Phương pháp Enter (đưa tất cả các biến vào một lần) trong chương trình SPSS được sử dụng để phân tích hồi quy bội. Kết quả phân tích hồi qui bội tại bảng 4.11, các giá trị Sig. tương ứng với các biến quan sát PP, CL, DV, CP, TC, HT đều rất nhỏ, nhỏ hơn 0.05. Vì vậy, có thể khẳng định các nhân tố này có ý nghĩa thống kê trong mô hình.
Bảng 4.11: Thống kê mô tả biến Phân phối tin cậy
Model
Hệ số hồi qui chưa chuẩn hóa
Hệ số hồi qui
đã chuẩn hóa T Sig.
Thống kê đa cộng tuyến
B Std. Error Beta Tolerance VIF
1 (Constant) -.222 .236 -.941 .348 PP .203 .041 .272 4.987 .000 .664 1.507 CL .187 .052 .194 3.609 .000 .682 1.466 DV .175 .046 .183 3.767 .000 .836 1.196 CP .230 .040 .305 5.741 .000 .702 1.425 TC .120 .039 .147 3.092 .002 .876 1.141 HT .124 .037 .164 3.357 .001 .832 1.201 a. Dependent Variable: LC
4.4.3.1 Kiểm định các giả định hồi quy
Phân tích hồi quy không phải chỉ là việc mô tả các dữ liệu quan sát được. Từ các kết quả quan sát được trong mẫu, bạn phải suy rộng kết luận cho mối liên hệ giữa các biến trong tổng thể. Sự suy rộng các kết quả của mẫu cho các giá trị của tổng thể phải trên cở sở các giả định cần thiết (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008) như sau:
Giả định liên hệ tuyến tính
Kiểm tra bằng biểu đồ phân tán scatter cho phần dư chuẩn hóa (Standardized residual) và giá trị dự doán chuẩn hóa (Standardized predicted value). Kết quả cho thấy phần dư phân tán ngẫu nhiên qua đường thẳng qua điểm 0, không tạo thành một hình dạng nào cụ thể. Như vậy, giả định liên hệ tuyến tính được thỏa mãn.
Giả định phương sai của sai số không đổi
Kết quả kiểm định tương quan hạng Spearman (bảng số 10, phụ lục 5) cho thấy giá trị sig của các biến PP, CL, DV, CP, TC, HT với giá trị tuyệt đối của phần dư lần lượt là 0 . 2 3 5 , 0 . 1 2 6 ; 0 . 1 3 3 ; 0 . 9 1 3 ; 0 . 6 9 0 v à 0 . 0 0 3 . Điều này cho thấy chúng ta không thể bác bỏ giả thiết Ho, nghĩa là phương sai của sai số không đổi. Như vậy, giả định phương sai của sai số không đổi không bị vi phạm.
Giả định phần dư có phân phối chuẩn
Kiểm tra biểu đồ phân tán của phần dư (Đồ thị 4.1) cho thấy phân phối phần dư xấp xỉ chuẩn (trung bình mean gần = 0 và độ lệch chuẩn Std. = 0.989 tức là gần bằng 1). Như vậy, giả định phần dư có phân phối chuẩn không bị vi phạm.
Hình 4.2. Biểu đồ tần số của phần dư chuẩn hóa
Giả định không có tương quan giữa các phần dư
Đại lượng thống kê Durbin-Watson (d) được dùng để kiểm định tương quan của các sai số kề nhau. Đại lượng d có giá trị từ 0 đến 4. Kết quả phân tích hồi qu y
bội cho thấy giá trị d = 1.901 (bảng 4.11) nằm trong vùng chấp nhận nên không có tương quan giữa các phần dư. Như vậy, giả định không có tương quan giữa các phần dư không bị vi phạm. Vậy, mô hình hồi quy tuyến tính trên có thể sử dụng được.
