Phân tích hồi quy tuyến tính bội

Một phần của tài liệu Đánh giá sự hài lòng của du khách đối với chất lượng dịch vụ tại khu nghỉ dưỡng MIA Nha Trang (Trang 47)

8. Kết cấu luận văn

2.5.4Phân tích hồi quy tuyến tính bội

Trong đề tài này tác giả sử dụng mô hình hồi quy tuyến tính bội để đánh giá cường độ tác động của các nhân tố độc lập đến nhân tố phụ thuộc sự hài lòng của du khách khi sử dụng dịch vụ tại khu nghỉ dưỡng MIA Nha Trang. Mô hình có dạng như sau:

Yi = β0 + β1X1i +…+ βkXki + Ui Trong đó :

Yi: Biến phụ thuộc

X1i...Xki: Các biến độc lập β0: Hệ số tự do

β1...βk: Các hệ số hồi qui riêng

Kiểm định các giả thuyết hồi quy: Giả thuyết liên hệ tuyến tính

Mô hình hồi quy tuyến tính bội giả định rằng mối quan hệ giữa các biến số là tuyến tính. Ta dùng phần mềm SPSS để vẽ đồ thị phân tán giữa phần dư chuẩn hóa(Standardized residual) và giá trị dự đoán chuẩn hóa (Standardized predicted value). Giả định tuyến tính được thỏa mãn nếu phần dư phân tán ngẫu nhiên xung quanh đường đi qua tung độ 0.

Giả thuyết phương sai của phần dư không đổi

Để kiểm định phương sai của phần dư không đổi ta sử dụng kiểm định tương quan hạng Spearman. Nếu kết quả kiểm tra cho thấy, giả thuyết H0: hệ số tương quan hạng bằng 0 không bác bỏ (Sig. > 0,05), thì phương sai của sai số không thay đổi. Như vậy, mô hình hồi quy xây dựng nêu trên có thể sử dụng được (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).

Giả thuyết phần dư có phân phối chuẩn

Ta dùng phần mềm SPSS để vẽ biểu đồ tần số Histogram của phần dư chuẩn hóa. Phần dư có phân phối chuẩn khi Mean = 0 và độ lệch chuẩn xấp xỉ 1.

Giả thuyết phần dư không có tự tương quan

Đại lượng thống kê Durbin-Watson (d) có thể kiểm định tương quan của các sai số kề nhau (tương quan chuỗi bậc nhất), đại lượng có giá trị biến thiên trong khoảng từ 0 đến 4. Nếu các phần dư không có tương quan chuỗi bậc nhất với nhau, giá trị d sẽ gần bằng 2 (Mai Văn Nam, 2008).

Giả thuyết không có hiện tượng đa cộng tuyến

Để kiểm định hiện tượng đa cộng tuyến, ta sử dụng hệ số phóng đại phương sai (Variance Inflation Factor-VIF). Nếu VIF của một biến độc lập nào đó > 10, thì biến này hầu như không có giá trị giải thích biến thiên của Y (Hair & ctg, 2006). Trong thực tế, nếu VIF > 2 cần thận trọng trong diễn giải các trọng số hồi quy (Nguyễn Đình Thọ, 2011).

Một phần của tài liệu Đánh giá sự hài lòng của du khách đối với chất lượng dịch vụ tại khu nghỉ dưỡng MIA Nha Trang (Trang 47)