Đánh Giá Độ Phù Hợp Của Mô Hình Hồi Quy Tuyến Tính Đa Biến

X4: Độ tin cậy (DTC)

βi: hệ số hồi quy riêng phần tương ứng với các biến độc lập Các giả thuyết:

H0: Các nhân tố chính không có mối tương quan với đánh giá về website của khách hàng.

H1: Nhân tố “DC” có sự tương quan với đánh giá về website của khách hàng H2: Nhân tố “TT” có sự tương quan với đánh giá về website của khách hàng H3: Nhân tố “STL” sự tương quan với đánh giá về website của khách hàng H4: Nhân tố “DTC” sự tương quan với đánh giá về website của khách hàng

Bảng 2.17. Đánh giá độ phù hợp của mô hình hồi quy tuyến tính đa biến

Mô hình hồi quy theo bước

R	R2	R2 điều chỉnh	Ước lượng độ lệch chuẩn	Durbin – Watson
1	.621a	.386	.382	.377
2	.753b	.567	.561	.318
3	.828c	.685	.679	.272
4	.868d	.753	.746	.241	1.928
e. Biến phụ thuộc: Đánh giá chung về website a. Các yếu tố dự đoán: (Hằng số), sự đánh giá về tính đồng cảm b. Các yếu tố dự đoán: (Hằng số), sự đánh giá về tính đồng cảm, thông tin c. Các yếu tố dự đoán: (Hằng số), sự đánh giá về tính đồng cảm, thông tin, sự tiện lợi d. Các yếu tố dự đoán: (Hằng số), sự đánh giá về tính đồng cảm, thông tin, sự tiện lợi, độ tin cậy.

Có thể bạn quan tâm!

• Phân Tích Đánh Giá Khách Hàng Về Website Chính Thức Chương Trình Thẻ Giảm Giá Hues Của Công Ty Tnhh Mtv Tân Nguyên.
• Phân Tích Nhân Tố Khám Khá Đối Với Các Nhân Tố Về Đánh Giá Website Chương Trình Thẻ Giảm Giá Hues Của Công Ty Tnhh Mtv Tân Nguyên
• Kiểm Định Kmo Và Bartlett’S Test Về Nhân Tố Đánh Giá Chung
• Giả Định Về Phân Phối Chuẩn Của Phần Dư Qua Biểu Đồ Normal P-P Plot
• Một Số Giải Pháp Nhằm Hoàn Thiện Hoạt Động Marketing Trực Tuyến Đối Với Website Chương Trình Thẻ Giảm Giá Hues Của Công Ty Tnhh Mtv Tân Nguyên.
• Giải pháp hoàn thiện hoạt động marketing trực tuyến đối với website chương trình thẻ giảm giá HueS của công ty trách nhiệm hữu hạn một thành viên Tân Nguyên - 15

Xem toàn bộ 147 trang tài liệu này.

(Nguồn: Kết quả xử lý số liệu spss)

Trị số Durbin – Watson (DW) dùng để kiểm tra hiện tượng tự tương quan chuỗi bậc nhất (kiểm định tương quan của các sai số kề nhau). DW có giá trị biến thiên trong khoảng từ 0 đến 4; nếu các phần sai số không có tương quan chuỗi bậc nhất với nhau thì giá trị sẽ gần bằng 2, nếu giá trị càng nhỏ, gần về 0 thì các phần sai số có tương quan thuận; nếu càng lớn, gần về 4 có nghĩa là các phần sai số có tương quan nghịch.

Kiểm tra tính độc lập của sai số, tức tính tự tương quan giữa các phần dư thông qua hệ số Durbin-Watson (d), hệ số d được thể hiện tại bảng Model Summury (Kết quả phân tích bảng spss ở phụ lục), nếu d thuộc miền dL < dU < d < 4 - dU < 4 - dL thì không có tự tương quan giữa các phần dư, tức đạt yêu cầu. Giá trị dL và dU được tra từ bảng Durbin-Watson.

