1. Tính cấp thiết của đề tài
4.5 Mô hình hồi quy tuyến tính bộ i
Phân tích hồi quy tuyến tính sẽ giúp chúng ta biết được cường độ ảnh hưởng của các biến độc lập lên biến phụ thuộc. Để tiến hành phân tích hồi quy tuyến tính bội, các biến đưa vào mô hình theo phương pháp Enter. Tiêu chuẩn kiểm định là tiêu chuẩn được xây dựng vào phương pháp kiểm định giá trị thống kê F và xác định xác suất tương ứng của giá trị thống kê F, kiểm định mức độ phù hợp giữa mẫu và tổng thể thông qua hệ số xác định R2. Công cụ chẩn đoán giúp phát hiện sự tồn tại của cộng tuyến trong dữ liệu được đánh giá mức độ cộng tuyến làm thoái hóa tham số ước lượng là hệ số phóng đại phương sai (Variance inflation factor - VIF). Quy tắc khi VIF vượt quá 10, đó là dấu hiệu của đa cộng tuyến
Các nhân tố mới hình thành gồm có: 8 biến độc lập (Động cơ du lịch, thái độ phục vụ nhân viên, kinh nghiệm du lịch, hình ảnh, nhóm tham khảo, giá vé, quảng cáo, tiện ích) và 1 biến phụ thuộc (Quyết định chọn của du khách) được đưa vào phân tích hồi qui. Ta có phương trình tổng quát như sau:
QD = β0 + β1DC + β2TĐNV + β3KN + β4HA + β5NTK + β6GIA + β7QC +β8TIC+ ei
Trong đó:
Biến phụ thuộc: QD (Mức độ quyết định chọn của du khách).
Biến độc lập: DC - Động cơ du lịch, TDNV - thái độ phục vụ nhân viên, KN - kinh nghiệm du lịch, HA - hình ảnh, NTK - nhóm tham khảo, GIA - giá vé, QC - quảng cáo, TIC - tiện ích)
Dựa vào cơ sở lý thuyết và kết quả phân tích ở trên, ta sẽ đưa tất cả các biến độc lập trong mô hình hồi quy đã điều chỉnh bằng phương pháp đưa vào cùng một lúc Enter để chọn lọc dựa trên tiêu chí chọn những biến có mức ý nghĩa < 0,05.
Kết quả phân tích hồi quy tuyến tính được thể hiện thông qua bảng (Xem phụ lục 6).
So sánh hai giá trị R2 và R2 hiệu chỉnh csó thể thấy R2 hiệu chỉnh nhỏ hơn, dùng nó để đánh giá độ phù hợp của mô hình sẽ an toàn hơn vì nó không thổi phồng mức độ
56
phù hợp của mô hình. Vậy, nghiên cứu sẽ sử dụng R2 hiệu chỉnh để đánh giá mức độ phù hợp của mô hình nghiên cứu. Độ phù hợp của mô hình được kiểm định bằng trị thống kê F được tính từ R2 của mô hình tương ứng với mức ý nghĩa sig., với giá trị sig. càng nhỏ thì càng an toàn khi bác bỏ giả thuyết hệ số các biến độc lập đều bằng nhau và bằng 0 (trừ hằng số). Mô hình hồi quy tuyến tính bội đưa ra là phù hợp với dữ liệu và có thể sử dụng được.
Hệ số hồi quy chuẩn hóa của phương trình có thể thấy các giá trị Beta đều khác 0, để xác định được mức độ quan trọng của các yếu tố tham dự vào sự hài lòng của du khách. Những giá trị Beta khác 0 có ý nghĩa thống kê (kiểm định 2 phía, p < 0,05), kết quả có 8 yếu tố được ghi nhận lần lượt theo hệ số hồi quy chuẩn hóa (β) theo bảng
Bảng 4.20: Hệ số hồi quy của mô hình Hệ số chưa chuẩn hóa Hệ số đã chuẩn hóa Thống kê đa cộng tuyến Mô h́nh B Sai số
chuẩn Beta T Sig.
Độ chấp nhận VIF (Constant ) -0,174 0,115 -1,507 0,133 DC 0,275 0,013 0,515 21,285 0,000 0,991 1,009 TĐNV 0,165 0,012 0,327 13,326 0,000 0,965 1,036 KN 0,142 0,010 0,334 13,706 0,000 0,978 1,022 HA 0,212 0,013 0,412 16,777 0,000 0,963 1,038 NTK 0,116 0,011 0,257 10,394 0,000 0,951 1,052 GIA 0,082 0,013 0,157 6,296 0,000 0,929 1,077 QC 0,096 0,013 0,186 7,630 0,000 0,975 1,026 1 TIC 0,019 0,012 0,041 1,640 0,102 0,943 1,060 Kết quả trên cho thấy yếu tố VIF < 2 (không bị đa cộng tuyến) và hầu hết các yếu tố đều đạt Sig. < 5% có ý nghĩa thống kê, nhưng có yếu tố TIC > 5% (loại khỏi mô hình). DC có hệ số Beta chưa chuẩn hóa cao nhất (= 0,275) nên có tác động mạnh nhất đến quyết định chọn. Kế tiếp là các yếu tố HA (=0,212), TĐNV (=0,165), KN (=0,142), NTK (=0,116). Các yếu tố QC (=0,096), GIA (=0,082) cũng có tác động đáng kể đến quyết định lựa chọn, nhưng ít hơn các yếu tố khác.
57
QD = 0,275DC + 0,212HA + 0,165KN + 0,142TĐNV + 0,116NTK + 0,096QC+ 0,082GIA
Kết quả trên cũng cho thấy mối quan hệ tuyến tính của các yếu tố với quyết định chọn của hành khách đều có ý nghĩa thống kê (Sig. < 0,05). Từ đó có thể kết luận rằng mô hình lý thuyết phù hợp với dữ liệu thị trường. Như vậy, các giả thuyết H1, H2, H3, H4, H5, H6, H7 được chấp nhận. Giả thuyết H8 bị loại bỏ.
Như vậy, kết quả cho thấy có 7 biến độc lập đều có tác động có ý nghĩa lên biến phụ thuộc (sig.<0,05). Và 7 nhân tố này đưa vào phân tích hồi quy đều được giữ lại trong mô hình. Hệ số xác định hiệu chỉnh Adjusted R-Square là 0,874 nghĩa là mô hình hồi quy tuyến tính đã xây dựng phù hợp với tập dữ liệu đến 87,4%, điều này cho thấy mối quan hệ giữa biến phụ thuộc và các biến độc lập là khá chặt chẽ, cả 7 biến trên góp phần giải thích 87,4% sự khác biệt mức độ quyết định chọn Trung tâm du lịch suối khoáng nóng Tháp Bà. Như vậy, 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 có thể suy diễn mô hình cho tổng thể hay không ta phải kiểm định độ phù hợp của mô hình.
Kiểm định F sử dụng trong bảng phân tích phương sai vẫn là một phép giả thuyết về độ phù hợp của mô hình hồi quy tuyến tính tổng thể. Kết quả phân tích cho thấy, kiểm định F có giá trị là 189.138 với Sig. = 000(a) chứng tỏ mô hình hồi quy tuyến tính bội là phù hợp với tập dữ liệu và có thể sử dụng được để suy rộng ra cho tổng thể.