Trang chủ

Xây Dựng Mô Hình Hồi Quy Đánh Giá Ảnh Hưởng Của Các Nhân Tố Tới Quyết Định Lựa Chọn Phương Thức Vận Tải Của Người Thực Hiện Chuyến Đi


Bảng 3. 11 Ma trận xoay nhân tố



Component

1

2

3

4

5

6

7

8

9

10

11

12

CPTN3

.882












CPTN1

.850












CPTN2

.835












CP1


.825











CP3


.823











CP2


.820











TG1



.861










TG3



.787










TG2



.770










TN2




.827









TN3




.813









TN1




.790









CL3





.849








CL2





.806








CL1





.795








KC2






.865







KC3






.814







KC1






.748







BL3







.897






BL1







.726






BL2







.680






NN2








.844





NN1








.796





NN3








.690





T2









.904




T1









.874




CH2










.924



CH3










.887



GT1











.898


GT2











.877


CS1












.915

CS2












.867

Có thể bạn quan tâm!

Xem toàn bộ 203 trang tài liệu này.


32 câu hỏi trong bảng hỏi khảo sát liên quan tới nhân tố ảnh hưởng tới quyết định lựa chọn phương tiện đi lại của người thực hiện chuyến đi được sắp xếp làm 12 nhóm, các hệ số tải nhân tố (Loading factor) đều lớn hơn 0,5 cho thấy các nhóm nhân tố này đều có ý nghĩa thực tiễn. Các nhóm nhân tố được


nhóm sau khi tiến hành xoay nhân tố vẫn giống như giả thiết ban đầu được đưa ra trong nghiên cứu.

Dựa trên kết quả sắp xếp các biến thành 12 nhóm nhân tố ảnh hưởng và dựa vào nội dung các câu hỏi khảo sát được nghiên cứu, ta có thể đặt tên các nhân tố ảnh hưởng như sau:

Bảng 3. 12 Tên các nhân tố ảnh hưởng


Mã biến

Tên nhân tố

Mã biến

Tên nhân tố

Mã biến

Tên nhân tố

GT1


Giới tính

CPTN1

Tỷ lệ chi phí

trên thu nhập

BL1


Sở hữu bằng lái xe

GT2

CPTN2

BL2

GT3

CPTN3

BL3

NN1


Nghề nghiệp

CL1


Chất lượng

CP1


Chi phí chuyến đi

NN2

CL2

CP2

NN3

CL3

CP3

TN1


Thu nhập

KC1


Khoảng cách



TN2

KC2

TG1

Thời gian

chuyến đi

TN3

KC3

TG2

T1

Tuổi

CS2

Chính sách

CH1

Cơ hội sử dụng

phương tiện

T2

CS3

Ch2


Bảng 3. 13 Ký hiệu các nhân tố ảnh hưởng


Tên nhân tố

Ký hiệu

Tên nhân tố

Ký hiệu

Giới tính

GTI

Chất lượng

CL

Thu nhập

TN

Khoảng cách

KC

Tuổi

T

Chính sách

CS

Tỷ lệ chi phí trên thu nhập

CT

Thời gian chuyến đi

TG

Nghề nghiệp

NN

Chi phí chuyến đi

CP

Sở hữu bằng lái xe

SHBL

Cơ hội sử dụng phương

tiện

CH


3.1.5.3 Xây dựng mô hình hồi quy đánh giá ảnh hưởng của các nhân tố tới quyết định lựa chọn phương thức vận tải của người thực hiện chuyến đi

Với kết quả phân tích nhân tố ở mục trên, mô hình hồi quy tuyến tính đa nhân tố được xây dựng nhằm đánh giá sự ảnh hưởng của các nhân tố tới quyết định lựa chọn của người thực hiện chuyến đi. Mô hình được xây dựng có dạng:


(3. 3)


Mô hình sau khi tính toán sẽ được kiểm định các giả thiết của mô hình hồi quy tuyến tính cổ điển để đảm bảo thu được mô hình tốt. Các giả thiết cần kiểm định bao gồm:

- Giả thiết về yếu tố ngẫu nhiên là độc lập hay không có tự tương quan.

