Phân tích phương trình hồi quy tuyến tính

2.2.4.2.1. Kiểm định sự phù hợp của mô hình

Phương pháp kiểm định sự phù hợp của mô hình hồi quy được thực hiện bằng phương pháp Enter (tất cả các biến độc lập sẽ được đưa vào phương trình hồi quy đồng thời trong một bước duy nhất) để kiểm tra ảnh hưởng của các biến độc lập đối với biến phụ thuộc bằng cách xem xét cẩn thận trọng lượng của mỗi biến độc lập đối với nhân tố đang được kiểm tra chất lượng. Hệ số R bình phương hiệu chỉnh được dùng đểphản ánh mức độ ảnh hưởng của các biến độc lập lên biến phụ thuộc, với nguyên tắc R bình phương phải lớn hơn 0,5 và càng gần 1 thì mô hình càng phù hợp. Trị số thống kê Durbin–Watson là một thống kê kiểm định được sử dụng để kiểm tra xem có hiện tươngtự tương quan hay không trongphần dư. Trị số gần bằng 2 thì không có hiện tượng tự tương quan trong mô hình (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).

Phân tích hồi quy được thực hiện với 3 biến độc lập: Lòng tin (TR), Giao tiếp (CM), Khen thưởng (RS) và biến phụ thuộc là Chia sẻ tri thức (KS). Kết quả được thể hiện trong bảng sau:

Bảng 2.11: Đánh giá sự phù hợp của mô hình theo R2 và Durbin-Watson.

Mô hình R R bình phương R bình hương hiệu chỉnh

Ước lượng sai số chuẩn

Durbin–

Watson

1 , 769 ,591 ,555 ,51580 2,107

(Nguồn: Kết quả phân tích SPSS- Phụ lục 2) Từ bảng 2.11 ta thấy, mô hình hồi quy đưa ra tương đố phù hợp với R bình phương hiệu chỉnh là 0,555 tương đương với mô hình giải thích được 55,5% tổng thể về mối quan hệ các yếu tố ảnh hưởng đến hành vi chia sẻ tri thức của nhân viên trong

Lòng tin

Giao tiếp Chia sẻ tri thức

Khen thưởng

Đại học kinh tế Huế

công ty TNHH TM- DV Tấn Lập. Kiểm định Durbin–Watson với trị số 2,107 gần bằng 2 nên không có hiện tượng tự tương quan trong phần dư.

Tuy nhiên, hệ số R bình phương hiệu chỉnh chỉ thể hiện được sự phù hợp của mô hình với dữ liệu mẫu, không đảm bảo mức độ đại diện cho cả tổng thể. Vì vậy, tiếp tục thực hiện kiểm định F sử dụng phương pháp phân tích phương sai (ANOVA) để xét xem sự phù hợp của mô hình hồi quy tổng thể.

Bảng 2.12: Kết quả kiểm định ANOVA

Mô hình Tổng bình

phương df Trung bình

bình phương F Sig.

1 Hồi quy 13,095 3 4,365 16,406 ,000

Phần dư 9,046 34 ,266

Tổng 22,140 37

(Nguồn: Kết quả phân tích SPSS- Phụ lục 2) Từ bảng kết quả 2.12 ta thấy, giá trị Sig= 0,000 < 0,05 nên việc kiểm định ANOVA đảm bảo được mức ý nghĩa thống kê. Vì vậy, kết quả phân tích hồi quy phù hợp với tập dữ liệu và có thể sử dụng được.

2.2.4.2.2. Xác định tầm quan trọng của các biến trong mô hình

Bảng 2.13: Kết quả phân tích hồi quy theo phương pháp Enter

Mô hình

Hệ số chưa chuẩn hóa

Hệ số chuẩn hóa

t Sig.

Thống kê đa cộng tuyến

B Sai số

chuẩn Beta

Độ chấp nhận

Hệ số phóng đại phương

sai

1 Hằng số ,282 ,465 ,606 ,549

TR ,410 ,110 ,481 3,734 ,001 ,724 1,381

CM ,212 ,115 ,219 1,842 ,074 ,853 1,172

RS ,275 ,116 ,289 2,364 ,024 ,805 1,242

(Nguồn: Kết quả phân tích SPSS- Phụ lục 2)

