Kiểm Định Giả Thuyết Về Độ Phù Hợp Của Mô Hình

trận. Mỗi biến sẽ xuất hiện hai lần trong ma trận với hệ số tương quan như nhau, đối xứng nhau qua đường chéo của ma trận.

Nếu kết luận được là các biến độc lập và biến phụ thuộc có tương quan tuyến tính với nhau qua hệ số tương quan Pearson, đồng thời giả định rằng chúng ta đã cân nhắc kỹ bản chất của mối liên hệ tiềm ẩn giữa các biến và xem như đã xác định đúng hướng của một mối quan hệ nhân quả giữa chúng, thì chúng ta có thể mô hình hóa mối quan hệ nhân quả của chúng bằng mô hình hồi quy tuyến tính bội, trong đó một biến được gọi là biến phụ thuộc và các biến còn lại gọi là các biến độc lập.

3.6.3.2. Mô hình hồi quy tuyến tính bội

Mô hình hồi quy tuyến tính bội có dạng: Yi = β0 + β1X1i + β2X2i + …+ βpXpi + ei Trong đó:

Yi là giá trị biến phụ thuộc β0 là hệ số chặn

β0 là hệ số hồi quy thứ i

Xpi là trị quan sát thứ i của biến độc lập p ei là biến độc lập ngẫu nhiên

3.6.3.3. Kiểm định giả thuyết về độ phù hợp của mô hình

Kiểm định F trong bảng phân tích phương sai là một phép kiểm định giả thuyết về độ phù hợp của mô hình hồi quy tuyến tính tổng thể.

3.6.3.4. Kiểm định ý nghĩa của các hệ số hồi quy

Mặc dù mô hình hồi quy tuyến tính mẫu ta xây dựng được có giá trị hệ số β≠0, nhưng ta chưa thể chắc hệ số hồi quy riêng của mô hình tổng đã khác 0, vì vậy ta phải kiểm định về ý nghĩa của hệ số hồi quy. Kiểm định t trong bảng các thông số thống kê của từng biến độc lập dùng để kiểm định ý nghĩa của các hệ số hồi quy.

βi

t =

Sβi

Các cặp giả thuyết Ho: βi = 0

H1: βi ± 0

Nguyên tắc chấp nhận giả thuyết Dựa vào đại lượng thống kê t

- Nếu |t| < t tra bảng: Chưa có cơ sở để bác bỏ giả thuyết Ho

- Nếu |t| > t tra bảng: Bác bỏ giả thuyết Ho Dưa vào trị số p-value

- Nếu sig < α: Bác bỏ giả thuyết Ho

- Nếu sig ≥ α: Chưa có cơ sở để bác bỏ giả thuyết Ho

3.6.3.5. Dò tìm các vi phạm giả định cần thiết trong hồi quy tuyến tính bội

Đối với giả định liên hệ tuyến tính và phương sai bằng nhau, sử dụng đồ thị phân tán giữa các phần dư chuẩn hóa và giá trị chuẩn đoán chuẩn hóa. Nếu giả định liên hệ tuyến tính và phương sai bằng nhau được thỏa mãn, thì sẽ không nhận thấy có liên hệ gì giữa các giá trị phần dư chuẩn hóa và giá trị dự đoán chuẩn hóa. Chúng sẽ phân tán rất ngẫu nhiên trong một vùng xung quanh đường đi qua tung độ 0, không tạo thành một hình dạng nào.

Đối với giả định về phân phối chuẩn của phần dư, sử dụng biểu đồ tần số của các phần dư. Nếu trung bình bằng 0 và độ lệch chuẩn xấp xỉ bằng 1 thì có thể kết luận rằng giả định phân phối chuẩn không bị vi phạm.

Đối với giả định về tính độc lập của sai số tức không tương quan giữa các phần dư, đại lượng thống kê Durbin-Watson dùng để kiểm định tương quan của các sai số kề nhau. Đại lượng d có giá trị biến thiên trong khoảng [dU; 4-dU]. Nếu các phần dư không có tương quan, giá trị d sẽ gần bằng 2.