- Giả thiết về phân phối chuẩn của phần dư

- Giả thiết về không có đa cộng tuyến trong mô hình

- Giả thiết về phương sai của sai số không đổi

Ngoài ra còn cần kiểm định sự phù hợp của mô hình hồi quy mẫu với tổng thể.

a. Kết quả ước lượng tham số

Bảng 3. 14 Kết quả ước lượng tham số mô hình

Coefficientsa


Model


Unstandardized


Coefficients

Standardized Coefficients


t


Sig.

B

Std. Error

Beta

1

(Constant)

-.102

.049


-2.068

.039


TG

.191

.006

.448

32.628

.000


SHBL

.050

.006

.116

8.215

.000


CT

.130

.005

.326

23.767

.000


CS

.056

.005

.149

10.518

.000


T

.057

.005

.156

11.105

.000


CP

.184

.006

.444

32.059

.000


GTI

.042

.005

.109

7.669

.000


NN

.059

.006

.131

9.302

.000


CL

.064

.006

.151

10.988

.000


TN

.067

.006

.159

11.583

.000


KC

.054

.006

.130

9.490

.000


CH

.067

.005

.188

13.671

.000

a. Dependent Variable: LC


Bảng kết quả ước lượng tham số cho thấy các mức ý nghĩa bác bỏ giả thiết tham số bằng 0 đều rất thấp (<0,05) do đó các tham số đều có ý nghĩa thống kê với độ tin cậy 95%.


b. Kiểm định hiện tượng đa cộng tuyến

Hệ số VIF tương ứng với từng hệ số đều xấp xỉ 1, điều đó cho thấy rằng trong mô hình không xảy ra hiện tượng đa cộng tuyến.

c. Kiểm định tự tương quan

Bảng 3. 15 Tóm lược kết quả mô hình

Model Summaryb

Model

R

R Square

Adjusted R Square

Std. Error of the Estimate

Durbin-Watson

1

.928a

.861

.859

.15450

2.015

a. Predictors: (Constant), CS, T, GTI, CT, TG, KC, CL, TN, NN, CP, SHBL, CH

b. Dependent Variable: LC


Thống kê d (Durbin - Watson) được sử dụng để đánh giá tự tương quan trong mô hình hồi quy [41]. Kiểm định d (Durbin - Watson) được thực hiện trên cơ sở so sánh giá trị d tính toán với các giá trị cận trên (du) và cận dưới (dL) của thống kê d (thường tính toán sẵn trong bảng tra). Kết quả của kiểm định d được chia thành các trường hợp:

+: Có tự tương quan bậc nhất dương

+ : Có tự tương quan bậc nhất âm

+: Không có tự tương quan bậc nhất

+: Không thể cho quyết định

+: Không thể cho quyết định

Với tổng số quan sát 775, số biến độc lập 12, mức ý nghĩa 5%, các thông số này vượt quá giới hạn của các bảng tra thông dụng do vậy các giá trị cận trên và cận dưới của thống kê d được tra từ trang mạng:

https://web.stanford.edu/~clint/bench/dw05d.htm.

Bản thân trang này cũng không có giá trị trực tiếp của giá trị cận trên, cận dưới của thống kê d cần tra, vì vậy các giá trị này được so sánh trong khoảng 2 giá trị quan sát gần nhất với nó là 750 và 800. Trong bảng tra, giá trị cận trên và cận dưới của thống kê d ứng với:

- 800 quan sát: du = 1,91431 và dL = 1,85343

- 750 quan sát: du = 1.91258 và dL = 1.84758


Như vậy giá trị cận trên của thống kê d ứng với 775 quan sát nằm trong khoảng:

1.91258 < du < 1,91431 và 2,08569 < 4 - du < 2,08742

Với kết quả tính toán trong mô hình du < d = 2,015 < 4 - du , do vậy không có tự tương quan bậc nhất trong mô hình với mức ý nghĩa 5%.

d. Kiểm định tính phù hợp của mô hình hồi quy mẫu

Kết quả ước lượng bằng phần mềm SPSS cho thấy (bảng 3.15):

Hệ số xác định bội trong mô hình (R square) đạt ở mức tốt, mô hình có thể giải thích tới 86,1% quyết định lựa chọn của người thực hiện chuyến đi.

