Phân tích hồi quy tuyến tính giúp ta xác định mức độ ảnh hưởng của biến độc lập lên biến phụ thuộc. Phương trình tổng quát được xây dựng:
Trong đó: - SLC: Biến phụ thuộc (Sự lựa chọn của người dân) - X1 : Hoạt động marketing
- X2 : Rủi ro các kênh đầu tư khác - X3 : Sự uy tín
- X4 : Sự trung thành - X5 : Chất lượng phục vụ - X6 : Lãi suất tiền gửi - ei : Sai số
3.4.6.1. Xây dựng phương trình hồi quy tuyến tính
Sử dụng phần mềm SPSS 18 để xây dựng mô hình. Phương pháp Enter được sử dụng là đưa tất cả các biến độc lập và phụ thuộc vào phân tích.
Sau khi có kết quả phân tích hồi quy theo phương pháp Enter, ta cần kiểm định ý nghĩa của các hệ số hồi quy riêng từng phần trong mô hình hồi quy thông qua kiểm định giả thuyết H0: βk=0. Qua bảng 3.29 và bảng 3.31, với hệ số xác định R2 = 0.268, hệ số hồi quy riêng từng phần của các biến độc lập có mức ý nghĩa Sig. <0.05. Như vậy, với giả thuyết H0 là hệ số hồi quy của các biến độc lập βk = 0, và với độ tin cậy 95% thì ta có thể bác bỏ giả thuyết H0 đối với tất cả các βk. Điều này có nghĩa 6 biến độc lập trên đều có mối liên hệ tuyến tính với biến phụ thuộc.
Bảng 3.29. Mô hình tóm tắt sử dụng phương pháp Enter Model Summaryb
Model R R Square Adjusted R
Square
Std. Error of
the Estimate Durbin-Watson
1 0.529a 0.280 0.268 0.85559353 1.675
a. Predictors: (Constant), Lai suat tien gui, Chat luong phuc vu, Su trung thanh, Su uy tin, Rui ro cua cac kenh dau tu khac, Hoat dong Marketing
b. Dependent Variable: Su lua chon
Bảng 3.30. Phân tích ANOVAb phương pháp Enter
ANOVAb
Model Sum of Squares df Mean
Square F Sig.
Regression 103.269 6 17.212 23.512 0.000a
Residual 265.731 363 0.732
1
Total 369.000 369
a. Predictors: (Constant), Lai suat tien gui, Chat luong phuc vu, Su trung thanh, Su uy tin, Rui ro cua cac kenh dau tu khac, Hoat dong Marketing
Bảng 3.31. Phân tích hồi qui tuyến tính theo phương pháp Enter Coefficientsa Unstandardized Coefficients Standardized Coefficients Collinearity Statistics Model B Std. Error Beta t Sig. Tolerance VIF (Constant) -7.119E-17 0.044 0.000 1.000 HDM 0.207 0.045 0.207 4.647 0.000 1.000 1.000 RRDT 0.128 0.045 0.128 2.882 0.004 1.000 1.000 SUT 0.247 0.045 0.247 5.552 0.000 1.000 1.000 STT 0.199 0.045 0.199 4.466 0.000 1.000 1.000 CLPV 0.224 0.045 0.224 5.039 0.000 1.000 1.000 1 LSTG 0.263 0.045 0.263 5.916 0.000 1.000 1.000
a. Dependent Variable: Su lua chon
3.4.6.2. Dò tìm sự vi phạm các giả định cần thiết trong mô hình 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, ta phải suy rộng kết luận cho mối liên hệ giữa các biến trong tổng thể. Sự chấp nhận và diễn dịch kết quả hồi quy không thể tách rời các giả định cần thiết và những chuẩn đoán về sự vi phạm các giả định đó. Nếu các giả định bị vi phạm thì các kết quả ước lượng được không đáng tin cậy nữa. (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
Vì vậy, ta cần thực hiện kiểm định các giả thiết cần thiết trong mô hình hồi quy có vi phạm hay không gồm các giả định sau:
Giả định liên hệ tuyến tính: Phương pháp được sử dụng là đồ thị phân tán Scatterplot với giá trị phần dư chuẩn hóa trên trục tung và giá trị dự báo chuẩn hóa trên trục hoành. Nếu giả định liên hệ tuyến tính và phương sai bằng nhau được thỏa mãn, thì ta sẽ không nhận thấy có liên hệ gì giữa các giá trị dự đoán và phần dư, chúng sẽ phân tán rất ngẫu nhiên. Nhận xét đồ thị phân tán Scatterplot (Hình 3.9) dưới đây ta nhận thấy phần dư phân tán ngẫu nhiên trong một vùng xung quanh đường đi qua tung độ 0. Như vậy, giả định liên hệ tuyến tính của mô hình không bị vi phạm.
