4.2.2.2 Phân tích nhân tố thang đo sự gắn kết với tổ chức
Kết quả phân tích nhân tố thang đo các thành phần văn hóa như sau:
Bảng 4.7: Kiểm định KMO và Bartlett – thang đo các thành phần văn hóa
,897 | ||
Bartlett's Test of Sphericity | Approx. Chi-Square | 800,121 |
df | 15 | |
Sig. | ,000 |
Có thể bạn quan tâm!
-
Sơ Đồ Tóm Tắt Quá Trình Chọn Mẫu Trong Nghiên Cứu Định Tính -
Đánh Giá Sơ Bộ Độ Tin Cậy Của Thang Đo Bằng Hệ Số Cronbach’S Alpha -
Thống Kê Số Lượng Biến Quan Sát Và Hệ Số Cronbach’S Alpha Của Thang Đo Các Thành Phần Văn Hóa Công Ty Và Thang Đo Sự Gắn Kết Với Tổ Chức -
Tóm Tắt Kết Quả Kiểm Định Giả Thuyết -
Yếu Tố Tôn Trọng - Phát Triển Nhân Viên -
Hạn Chế Và Đề Xuất Cho Các Nghiên Cứu Tiếp Theo Trong Tương Lai
Xem toàn bộ 115 trang tài liệu này.
Với giả thuyết Ho đặt ra trong phân tích này là giữa 6 biến quan sát trong tổng thể không có mối tương quan với nhau. Kiểm định KMO và Bartlett’s trong phân tích nhân tố cho thấy giả thuyết này bị bác bỏ (sig = 0.000); hệ số KMO là 0.897 (> 0.5). Kết quả này chỉ ra rằng các biến quan sát trong tổng thể có mối tương quan với nhau và phân tích nhân tố (EFA) là thích hợp.
Bảng 3.8: Kết quá phân tích nhân tố- thang đo cá thành phần văn hóa
Biến quan sát | Hệ số tải nhân tố | Số lượng biến | Điều kiện | |
Sự gắn kết với tổ chức | COMMIT6 | ,873 | 7 | Chấp nhận |
COMMIT4 | ,852 | Chấp nhận | ||
COMMIT5 | ,831 | Chấp nhận | ||
COMMIT1 | ,815 | Chấp nhận | ||
COMMIT3 | ,811 | Chấp nhận | ||
COMMIT2 | ,794 | Chấp nhận | ||
Percentage of Variance Explained (% Phương sai trích) | 68,820 | Chấp nhận |
4.3 Phân tích tương quan - hồi quy
4.3.1 Phân tích tương quan
Ma trận tương quan ở bảng 4.10 đã trình bày các hệ số tương quan Pearson
(r) giữa các biến nghiên cứu và mức ý nghĩa của từng hệ số đó. Mức ý nghĩa của các hệ số rất nhỏ (sig= 0 < 0.05) nên các hệ số tương quan có ý nghĩa thống kê. Ngoài ra, kết quả phân tích cũng chỉ ra rằng có mối tương quan khá cao giữa các biến độc lập, các thành phần văn hóa công ty, và biến phụ thuộc, sự gắn kết với tổ chức của nhân viên (r = 0.335- 0.687).
