Dựa vào mô hình nghiên cứu đã được điều chỉnh, phương trình hồi quy bội được xây dựng như sau:
SDDV = βo+ β1*SDSD + β2*ILCN + β3*RRCN + β4*GCCN + β5*TCCQ +ei
Trong đó:
Biến phụ thuộc: SDDV là giá trị của thang đo Sử dụng dịch vụ NHĐT Các biến độc lập: SDSD là giá trị của thang đo Sự dễ sử dụng
ILCN là giá trị của thang đo Ích lợi cảm nhận RRCN là giá trị của thang đo Rủi ro cảm nhận GCCN là giá trị của thang đo Giá cả cảm nhận TCCQ là giá trị của thang đo Tiêu chuẩn chủ quan
Để tiến hành phân tích hồi quy tuyến tính bội, các biến được đưa vào mô hình theo phương pháp Enter. Việc đánh giá mức độ phù hợp của mô hình thông qua hệ số xác định R2. Kiểm định giả thuyết về ý nghĩa toàn diện mô hình bằng đại lượng thống kê F. Kiểm định giả thuyết về ý nghĩa của các hệ số hồi quy bằng trị số thống kê t. Công cụ chẩn đoán giúp phát hiện sự tồn tại của cộng tuyến trong dữ liệu và đánh giá mức độ cộng tuyến làm thoái hóa tham số ước lượng là: Hệ số phóng đại phương sai (Variance inflation factor – VIF). Ngoài ra, giả định về phân phối chuẩn của phần dư được kiểm tra bằng cách xây dựng biểu đồ tần số của phần dư.
Bảng 4.19: Bảng Phân tích hồi quy Model Summaryb Mode l R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 .798a .637 .631 .458 2.004 a. Predictors: (Constant), Tieu chuan chu quan, Su de su dung, Ich
loi cam nhan, Rui ro cam nhan, Gia ca cam nhan b. Dependent Variable: Su dung dich vu
ANOVAa Model Sum of Squares df Mean Square F Sig. 1 Regression 110.486 5 22.097 105.265 .000b Residual 62.976 300 .210 Total 173.462 305 Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF
1 (Constant) 1.082 .339 3.188 .002 SDSD .271 .038 .262 7.150 .000 .903 1.108 ILCN .234 .043 .206 5.506 .000 .862 1.160 RRCN -.344 .042 -.327 -8.181 .000 .760 1.316 GCCN .222 .048 .185 4.584 .000 .742 1.348 TCCQ .293 .042 .268 6.961 .000 .819 1.222 (Nguồn: Phụ lục 7)
Đánh giá mức độ phù hợp của mô hình
Từ bảng, so sánh 2 giá trị R Square và Adjusted R Square ta thấy Adjusted R Square nhỏ hơn nên ta dùng hệ số này để đánh giá độ phù hợp của mô hình sẽ an toàn hơn vì nó không thổi phồng mức độ phù hợp của mô hình.
Hệ số xác định hiệu chỉnh Adjusted R Square là 0,631 nghĩa là mô hình hồi quy tuyến tính đã xây dựng phù hợp với tập dữ liệu đến mức 63,1%, điều này còn có ý
nghĩa là các biến độc lập đã góp phần giải thích 63.1% sự khác biệt của biến phụ thuộc là Sử dụng dịch vụ NHĐT.
Kiểm định giả thuyết về ý nghĩa toàn diện của mô hình
Để kiểm định ý nghĩa toàn diện của mô hình, có nghĩa là mô hình này vẫn phù hợp khi suy rộng ra thành mô hình tổng thể, chúng ta kiểm định giả thuyết về hệ số xác định R2của mô hình tổng thể. Ta đặt giả thuyết Ho: R2= 0.
Đại lượng thống kê F được sử dụng cho kiểm định này. Theo kết quả bảng , ta thấy kiểm định F có giá trị là 105,265 với Sig. = 0,000, do đó giả thuyết Ho bị bác bỏ. Điều này chứng tỏ mô hình hồi quy tuyến tính bội là phù hợp với tập dữ liệu và có thể sử dụng để suy rộng ra tổng thể.
Đo lường đa cộng tuyến
Ta dùng hệ số phóng đại phương sai VIF để kiểm tra khả năng xảy ra hiện tượng đa cộng tuyến giữa các biến độc lập. Quy tắc là khi VIF < 2: hiện tượng đa cộng tuyến giữa các biến độc lập ảnh hưởng không đáng kể đến mô hình; 2 ≤ VIF ≤ 10: hiện tượng đa cộng tuyến giữa các biến độc lập ảnh hưởng đáng kể đến mô hình; VIF > 10: dấu hiệu của đa cộng tuyến.
Nhìn bảng ta thấy hệ số VIF của các biến đều nhỏ hơn 2. Điều này có nghĩa là hiện tượng đa cộng tuyến giữa các biến độc lập không ảnh hưởng đến mô hình, hay ta có thể nói không có hiện tượng đa cộng tuyến.