Giả định phương sai của sai số không đổi: Nhận xét đồ thị phân tán Scatterplot (Hình 3.9) dưới đây ta nhận thấy phần dư phân tán ngẫu nhiên quanh trục 0 (tức quanh giá trị trung bình của phần dư) trong một phạm vi không đổi. Như vậy, giả định phương sai của của sai số không đổi không bị vi phạm.
Giả định về phân phối chuẩn của phần dư: Để khảo sát sự vi phạm về giả định phân phối chuẩn của phần dư, tác giả sử dụng biểu đồ Histogram và đồ thị P-P plot trong phân tích SPSS 18. Biểu đồ Histogram (Hình 3.10) cho thấy một đường cong phân phối chuẩn được đặt chồng lên biểu đồ tần số. Phân phối phần dư xấp xỉ chuẩn hóa (trung bình Mean gần bằng 0 và độ lệch chuẩn Std.Dev = 0.992 tức là gần bằng 1). Ngoài ra, nhìn vào đồ thị P-P plot (Hình 3.11), kết quả cho thấy các điểm quan sát không phân tán quá xa đường thẳng kỳ vọng. Do đó, có thể kết luận rằng giả thiết phân phối chuẩn không bị vi phạm.
Giả định về tính độc lập của sai số (hay không có tương quan giữa các phần dư): Đại lượng thống kê Durbin-Watson giúp ta thực hiện kiểm định của các sai số kề nhau. Kết quả phân tích tại bảng 29 cho thấy giá trị thống kê Durbin-Watson = 1.675 gần bằng 2.0 nên có thể nhận định rằng hiện tượng tự tương quan là không xảy ra.
Giả định không có mối tương quan giữa các biến độc lập (Đo lường đa cộng tuyến): Để kiểm tra hiện tượng đa cộng tuyến, chỉ số thường dùng là hệ số phóng đại phương sai VIF (Variance Inflation Factor). Kết quả phân tích tại bảng 31 cho thấy hệ số VIF đều bằng 1, nhỏ hơn mức chấp nhận được 8.0 rất nhiều (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005) nên ta kết luận hiện tượng đa cộng tuyến không nghiêm trọng giữa các biến độc lập.
Như vậy mô hình hồi quy tuyến tính được xây dựng theo phương trình hồi qui ở trên không vi phạm các giả định cần thiết về hồi quy tuyến tính.
Hình 3.9. Đồ thị phân tán Scatterplot
Hình 3.11. Đồ thị P-P Plot phần dư chuẩn hóa hồi quy
3.4.6.3. Đánh giá độ phù hợp của mô hình và kiểm định các giả thiết
Đánh giá độ phù hợp của mô hình:
Để đánh giá độ phù hợp của mô hình ta sử dụng hệ số xác định R2 điều chỉnh (Adjusted R Square). Qua bảng 3.29 cho thấy hệ số xác định điều chỉnh của mô hình là 0.268. Điều này nói rằng, 6 biến độc lập trong mô hình giải thích được 26.8% biến thiên của sự lựa chọn gửi tiền tiết kiệm vào ngân hàng của người dân trong mẫu điều tra.
Kiểm định sự phù hợp của mô hình:
Để kiểm định giả thiết về độ phù hợp của mô hình ta kiểm định giả thuyết H0: hệ số hồi quy của các biến độc lập β1= β2= β3 = β4 = β5= β6=0 (không có mối liên hệ tuyến tính giữa các biến độc lập và biến phụ thuộc) thông qua kiểm định F trong bảng phân tích phương sai. Kết quả tại bảng 3.30 cho thấy: trị thống kê F=23.512 với mức ý nghĩa Sig. rất nhỏ (<0.05) nên ta có thể bác bỏ giả thiết H0 cho rằng tất cả các hệ số hồi quy bằng 0 (ngoại trừ hằng số). Như vậy, mô hình hồi qui tuyến tính bội đang xét phù hợp với tập dữ liệu và có thể sử dụng được.
Ý nghĩa các hệ số hồi quy riêng phần trong mô hình:
Để đảm bảo các biến độc lập đều thực sự có ảnh hưởng đến biến phụ thuộc, ta tiến hành kiểm định t. Với giả thuyết H0 là hệ số hồi quy của các biến độc lập βk = 0 với độ tin cậy 95% thì ta có thể bác bỏ giả thuyết H0 đối với tất cả các βk. Theo kết quả trong bảng 3.31, giá trị t của các biến βk đều lớn hơn 2.882 với mức ý nghĩa < 0.05. Như vậy, ta có thể bác bỏ giả thiết H0 (βk = 0). Điều này có nghĩa là 6 nhân tố trong phương trình đều có ảnh hưởng đến sự lựa chọn của người dân.