Bảng 4.9: Tương quan các thành phần văn hóa và sự gắn kết với tổ chức
Correlationsa
X1 X2 X3 X4 X5 X6 X7 Y Hệ số tương quan 1 ,588 ,335 ,663 ,627 ,512 ,521 ,687
X1
Mức ý nghĩa (sig) ,000 ,000 ,000 ,000 ,000 ,000 ,000
Hệ số tương quan ,588 1 ,409 ,415 ,454 ,486 ,617 ,593
X2
Mức ý nghĩa (sig) ,000 ,000 ,000 ,000 ,000 ,000 ,000
Hệ số tương quan ,335 ,409 1 ,340 ,341 ,457 ,339 ,347
X3
Mức ý nghĩa (sig) ,000 ,000 ,000 ,000 ,000 ,000 ,000
Hệ số tương quan ,663 ,415 ,340 1 ,606 ,452 ,442 ,634
X4
Mức ý nghĩa (sig) ,000 ,000 ,000 ,000 ,000 ,000 ,000
Hệ số tương quan ,627 ,454 ,341 ,606 1 ,471 ,505 ,639
X5
Mức ý nghĩa (sig) ,000 ,000 ,000 ,000 ,000 ,000 ,000
Hệ số tương quan ,512 ,486 ,457 ,452 ,471 1 ,565 ,579
X6
Mức ý nghĩa (sig) ,000 ,000 ,000 ,000 ,000 ,000 ,000
Hệ số tương quan ,521 ,617 ,339 ,442 ,505 ,565 1 ,649
X7
Mức ý nghĩa (sig) ,000 ,000 ,000 ,000 ,000 ,000 ,000
Hệ số tương quan ,687 ,593 ,347 ,634 ,639 ,579 ,649 1
Y
Mức ý nghĩa (sig) ,000 ,000 ,000 ,000 ,000 ,000 ,000
4.3.2 Phân tích hồi quy tuyến tính bội
Đánh giá sự phù hợp của mô hình hồi quy
Để đánh giá độ phù hợp của mô hình, các nhà nghiên cứu sử dụng hệ số xác định R² (R-quare) để đánh giá mức độ phù hợp của mô hình nghiên cứu, hệ số xác định R² được chứng minh là hàm không giảm theo số biến độc lập được đưa vào mô hình, tuy nhiên không phải phương trình càng có nhiều biến sẽ càng phù hợp hơn với dữ liệu, R² có khuynh hướng là một yếu tố lạc quan của thước đo sự phù hợp của mô hình đối với dữ liệu trong trường hợp có 1 biến giải thích trong mô hình. Như vậy, trong hồi quy tuyến tính bội thường dùng hệ số R-quare điều chỉnh để đánh giá độ phù hợp của mô hình vì nó không thổi phồng mức độ phù hợp của mô hình. Bênh cạnh đó, cần kiểm tra hiện tượng tương quan bằng hệ số Durbin – Watson (1< Durbin-Watson < 3 ) và không có hiện tượng đa cộng tuyến bằng hệ số phóng đại phương sai VIF (VIF < 10). Hệ số Beta chuẩn hoá được dùng để đánh giá mức độ quan trọng của từng nhân tố, hệ số Beta chuẩn hoá của biến nào càng cao thì mức độ tác động của biến đó vào sự thỏa mãn chung càng lớn (Hoàng Trọng và Mộng Ngọc, 2005).
Để thể hiện tính thuyết phục và tạo sự tin tưởng hoàn toàn vào kết quả của phân tích hồi quy ta lần lượt kiểm định một số giả định sau :
- Mô hình không có hiện tượng đa cộng tuyến
- Các phần dư có phân phối chuẩn
- Giả định về tính độc lập của sai số (không có sự tương quan giữa các phần dư)
- Giả định liên hệ tuyến tính và phương sai của phần dư không đổi
+ Giả định mô hình không có hiện tượng đa cộng tuyến:
Ở phần phân tích hệ số tương quan giữa các biến độc lập với biến phụ thuộc và giữa các biến độc lập với nhau, ta thấy rằng giữa các biến phụ thuộc có quan hệ tương quan với các biến độc lập và cũng như giữa các biến độc lập cũng có mối tương quan với nhau. Khi mối tương quan khá chặt chẽ sẽ dễ dẫn đến hiện tượng đa cộng tuyến của mô hình. Do vậy mà chúng 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 (VIF).
