R² điều chỉnh nhỏ hơn, dùng R² điều chỉnh đánh giá độ phù hợp của mô hình sẽ an toàn hơn vì nó không thổi phồng mức độ phù hợp của mô hình. Kết quả cho thấy độ phù hợp của mô hình là 0.521 tương ứng với 52,1%, nghĩa là mô hình hồi quy được sử dụng phù hợp với dữ liệu ở mức 52,1% hay 52,1% sự biến thiên của “Sự hài lòng của người lao động về công việc tại công ty”.

Bảng 2.17: Kết quả phân tích hồi quy đa biến của mô hình Biến số Hệ số chưa

chuẩn hóa

Hệ số chuẩn hóa

Giá trị T Sig.

Chỉ số đa cộng tuyến Tolerance VIF Hệ số B

(%)

Std.

E

Hệ số Beta (%) Hằng số

(Constant) 0,068 0.371 0.183 0.855

TL 0,058 0.057 0,067 1.033 0.304 0.808 1.238

MT -0,096 0.078 -0,079 -1.231 0.220 0.837 1.195

LD 0,453 0.083 0,424 5.469 0.000 0.573 1.745

Trường Đại học Kinh tế Huế

PL 0,181 0.075 0,157 2.435 0.016 0.826 1.210

DTTT 0,322 0.071 0,329 4.508 0.000 0.648 1.543

(Nguồn: Kết quảxửlý sốliệu điều tra bằng SPSS 20.0) Sựhài lòng

* Kiểm định giá trị độphù hợp

- Độphù hợp của mô hình được thểhiện qua giá trị R² điều chỉnh. Kết quảcho ta thấy, mô hình 5 biến độc lập có giá trị R² điều chỉnh là 0.521. Như vậy độphù hợp của mô hình là 52,1% hay nói cách khác 52,1 % biến thiên của biến “Sự hài lòng của người lao động về công việc tại công ty được giải thích bởi 5 biến quan sát trên, còn lại là do tác động của các yếu tốngoài mô hình.

* Hiện tượng tự tương quan

- Đại lượng Durbin– Watson được dùng để kiểm định tương quan của các sai số kềnhau. Giảthiết như sau:

H₀: hệsố tương quan tổng thểcủa các phần dư bằng 0.

H₁: hệsố tương quan tổng thểcủa các phần dư khác 0.

- Từkết quảphân tích hồi quy đa biến cho ta kết quảvềgiá trị Durbin –Watson là 1,661Theo điều kiện hồi quy thì giá trị Durbin – Watson nằm trong khoảng từ 1,6 đến 2,6 thì các biến sẽkhông có hiện tượng tự tương quan với nhau. Như vậy, mô hình không vi phạm giả định vềhiện tượng tự tương quan.

* Hiện tượng đa cộng tuyến

- Với độchấp nhận (Tolerance) lớn và hệsố phóng đại phương sai (VIF) của các biến rất nhỏ đều dưới 2, do vậy mô hình hồi quy không vi phạm hiện tượng đa cộng tuyến. Mô hình hồi quy vi phạm hiện tượng đa cộng tuyến khi và chỉ khi các biến có hệsố phóng đại phương sai (VIF) lớn hơn hoặc bằng 10.

* Kết quảphân tích hồi quy đa biến

- Dựa vào phân tích kết quả hồi quy đa biến, ta thấy giá trị Sig. của biến độc lập LD, PL, DTTT đều nhỏ hơn 0.05 ngoại trừ hai biến độc lập là TL có giá trị sig. = 0.304, biến MT có giá trị sig. = 0.220 và hằng số (constant) có giá trị Sig. = 0.855 (>0.05) nên loại. Do đó, chỉ có 3 nhân tố có ý nghĩa trong mô hình và tác động cùng chiều đến sự đánh giá của người lao động và các hệsốhồi quy đều mang dấu dương.

Trường Đại học Kinh tế Huế

- Như vậy, từ kết quả phân tích hồi quy của bảng trên cho ta phương trình hồi quy chưa chuẩn hóa như sau:

HL = 0.453x LD + 0.181 x PL + 0.322 x DTTT

- Thông qua các hệ số hồi quy chưa chuẩn hóa của mô hình thì ta có thể biết được mức độ quan trọng của các biến tham gia vào phương trình hồi quy. Cụ thể, nhóm nhân tố “Lãnh đạo” (B = 0,453) có tác động lớn nhất đến sựhài lòng của người lao động. Tiếp theo lần lượt theo thứ tựgiảm dần từquan trọng đến ít quan trọng bao gồm các nhóm nhân tố “Đào tạo và thăng tiến” (B = 0,322), “Phúc lợi” (B = 0,181).

Nhìn chung thì tất cả 3 nhân tố trên đều có những ảnh hưởng nhất định đến biến phụ thuộc (sựhài lòng) và bất cứmột thay đổi nào của 1 trong 3 nhân tố trên đều có thểtạo nên sự thay đổi đối với đánh giá chung của người lao động.

 BLD= 0,453 dấu (+) quan hệ cùng chiều. Khi đánh giá yếu tố Lãnh đạo tăng thêm 1 điểm, mức độhài lòng tăng thêm 0,453 điểm.

 BDTTT= 0,322 dấu (+) quan hệ cùng chiều. Khi đánh giá yếu tố Đào tạo và thăng tiếntăng thêm 1 điểm, mức độhài lòng tăng thêm 0,322 điểm.

 BPL= 0,181 dấu (+) quan hệ cùng chiều. Khi đánh giá yếu tố Phúc lợi tăng thêm 1 điểm, mức độhài lòng tăng thêm 0,181 điểm.

2.2.2Đánh giá của người lao động về công việc tại công ty