Trang chủ / Du Lịch

Kết Quả Đánh Giá Độ Phù Hợp Của Mô Hình Hồi Quy


Bảng 4.11. Ma trận tương quan giữa các biến



SA

TR

RE

AS

EM

TA

SA

Pearson Correlation

1

.524**

.504**

.585**

.753**

.664**


Sig. (2-tailed)

.000

.000

.000

.000

.000


N

205

205

205

205

205

TR

Pearson Correlation


1

.335**

.215**

.409**

.362**


Sig. (2-tailed)

.000

.002

.000

.000


N

205

205

205

205

RE

Pearson Correlation



1

.267**

.386**

.355**


Sig. (2-tailed)

.000

.000

.000


N

205

205

205

AS

Pearson Correlation




1

.282**

.168*


Sig. (2-tailed)

.000

.016


N

205

205

EM

Pearson Correlation





1

.426**


Sig. (2-tailed)

.000


N

205

TA

Pearson Correlation






1


Sig. (2-tailed)


N

Có thể bạn quan tâm!

Xem toàn bộ 140 trang tài liệu này.

** Tương quan có ý nghĩa tại giá trị 0.01 (2-tailed)

* Tương quan có ý nghĩa tại giá trị 0.05 (2-tailed)

Nguồn: Từ kết quả phân tích SPSS


Đ nh gi độ phù hợp của mô hình hồi quy tuyến tính bội:

Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), hệ số xác định R2 được chứng minh là hàm không giảm theo số biến độc lập được đưa vào mô hình, càng đưa thêm biến độc lập vào mô hình thì R2 càng tăng, điều này cũng được chứng minh rằng không phải phương trình càng có nhiều biến sẽ phù hợp hơn với dữ liệu. Hệ số R2 điều chỉnh được sử dụng để phản ánh mức độ phù hợp của mô hình hồi quy tuyến tính bội một cách chính xác hơn. R2 điều chỉnh không nhất thiết tăng lên khi nhiều biến độc lập được thêm vào phương trình, nó là thước đo sự phù hợp được sử dụng cho tình huống hồi quy tuyến tính bội vì nó không phụ thuộc vào độ phóng đại của R2.

Sau khi thực hiện phân tích hồi quy cho mô hình bằng phần mềm SPSS 22.0, tác giả nhận được kết quả như Bảng 4.12. Theo đó, hệ số R2 = 0.865, R2 điều chỉnh = 0.862, có nghĩa là có khoảng 86,2% phương sai sự hài lòng của du khách đối với du lịch homestay được giải thích bởi 5 biến độc lập Mức đáp ứng (RE), Phương tiện hữu hình (TA), Sự cảm thông (EM), Năng lực phục vụ (AS), Độ tin

cậy (TR). Điều này cho thấy mô hình hồi quy tuyến tính phù hợp với tập dữ liệu ở độ tin cậy 95%.

Bảng 4.12. Kết quả đánh giá độ phù hợp của mô hình hồi quy


Mô hình

R

R2

R2 điều chỉnh

Độ lệch chuẩn của ước lượng

1

.930a

.865

.862

.19689

Nguồn: Từ kết quả phân tích SPSS

Bên cạnh đó, để kiểm định độ phù hợp của mô hình này, tác giả sử dụng kiểm định F trong phân tích phương sai ANOVA nhằm xem xét biến phụ thuộc có liên hệ tuyến tính với toàn bộ tập hợp các biến độc lập hay không. Đặt giả thuyết Ho là Tất cả các hệ số hồi quy riêng phần = 0 (có nghĩa là β1 = β2 = β3 = β4 = β5 = 0). Theo Bảng 4.12, sig = 0.000, nhỏ hơn mức ý nghĩa 5%, nên giả thuyết Ho bị bác bỏ. Điều này có nghĩa là các biến độc lập trong mô hình có thể giải thích sự biến


thiên của biến phụ thuộc, hay nói cách khác là mô hình tác giả xây dựng phù hợp với tập dữ liệu.

Bảng 4.13. Kết quả kiểm định F – ANOVA của biến phụ thuộc sự hài lòng của du khách


Mô hình

Tổng độ lệch

nh phư ng

df

Độ lệch nh phư ng nh quân

F

Sig.

Hồi quy

49.475

5

9.895

255.246

.000b

Phần dư

7.714

199

.039



Tổng

57.189

204




Nguồn: Từ kết quả phân tích SPSS

Theo kết quả trên, mô hình hồi quy tuyến tính bội được xây dựng phù hợp với tập dữ liệu và có thể sử dụng được.

Hệ số hồi quy

Kết quả phân tích hồi quy trong Bảng 4.14 bên dưới cho thấy, 5 nhân tố của chất lượng dịch vụ homestay tác động đến sự hài lòng cùa du khách, đó là Mức đáp ứng (RE), Phương tiện hữu hình (TA), Sự cảm thông (EM), Năng lực phục vụ (AS), Độ tin cậy (TR) đều có ảnh hưởng cùng chiều đến sự hài lòng của du khách với các hệ số >0. Điều này có nghĩa là khi mức đáp ứng của dịch vụ, sự cảm thông, năng lực phục vụ, độ tin cậy tăng, chất lượng phương tiện hữu hình tăng, thì đều khiến cho sự hài lòng của du khách tăng lên và ngược lại.