Qua bảng kết quả phân tích, ta thấy VIF lớn nhất chỉ bằng 2.525 do đó ta có thể kết luận mô hình không có hiện tượng đa cộng tuyến. Chỉ khi nào VIF vượt quá 10 thì mô hình mới xảy ra hiện tượng đa cộng tuyến (Hoàng Trọng- Chu Nguyễn Mộng Ngọc 2005)
Bảng 4.10: Thống kê phân tích các hệ số hồi quy
Hệ số chưa chuẩn hóa | Hệ số chuẩn hóa | t | Sig. | Thống kê đa cộng tuyến | ||||
B | Sai số chuẩn | Beta | Dung Sai | VIF | ||||
(Constant) | -,428 | ,246 | -1,735 | ,084 | ||||
X1 | ,238 | ,076 | ,201 | 3,156 | ,002 | ,396 | 2,525 | |
X2 | ,126 | ,059 | ,123 | 2,151 | ,033 | ,495 | 2,020 | |
a Biến phụ thuộc: Y | X3 | -,047 | ,064 | -,035 | -,738 | ,462 | ,731 | 1,368 |
X4 | ,180 | ,053 | ,195 | 3,405 | ,001 | ,489 | 2,046 | |
X5 | ,216 | ,071 | ,170 | 3,021 | ,003 | ,505 | 1,979 | |
X6 | ,139 | ,057 | ,132 | 2,441 | ,015 | ,551 | 1,814 | |
X7 | ,232 | ,056 | ,233 | 4,101 | ,000 | ,498 | 2,009 | |
+ Giả định về phân phối chuẩn của phần dư
Phần dư có thể không tuân theo phân phối chuẩn vì những lý do như sau: sử dụng sai mô hình, phương sai không phải là hằng số, số lượng các phần dư không đủ nhiều để phân tích… Vì vậy chúng ta thực hiện nhiều cách khảo sát khác nhau
để dò tìm vi phạm. Nghiên cứu thực hiện khảo sát phân phối của phần dư bằng cách xây dựng biểu đồ tần số Histogram và biểu đồ Q-Q, P-P.
Hình 3.1: Biểu đồ Histogram
Hình 3.2: Biểu đồ Q-Q, P-P
Nhìn vào biểu đồ tần số Histogram ta thấy phần dư có phân phối chuẩn với trị trung bình mean = 0 và độ lệch chuẩn Std.Dev = 0.984 gần bằng 1, và biểu đồ tần số P-P Plot cũng cho ta thấy các điểm quan sát không phân tán quá xa đường thẳng kỳ vọng, nên ta có thể kết luận rằng giả thiết phân phối chuẩn không bị vi phạm.
+ Giả định về tính độc lập của sai số (không có tương quan giữa các phần dư):
Ta dùng đại lượng Durbin – Watson (d) để thực hiện kiểm định. Đại lượng d này có giá trị biến thiên từ 0 đến 4. Nếu các phần dư không có tương quan chuỗi bậc nhất với nhau giá trị d sẽ gần bằng 2. Kiểm định Durbin – Watson cho thấy kết quả d = 1.954 nên, ta có thể kết luận các phần dư là độc lập với nhau hay không có tương quan giữa các phần dư.
Bảng 4.11: Các hệ số xác định mô hình
R | R2 | R2 hiệu chỉnh | Sai số chuẩn của dự báo | Các thống kê thay đổi | Hệ số Durbin- Watson | |||||
R2 thay đổi | F thay đổi | df1 | df2 | Sig. F thay đổi | ||||||
,812a | ,659 | ,648 | ,44341 | ,659 | 58,528 | 7 | 212 | ,000 | 1,954 |
Biến độc lập: (Hằng số), X1, X2, X3, X4, X5, X6, X7 Biến phụ thuộc: Y
+ Giả định phương sai của phần dư không đổi
Để biết được mô hình có bị hiện tượng phương sai thay đổi hay không chúng ta có thể dùng đồ thị Scatterplot để giải thích. Chúng ta xem xét tất cả các kiểu biến thiên mà ta quan sát được. Khi tìm hồi quy tuyến tính và mô tả phần dư cùng giá trị dự đoán lên đồ thị mà thấy phần dư của chúng thay đổi theo một trật tự nào đó như dạng cong bậc 2 Parapol, cong dạng bậc 3 Cubic … thì mô hình hồi quy tuyến tính
mô tả quan hệ đường thẳng là không phù hợp và giả định có quan hệ tuyến tính bị vi phạm (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008)
Qua biểu đồ ta nhận thấy giá trị phần dư phân tán ngẫu nhiên xung quanh đường đi qua tung độ 0 chứ không tạo nên hình dạng gì như trong hình dưới, điều này chứng tỏ mô hình không bị hiện tượng phương sai thay đổi.
