4.3.3.1Đánh giá độ phù hợp của mô hình hồi quy tuyến tính bội
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. Bên 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 độn
g của biế
n đó vào sự thỏa mãn chung càng lớn (Hoàng Trọng và Mộng Ngọc, 2005). Trong nghiên cứu hệ số xác định R2 điều chỉnh được sử dụng để phản ánh sát hơn mức độ phù hợp của mô hình hồi quy tuyến tính bội. R2 điều chỉnh không nhất thiết tăng lên khi nhiều biến độc lập được đưa 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.
Bảng 4.6. Bảng tóm tắt mô hình
Mô hình R R2 R2 điều chỉnh Sai số chuẩn của ước
B ảng
tóm tắt mô hình cho ta thấy hệ số R2 đã điều chỉnh bằng 0.549 nghĩa là mô hình hồi quy tuyến tính đã xây dựng phù hợp với dữ liệu 0.549.
Mô hình hồi quy gồm 4 biến độc lập: Ảnh hưởng xã hội; Giá cả cảm nhận; Thu nhập bình quân; Nhận thức cá nhân có ảnh hưởng đến biến phụ thuộc Hành vi mua sản phẩm vi phạm bản quyền được đưa vào phân tích hồi quy. 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 H0 là β1= β2 = β3 = β4 = 0. Trong bảng thống kê Anova (Xem bảng 4.7) ta thấy giá trị sig = 0.000 (< 5%) cho thấy giả thuyết R2 = 0 không thỏa mãn. Và bảng 4.4 cho thấy kết quả của kiểm định t có giá trị sig. < 0.05, có nghĩa là cho phép ta có thể bác bỏ giả thuyết H0
với mức ý nghĩa 95%. 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.
Như vậy, sau khi kiểm định độ phù hợp của mô hình đã xác định được các nhân tố có tác động đến hành vi mua sản phẩm vi phạm bản quyền của người tiêu dùng tại TP. HCM bao gồm: ảnh hưởng xã hội, giá cả cảm nhận và nhận thức cá nhân.
Bảng 4.7. Kết quả phân tích ANOVA về độ phù hợp của mô hình
1 .745a .555 .549 .22425 Mô hình Tổng bình phương df Bình phương trung bình F Sig. 1 Hồi quy 17.201 4 4.300 85.511 .000a Phần dư 13.779 274 .050