Hệ số xác định bội ở trên mô tả sự phù hợp của mô hình hồi quy mẫu ước lượng được với bộ số liệu khảo sát của mẫu đó. Tuy nhiên mẫu được lấy rất nhỏ so với tổng thể nên cần kiểm định xem mô hình hồi quy mẫu này có thể mở rộng áp dụng cho tổng thể được hay không. Kiểm định F (ANOVA) được tiến hành để kiểm tra vấn đề này. Với kết quả kiểm định F (ANOVA) được cho trong bảng dưới đây cho thấy giả thiết H0 bị bác bỏ ở mức rất thấp, xấp xỉ 0% (sig = 0,000) nghĩa là mô hình hồi quy tuyến tính được xây dựng phù hợp với tổng thể nghiên cứu.

Bảng 3. 16 Kết quả kiểm định F

ANOVAa

Model

Sum of Squares

df

Mean Square

F

Sig.

1

Regression

112.672

12

9.389

393.331

.000b


Residual

18.190

762

.024




Total

130.862

774




a. Dependent Variable: LC

b. Predictors: (Constant), CS, T, GTI, CT, TG, KC, CL, TN, NN, CP, SHBL, CH


e. Kiểm định phân phối của phần dư

Phân phối của phần dư được xem xét thông quan việc xây dựng đồ thị phần dư. Kết quả trên đồ thị phần dư cho thấy phần dư có kỳ vọng xấp xỉ 0 và độ lệch chuần xấp xỉ 1. Đường cong phần dư có dạng hình chuông như đồ thị của phân phối chuẩn, như vậy phân phối phần dư xấp xỉ phân phối chuẩn nên giả thiết phân phối chuẩn của phần dư không bị vi phạm.


Hình 3. 2 Đồ thị phần dư

f. Kiểm định phương sai của sai số thay đổi

Kiểm định phát hiện phương sai của sai số thay đổi được tiến hành bằng cách sử dụng kiểm định Breusch – Pagan trên phần mềm Stata [44]. Kết quả kiểm định cho thấy giả thiết H0: “ Phương sai của sai số không đổi ” bị bác bỏ ở mức ý nghĩa rất thấp (0,0202), như vậy, đã xảy ra phương sai của sai số thay đổi trong mô hình. Do đó, các ước lượng thu được vẫn là ước lượng không chệch nhưng phương sai của các hệ số ước lượng này là chệch, do đó các hệ số ước lượng bằng phương pháp bình phương tối thiểu (OLS) không còn là ước lượng tốt nhất nữa. Để khắc phục hiện tượng phương sai của sai số thay đổi, luận án sử dụng mô hình sai số chuẩn mạnh (Robust Standard Errors) hay còn gọi là mô hình sai số chuẩn vững. Phương pháp này do White đề xuất năm 1980 [57], tư tưởng của phương pháp là vẫn sử dụng các hệ số ước lượng được bằng phương


pháp bình phương tối thiểu, tuy nhiên, phương sai của các hệ số ước lượng được tính toán lại mà không sử dụng đến giả thiết phương sai của sai số thay đổi. Ước lượng mô hình bằng phương pháp sai số chuẩn mạnh sẽ cho kết quả ước lượng đúng của sai số chuẩn trong khi chấp nhận sự có mặt của phương sai của sai số thay đổi.

Bảng 3. 17 Kết quả kiểm định phương sai của sai số thay đổi


. regress LC SHBL TG CT CS T CP GTI NN CL TN KC CH

Source | SS df MS Number of obs = 775

-------------+------------------------------ F( 12, 762) = 393.33

Model | 112.671842 12 9.38932015 Prob > F = 0.0000

Residual | 18.1899323 762 .023871302 R-squared = 0.8610

-------------+------------------------------ Adj R-squared = 0.8588 Total | 130.861774 774 .16907206 Root MSE = .1545


------------------------------------------------------------------------------

LC | Coef. Std. Err. t P>|t| [95% Conf. Interval]

