Sau khi các thang đo đƣợc kiểm định và thực hiện phân tích nhân tố trích ra đƣợc các nhân tố để sử dụng cho phân tích hồi bội. Trong nghiên cứu này, hồi quy bội và kiểm định giả thuyết với mức ý nghĩa 5%.
Phân tích tương quan
Trƣớc khi phân tích hồi quy, cần kiểm tra sự tƣơng quan giữa các biến trong mô hình hồi quy. Theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc (2008, trang 204), hệ
số tƣơng quan Pearson (r) đƣợc dùng để lƣợng hóa mức độ chặt chẽ của mối quan hệ giữa 2 hay nhiều biến định lƣợng và định danh. Giá trị tuyệt đối của r tiến gần đến 1 là khi hai biến có mối tƣơng quan tuyến tính chặt chẽ. Tuy nhiên, mối tƣơng quan tuyến tính chặt chẽ giữa các biến độc lập với biến phù thuộc thì rất đƣợc mong đợi, nhƣng mối tƣơng quan tuyến tính giữa các biến độc lập thì không đƣợc mong đợi (vì phân tích hồi quy đa biến sẽ có thể phát sinh hiện tƣợng đa cộng tuyến). Để đánh giá mức độ tƣơng quan thì hai yếu tố đƣợc quan tâm trong kiểm định ma trận tƣơng quan giữa các biến là:
Hệ số tƣơng quan r
Mức ý nghĩa (Sig. < 0,05).
Kiểm định sự vi phạm các giả định của hồi quy tuyến tính
Giả định phương sai của sai số không đổi: đồ thị phân tán (Scatter) giữa phần dƣ chuẩn hóa (Standardized Residual) và giá trị dự đoán chuẩn hóa (Standardized Predicted Value) cũng là một công cụ giúp kiểm tra giả định phƣơng sai của sai số không đổi. Nếu độ lớn của phần dƣ chuẩn hóa tăng hoặc giảm cùng với các giá trị dự đoán thì giả định phƣơng sai của sai số không đổi đang bị vi phạm. Hiện tƣợng phƣơng sai thay đổi gây ra nhiều hệ quả nghiêm trọng đối với phƣơng pháp ƣớc lƣợng OLS. Nó làm cho các hệ số hồi qui không chệch nhƣng không hiệu quả.
Giả định về phân phối chuẩn của phần dư: kiểm tra phân phối chuẩn của phần dƣ bằng cách vẽ đồ thị Histogram của phần dƣ chuẩn hóa. Nếu chúng ta thấy trên đồ thị đƣờng cong chuẩn hoá có dạng hình chuông nhƣ phân phối chuẩn với giá trị Mean xấp xỉ 0 và giá trị độ lệch chuẩn xấp xỉ 1 thì xem nhƣ phần dƣ có phân phối gần chuẩn. Một cách khác để kiểm định phân phối chuẩn của phần dƣ là vẽ đồ thị P- P plot. Đồ thị này thể hiện những giá trị của các điểm phân vị của phân phối của biến phần dƣ theo các phân vị của phân phối chuẩn. Nếu trên đồ thị P-P plot các điểm này không nằm quá xa đƣờng thẳng của phân phối chuẩn thì có thể xem nhƣ phần dƣ có phân phối gần chuẩn.
Giả định về tính độc lập của sai số: kiểm định đại lƣợng thống kê Durbin- Watson (đại lƣợng d) là kiểm định phổ biến cho tƣơng quan chuỗi bậc nhất. Đại
lƣợng d có giá trị biến thiên trong khoảng từ 0 đến 4. Nếu giá trị d gần bằng 2 thì chấp nhận giả thiết không có tƣơng quan.
Kiểm tra đa cộng tuyến: là hiện tƣợng các biến độc lập có tƣơng quan chặt chẽ với nhau, khó tách rời ảnh hƣởng của từng biến đến biến phụ thuộc, làm tăng độ lệch chuẩn của các hệ số hồi quy, làm giảm giá trị thống kê t của kiểm định ý nghĩa các hệ số hồi quy. Khi phân tích Collinearity Diagnotics, hệ số Tolerance càng gần 1 càng tốt, hệ số phóng đại phƣơng sai VIF (Variance Inflation Factor) càng gần 1 càng tốt và không quá 10 thì không có hiện tƣợng đa cộng tuyến (Hair & cộng sự, 2006). Khi VIF>2 thì chúng ta cần thận trọng trong diễn giải các trọng số hồi qui (Nguyễn Đình Thọ, 2011, trang 497).
Phân tích hồi quy bội
Đây là một kỹ thuật thống kê đƣợc sử dụng để phân tích mối quan hệ giữa 1 biến độc lập và nhiều biến phụ thuộc. Các tham số thông kê cần đƣợc chú ý gồm:
Hệ số Beta (Standardized Beta Coefficent): hệ số hồi quy chuẩn hóa cho phép so sánh một cách trực tiếp mức độ ảnh hƣởng của biến độc lập lên biến phụ thuộc.
Hệ số R2
hiệu chỉnh (Adjusted coefficient of determination): đo lƣờng phần phƣơng sai của biến phụ thuộc đƣợc giải thích bởi các biến độc lập có tính đến số lƣợng biến phụ thuộc và cỡ mẫu. Hệ số này càng cao, độ chính xác của mô hình càng lớn và khả năng dự báo của các biến độc lập càng chính xác.
Kiểm định độ phù hợp của mô hình với tập dữ liệu: sử dụng trị thống kê F để kiểm định mức ý nghĩa thống kê của mô hình. Giả thuyết H0 là các hệ số Beta trong mô hình đều bằng 0. Nếu mức ý nghĩa của kiểm định nhỏ hơn 0.05, ta có thể an toàn khi bác bỏ giả thuyết H0 hay mô hình phù hợp với tập dữ liệu khảo sát.
Kiểm định mức ý nghĩa của hệ số Beta: sử dụng trị thống kê t để kiểm tra mức ý nghĩa của hệ số Beta. Nếu mức ý nghĩa của kiểm định nhỏ hơn 0.05 (Sig. < 0,05), ta có thể kết luận hệ số Beta có ý nghĩa về mặt thống kê.
Tóm tắt chƣơng 3:
Chƣơng này trình bày qui trình nghiên cứu, phƣơng pháp nghiên cứu định tính và định lƣợng dựa vào phân tích độ tin cậy, phân tích EFA và phân tích hồi quy bội.
CHƢƠNG 4: KẾT QUẢ NGHIÊN CỨU
Chƣơng này sẽ trình bày kết quả phân tích nghiên cứu dựa vào phân tích độ tin cậy, phân tích nhân tố và phân tích hồi quy, thảo luận kết quả tìm đƣợc