Đối với giả định không có mối tương quan giữa các biến độc lập (đo lường hiện tượng đa cộng tuyến), sử dụng hệ số phóng đại phương sai (VIF – Variance inflation factor), nếu VIF vượt qua 10 đó là dấu hiệu của hiện tượng đa cộng tuyến.

Tiếp theo là đánh giá độ phù hợp của mô hình hồi quy tuyến tính bội bằng hệ số R2 và hệ số R2 điều chỉnh. Hệ số R2 đã được chứng minh là hàm không giảm theo số biến độc lập được đưa vào mô hình, càng đưa thêm nhiều biến độc lập vào mô hình thì R2 càng tăng. Tuy nhiên điều này cũng đã được chứng minh rằng không phải phương trình càng có nhiều biến sẽ càng phù hợp hơn với tập dữ liệu. Để giải quyết tình huống này, hệ số R2 điều chỉnh được sử dụng để phản ánh tốt hơn mức độ phù hợp của mô hình hồi quy tuyến tính bội. Hệ số R2 điều chỉnh không nhất thiết phải tăng lên khi nhiều biến độc lập được đưa thêm vào mô hình. Hệ số R2 điều chỉnh là thước đo sự phù hợp được sử dụng cho tình huống hồi quy tuyến tính bội vì nó không phụ thuộc và độ lệch phóng đại của hệ số R2.

Sau cùng sẽ hiệu chỉnh mô hình lý thuyết. Sau khi hiệu chỉnh mô hình xong, viết phương trình hồi quy tuyến tính bội, dựa vào các hệ số hồi quy riêng phần để xác định mức độ ảnh hưởng của các nhân tố đến sự hài lòng của khách hàng mua sắm trực tuyến. Hệ số hồi quy riêng phần của nhân tố nào càng lớn thì mức độ ảnh hưởng của nhân tố đó đến sự hài lòng của khách hàng càng cao, nếu cùng dấu thì mức độ ảnh hưởng theo chiều thuận và ngược lại.

* Kiểm định sự khác biệt về sự hài lòng của khách hàng mua sắm online theo các biến giới tính, trình độ học vấn, thu nhập, nghề nghiệp bằng phân tích ANOVA, T – test và kiểm định phi tham số, với mức ý nghĩa 5%.

3.7. TÓM TẮT CHƯƠNG 3

Chương này đã trình bày phương pháp nghiên cứu gồm 2 bước chính: Nghiên cứu sơ bộ và nghiên cứu chính thức. Nghiên cứu sơ bộ thực hiện bằng nghiên cứu định tính thông qua kỹ thuật thảo luận nhóm và lấy ý kiến các chuyên gia nhằm đưa ra bảng câu hỏi với các thang đo hoàn chỉnh. Nghiên cứu chính thức được thực hiện bằng nghiên cứu định lượng thông qua khảo sát bằng bảng câu hỏi. Quy trình nghiên cứu cũng đã được đề ra để phục vụ mục đích phân tích cho chương tiếp theo.

CHƯƠNG 4. KẾT QUẢ NGHIÊN CỨU

4.1. THÔNG TIN MẪU NGHIÊN CỨU

Sau quá trình khảo sát trực tuyến tôi đã thu về được 257 bảng khảo sát hợp lệ trên tổng cộng 285 bảng trả lời khảo sát. Tiến hành nhập liệu và sử dụng phần mềm SPSS để xử lý, tính toán các đại lượng thống kê ta có thông tin thuộc đối tượng nghiên cứu như sau (xem phụ lục 2):

4.1.1. Giới tính

Qua thống kê trong mẫu quan sát có số lượng giới tính nữ: 223 người chiếm tỷ lệ 86,8% nhiều hơn giới tính nam giới (34 người, chiếm 13,2%)

Giới tính

13%

Nam Nữ

87%

Hình 4.1: Tỉ lệ theo giới tính

Nguồn: Kết quả xử lý dữ liệu điều tra của tác giả

4.1.2. Nhóm tuổi

Mẫu khảo sát có 41 người có độ tuổi dưới 25 tuổi (chiếm 16%), 166 người có độ tuổi từ 25 đến 34 tuổi (chiếm 64,6%), 45 người có độ tuổi từ 35 đến 49 tuổi

(chiếm 17,5%), 5 người có độ tuổi trên 49 tuổi (chiếm 1,9%).

