6. Bố cục của đề tài
2.3.6 Kiểm định mô hình nghiên cứu
2.3.6.1 Kiểm tra các giả định của mô hình hồi quy
Để xác định mối quan hệ giữa biến phụ thuộc và các biến độc lập cũng như đánh giá tầm quan trọng của từng yếu tố đối với sự hài lòng của khách hàng sử dụng dịch vụ ATM. Tuy nhiên, trước khi phân tích các kết quả ở trên, ta cần kiểm tra các giả định trong hồi quy tuyến tính. Nếu các giả định này bị vi phạm thì các
ước lượng không đáng tin cậy nữa (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008, 236). Các giả định sau sẽ được kiểm định:
1) Phương sai của sai số (phần dư) không đổi 2) Các phần dư có phân phối chuẩn
3) Không có mối tương quan giữa các phần dư 4) Không có mối tương quan giữa các biến độc lập
Sau khi rút trích được các nhân tố từ phân tích nhân tố khám phá EFA, dò tìm các vi phạm giả định cần thiết trong mô hình hồi quy tuyến tính bội như kiểm tra phần dư chuẩn hóa, kiểm tra hệ số phóng đại phương sai (Variance inflation factor – VIF), nếu VIF < 10, có nghĩa là không có hiện tượng đa cộng tuyến thì giả định không bị vi phạm. Nếu các giả định không bị vi phạm, mô hình hồi quy tuyến tính được xây dựng. Và hệ số R2 đã được điều chỉnh (Adjusted R square) cho biết mô hình hồi quy được xây dựng phù hợp đến mức nào
Như đã đề cập, ta sẽ lần lượt kiểm tra các giả định sau đây trước khi phân tích kết quả kiểm định:
i/ Kiểm tra giả định phương sai của sai số (phần dư) không đổi
Để kiểm định phương sai của sai số (phần dư) không đổi, ta sử dụng đồ thị phân tán của phần dư đã được chuẩn hóa (Standardized Residual) và giá trị dự báo đã được chuẩn hóa (Standardized Predicted Value) (xem phụ lục 8). Quan sát đồ thị, ta thấy phần dư phân tán ngẫu nhiên quanh giá trị 0 (trung bình của phần dư) trong một phạm vi không đổi. Điều này có nghĩa là phương sai của sai số (phần dư) không đổi.
ii/ Kiểm tra giả định các phần dư có phân phối chuẩn
Phần dư có thể không tuân theo phân phối chuẩn vì những lý do như: sử dụng sai mô hình, phương sai không phải là hằng số, số lượng các phần dư không đủ nhiều để phân tích (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008, 228). Chúng ta sử dụng biểu đồ tần số và biểu đồ Q-Q plot của các phần dư để kiểm tra giả định
Kết quả từ biểu đồ tần số cho thấy một đường cong phân phối chuẩn được đặt chồng lên biểu đồ tần số, phân phối phần dư xấp xỉ chuẩn (trung bình Mean=0, và
độ lệch chuẩn Std.Dev.=0,984 tức là gần bằng 1). Do đó có thể kết luận rằng giả thuyết phân phối chuẩn không bị vi phạm.
Kết quả từ biểu đồ Q-Q plot cho thấy các điểm phân tán sát với đường chéo, phân phối phần dư có thể xem như chuẩn (xem phụ lục 8)
iii/ Kiểm tra giả định không có mối tương quan giữa các phần dư
Phần dư là phần chênh lệch giữa giá trị quan sát của mẫu với giá trị tính được từ mô hình. Nếu phần dư được sắp xếp không theo thứ tự hay hình dáng rõ ràng nhất định thì mô hình được xây dựng là đúng. Nếu không thì cần phải điều chỉnh lại mô hình. Để biết mối quan hệ của các phần dư ta có thể dùng hệ số Durbin- Watson để kiểm định tương quan của các sai số kề nhau (tương quan chuỗi bậc nhất), nếu các phần dư không có tương quan chuỗi bậc nhất với nhau, giá trị d sẽ gần bằng 2 (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008, 232). Kết quả (xem bảng 2.5) cho thấy giá trị d đạt được là 1,928 (gần với giá trị 2) và chấp nhận giả thuyết không có sự tương quan chuỗi bậc nhất trong mô hình.
