Quá trình phân tích hồi quy đƣợc thực hiện qua các bƣớc:
Bước 1: Kiểm tra tƣơng quan giữa biến các biến độc lập với nhau và với biến phụ thuộc thông qua ma trận hệ số tƣơng quan. Theo đó, điều kiện để phân tích hồi quy là phải có tƣơng quan giữa các biến độc lập với nhau và với biến phụ thuộc. Tuy nhiên, theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc (2005, tr. 258), khi hệ số tƣơng quan <0,85 thì có khả năng đảm bảo giá trị phân biệt giữa các biến. Nghĩa là, nếu hệ số tƣơng quan > 0,85 thì cần xem xét vai trò của các biến độc lập, vì có thể xảy ra hiện tƣợng đa cộng tuyến (một biến độc lập này có đƣợc giải thích bằng một biến khác).
Bước 2: Kiểm định mô hình hồi quy và các giả thuyết nghiên cứu
Y = β1X1+β2X2+ β3X3+ β4X4+...+ βkXk Đƣợc thực hiện thông qua các thủ tục:
- Lựa chọn các biến đƣa vào mô hình hồi quy (tác giả sử dụng phƣơng pháp Enter - SPSS xử lý tất cả các biến đƣa vào cùng một lƣợt).
- Đánh giá độ phù hợp của mô hình bằng hệ số xác định R2 (R Square). Tuy nhiên, R2 có đặc điểm càng tăng khi đƣa thêm các biến độc lập vào mô hình, mặc dù không phải mô hình càng có nhiều biến độc lập thì càng phù hợp với tập dữ liệu. Vì thế, R2 điều chỉnh (Adjusted R Square) có đặc điểm không phụ thuộc vào số lƣợng
43
biến đƣa thêm vào mô hình đƣợc sử dụng thay thế R2 để đánh giá mức độ phù hợp của mô hình hồi quy bội.
- Kiểm định độ phù hợp của mô hình để lựa chọn mô hình tối ƣu bằng cách sử dụng phƣơng pháp phân tích ANOVA để kiểm định giả thuyết H0: (không có mối liên hệ tuyến tính giữa biến phụ thuộc với tập hợp các biến độc lập β1=β2=β3=βK= 0).
Nếu trị thống kê F có Sig rất nhỏ (< 0,05), thì giả thuyết H0 bị bác bỏ, khi đó chúng ta kết luận tập hợp của các biến độc lập trong mô hình có thể giải thích cho sự biến thiên của biến phụ thuộc. Nghĩa là mô hình đƣợc xây dựng phù hợp với tập dữ liệu, vì thế có thể sử dụng đƣợc.
- Xác định các hệ số của phƣơng trình hồi quy, đó là các hệ số hồi quy riêng phần βk: đo lƣờng sự thay đổi trung bình của biến phụ thuộc khi biến độc lập Xk thay đổi một đơn vị, trong khi các biến độc lập khác đƣợc giữ nguyên. Tuy nhiên, độ lớn của βk phụ thuộc vào đơn vị đo lƣờng của các biến độc lập, vì thế việc so sánh trực tiếp chúng với nhau là không có ý nghĩa. Do đó, để có thể so sánh các hệ số hồi quy với nhau, từ đó xác định tầm quan trong (mức độ giải thích) của các biến độc lập cho biến phụ thuộc, ngƣời ta biểu diễn số đo của tất cả các biến độc lập bằng đơn vị đo lƣờng độ lệnh chu n beta.
Bước 3: Kiểm tra vi phạm các giả định hồi quy
Mô hình hồi quy đƣợc xem là phù hợp với tổng thể nghiên cứu khi không vi phạm các giả định. Vì thế, sau khi xây dựng đƣợc phƣơng trình hồi quy, cần phải kiểm tra các vi phạm giả định cần thiết sau đây:
- Có liên hệ tuyến tính gữa các biến độc lập với biến phụ thuộc - Phần dƣ của biến phụ thuộc có phân phối chu n
- Phƣơng sai của sai số không đổi
- Không có tƣơng quan giữa các phần dƣ (tính độc lập của các sai số)
- Không có tƣơng quan giữa các biến độc lập (không có hiện tƣợng đa cộng tuyến).
44
Trong đó:
- Công cụ để kiểm tra giả định liên hệ tuyến tính là đồ thị phân tán phần dƣ chu n hóa (Scatter) biểu thị tƣơng quan giữa giá trị phần dƣ chu n hóa (Standardized Residual) và giá trị dự đoán chu n hóa (Standardized Pridicted Value).
- Công cụ để kiểm tra giả định phần dƣ có phân phối chu n là đồ thị tần số Histogram, hoặc đồ thị tần số P-P plot.
- Công cụ để kiểm tra giả định sai số của biến phụ thuộc có phƣơng sai không đổi là đồ thị phân tán của phần dƣ và giá trị dự đoán hoặc kiểm định Spearman’s rho.
- Công cụ đƣợc sử dụng để kiểm tra giả định không có tƣơng quan giữa các phần dƣ là đại lƣợng thống kê d (Durbin - Watson), hoặc đồ thị phân tán phần dƣ chu n hóa (Scatter).
- Công cụ đƣợc sử dụng để phát hiện tồn tại hiện tƣợng đa cộng tuyến là độ chấp nhận của biến (Tolerance) hoặc hệ số phóng đại phƣơng sai (Variance inflation factor - VIF). Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2005, tr.217, 218), quy tắc chung là VIF > 10 là dấu hiệu đa cộng tuyến; trong khi đó, theo Nguyễn Đình Thọ và Nguyễn Thị Mai Trang (2011, tr.497), khi VIF > 2 cần phải c n trọng hiện tƣợng đa cộng tuyến.
45
TÓM TẮT CHƢƠNG 3
Chƣơng này trình bàyphƣơng pháp nghiên cứu đƣợc thực hiện qua 2 giai đoạn là nghiên cứu sơ bộ và chính thức. Kết quả nghiên cứu sơ bộ là một nghiên cứu định tính khẳng định mô hình lý thuyết đề xuất trong chƣơng 2 phản ánh các thành phần chính của chất lƣợng dịch vụ tín dụng tiêu dùng - nghiên cứu tình huống tại BIDV Quảng Trị, đồng thời phát triển thang đo các thành phần này và sự hài lòng gồm 33 biến. Nghiên cứu chính thức là một nghiên cứu định lƣợng, mẫu nghiên cứu đƣợc chọn bằng phƣơng pháp lấy mẫu định mức (phi xác suất) kết hợp phƣơng pháp lấy mẫu hệ thống (xác suất). Kích thƣớc mẫu dự kiến là 330 đƣợc thu thập bằng hình thức phỏng vấn bằng bảng câu hỏi, hoặc email. Quá trình phân tích dữ liệu gồm các giai đoạn:
- Đánh giá sơ bộ các thang đo bằng Cronbachalpha và phân tích nhân tố khám phá (EFA).
- Phân tích hồi quy tuyến tính bội đƣợc sử dụng để kiểm định mô hình nghiên cứu và các giả thuyết nghiên cứu.
Toàn bộ quá trình phân tích dữ liệu sử dụng phần mềm SPSS 16.0. Kết quả phân tích dữ liệu nghiên cứu sẽ đƣợc trình bày trong chƣơng 4 tiếp theo.
46
CHƢƠNG 4
PHÂN TÍCH DỮ LIỆU VÀ KẾT QUẢ NGHIÊN CỨU