Phương pháp thực hiện hồi quy mà tác giả sử dụng là phương pháp đưa vào lần lượt (Enter), đây là phương pháp mặc định trong chương trình. Giá trị của các biến độc lập được tính trung bình dựa trên các biến quan sát thành phần của các biến độc lập đó.
Bảng 4.1 Bảng mô hình hồi quy tuyến tính theo phương pháp đưa vào lần lượt
(Enter) Model SummaryP
b
Model R R Square Adjusted R
Square Std. Error of the Estimate Durbin-Watson 1 .755P a .570 .562 .423 1.831
a. Predictors: (Constant), Tin Cay, Tuong Tac, Thông Tin, Giai Tri, Khong Phien Nhieu
b. Dependent Variable: Thich quang cao tren mang xa hoi Facebook tu su chia se cua ban be
Đánh giá sự phù hợp của mô hình: thông qua các chỉ số của bảng 4.1, ta thấy mô
hình có RP
2
Pbằng 57.0% và RP
2
P
hiệu chỉnh bằng 56.2%,nghĩa là mô hình tuyến tính với 5 biến độc lập đã xây dựng phù hợp với tập dữ liệu được 56.2% hay mô hình đã giải thích được 56.2% sự biến thiên của biến phụ thuộc thích quảng cáo trên mạng xã hội Facebook từ sự chia sẻ của bạn bè và 43.8% còn lại là do các biến khác ngoài mô hình mà đề tài này không đề cập đến.
- Nếu R <0,3 - Nếu 0,3 ≤ R <0,5 - Nếu 0,5 ≤ R <0,7 - Nếu 0,7 ≤ R <0,9 - Nếu 0,9 ≤ R - Nếu RP 2 P <0,1 - Nếu 0,1 ≤ RP 2 P <0,25 - Nếu 0,25 ≤ RP 2 P <0,5 - Nếu 0,5≤ RP 2 P <0,8 - Nếu 0,8 ≤ RP 2 P Tương quan ở mức thấp Tương quan ở mức trung bình Tương quan khá chặt chẽ Tương quan chặt chẽ Tương quan rất chặt chẽ
P
P Như vậy ta có thể kết luận mức độ phù hợp của mô hình tương đối cao. Tuy nhiên sự phù hợp này chỉ đúng với dữ liệu mẫu. Để kiểm định xem mô hình có thể suy diễn cho tổng thể thực hay không ta phải kiểm định độ phù hợp của mô hình.
Để kiểm định sự phù hợp của mô hình hồi quy tuyến tính bội ta sử dụng giá trị F ở bảng 4.2.
Bảng 4.2: Bảng phân tích ANOVA mô hình hồi quy tuyến tính
theo phương pháp đưa vào lần lượt (Enter)
ANOVAP
a
Model Sum of
Squares
df Mean Square F Sig.
1
Regression 62.815 5 12.563 70.047 .000P
b
Residual 47.348 264 .179
Total 110.163 269
a. Dependent Variable: Thich quang cao tren mang xa hoi Facebook tu su chia se cua ban be
b. Predictors: (Constant), Tin Cay, Tuong Tac, Thông Tin, Giai Tri, Khong Phien Nhieu
Dựa vào bảng 4.2, ta thấy trị thống kê F của mô hình có giá trị sig. là rất nhỏ so với mức ý nghĩa (sig. = 0.000 < 0.05). Vậy ta có thể kết luận mô hình phù hợp với tập dữ liệu và hoàn toàn có thể suy rộng ra cho toàn tổng thể.
Thông qua kiểm định thống kê với các hệ số hồi quy ở bảng 4.3, tác giả sẽ kiểm tra giải thuyết và xác định tầm quan trọng của các biến trong mô hình
Bảng 4.3: Các hệ số hồi quy tuyến tính theo phương pháp đưa vào lần lượt (Enter) CoefficientsP a Model Unstandardi zed Coefficients Standar dized Coeffic ients
t Sig. Correlations Collinearity Statistics
B Std. Error
Beta Zero- order
Partial Part Toler ance VIF 1 (Constant) .762 .164 4.648 .000 Khong Phien Nhieu .094 .045 .108 2.091 .037 .500 .128 .084 .612 1.635 Thông Tin .181 .039 .222 4.671 .000 .502 .276 .188 .722 1.386 Giai Tri .157 .042 .178 3.745 .000 .487 .225 .151 .722 1.386 Tuong Tac .161 .036 .189 4.430 .000 .398 .263 .179 .891 1.122 Tin Cay .293 .038 .380 7.813 .000 .639 .433 .315 .688 1.454
a. Dependent Variable: Thich quang cao tren mang xa hoi Facebook tu su chia se cua ban be
Để kiểm tra giả thuyết, từ kết quả thống kê của bảng 4.3, ta thấy giá trị sig. của các biến độc lập đều nhỏ hơn mức ý nghĩa 0.05, nghĩa là các biến độc lập tương quan cao, ảnh hưởng đến biến phụ thuộc tương đối cao. Các hệ số hồi quy beta chuẩn hoá đều có giá trị dương tức là chúng tác động cùng chiều đối với biến phụ thuộc. Như vậy mô hình hồi quy phù hợp với các giả thuyết ban đầu.
Kết luận: tác giả tiến hành chấp nhận các giả thuyết từ H1, H2, H3, H4 và H5.
Để xác định tầm quan trọng của các biến trong mô hình ta xem xét cột hệ số Part và Partical Correlations, kết quả theo thứ tự giảm dần như sau: Tin cậy, thông tin, tương tác, giải trí, không phiền nhiễu. Khi xem xét hệ số Beta chuẩn hoá thứ tự này cũng
không thay đổi. Trong nghiên cứu này tác giả sử dụng hệ số hồi quy chuẩn hoá (Standardized). Vì hệ số hồi quy chưa chuẩn hoá (B), giá trị của nó phụ thuộc vào thang đo cho nên chúng ta không thể dùng chúng để so sánh mức độ tác động của các biến độc lập vào biến phụ thuộc trong cùng một mô hình. Hệ số hồi quy chuẩn hoá Beta là hệ số chúng ta đã chuẩn hoá các biến, vì vậy chúng được dùng để so sánh mức độ tác động của các biến phụ thuộc vào biến độc lập. Biến độc lập nào có trọng số này càng lớn có nghĩa là biến đó có tác động mạnh vào biến biến phụ thuộc. Như vậy, phương trình hồi quy tuyến tính được thể hiện như sau:
Y = 0.108*X1 + 0.222*X2+ 0.178*X3+ 0.189*X4 + 0.380*X5 + e
Hay
Thích quảng cáo từ sự chia sẻ bạn bè = 0.108*Sự không phiền nhiễu + 0.222*thông tin + 0.178*giải trí + 0.189*tính tương tác + 0.380*sự tin cậy + e