C. CÁC WEBSITE
Bng 4.4 Kt qu cách s hi quy ca mô hình nghiên cu
Mô hình Các h s ch a chu n hóa Các h s đư chu n hóa T Sig. o l ng c ng tuy n B l ch chu n Beta ch p nh n VIF 1 H ng s 1,521 ,205 7,432 ,000 SP ,234 ,042 ,290 5,587 ,000 ,806 1,241 GC ,169 ,040 ,226 4,208 ,000 ,755 1,325 DD ,098 ,046 ,129 2,139 ,033 ,596 1,678 CT ,111 ,038 ,174 2,946 ,004 ,623 1,605 DC ,086 ,044 ,103 1,967 ,050 ,790 1,266 Bi n ph thu c: HVM
(Ngu n: K t qu x lý d li u đi u tra c a tác gi )
K t qu h i quy t b ng 4.3 cho th y, R2 đi u ch nh b ng 40,2%; có ngh a là 40,2% bi n thiên c a hành vi l a ch n kênh siêu th c a ng i tiêu dùng đ c gi i thích chung b i các bi n đ c l p trong mô hình.
Giá tr F t ng ng v i m c ý ngh a quan sát đ c là 0,000 trong phân tích ANOVA cho th y, mô hình h i quy b i xây d ng đ c phù h p v i d li u đ tin c y 95%.
B ng k t qu các h s h i quy 4.4 cho th y, n m nhân t đ a vào phân tích h i quy thì c n m nhân t đ u có nh h ng đ n hành vi l a ch n kênh siêu th c a ng i tiêu dùng.
so sánh m c đ nh h ng c a t ng nhân t đ n hành vi l a ch n kênh siêu th c a ng i tiêu dùng, chúng ta c n c vào h s beta chu n hóa. Theo đó, nhân t nào có h s beta chu n hóa càng l n có ngh a là nhân t đó nh h ng càng m nh vào bi n ph thu c. Nhìn vào b ng k t qu các h s h i quy ta có th th y, trong n m nhân t nh h ng đ n hành vi l a ch n kênh siêu th , s n ph m (SP) có nh h ng m nh nh t v i beta b ng 0,290; nhân t có nh h ng m nh th hai là giá c (GC) v i beta b ng 0,226; tác đ ng m nh th ba là chiêu th (CT) v i
beta b ng 0,174; đ a đi m (DD) là nhân t tác đ ng m nh th t v i beta b ng 0,129; và cu i cùng là đ ng c (DC) v i beta b ng 0,103.
C ng c n ph i nói thêm r ng, k t qu h i quy v i R2đi u ch nh tuy không l n ( m i ch gi i thích đ c 40,2% bi n thiên c a bi n ph thu c trong mô hình, ngh a là còn 59,8% bi n thiên c a bi n ph thu c đ c gi i thích b i các nhân t khác ngoài mô hình) nh ng đi u này là ch p nh n đ c; vì trên th c t , ngoài tác đ ng c a các nhân t đ c xem xét trong nghiên c u này, thì hành vi l a ch n kênh siêu th c a ng i tiêu dùng còn có th chu tác đ ng t các nhân t khác mà nghiên c u này ch a xem xét đ n, ví d : các tác nhân môi tr ng (nh : nh h ng c a tình hình kinh t , nh h ng c a công ngh ,...), các tác nhân khác (nh : v n hóa, xư h i, cá nhân, tâm lý,...).
4.2.3. Dò tìm s vi ph m gi đnh c n thi t trong h i quy b i
mô hình h i quy b i xây d ng đ c theo ph ng pháp bình ph ng bé nh t thông th ng v i ph ng pháp ENTER đ c ch n có ý ngh a th ng kê, thì c n đ m b o đ c các gi đnh c a nó không b vi ph m.
4.2.3.1. Gi đnh quan h tuy n tính
Gi đ nh đ u tiên là quan h tuy n tính. Ph ng pháp đ c s d ng đây là v đ th phân tán gi a ph n d chu n hóa (Standardized residual ) trên tr c tung và giá tr d đoán chu n hóa (Standardized predicted value) trên tr c hoành.
K t qu ki m đnh cho th y, ph n d không thay đ i theo m t tr t t nào đ i v i giá tr d đoán. Do v y, gi đnh liên h tuy n tính đư không b vi ph m. (Tham kh o ph l c 07).