-------------+----------------------------------------------------------------

SHBL

|

.049814

.006064

8.21

0.000

.0379098

.0617182

TG

|

.1910316

.0058549

32.63

0.000

.179538

.2025253

CT

|

.1296471

.005455

23.77

0.000

.1189385

.1403556

CS

|

.0558256

.0053077

10.52

0.000

.0454062

.066245

T

|

.0568824

.0051224

11.10

0.000

.0468268

.066938

CP

|

.184227

.0057466

32.06

0.000

.172946

.195508

GTI

|

.0418419

.0054559

7.67

0.000

.0311314

.0525523

NN

|

.0586136

.0063011

9.30

0.000

.0462441

.0709832

CL

|

.0643783

.0058591

10.99

0.000

.0528764

.0758802

TN

|

.0669071

.0057763

11.58

0.000

.0555677

.0782465

KC

|

.054273

.0057191

9.49

0.000

.0430461

.0655

CH

|

.0672548

.0049195

13.67

0.000

.0575974

.0769123

_cons

|

-.1021775

.0494108

-2.07

0.039

-.1991749

-.0051801

------------------------------------------------------------------------------


. hettest


Breusch-Pagan / Cook-Weisberg test for heteroskedasticity Ho: Constant variance

Variables: fitted values of LC

chi2(1) = 5.39

Prob > chi2 = 0.0202

Kết quả ước lượng mô hình bằng phương pháp sai số chuẩn mạnh như dưới đây.


. regress LC TG SHBL CT CS T CP GTI NN CL TN KC CH, robust


Linear regression

------------------------------------------------------------------------------

-------------+----------------------------------------------------------------

------------------------------------------------------------------------------

Bảng 3. 18 Kết quả ước lượng mô hình sai số chuẩn mạnh


Number of obs

=

775

F( 12, 762)

=

378.44

Prob > F

=

0.0000

R-squared

=

0.8610

Root MSE

=

.1545



|


Robust


LC |

Coef.

Std. Err.

t

P>|t|

[95% Conf. Interval]


TG

|

.1910316

.0059051

32.35

0.000

.1794394

.2026239

SHBL

|

.049814

.0058646

8.49

0.000

.0383012

.0613268

CT

|

.1296471

.0053671

24.16

0.000

.119111

.1401831

CS

|

.0558256

.0053391

10.46

0.000

.0453445

.0663068

T

|

.0568824

.0051368

11.07

0.000

.0467984

.0669663

CP

|

.184227

.0059588

30.92

0.000

.1725294

.1959245

GTI

|

.0418419

.0053941

7.76

0.000

.0312527

.052431

NN

|

.0586136

.0063439

9.24

0.000

.0461601

.0710671

CL

|

.0643783

.0058442

11.02

0.000

.0529056

.0758509

TN

|

.0669071

.0056573

11.83

0.000

.0558014

.0780128

KC

|

.054273

.0056219

9.65

0.000

.0432367

.0653094

CH

|

.0672548

.0048885

13.76

0.000

.0576583

.0768514

_cons

|

-.1021775

.0513646

-1.99

0.047

-.2030104

-.0013446


Như vậy, luận án đã xác định được mô hình mô tả tác động của các nhân tố ảnh hưởng tới quyết định lựa chọn phương thức vận tải của người thực hiện chuyến đi thành phố Hồ Chí Minh, trong đó các khuyết tật của mô hình đã được xử lý. Mô hình sau khi xử lý các khuyết tật có dạng:


(3. 4)

Kết quả trên cho thấy các nhân tố đã xác định trong định hướng nghiên cứu đều có tác động tới quyết định lựa chọn phương thức vận tải. Tuy nhiên, số liệu được thu thập dựa trên bảng hỏi theo thang đo Liker 5 mức độ mới cho thấy tầm quan trọng của các nhân tố ảnh hưởng mà chưa chỉ rò mức ảnh hưởng cụ thể của từng nhân tố trong điều kiện thực tế. Do đó, cần thiết phải xây dựng một mô hình dự báo phân bổ nhu cầu đi lại trên cơ sở số liệu mẫu lớn, được khảo sát thực tiễn và chi tiết hơn, nhằm khẳng định về mặt thực tiễn tầm quan trọng của các nhân tố ảnh hưởng cũng như chỉ rò mức độ ảnh hưởng của các nhân tố trong

..... Xem trang tiếp theo?
⇦ Trang trước - Trang tiếp theo ⇨

Ngày đăng: 09/06/2022