Bảng 4.14. Kết quả phân tích hồi quy mô hình 1


Mô hình

Hệ số chưa điều chỉnh

Hệ số

điều chỉnh


t


Sig.


Dung sai


VIF

B

Độ lệch chuẩn

Beta

Hằng số

.110

.105


1.045

.297



RE - X1

.050

.019

.080

2.685

.008

.764

1.308

TA - X2

.278

.024

.353

11.712

.000

.748

1.337

EM - X3

.305

.023

.421

13.434

.000

.689

1.452

AS - X4

.267

.021

.360

12.999

.000

.885

1.129

TR - X5

.094

.023

.120

4.024

.000

.763

1.311

Nguồn: Từ kết quả phân tích SPSS


Dựa theo Bảng 4.13, 5 nhan tố thuộc chất lượng dịch vụ homestay gồm X1- Mức đáp ứng (RE), X2- Phương tiện hữu hình (TA), X3- Sự cảm thông (EM), X4- Năng lực phục vụ (AS), X5- Độ tin cậy (TR), đều có tác động đến lòng trung thành SA của du khách với mức ý nghĩa Sig<0.05 (lần lượt là 0.008, 0.000, 0.000, 0.000, 0.000). Vì vậy tất cả các giả thuyết H1, H2, H3, H4, H5 đưa ra ở Chương 3 đều được chấp nhận, hay nói cách khác, các nhân tố X1, X2, X3, X4, X5 tác động tỷ lệ thuận đến Sự hài lòng SA của du khách.

- Phương trình hồi quy tuyến tính với hệ số Beta chưa chuẩn hóa có dạng:

Y = 0.11 + 0.05X1 + 0.278X2 + 0.305X3 + 0.267X4 + 0.094X5 (4.1)

Qua phương trình 4.1, tác giả thấy rằng, sau khi kiểm định và phân tích nhân tố khám phà EFA, kết quả hồi quy cho thấy chất lượng dịch vụ du lịch homestay gồm 5 nhân tố Mức đáp ứng (RE), Phương tiện hữu hình (TA), Sự cảm thông (EM), Năng lực phục vụ (AS), Độ tin cậy (TR) đều có tác động tích cực đến sự hài lòng của du khách. Trong đó, nhân tố Mức đáp ứng (RE) có ảnh hưởng ít nhất so với 4 nhân tố còn lại và Yếu tố Sự cảm thông (EM) có ảnh hưởng mạnh nhất đến Sự hài lòng của du khách nội địa. Kết quả này trùng hợp với đánh giá mô tả biến quan sát được tác giả thực hiện ở Mục 4.2 của nghiên cứu này. Điều này cho thấy mô hình và dữ liệu nghiên cứu đạt được độ chính xác và tin cậy tốt hơn.

Ki m định các giả định hồi quy

Phân tích hồi quy không chỉ là việc mô tà dữ liệu quan sát được mà còn phải suy rộng cho mối liên hệ giữa các biến trong tổng thể từ các kết quả quan sát được trong mẫu đó (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008, trang 211). Kết quả của mẫu suy rộng ra cho giá trị của tổng thể phải đáp ứng các giả định cần thiết:

- Giả định liên hệ tuyến tính giữa biến phụ thuộc và các biến độc l p cũng như hiện tượng phư ng sai thay đổi: giả định này được kiểm tra bằng biều đồ phân tán Scatter cho phần dư chuẩn hóa và giá trị dự đoán chuẩn hóa. Kết quả tại hình 4.3 cho thấy phần dự đoán phân tán ngẫu nhiên qua đường thằng qua điểm 0, không tạo thành một dạng nào cụ thể. Như vậy giá trị dự đoán và phần dư độc lập nhau và phương sai của phần dư không thay đổi. Như vậy mô hình hồi quy phù hợp.


Hình 4 3 Đồ thị Scatterplot Nguồn Từ kết quả phân tích SPSS Giả định về 4


Hình 4.3: Đồ thị Scatterplot

Nguồn: Từ kết quả phân tích SPSS

- Giả định về phân phối chuẩn của phần dư: Để thực hiện kiểm định này, tác giả vẽ đồ thị Histogram của phần dư chuẩn hóa, theo đó, đồ thị nhận được có dạng đường cong phân phối chuẩn được đặt chồng lên biểu đồ tần số. Do những chênh lệch do lấy mẫu, có thể thấy phân phối phần dư xấp xỉ chuẩn (trung bình mean xấp xỉ bằng 0.00 và độ lệch chuẩn Std.Dev = 0.988, gần bằng 1). Từ đó, có thể kết luận rằng giả thuyết phân phối chuẩn không bị vi phạm


Hình 4 4 Đồ thị Tần số Histogram Nguồn Từ kết quả phân tích SPSS Kết quả 5


Hình 4.4: Đồ thị Tần số Histogram

Nguồn: Từ kết quả phân tích SPSS

Kết quả từ biểu đồ tần số P-P plot (Hình 4.5) cho thấy các điểm quan sát không phân tán quá xa đường thẳng kỳ vọng, nên ta có thể kết luận là giả định về phân phối chuẩn không bị vi phạm.


