C 1R Y –β R2 RT R dR –β R 3 RS +β RK R X RK +ε (X RK R= 1,6)
4.3.2.Đánh giá độ phù hợp của mô hình
Chương 4: PHÂN TÍCH KẾT QUẢ NGHIÊN CỨU
4.3.2.Đánh giá độ phù hợp của mô hình
Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), hệ số xác định RP
2
P đã được chứng minh là hàm không giảm theo số biến độc lập được đưa vào mô hình, càng đưa thêm biến độc lập vào mô hình thì RP
2
P càng tăng, tuy nhiên điều này cũng được chứng minh rằng không phải phương trình càng có nhiều biến sẽ càng phù hợp hơn với dữ liệu (tức là tốt hơn). Như vậy RP
2
Pcó khuynh hướng là một ước lượng lạc quan của thước đo phù hợp của mô hình đối với dữ liệu trong trường hợp có hơn một biến giải thích trong mô hình. Mô hình thường không phù hợp với dữ liệu thực tế như giá trị RP 2 P thểPPhiện. Bảng 4.9: Model Summary Mô hình R RP 2 RP 2
Pđiều chỉnh Sai số của ước lượng 1 .935P
a .875 .872 .34170960
Nguồn: Tính toán từ phần mềm SPSS (phụ lục 3)
Như vậy trong nghiên cứu này RP
2
P hiệu chỉnh (Adjusted R square thể hiện ở cột thứ 4 từ bên trái) từ RP
2
P
được sử dụng để phản ảnh sát hơn mức độ phù hợp của mô hình hồi quy tuyến tính đa biến. RP
2
P điều chỉnh không nhất thiết tăng lên khi nhiều biến được thêm vào phương trình, nó là thước đo sự phù hợp được sử dụng cho tình
- 40-
huống hồi quy quyến tính đa biến vì nó không phụ thuộc vào độ phóng đại của RP
2P P . RP 2 P điều chỉnh có kết quả là 0.872 87.2% So sánh 2 giá trị RP 2 P(cột thứ 3 từ bên trái) là 0.875 và RP 2 Pđiều chỉnh (cột thứ 4 từ bên trái) là 0.872, ta thấy RP
2
P
nhỏ hơn, dùng nó đánh giá phù hợp của mô hình sẽ an
toàn hơn vì nó không thổi phồng độ phù hợp của mô hình.
Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), kiểm định F sử dụng trong bảng phân tích phương sai vẫn là một phép kiểm định giả thiết về độ phù hợp của mô hình hồi quy tuyến tính tổng thể. Ý nghĩa của kiểm định này về mối quan hệ tuyến tính giữa biến phụ thuộc chi tiêu tiêu dùng cá nhân và biến độc lập thu nhập, tiết kiệm, thuế TNCN, giới tính, độ tuổi, tình trạng hôn nhân, trình độ học vấn, nghề nghiệp khi xem biến phụ thuộc là biến chi tiêu tiêu tiêu dùng có liên hệ tuyến tính với toàn bộ tập hợp các biến độc lập hay không.
Giả thiết HR0R là βR1R= βR2R= βR3R= βR4R= βR5 R= βR6 R= βR7 R= βR8 R=0
Nếu giả thiết HR0R bị bác bỏ chúng ta kết luật là kết hợp của các biến hiện có trong mô hình có thể giải thích được thay đổi của chi tiêu tiêu dùng, điều này cũng có nghĩa là mô hình xây dựng phù hợp với tập dữ liệu.
Bảng 4.10: ANOVAP
b
Mô hình Tổng bình phương df Bình phương trung bình F Sig. (adsbygoogle = window.adsbygoogle || []).push({});
1 Hồi quy 291.164 7 41.595 356.22 6 .000P a Sốdư 41.685 357 .117 Tổng 332.849 364
a. Predictors: (Constant), Tiết kiệm, Thuế TNCN, Giới tính, Độ tuổi, Tình trạng
hôn nhân, Trình độ học vấn, Nghề nghiệp, b. Biến phụ thuộc: Tổng chi tiêu tiêu dùng
Nguồn: Tính toán từ phần mềm SPSS (phụ lục 3)
Bảng 4.11 cho kết quả trị thống kê kiểm định F được tính từ giá trị R square của mô hình đầy đủ, giá trị sig. = 0.000 rất nhỏ cho ta thấy sẽ an toàn khi bác bỏ giả thiết
HR0 Rcho rằng tất cả các hệ số hồi quy bằng 0 (ngoại trừ hằng số), mô hình hồi quy tuyến tính bội về chi tiêu tiêu dùng cá nhân trong đề tài này phù hợp với tập dữ liệu và có thể sử dụng được.
- 41-