Như vậy các kiểm định ở 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 với tổng thể.
Phân tích hồi quy
Mô hình hồi quy gồm 7 biến độc lập là 7 thành phần văn hóa: Tôn trọng- Phát triển nhân viên; Định hướng đội nhóm; Chi tiết/ Nguyên tắc hóa; Sự ổn định; Cải tiến; Định hướng kết quả; Năng nổ/ tháo vát ảnh hưởng đến biến phụ thuộc Sự gắn kết với tổ chức được đưa vào phân tích hồi quy bằng phương pháp đưa vào cùng lúc (enter).
Kết quả phân tích hồi quy được trình bày qua các bảng 4.10, bảng 4.11, bảng
4.12 (xem thêm ở phụ lục 5.2).
Bảng 4.12 : Kiểm định tính phù hợp của mô hình
Mô hình | Tổng bình phương | df | Trung bình bình phương | F | Sig | |
1 | Hồi Quy | 80,550 | 7 | 11,507 | 58,528 | ,000b |
Phần dư | 41,681 | 212 | ,197 | |||
Tổng | 122,232 | 219 | ||||
a Biến độc lập: (Hằng số), X1, X2, X3, X4, X5, X6, X7 b Biến phụ thuộc: Y
Kiểm định F về tính phù hợp của mô hình hồi quy tuyến tính tổng thể. Điều này cho chúng ta biết biến phụ thuộc có tương quan tuyến tính với toàn bộ biến độc lập hay không. Đặt giả thuyết Ho là β0 = β1= β2 = β3 = β4 = β5 = β6 = β7 = 0. Trong bảng thống kê Anova (bảng 4.12) ta thấy giá trị sig = 0.000 (< 5%), nên cho phép ta có thể bác bỏ giả thuyết Ho. Điều này có ý nghĩa là các biến độc lập trong mô hình có tương quan tuyến tính với biến phụ thuộc tức là sự kết hợp của các biến độc lập có thể giải thích được sự thay đổi của biến phụ thuộc.
Trong bảng tóm tắt mô hình (bảng 4.11) ta thấy hệ số R2 đã hiệu chỉnh bằng 0.648 (64,8%) nghĩa là mô hình hồi quy tuyến tính đã xây dựng phù hợp với dữ liệu 64,8%, hay nói khác hơn là 64,8% sự khác biệt về sự gắn kết với tổ chức của nhân viên được giải thích bởi sự khác biệt trong các thành phần văn hóa.
Kết quả phân tích hồi quy được trình bày trong bảng 4.11 cho thấy các yếu tố: Tôn trọng- Phát triển nhân viên; Định hướng đội nhóm; Sự ổn định; Cải tiến; Định hướng kết quả; Năng nổ/ tháo vát có mối quan hệ tuyến tính có ý nghĩa thống kê (độ tin cậy là 95%) với Sự gắn kết với tổ chức của nhân viên. Mối quan hệ giữa yếu tố Chi tiết/ Nguyên tắc hóa và Sự gắn kết với tổ chức của nhân viên không có ý nghĩa thống kê trong mô hình phân tích (sig> 0.05).