Đại học kinh tế Huế

Dựa vào bảng kết quả 2.13 ta thấy, hệ số Sig của yếu tố lòng tin (TR) và khen thưởng (RS) nhỏ hơn 0,05, hệ số Sig của yếu tố giao tiếp (CM) là 0,74 > 0,05 nên yếu tố này không có ý nghĩa trong mô hình và phải loại bỏ. Bên cạnh đó hệ số phóng đại (VIF) đều nhỏ hơn 2 nên không có hiện tượng đa cộng tuyến giữa các biến độc lập trong mô hình. Từ kết quả phân tích hồi quy, hành vi chia sẻ tri thức của nhân viên trong công ty TNHH TM- DV Tấn Lập được thể hiện như sau:

KS = 0,481*TR + 0,289*RS

Từ phương trình hồi quy ta có thể thấy rằng, hành vi chia sẻ tri thức của nhân viên trong công ty Tấn Lập chịu sự tác động mạnh bởi yếu tố lòng tin với hệ số 0,481.

Điều này phản ánh sự tin tưởng của các nhân là tiền đề tạo nên việc chia sẻ tri thức.

Nếu có tin tưởng thì mới có thể cùng nhau chia sẻ, cùng nhau trau dồi những tri thức cần thiết. Ý nghĩa hệ số hồi quy cho thấy, trong một môi trường mà các yếu tố khác không đổi, khi yếu tố lòng tin thay đổi 1 đơn vị, thì hành vi chia sẻ tri thức sẽ thay đổi 0,481 đơn vị.

Bên cạnh đó, yếu khen thưởng cũng tác động mạnh không kém đối với hành vi chia sẻ tri thức với hệ số 0,289. Điều này cho thấy sự khuyến khích, động viên thông qua việc khen thưởng giúp nhân viên có thêm động lực để chia sẻ tri thức hơn. Ý nghĩa hệ số hồi quy nói lên rằng, khi yếu tố khen thưởng thay đổi 1 đơn vị với điều kiện các yếu tố khác không đổi thì hành vi chia sẻ tri thức sẽ thay đổi 0,289 đơn vị.

Hình 2.2: Mô hình nghiên cứu sau phân tích hồi quy 2.2.4.2.3. Dò tìm các vi phạm giả định cần thiết

Giả định phân phối chuẩn của phần dư được kiểm tra qua biểu đồ Histogram và đồ thị Q-Q plot. Nếu đồ thị Histogram có dạng đường cong phân phối chuẩn nằm chồng lên biểu đồ tần số, có mean xấp xỉ 0 và giá trị độ lệch chuẩn xấp xỉ 1 thì xem phần dư có phân phối chuẩn.

Lòng tin

Chia sẻ tri thức Khen thưởng

Đại học kinh tế Huế

Nhìn vào biểu đồ Histogram ta thấy phần dư có dạng gần với phân phối chuẩn, giá trị trung bình Mean = -1,75E-15 gần bằng 0 và độ lệch chuẩn gần bằng 1 (cụ thể là 0,959). Đồ thị Q-Q plot biểu diễn các điểm quan sát thực tế tập trung khá sát đường chéo những giá trị kỳ vọng, có nghĩa là phần dư có phân phối chuẩn.

(Nguồn: Kết quả phân tích SPSS- Phụ lục 2) Hình 2.3: Đồ thị Histogram

Đại học kinh tế Huế

(Nguồn: Kết quả phân tích SPSS- Phụ lục 2) Hình 2.4: Đồ thị Q-Q plot

Kiểm tra mối quan hệ tuyến tính giữa biến độc lập và biến phụ thuộc bằng biểu đồ phân tán Scatterplot với giá trị phần dư chuẩn hóa trên trục tung và giá trị dự đoán chuẩn hóa trên trục hoành dùng để kiểm định sự phân tán ngẫu nhiên giữa các giá trị dự đoán và phần dư (Hoàng Trọng, Chu Nguyễn Mộng Ngọc, 2008). Nếu giả định quan hệ tuyến tính và phương sai không thay đổi thỏa mãn thì phần dư sẽ phân tán ngẫu nhiên trên đồ thị.

Kết quả hình 2.5 cho thấy các phần dư phân tán ngẫu nhiên trong một vùng đi qua gốc tọa độ chứ không tạo thành một hình dạng đặc biệt nào nên giả thiết về liên hệ tuyến tính không bị vi phạm.

Đại học kinh tế Huế

(Nguồn: Kết quả phân tích SPSS- Phụ lục 2) Hình 2.5: Biểu đồ phân tán Scatterplot

2.2.5. Phân tích kết quả nghiên cứu