Bảng 2.5: Bảng tóm tắt các hệ số về mức độ phù hợp của mô hình Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .865a .748 .740 .50989548 1.928
a. Predictors: (Constant), San sang, Phi, Hoan thanh, Thuan tien, Bao mat, Hieu qua b. Dependent Variable: Hai long
iv/ Kiểm tra giả định không có mối tương quan giữa các biến độc lập
Các biến độc lập ngoài mối liên hệ với biến phụ thuộc thì không được có mối liên hệ chặt chẽ với nhau. Nếu không sẽ xảy ra hiện tượng đa cộng tuyến, vừa ảnh hưởng đến biến kết quả vừa ảnh hưởng lẫn nhau. Để dò tìm hiện tượng đa cộng tuyến, ta xem xét độ chấp nhận của biến (Tolerance) và hệ số phóng đại phương sai (Variance inflation factor – VIF). Theo Hoàng Trọng, Chu Nguyễn Mộng Ngọc (2008, 235) thì độ chấp nhận của biến là nghịch đảo của hệ số phóng đại phương sai. Độ chấp nhận của biến nhỏ thì hệ số phóng đại phương sai lớn, quy
tắc khi hệ số phóng đại phương sai vượt quá 10 đó là dấu hiệu của hiện tượng đa cộng tuyến.
Kết quả cho thấy hệ số phóng đại phương sai của các biến độc lập trong mô hình đều < 10 (VIF < 10) (xem bảng 2.6) thể hiện tính đa cộng tuyến của các biến độc lập là không đáng kể, và chấp nhận giả thuyết không có mối tương quan giữa các biến độc lập trong mô hình.
Bảng 2.6: Hệ số thống kê của từng biến trong phương trình hồi quy Coefficientsa Model Unstandardized Coefficients Standardized Coefficients T Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) 3.752E-17 .037 .000 1.000 Hieu qua .522 .037 .522 14.109 .000 1.000 1.000 Bao mat .283 .037 .283 7.648 .000 1.000 1.000 Thuan tien .452 .037 .452 12.227 .000 1.000 1.000 Hoan thanh .199 .037 .199 5.393 .000 1.000 1.000 Phi .264 .037 .264 7.134 .000 1.000 1.000 San sang .286 .037 .286 7.730 .000 1.000 1.000
a. Dependent Variable: Hai long
2.3.6.2 Phân tích tương quan
Thông thường trước khi sử dụng hồi quy tuyến tính người ta sẽ xét mối quan hệ giữa các biến độc lập với biến phụ thuộc qua hệ số tương quan Pearson của bảng hệ số tương quan. Hệ số tương quan sẽ nằm trong khoảng [-1;+1]. Nếu bằng -1 nghĩa là tương quan nghịch (negative correlation) và +1 là tương quan thuận (positive correlation). Nếu bằng 0 nghĩa là không có tương quan. Đây còn được gọi là tương quan tuyến tính, do nếu tương quan thì mối quan hệ được thể hiện bởi đường thẳng dốc lên hay dốc xuống. Trường hợp không tương quan thì là đường nằm ngang. Trong phân tích tương quan Pearson, không có sự phân biệt giữa các biến độc lập và biến phụ thuộc mà tất cả đều được xem như nhau. Xem xét ma trận
hệ số tương quan giữa các biến (xem bảng 2.7) cho thấy biến phụ thuộc sự hài lòng với từng biến độc lập có sự tương quan với nhau, thể hiện cụ thể qua hệ số tương quan như sau: mức độ hiệu quả (0,522); sự thuận tiện (0,452); phí dịch vụ (0,264); sự bảo mật (0,283); mức độ hoàn thành (0,199); mức độ sẵn sàng (0,286) được kiểm định với mức ý nghĩa thống kê 1%. Sơ bộ ta có thể kết luận các biến độc lập này có thể đưa vào mô hình để giải thích biến phụ thuộc sự hài lòng.
Bảng 2.7: Ma trận hệ số tương quan Correlations
Hieu qua Bao mat Thuan tien Hoan thanh Phi San sang Hai long
Hieu qua Pearson Correlation 1 .000 .000 .000 .000 .000 .522**
Sig. (2-tailed) 1.000 1.000 1.000 1.000 1.000 .000
N 191 191 191 191 191 191 191
Bao mat Pearson Correlation .000 1 .000 .000 .000 .000 .283**
Sig. (2-tailed) 1.000 1.000 1.000 1.000 1.000 .000 N 191 191 191 191 191 191 191 Thuan tien Pearson Correlation .000 .000 1 .000 .000 .000 .452** Sig. (2-tailed) 1.000 1.000 1.000 1.000 1.000 .000 N 191 191 191 191 191 191 191 Hoan thanh Pearson Correlation .000 .000 .000 1 .000 .000 .199** Sig. (2-tailed) 1.000 1.000 1.000 1.000 1.000 .006 N 191 191 191 191 191 191 191
Phi Pearson Correlation .000 .000 .000 .000 1 .000 .264**
Sig. (2-tailed) 1.000 1.000 1.000 1.000 1.000 .000
N 191 191 191 191 191 191 191
San sang Pearson Correlation .000 .000 .000 .000 .000 1 .286**
Sig. (2-tailed) 1.000 1.000 1.000 1.000 1.000 .000
N 191 191 191 191 191 191 191
Hai long Pearson Correlation .522** .283** .452** .199** .264** .286** 1
N 191 191 191 191 191 191 191