THIẾT KẾ NGHIÊN CỨU 3.1 Quy trình nghiên cứu.
3.6.2.2Phân tích hồi qui.
Phân tích hồi qui bằng phương pháp bình phương nhỏ nhất thông thường
(Ordinary least square- OLS). Xây dựng mô hình hồi qui và thực hiện các kiểm định:
a) Đầu tiên, kiểm định sự phù hợp của mô hình thông qua kiểm định giả thiết HR0R: RP
2P P
= 0, thông qua kiểm định đại lượng F, kiểm định F trong bảng phân tích phương sai được tính bởi công thức:
32
Trong đó: n là số quan sát và k số lượng biến trong mô hình.
Nếu xác suất F nhỏ tương ứng với mức ý nghĩa quan sát sig. ≤ mức ý nghĩa α ,
thì giả thiết HR0R: RP 2
P=0 bị bác bỏ.
b) Kiểm định sự tác động của từng biến độc lập đến hiệu quả qua kiểm định t. Nếu
t có ý nghĩa thống kê thì kết luận hệ số hồi qui có ý nghĩa thống kê hay biến độc lập đó có tác động đến sự hài lòng của khách hàng.
c) Kiểm định hiện tượng đa cộng tuyến thông qua nhân tử phóng đại phương sai
VIF: VIFj = 1/(1-RP 2 PRjR) Với RP 2
PRjR là hệ số xác định của hàm hồi qui phụ của biến độc lập thứ j theo các biến độc lập còn lại. Khi tiến về 1, nghĩa là mức độ cộng tuyến giữa biến độc lập thứ j với các biến độc lập còn lại cao thì VIFRj R càng lớn, tại điểm tới hạn VIFRj Rtiến tới ∞.
Theo qui tắc, kinh nghiệm là khi VIFRj R>10 > 0.9 thì mức độ cộng tuyến được xem là cao. Do đó nếu VIF có giá trị nhỏ hơn 10 thì được xem như không có hiện tượng đa cộng tuyến đáng kể xảy ra (Phạm Trí Cao,(2009), Kinh tế lượng ứng dụng, (10), tr191).
d) Kiểm định tự tương quan thông qua hệsố Durbin-Watson.
Hệ số0T0Tthống kê Durbin–Watson0T0Tlà một thống kê kiểm định được sử dụng để kiểm tra xem có hiện tương0T0Ttự tương quan hay không trong0T0Tphần dư0T0Tcủa một
phép0T0Tphân tích hồi quy.0T
Nếu0T0TeRtR0T0Tlà0Tphần dư 0Tgắn với quan sát tại thời điểm0T0Tt, thì0T0Tthống kê kiểm định0T0Tlà
Trong đó0T0TT0T0Tlà số quan sát. Vì0T0Td0T0Txấp xỉ 2(1−r), trong đó0T0Tr0T0Tlà độ tự tương quan mẫu của phần dư,0Tnếu 0Td = 2 cho thấy không có hiện tượng tự tương quan
33
e) Kiểm định Jarque-Bera là một loại kiểm định xem thử dữ liệu có0T0Thệ số bất đối xứng S và0T0Thệ số nhọn K đáp ứng yêu cầu của phân phối chuẩn.Thống kê kiểm định0T0TJB0T0Tđược xác định bởi công thức:
Trong đó0T0Tn0T0Tlà số các quan sát (hay độ tự do);
] = 0 ] = 3
Nếu S gần bằng 0 và K gần bằng 3, thì dữ liệu có phân phối chuẩn.
f) Ước lượng hệ số xác định và đánh giá sự phù hợp của mô hình. Giá trị hệ số
xác định RP 2
P
cho biết độ phù hợp của mô hình với cơ sở dữ liệu.
RP 2 (adsbygoogle = window.adsbygoogle || []).push({});
P
= 1- =
TSS= ; ESS= ; và RSS= = TSS – ESS
Với là giá trị trung bình của biến phụ thuộc Y
là giá trị ước lượng của quan sát thứ i có được dựa vào mô hình hồi qui là giá trị thực của quan sát thứ i
Hệ số xác định nhận giá trị trong đoạn [0,1], với RP 2
P=1 thì đường hồi qui thích hợp hoàn hảo, với RP
2 P P
= 0 thì mô hình hồi qui hoàn toàn không thích hợp. Giá trị
RP 2
P
càng gần 1 thì mô hình càng tốt. Đối với dữ liệu chuỗi thời gian thì RP
2 P P
> 0.9 được xem là tốt và số liệu chéo thì RP
2 P P
> 0.7 được xem là tốt ( Phạm Trí Cao,(2009), Kinh tế lượng ứng dụng, tr 33).Tuy nhiên, trong một số lĩnh vực nghiên cứu giá trị RP
2
Pthường đạt thấp như các lĩnh vực nghiên cứu dự đoán về hành vi của con người: sự hài lòng, sự chấp nhận … thì thường giá trị RP
2 P P
trong khoảng từ 0.3 - 0.5 vẫn được chấp nhận (S. F. Amiri Aghdaie, F. Faghani (2012))
34