4.2.3.2. Gi đ nh ph ng sai c a sai s không đ i
Ti p theo, chúng ta c n ki m tra gi đ nh ph ng sai c a sai s không đ i có b vi ph m hay không. B i vì hi n t ng “ph ng sai thay đ i” (Heteroskedasticity) gây ra nhi u h u qu tai h i đ i v i mô hình c l ng b ng ph ng pháp OLS. Nó
làm cho các c l ng c a các h s h i quy không ch ch nh ng không hi u qu (t c là không ph i là c l ng phù h p), nó c ng làm cho ki m đ nh c a các gi thuy t m t hi u l c khi n chúng ta đánh giá nh m v ch t l ng c a mô hình h i quy b i.
th phân tán gi a ph n d chu n hóa (Standardized residual) trên tr c tung và giá tr d đoán chu n hóa (Standardized predicted value) trên tr c hoành (Tham kh o ph l c 07) đ c dùng đ ki m tra hi n t ng ph ng sai thay đ i. Ta th y các ph n d phân tán quanh tr c 0 trong m t ph m vi không đ i, có th k t lu n ph ng sai c a sai s là không đ i.
4.2.3.3. Gi đnh v phân ph i chu n c a ph n d
Mô hình h i quy b i mà chúng ta xây d ng đ c ch th c s phù h p v i các d li u quan sát khi ph n d có phân ph i chu n v i trung bình b ng 0 và ph ng sai không đ i.
Cách th c đ kh o sát phân ph i c a ph n d là xây d ng bi u đ t n s Histogram và bi u đ P-P Plot.
K t qu trong bi u đ t n s Histogram cho th y, m t đ ng cong phân ph i chu n đ c đ t ch ng lên bi u đ t n s . V i đ l ch chu n Std. Dev = 0,991 (g n b ng 1) và giá tr trung bình Mean = 0; chúng ta có th k t lu n r ng, gi thuy t phân ph i chu n c a ph n d không b vi ph m. H n n a, đ c ng c cho k t lu n này, chúng ta xét thêm bi u đ P-P Plot c a ph n d chu n hóa, k t qu cho th y, các đi m quan sát không phân tán quá xa đ ng chéo k v ng, nên chúng ta có th k t lu n là gi thuy t phân ph i c a ph n d không b vi ph m. (Tham kh o ph l c 08).
4.2.3.4. Gi đnh v tính đ c l p c a sai s
i l ng th ng kê Durbib-Watson (d) có th dùng đ ki m đ nh t ng quan c a các sai s li n nhau (t ng quan chu i b c nh t).Gi thuy t H0: h s t ng quan t ng th c a các ph n d = 0. i l ng d có giá tr bi n thiên trong kho ng t
0 đ n 4. N u các ph n d không có t ng quan chu i b c nh t v i nhau, giá tr d s g n b ng 2.
K t qu Durbin-Watson trong b ng phân tích h i quy b i (Tham kh o ph l c 06) cho th y, giá tr d tính đ c r i vào mi n ch p nh n gi thuy t không có t ng quan chu i b c nh t (d = 1,833: g n b ng 2). Do v y, gi đnh v tính đ c l p c a sai s không b vi ph m.
4.2.3.5. Gi đ nh đa c ng tuy n
C ng tuy n là tr ng thái trong đó các bi n đ c l p có t ng quan ch t ch v i nhau. V n đ c a hi n t ng c ng tuy n là chúng cung c p cho mô hình nh ng thông tin r t gi ng nhau, và r t khó tách r i nh h ng c a t ng bi n đ c l p đ n bi n ph thu c. Công c chu n đoán giúp phát hi n s t n t i c a c ng tuy n là (1) đ ch p nh n c a bi n (Tolerance) nh và (2) h s phóng đ i ph ng sai (VIF) v t quá 10.
K t qu đo l ng đa c ng tuy n cho th y đ ch p nh n c a n m bi n (SP, GC, DD, CT, DC) đ u khá cao (t t c đ u l n h n 0,5), h s phóng đ i ph ng sai c a n m bi n đ u nh h n 2, đi u đó ch ng t hi n t ng đa c ng tuy n không x y ra gi a các bi n đ c l p trong mô hình. (Tham kh o ph l c 06).
4.3. K t qu ki măđ nh mô hình và các gi thuy t nghiên c u 4.3.1. Ki m đ nh mô hình nghiên c u 4.3.1. Ki m đ nh mô hình nghiên c u
H s xác đ nh R2 là ch s dùng đ đánh giá m c đ phù h p mô hình h i quy b i. Phép ki m đ nh F đ c s d ng đ ki m đnh gi thuy t này và nó t ng đ ng v i ki m đnh F trong ANOVA.
Theo k t qu t b ng phân tích ANOVA (b ng 4.5) ta th y ph ng sai trung bình h i quy l n h n nhi u so v i ph ng sai trung bình ph n d , đi u đó có ngh a mô hình h i quy là phù h p. Ngoài ra, k t qu ki m đnh F v i m c ý ngh a t i Sig. = 0,000 c ng nói lên r ng mô hình h i quy là phù h p. Do đó, có th k t lu n r ng mô hình đ t m c đ phù h p khá cao. (adsbygoogle = window.adsbygoogle || []).push({});