Nhóm tuổi

17%

16%

Dưới 25

25 - 34

35-49

Trên 49

65%

Hình 4.2: Tỉ lệ theo nhóm tuổi

Nguồn: Kết quả xử lý dữ liệu điều tra của tác giả

4.1.3. Nghề nghiệp

Mẫu khảo sát có 170 người có nghề nghiệp là văn phòng (chiếm 66,1%), 15 người có có nghề nghiệp là công nhân (chiếm 5,8%), 37 người có có nghề nghiệp là sinh viên (chiếm 14,4%), 35 người có có nghề nghiệp khác (chiếm 13,6%).

Nghề nghiệp

14%

Văn phòng

Công nhân Sinh viên

66%

Khác

Hình 4.3: Tỉ lệ theo nghề nghiệp

Nguồn: Kết quả xử lý dữ liệu điều tra của tác giả

4.1.4. Thu nhập

Mẫu khảo sát có 36 người có thu nhập bình quân hàng tháng < 4 triệu (chiếm 14%), 80 người có thu nhập bình quân hàng tháng từ 4 - <7 triệu (chiếm 31%), 121 người có thu nhập bình quân hàng tháng từ 7 đến <10 triệu (chiếm 47%), 20 người có thu nhập bình quân hàng tháng ≥ 10 triệu (chiếm 8 %).

Thu nhập

14%

47%

31%

< 4 triệu

4 - <7 triệu

7 - <10 triệu

>= 10 triệu

Hình 4.4: Tỉ lệ theo thu nhập

Nguồn: Kết quả xử lý dữ liệu điều tra của tác giả

4.1.5. Học vấn

Mẫu khảo sát có 51 người có trình độ phổ thông (chiếm 19,8%), 86 người có trình độ trung cấp, cao đẳng (chiếm 33,5%), 104 người có có trình độ đại học (chiếm 40,5%), 07 người có trình độ sau đại học (chiếm 2,7%) và 09 người có trình độ khác (chiếm 3,5%).

Trình độ học vấn

20%

40%

Phổ thông

Trung cấp, Cao đẳng Đại học

Sau ĐH

33%

Khác

Hình 4.5: Tỉ lệ theo trình độ học vấn

Nguồn: Kết quả xử lý dữ liệu điều tra của tác giả

4.2. KIỂM ĐỊNH THANG ĐO CÁC NHÂN TỐ

4.2.1 Kiểm định Cronbach’s Alpha (Phụ lục 3)

Như đã giới thiệu trong mục 3.6.1, phương pháp này cho phép phân tích loại bỏ các biến không phù hợp và hạn chế các biến rác trong quá trình nghiên cứu và đánh giá độ tin cậy của thang đo bằng hệ số thông qua hệ số Cronbach Alpha. Những biến có hệ số tương quan biến tổng (Item-total correlation) nhỏ hơn 0,3 sẽ bị loại. Thang đo có hệ số Cronbach Alpha từ 0,6 trở lên là có thể sử dụng được.

Kết quả Cronbach Anpha của các thành phần thang đo các yếu tố ảnh hưởng đến sự hài lòng của khách hàng mua hàng trực tuyến được trình bày tại bảng 4.1 như sau:

Bảng 4. 1: Cronbach’s Alpha của các nhân tố

Biến quan sát

Trung bình thang đo nếu

loại biến

Phương sai thang đo nếu

loại biến

Tương quan biến

tổng

Cronbach’s Alpha nếu

biến loại

Thành phần Sự thuận tiện: Cronbach Alpha = 0,859

DEDANG1