Hình 4 5 Đồ thị Tần số P P plot Nguồn Từ kết quả phân tích SPSS Giả định 6


Hình 4.5: Đồ thị Tần số P-P plot

Nguồn: Từ kết quả phân tích SPSS


- Giả định không có mối quan hệ tư ng quan giữa các biến độc l p:

Đa cộng tuyến là trạng thái mà các biến độc lập có tương quan chặt chẽ với nhau. Hiện tượng này mang đến cho mô hình những thông tin rất giống nhau và rất khó tách rời ảnh hưởng cũa từng biến một đến biến phụ thuộc, ngoài ra nó làm tăng độ lệch chuẩn của các hệ số hồi quy và làm giảm giá trị thống kê t của kiểm định ý nghĩa khiến cho các hệ số kém ý nghĩa hơn dù R2 vẫn rất cao. Để xác định hiện tượng này, tác giả dựa trên hệ số phóng đại phương sai VIF (Variance Inflation Factor), nếu VIF của một biến độc lập lớn hơn 10 thì biến này không có giá trị giải thích sự biến thiên của biến phụ thuộc trong mô hình MLR (Hair và cộng sự 2006 trích trong Nguyễn Đình Tho, 2011).

Theo Bảng 4.14, ta thấy hệ số phóng đại phương sai VIF có giả trị lớn nhất là 1.452 cho thấy các biến độc lập này không có quan hệ chặt chẽ với nhau nên không có hiện tượng đa cộng tuyến xảy ra. Mối quan hệ giữa các biến độc lập không ảnh hưởng đáng kể đến kết quả giải thích của mô hình hồi quy

4.5.2. Sự hài lòng của du h ch và ý định hành vi:

Dựa vào mô hình nghiên cứu và các giả thuyết được đặt ra là có sự tương quan giữa sự hài lòng của du khách khi trải nghiệm du lịch homestay và ý định hành vi của họ trong tương lai đối với loại hình du lịch này. Biến độc lập được đưa vào mô hình là Sự hài lòng của du khách nội địa (SA); biến phụ thuộc là Ý định hành vi của du khách (IN).

Phương pháp hồi quy tổng thể các biến sẽ được sử dụng trên phầm mềm SPSS 22.0. Mô hình hồi quy có dạng sau:

Y2= 0 + iY1

Trong đó: 0 là hằng số hồi quy,

là hệ số hồi quy

Biến phụ thuộc: Y2 là ý định hành vi của du khách;

Biến độc lập: Y1 là sự hài lòng của du khách khi trải ngiệm homestay.

Phân tích tư ng quan:


Tác giả thực hiện phân tích tương quan với phần mềm SPSS 22.0 và nhận được kết quả như Bảng 4.15 (kết quả chi tiết được trình bày ở Phụ lục 9). Theo đó, hệ số tương quan giữa biến Ý định hành vi (IN) với biến độc lập Sự hài lòng của du khách (SA) lớn hơn 0.30 và có giá trị là 0.774 và Sig = 0.000. Như vậy, biến độc lập SA tương quan chặt chẽ với biến phụ thuộc IN và có thể đưa vào mô hình để giải thích cho biến Ý định hành vi.

Bảng 4.15. Ma trận tương quan giữa các biến



IN

SA


IN

Pearson Correlation

1

.774**

Sig. (2-tailed)


.000

N

205

205

**. Correlation is significant at the 0.01 level (2-tailed).

Nguồn: Từ kết quả phân tích SPSS

Độ phù hợp của mô hình hồi quy tuyến tính

Sau khi thực hiện phân tích hồi quy cho mô hình bằng phần mềm SPSS 22.0, tác giả nhận được kết quả như Bảng 4.16. Theo đó, hệ số R2 = 0.599, R2 điều chỉnh = 0.597, có nghĩa là có khoảng 59.7% phương sai Ý định hành vi của du khách đối với du lịch homestay được giải thích bởi biến độc Sự hài lòng (SA). Điều này cho thấy mô hình hồi quy tuyến tính phù hợp với tập dữ liệu ở độ tin cậy 95%.

Bảng 4.16. Kết quả đánh giá độ phù hợp của mô hình hồi quy


Mô

hình

R

R2

R2 điều

chỉnh

Độ lệch chuẩn của ước lượng

1

.774a

.599

.597

.36026

Nguồn: Từ kết quả phân tích SPSS

Bên cạnh đó, để kiểm định độ phù hợp của mô hình này, tác giả sử dụng kiểm định F trong phân tích phương sai ANOVA nhằm xem xét biến phụ thuộc có liên hệ tuyến tính với toàn bộ tập hợp các biến độc lập hay không. Đặt giả thuyết Ho là Hệ số hồi quy = 0. Theo Bảng 4.16, sig = 0.000, nhỏ hơn mức ý nghĩa 5%,

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

Ngày đăng: 26/08/2023