4.4.3.2 Đánh giá độ phù hợp, kiểm định độ phù hợp của mô hình và hiện tượng đa cộng tuyến
Đánh giá độ phù hợp của mô hình
Hệ số R2 điều chỉnh (Adjusted R square) = 0.658 (bảng 4.12). Nghĩa là mô hình hồi quy tuyến tính bội đã xây dựng phù hợp với tập dữ liệu đến mức 65.80%.
Bảng 4.12: Thống kê mô tả biến Dịch vụ hỗ trợ kỹ thuật
Model R R² R² điều chỉnh Std. Error of
the Estimate Durbin-Watson
1 .819a .670 .658 .35146 1.901
a. Predictors: (Constant), HT, TC, DV, CP, CL, PP b. Dependent Variable: LC
Kiểm định độ phù hợp của mô hình
Kết quả kiểm định trị thống kê F, với giá trị sig = 0.000 (< 0.001) từ bảng phân tích phương sai ANOVA (bảng 4.13) cho thấy mô hình hồi quy tuyến tính bội đã xây dựng phù hợp với tập dữ liệu, sử dụng được.
Bảng 4.13: Thống kê mô tả biến Hợp tác liên kết
Model Sum of Squares Df Mean Square F Sig.
1 Regression 41.878 6 6.980 56.505 .000a
Residual 20.628 167 .124
Hiện tượng đa cộng tuyến
Đo lường đa cộng tuyến được thực hiện, kết quả cho thấy hệ số phóng đại phương sai (VIF) có giá trị từ 1.141 đến 1.507 (bảng 4.11) đạt yêu cầu (VIF < 10). Vậy mô hình hồi quy tuyến tính bội không có hiện tượng đa cộng tuyến, mối quan hệ giữa các biến độc lập không ảnh hưởng đến kết quả giải thích của mô hình.
4.4.3.3 Phương trình hồi quy tuyến tính bội
Với tập dữ liệu thu được trong phạm vi nghiên cứu của đề tài và dựa vào bảng kết quả hồi quy tuyến tính bội (bảng 4.11), phương trình hồi quy tuyến tính bội thể hiện các nhân tố ảnh hưởng đến yếu tố quyết định lựa chọn NCC như sau:
LC = -0.222 + 0.203*PP + + 0.187*CL + 0.175*DV +0.230*CP + 0.120*TC + 0.124*HT
LC: Yếu tố quyết định lựa chọn NCC PP: thành phần phân phối CL: thành phần chất lượng sản phẩm DV: thành phần dịch vụ hỗ trợ kỹ thuật CP: thành phần chi phí TC: thành phần tình hình tài chính HT: thành phần hợp tác và liên kết.
4.4.3.4 Tổng kết kết quả kiểm định các giả thuyết
Bảng 4.14: Thống kê mô tả biến Tình hình tài chính
Giả
Thuyết Tên giả thuyết Sig VIF Kết quả
H1
Chi phí mua hàng có quan hệ dương với
quyết định lựa chọn NCC. 0.000 1.425
Chấp nhận
H2
Chất lượng sản phẩm có quan hệ dương với
quyết định lựa chọn NCC. 0.000 1.466
Chấp nhận
H3 Phân phối tin cậy có quan hệ dương với 0.000 1.507 Chấp nhận
quyết định lựa chọn NCC.
H4
Dịch vụ hỗ trợ kỹ thuật có quan hệ dương
với quyết định lựa chọn NCC. 0.000 1.196
Chấp nhận
H5
Hợp tác và liên kết có quan hệ dương với
quyết định lựa chọn NCC. 0.001 1.201
Chấp nhận
H6
Tình hình tài chính có quan hệ dương với
quyết định lựa chọn NCC. 0.002 1.141
Chấp nhận
Kết quả mô hình hồi quy cho thấy quyết định lựa chọn NCC chịu tác động dương của 6 thành phần: thành phần phân phối, thành phần chất lượng sản phẩm, thành phần dịch vụ hỗ trợ kỹ thuật, thành phần chi phí, thành phần tình hình tài chính và thành phần hợp tác và liên kết. Do đó, các giả thuyết H1, H2, H3, H4, H5, H6 được chấp nhận.