Phân tích hồi quy tuyến tính sẽ giúp chúng ta biết được cường độ tác động của các biến độc lập lên biến phụ thuộc. Phương pháp hồi quy được sử dụng ở đây là phương pháp bình phương nhỏ nhất với biến phụ thuộc là quyết định mua thiết bị phòng thí nghiệm còn biến độc lập là các biến CL, DV, GC, TC, TK, CT và NTKH. Phương trình hồi quy tuyến tính bội biểu diễn có mối liên hệ giữa các nhân tố có dạng:
QDM= β0 + β1CL + β2DV + β3GC + β4TC + β5TK +β6CT + β7NTKH + ei
Trong đó:
CL : Chất lượng sản phẩm DV : Dịch vụ GC : Giá cả TC : Tài chính TK : Nhóm tham khảo CT : Chiêu thị
NTKH: Niềm tin của khách hàng vào thương hiệu
β0 : Hằng số tự do; βi i: 1 ÷ 7: hệ số hồi quy riêng phần ei : Phần dư
Kết quả phân tích hồi quy được thực hiện bằng phương pháp Enter được thể hiện qua bảng tóm tắt kết quả hồi quy như sau:
Bảng 4.7: Kết quả phân tích phương sai ANOVA ANOVA Mô hình Tổng các độ lệch bình phương Df Bình phương trung bình F Sig. Hồi quy 100.297 7 14.328 101.828 .000a Phần còn lại 31.237 222 .141 Tổng 131.535 229
(Nguồn: Tác giả tổng hợp theo điều tra tháng 03/2014)
Bảng 4.7 cho thấy mô hình có giá trị Sig.= 0.000 nên mô hình hồi quy tuyến tính này phù hợp với dữ liệu ở độ tin cậy 95%.
Kết quả thu được từ phân tích hồi quy như sau:
Bảng 4.8: Bảng mô tả kết quả phân tích hồi quy Mô hình R R 2 R2 hiệu chỉnh Độ lệch chuẩn ước lượng Durbin Watson 1 .873a .763 .755 .37511 1.928
(Nguồn: Tác giả tổng hợp theo điều tra tháng 03/2014)
Trong bảng trên, biến độc lập là chất lượng sản phẩm, dịch vụ, giá cả, tài chính, nhóm tham khảo, chiêu thị, niềm tin của khách hàng vào thương hiệu. Biến phụ thuộc là
quyết định mua thiết bị phòng thí nghiệm. Bảng trên cho thấy giá trị R2 hiệu chỉnh là 0.763 nghĩa là mô hình đưa ra giải thích được 76,3% sự thay đổi của biến quyết định mua. Còn lại 23,7% được giải thích bởi các tác nhân khác nằm ngoài mô hình. Điều này đồng nghĩa với việc giữa các thành phần CL, DV, TC, TK, CT, NTKH đối với biến QDM có tồn tại mô hình hồi quy tuyến tính.
Với hệ số Durbin Watson (d) là 1.928, giá trị này nằm trong khoảng 1<d<3 nên không có hiện tượng tương quan giữa các biến. Sau đây, tác giả tổng hợp các hệ số trong mô hình hồi quy được thể hiện trong bảng sau.
Bảng 4.9: Hệ số của mô hình hồi quy Coefficients
Mô hình Hệ số chưa
chuẩn hóa chuẩn hóa Hệ số
t Sig.
Đo lường đa cộng tuyến B Std.
Error Beta
Mức độ chấp
nhận của biến VIF
1 (Constant) .038 .170 .223 .824 CL .132 .091 .117 1.449 .149 .165 6.050 DV .411 .063 .423 6.557 .000 .257 3.886 GC .369 .038 .312 3.815 .000 .135 1.361 TC -.079 .049 -.080 -1.606 .110 .426 2.348 TK -.038 .085 -.033 -.447 .655 .202 4.947 CT .328 .370 .214 1.821 .000 .126 2.901 NTKH .420 .089 .348 4.702 .000 .255 3.035
(Nguồn: Tác giả tổng hợp theo điều tra tháng 03/2014)
Từ kết quả mô tả trong bảng trên, nhân tố DV, GC, CT, NTKH có giá trị Sig. nhỏ hơn 0.05 nên hai biến này có tác động cùng chiều với biến phụ thuộc là QDM. Các biến CL, TC, TK có giá trị Sig. lớn hơn 0.05 nên bị loại khỏi mô hình nghiên cứu. Mặc khác, kết quả phân tích hệ số hồi quy cho thấy các hệ số hồi quy đều dương chứng tỏ các tác động cùng chiều đến quyết định mua thiết bị phòng thí nghiệm của khách hàng tổ chức là chính quyền.
Giá trị hệ số phóng đại phương sai VIF của các biến được tổng kết đều thấp (nhỏ hơn 10) nên mô hình không xảy ra hiện tượng đa cộng tuyến.
QDM = 0.423DV + 0.348NTKH + 0.312GC + 0.214CT
Kết quả hệ số Beta đã chuẩn hóa cho biết nếu giữ cố định các biến độc lập còn lại, giá trị của DV, NTKH, GC,CT tăng lên 1 đơn vị thì giá trị quyết định mua tăng lên lần lượt là 0.423, 0.348, 0.412, 0.214 đơn vị.
Hệ số Beta đã chuẩn hóa nào càng cao thì mức độ ảnh hưởng của nhóm nhân tố đó đến quyết định mua càng cao. Theo kết quả tổng hợp ở bảng trên, nhân tố có ảnh hưởng lớn nhất đến quyết định mua là dịch vụ (Beta= 0.423 và nhân tố có ảnh hưởng nhỏ nhất đến quyết định mua là chiêu thị (Beta=0.214).
Tác giả tiếp tục kiểm định sự phù hợp của phần dư chuẩn hóa so với giả thiết phân phối chuẩn.
+ Giả định 1: là giả định về phân phối chuẩn và phần dư. Tác giả sử dụng biểu đồ
tần số (Histogram, P-P plot) của các phân dư (đã được chuẩn hóa). Kết quả từ biểu đồ tần số từ hình 4.2 cho thấy một đường cong phân phối chuẩn được đặt chồng lên biểu đồ tần số và có độ lệch chuẩn là 0.985, tức là xấp xỉ gần bằng 1. Do đó, giả định phân phối chuẩn không bị vi phạm.
+ Giả định 2: là giả định về tính độc lập của sai số (không có tương qua giữa các
phân dư). Ta dùng đại lượng thống kê Durbin- Watson (d) để kiểm định. Theo kết quả từ bảng 4.8 cho thấy d= 1.928, giá trị này nằm trong khoảng 1<d<3. Có nghĩa là d rơi vào miền chấp nhận giả thuyết không có tương quan chuỗi bậc nhất với nhau. Do đó giả định không có mối tương quan giữa các phần dư trong mô hình hồi qui đa biến không bị vi phạm.
+ Giả định 3: là giả định không có mối tương quan giữa các biến độc lập, đo lường
đa cộng tuyến (Collinearity Diagnostics). Theo kết quả từ bảng 4.9 cho thấy hệ số phóng đại VIF (Variance Inflation Factor) không lớn 10. Do đó, giả định không có mối tương quan giữa các biến độc lập trong mô hình hồi qui đa biến không bị vi phạm.
Như vậy từ các kết quả kiểm tra trên cho thấy mô hình hồi qui được xây dựng không vi phạm các giả định cần thiết trong hồi quy tuyến tính.
Hình 4.2:Đồ thị tần số Histogram
Hình 4.3: Đồ thị tần số P-P plot
(Nguồn: Tác giả tổng hợp theo điều tra tháng 03/2014)