Vậy, kiểm định Durbin-Watson đối với nghiên cứu của tác giả:

1.571 < 1.679 < 1.928 < 2.321 < 2.429

Từ đó, có thể kết luận rằng, không có tự tương quan giữa các phần dư, tức đạt yêu cầu.

Hệ số R bình phương (R Square) và R bình phương hiệu chỉnh (còn gọi là R bình phương điều chỉnh, hay Adjusted R Square). Hai giá trị này dùng đo sự phù hợp của mô hình hồi quy, còn gọi là hệ số xác định (coefficient of detemination). Hệ số R bình phương sẽ được viết tắt là R2

Giá trị R bình phương dao động từ 0 đến 1. R bình phương càng gần 1 thì mô hình đã xây dựng càng phù hợp với bộ dữ liệu dùng chạy hồi quy. R bình phương càng gần 0 thì mô hình đã xây dựng càng kém phù hợp với bộ dữ liệu dùng chạy hồi quy. Trường hợp đặt biệt, phương trình hồi quy đơn biến (chỉ có 1 biến độc lập) thì R2 chính là bình phương của hệ số tương quan r giữa hai biến đó.

Kết quả ở bảng đánh giá độ phù hợp của mô hình hồi quy tuyến tính đa biến trên của tác giả nghiên cứu cho thấy, mô hình 4 biến độc lập có giá trị R2 điều chỉnh cao

nhất 0.746. Như vậy độ phù hợp của mô hình là 74.6%, hay nói cách khác, 74.6% biến thiên của biến đánh giá chung về đánh giá website của khách hàng được giải thích bởi 4 biến quan sát trên, còn lại là do tác động của các yếu tố khác ngoài mô hình và sai số ngẫu nhiên.

Kiểm định F

Tiếp theo tác giả tiến hành phép kiểm định F về độ phù hợp của mô hình hồi quy tuyến tính tổng thể, xem biến phụ thuộc có liên hệ tuyến tính với toàn bộ tập hợp các biến độc lập hay không. Giả thuyết H0 được đặt ra là: β1=β2=β3=β4=0

Bảng 2.18. Kết quả kiểm định độ phù hợp của mô hình

Bảng ANOVAa

Mô hình		Tổng bình phương	df	Trung bình bình phương	F	Sig.
1	Hồi quy	13.200	1	13.200	92.925	.000b
	Số dư	21.023	148	.142
	Tổng	34.222	149
2	Hồi quy	19.399	2	9.699	96.185	.000c
	Số dư	14.824	147	.101
	Tổng	34.222	149
3	Hồi quy	23.445	3	7.815	105.876	.000d
	Số dư	10.777	146	.074
	Tổng	34.222	149
4	Hồi quy	25.770	4	6.443	110.530	.000e
	Số dư	8.452	145	.058

Tổng	34.222	149
a. Biến phụ thuộc: Đánh giá chung về website b. Các yếu tố dự đoán: (Hằng số), sự đánh giá về tính đồng cảm c. Các yếu tố dự đoán: (Hằng số), sự đánh giá về tính đồng cảm, thông tin d. Các yếu tố dự đoán: (Hằng số), sự đánh giá về tính đồng cảm, thông tin, sự tiện lợi e. Các yếu tố dự đoán: (Hằng số), sự đánh giá về tính đồng cảm, thông tin, sự tiện lợi, độ tin cậy.

(Nguồn: Kết quả xử lý số liệu spss)

Từ bảng, cho thấy giá trị sig.=0,000 < 5%, điều này cho phép tác giả bác bỏ giả thuyết H0, cũng có nghĩa là kết hợp của các biến hiện có trong mô hình có thể giải thích được thay đổi của Y – đánh giá chung về website, mô hình tác giả xây dựng là phù hợp với tập dữ liệu, mức độ phù hợp là 74.6%.