3.4.6.4. Kết quả phân tích hồi quy
Như vậy, sau khi phân tích hồi quy, 6 nhân tố đều được giữ lại trong mô hình đó là: Hoạt động marketing, rủi ro của các kênh đầu tư khác, sự uy tín, sự trung thành, chất lượng phục vụ, lãi suất tiền gửi.
Từ kết quả trên, phương trình hồi quy chuẩn hóa được xác định:
Cụ thể: Sự lựa chọn = -7.119E-17 + 0.207* “Hoạt động marketing” + 0.128* “Rủi ro của các kênh đầu tư khác” + 0.247* “Sự uy tín” + 0.199* “Sự trung thành” + 0.224* “Chất lượng phục vụ” + 0.263* “Lãi suất tiền gửi”
3.4.6.5. Xác định tầm quan trọng của các biến trong mô hình
Sau khi xây dựng hàm hồi quy với 6 biến độc lập, ta cần xác định với các biến đã đưa vào mô hình, biến nào có vai trò quan trọng hơn trong việc dự đoán sự lựa chọn của người dân. Kết quả phân tích tại bảng 3.31 cho thấy:
Biến "LSTG- Lãi suất tiền gửi" là biến có ảnh hưởng lớn nhất đến sự lựa chọn gửi tiền tiết kiệm vào ngân hàng của người dân trên địa bàn thành phố Nha Trang (hệ số hồi quy lớn nhất). Hệ số Beta >0 cho thấy mối quan hệ giữa "LSTG - Lãi suất tiền gửi" và "SLC – Sự lựa chọn" là mối quan hệ cùng chiều. Khi lãi suất càng cao thì người dân càng có khuynh hướng gửi tiền tiết kiệm vào ngân hàng hơn. Với giá trị Beta = 0.263 với mức ý nghĩa rất thấp (Sig <0.05) thì khi tăng mức độ của lãi suất tiền gửi lên 1 đơn vị (theo thang đo Likert) thì mức độ lựa chọn của người dân tăng thêm 0.263 đơn vị.
Biến "SUT – Sự uy tín" có hệ số Beta = 0.247 với mức ý nghĩa <0.05 là biến số có hệ số hồi quy lớn thứ hai. Hệ số này cho thấy khi ngân hàng càng tạo được sự uy tín thì người dân càng có khuynh hướng gửi tiền tiết kiệm vào ngân hàng.
Biến "CLPV – Chất lượng phục vụ" có hệ số Beta = 0.224 với mức ý nghĩa <0.05 là biến có hệ số hồi quy lớn thứ ba. Hệ số này cho thấy tác động cùng chiều giữa chất lượng phục vụ của nhân viên ngân hàng với sự lựa chọn gửi tiền tiết kiệm vào ngân hàng của người dân. Khi chất lượng phục vụ của nhân viên ngân hàng càng tốt thì càng làm tăng khuynh hướng gửi tiền tiết kiệm vào ngân hàng của người dân.
Biến "HDM – Hoạt động marketing" có hệ số Beta = 0.207 với mức ý nghĩa <0.05 là biến có hệ số hồi quy lớn thứ tư. Hệ số này cho thấy tác động cùng chiều của yếu tố hoạt động marketing của ngân hàng với sự lựa chọn của người dân. Khi hoạt động marketing của ngân hàng càng tốt thì người dân càng có khuynh hướng gửi tiền tiết kiệm vào ngân hàng.
Biến "STT – Sự trung thành" có hệ số Beta = 0.199 với mức ý nghĩa <0.05 là biến có hệ số hồi quy lớn thứ năm. Hệ số này cho thấy tác động cùng chiều của sự trung thành của người dân với dịch vụ gửi tiền tiết kiệm vào ngân hàng đến sự lựa chọn của người dân. Khi người dân càng trung thành với dịch vụ thì mức độ lựa chọn gửi tiền tiết kiệm vào ngân hàng của người dân càng cao.
Biến "RRDT - Rủi ro của các kênh đầu tư khác" có hệ số có hệ số Beta = 0.128 với mức ý nghĩa <0.05 là biến có hệ số hồi quy lớn thứ sáu. Hệ số này cho thấy tác động cùng chiều của rủi ro của các kênh đầu tư khác đến sự lựa chọn của người dân. Khi các kênh đầu tư tài chính khác càng rủi ro thì người dân càng có khuynh hướng gửi tiền tiết kiệm vào ngân hàng.
Như vậy, cả 6 biến trên trong mô hình hồi quy điều chỉnh đều có ý nghĩ thống kê và có sự tác động cùng chiều đối với sự lựa chọn gửi tiền tiết kiệm vào ngân hàng của người trên địa bàn thành phố Nha Trang.