Kiểm định hệ số tương quan

Hệ số tương quan Pearson (Pearson correlation coefficient, ký hiệu r) là số liệu thống kê kiểm tra đo lường mối quan hệ thống kê hoặc liên kết giữa các biến phụ thuộc với các biến liên tục. Hệ số tương quan sẽ trả lời cho các câu hỏi chẳng hạn như: Có mối quan hệ tương quan giữa biến Đánh giá chung với Đồng cảm…

Tương quan pearson được biết đến như là phương pháp tốt nhất để đo lường mối liên hệ giữa các biến quan tâm bởi vì nó dựa trên phương pháp hiệp phương sai. Nó cung cấp thông tin về mức độ quan trọng của mối liên hệ, hoặc mối tương quan, cũng như hướng của mối quan hệ. Ngoài ra, việc kiểm tra hệ số tương quan pearson còn giúp chúng ta sớm nhận diễn được sự xảy ra của vấn đề đa cộng tuyến khi các biến độc lập có sự tương quan mạnh với nhau.

Bảng 2.19. Kết quả kiểm định Pearson’s mối tương quan giữa biến phụ thuộc

DC	TT	STL	DTC	DGC
DC	1	.000	.000	.001	.000
TT	.000	1	.001	.003	.000
STL	.000	.001	1	.001	.000
DTC	.001	.003	.001	1	.000
DGC	.000	.000	.000	.000	1

(Nguồn: Kết quả xử lý số liệu spss)

Phân loại mức độ tương quan giữa các biến theo Deborah J. Rumsey (2011) thì mức

độ tương quan giữa 2 biến như sau:

Hệ số tương quan

Ý nghĩa
0.0 ≤ |r| < 0.30	Mối tương quan yếu, không có mối tương quan
0.3 ≤ |r| < 0.5	Mối tương quan trung bình
0.5 ≤ |r| < 0.7	Mối tương quan mạnh
0.7 ≤ |r| ≤ 1.0	Mối tương quan rất mạnh, tương quan tuyệt đối

Ký hiệu ** cho biết rằng cặp biến này có sự tương quan tuyến tính ở mức tin cậy

đến 99% (tương ứng mức ý nghĩa 1% = 0.01).

Kiểm định mối tương quan dùng để xem xét mối quan hệ tuyến tính giữa biến phụ thuộc và từng biến độc lập cũng như những biến độc lập với nhau. Mô hình hồi quy tốt là mô hình có hệ số tương quan giữa các biến phụ thuộc và các biến độc lập lớn, thể hiện mối quan hệ tuyến tính giữa các biến với nhau và điều này cũng chỉ ra phân tích hồi quy là phù hợp.

Nhìn vào bảng trên ta thấy hệ số tương quan giữa các biến độc lập và các biến phụ thuộc khá cao, nằm trong khoảng từ .495 đến .621. Điều này chỉ ra rằng mô hình có

sự tương quan giữa biến phụ thuộc và biến độc lập và việc đưa các biến độc lập vào mô hình là đúng, vì nó có ảnh hưởng nhất định đến biến phụ thuộc. Hơn nữa cho ta thấy rằng đánh giá về website của khách hàng chủ yếu bị tác động bởi các yếu tố nêu trên, nên trong quá trình phân tích sự ảnh hưởng, đề tài sẽ tập trung nghiên cứu những yếu tố này.

Kiểm định giá trị Significant (2-tailed) của kiểm định Pearson. Giả thuyết H0: Hệ số tương quan bằng 0. Do đó nếu Sig. (2-phía) < 5% thì có thể kết luận được là hai biến có tương quan với nhau. Hệ số tương quan càng lớn tương quan càng chặt. Nếu Sig. (2-phía) > 5% thì hai biến không có tương quan với nhau.

Đánh giá giá trị Sig. (2-phía) cho kết quả kiểm định Pearson’s của tác giả nghiên cứu thì tất cả giá trị Sig. (2-phía) đều bé hơn 0.05, vậy có thể kết luận được rằng có sự tương quan giữa biến độc lập và biến phụ thuộc.

Tiếp đến, nhìn vào hệ số tương quan Pearson’s, ta thấy được biến “DC” có giá trị là 0.621 > 0.5, biến “TT” có giá trị là 0.610 > 0.5, biến “TL” có giá trị là 0.590 > 0.5, như vậy, giữa biến phụ thuộc “DGC” và 3 biến độc lập “DC”, “TT”, “STL” đang có mối tương quan mạnh, liệu rằng có xảy ra hiện tượng đa cộng tuyến giữa các cặp biến này không? Tác giả nghiên cứu tiến hành thực hiện phân tích hồi quy đa biến, dựa vào giá trị VIF ở hồi quy để kiểm tra.

Bảng 2.20. Kết quả phân tích hồi quy đa biến

Tên biến

Hệ số hồi quy chưa chuẩn hóa	Hệ số hồi quy chuẩn hóa	Độ lệch chuẩn	Giá trị t	Mức ý nghĩa của t (Sig.)	Độ chấp nhận	Hệ số phóng đại phương sai (VIF)
Hằng số	.218		.154	1.420	.158

Đồng cảm

.194	.317	.028	6.863	.000	.799	1.252
Thông tin	.287	.385	.033	8.661	.000	.861	1.162
Sự tiện lợi	.222	.313	.032	6.941	.000	.837	1.195
Độ tin cậy	.150	.276	.024	6.316	.000	.893	1.120

(Nguồn: Kết quả xử lý số liệu spss)

Với độ chấp nhận (Tolerance) lớn (Tolerance > 0,0001) và hệ số phóng đại phương sai của các biến (VIF) nhỏ, hệ số phóng đại phương sai VIF (Variance inflation factor): Kiểm tra hiện tượng đa cộng tuyến. Nếu VIF > 10 thì có hiện tượng đa cộng tuyến (Theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005). Mặc khác, tác giả nghiên cứu đã tham khảo một số tài liệu, sách về thống kê và có một số nhận định rằng: Nếu VIF < 10 thì không có hiện tượng đa cộng tuyến xảy ra. Tuy nhiên, mốc đánh giá ở mức 10 sẽ phù hợp với những đề tài về kỹ thuật, vật lý không sử dụng thang đo Likert. Còn ở các đề tài về kinh tế, xã hội, các nhà nghiên cứu cho rằng VIF > 2 sẽ có hiện tượng đa cộng tuyến xảy ra. Nhìn nhận vào thực tế thực hành, quá trình tham khảo các bài nghiên cứu, thì nhiều tác giả nghiên cứu khác thường so sánh giá trị VIF với 2. Nếu VIF < 2 không có hiện tượng đa cộng tuyến giữa các biến độc lập (và ngược lại). Áp dụng vào bảng trên, nhìn vào giá trị VIF có thể thấy được không thấy dấu hiệu xảy ra hiện tượng đa cộng tuyến, có thể yên tâm sử dụng phương trình hồi quy. Phép kiểm định t nhằm mục đích kiểm tra xem hệ số hồi quy của biến đưa vào có bằng 0 hay không. Các giá trị sig. tại các phép kiểm định đều rất nhỏ chứng tỏ cả bốn biến độc lập đều có ý nghĩa thống kê trong mô hình.

Dò tìm các vi phạm giả định cần thiết

Hình 2.11. Giả định về phân phối chuẩn của phần dư qua biểu đồ Histogram

(Nguồn: Kết quả xử lý số liệu)

Tính chất phân phối của phần dư thể hiện qua biểu đồ Histogram như trên.

Giả định đầu tiên đó là phần dư trong hồi quy phải xấp xỉ phân phối chuẩn. Phần dư có thể không tuân theo phân phối chuẩn vì những lý do như: 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 cần thực hiện nhiều cách khảo sát khác nhau. Hai cách phổ biến nhất là căn cứ vào biểu đồ Histogram và Normal P-P Plot phần dư.

Đối với biểu đồ Histogram, nếu giá trị trung bình Mean gần bằng 0, độ lệch chuẩn gần bằng 1, đường cong phân phối có dạng hình chuông ta có thể khẳng định phân phối là xấp xỉ chuẩn, giả định phân phối chuẩn của phần dư không bị vi phạm.

Với biểu đồ Histogram trên của tác giả nghiên cứu có Mean = 3.81E-15 và độ lệch chuẩn Std.Dev = 0.986 tức xấp xỉ bằng 1, có thể kết luận rằng, giả thiết phân phối chuẩn không bị vi phạm.