Phân tích hệ số tương quan Pearson được sử dụng để xem xét sự phù hợp khi đưa các thành phần vào mơ hình hồi quy.
Kiểm định hệ số tương quan Pearson dùng để kiểm tra mối liên hệ tuyến tính giữa các biến độc lập và biến phụ thuộc. Một hệ số tương quan dương 1 cho thấy hai biến số cĩ mối quan hệ thuận chiều tuyệt đối. Nếu các biến cĩ tương quan chặt chẽ thì phải lưu ý đến vấn đề đa cộng tuyến khi phân tích hồi quy.
và cĩ ý nghĩa. Hệ số tương quan biến phụ thuộc là quyết định lựa chọn nhà đất với các biến độc lập tương đối cao, ta cĩ thể kết luận các biến độc lập này cĩ thể đưa vào mơ hình để giải thích cho biến quyết định lựa chọn nhà, đất.
Căn cứ bảng phân tích 3.26, hệ số tương quan giữa các biến độc lập dao động từ 0.302 đến 0,572 (nhỏ hơn 1). Hệ số tương quan giữa biến “Tìm kiếm thơng tin” và “Quyết định mua nhà, đất ở” đạt cao nhất, điều này chứng tỏ hai nhân tố này cĩ mối quan hệ thuận và chặt chẽ.
Bảng 3.26 Ma trận tương quan giữa các nhân tố (Pearson)
DC GIA STT KNBT TKTT QD Hệ số tương quan 1 .469** .327** .305** .250** .572** Mức ý nghĩa .000 .000 .000 .000 .000 DC N 200 200 200 200 200 200 Hệ số tương quan .469** 1 .308** .172* .275** .468** Mức ý nghĩa .000 .000 .015 .000 .000 GIA N 200 200 200 200 200 200 Hệ số tương quan .327** .308** 1 .355** .183** .336** Mức ý nghĩa .000 .000 .000 .009 .000 STT N 200 200 200 200 200 200 Hệ số tương quan .305** .172* .355** 1 .184** .455** Mức ý nghĩa .000 .015 .000 .009 .000 KNBT N 200 200 200 200 200 200 Hệ số tương quan .250** .275** .183** .184** 1 .302** Mức ý nghĩa .000 .000 .009 .009 .000 TKTT N 200 200 200 200 200 200 Hệ số tương quan .572** .468** .336** .455** .302** 1 Mức ý nghĩa .000 .000 .000 .000 .000 QD N 200 200 200 200 200 200
3.4.2. Kiểm định mơ hình bằng phân tích hồi quy
a. Phân tích hồi quy
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. ðể tiến hành phân tích hồi quy tuyến tính bội, các biến đưa vào mơ 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 thơng qua hệ số xác định R2. Cơng cụ chẩn đốn giúp phát hiện sự tồn tại của cộng tuyến trong dữ liệu được đánh giá mức độ cộng tuyến làm thối hĩa tham số ước lượng là: Hệ số phĩng đại phương sai (Variance inflation factor - VIF). Quy tắc khi VIF vượt quá 10, đĩ là dấu hiệu của đa cộng tuyến theo Trọng & Ngọc (2005).
Các nhân tố mới hình thành gồm cĩ: 5 biến độc lập và 1 biến phụ thuộc (Quyết định mua nhà, đất ở) được đưa vào phân tích hồi quy. Do vậy cần cĩ sự điều chỉnh về giả thuyết và mơ hình nghiên cứu sau phép phân tích nhân tố. Ta cĩ phương trình tổng quát được xây dựng như sau:
QD = β0 + β1*F1 + β2* F2 + β3*F3 + β4*F4 + β5*F5
Trong đĩ:
* Biến phụ thuộc: QD (Quyết định lựa chọn mua nhà, đất ở). * Các biến độc lập là:
oF1: ðộng cơ
oF2: Giá
oF3: Sự thuận tiện
oF4: Kinh nghiệm bản thân
oF5: Tìm kiếm thơng tin
Dựa vào cơ sở lý thuyết và kết quả phân tích ở trên, ta sẽ đưa tất cả các biến độc lập trong mơ 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 cĩ mức ý nghĩa < 0.05.
Kết quả phân tích hồi quy tuyến tính cho các biến số được thể hiện thơng qua các bảng sau:
Bảng 3.27. Hệ số R-Square từ kết quả phân tích hồi quy Model Summaryb Mơ Hình R R bình phương R bình phương hiệu chỉnh ðộ lệch chuẩn Durbin- Watson 1 .686a .471 .457 .44912 1.808
So sánh hai giá trị R Square và Adjusted R Square cĩ thể thấy Adjusted R Square nhỏ hơn, dùng nĩ để đánh giá độ phù hợp của mơ hình sẽ an tồn hơn vì nĩ khơng thổi phồng mức độ phù hợp của mơ hình. Vậy, nghiên cứu sẽ sử dụng R2 hiệu chỉnh để
đánh giá mức độ phù hợp của mơ hình nghiên cứu. ðộ phù hợp của mơ hình được kiểm định bằng trị thống kê F được tính từ R2 của mơ hình tương ứng với mức ý nghĩa sig., với giá trị sig. càng nhỏ thì càng an tồn khi bác bỏ giả thuyết Ho là hệ số trước các biến độc lập đều bằng nhau và bằng 0 (trừ hằng số). Mơ hình hồi quy tuyến tính bội đưa ra là phù hợp với dữ liệu và cĩ thể sử dụng được.
Hệ số xác định hiệu chỉnh Adjusted R-Square là 0.457, nghĩa là mơ hình hồi quy tuyến tính đã xây dựng phù hợp với tập dữ liệu đến 45.7%, điều này cho thấy mối quan hệ giữa biến phụ thuộc và các biến độc lập là khá chặt chẽ, cả 5 biến cĩ ý nghĩa thống kê trên gĩp phần giải thích 45,7% sự khác biệt của quyết định lựa chọn nhà, đất. Như vậy, mức độ phù hợp của mơ hình tương đối cao. Tuy nhiên sự phù hợp này chỉ đúng với dữ liệu mẫu. ðể kiểm định xem cĩ thể suy diễn mơ hình cho tổng thể thực hay khơng ta phải kiểm định độ phù hợp của mơ hình.
Kiểm định F sử dụng trong bảng phân tích phương sai vẫn là một phép giả thuyết về độ phù hợp của mơ hình hồi quy tuyến tính tổng thể. Kết quả phân tích cho thấy, kiểm định F cĩ giá trị là 34.502 với Sig. = 000(a) chứng tỏ mơ hình hồi quy tuyến tính bội là phù hợp với tập dữ liệu và cĩ thể sử dụng được để suy rộng ra cho tổng thể.
b. Dị tìm sự vi phạm các giảđịnh cần thiết trong hồi quy tuyến tính
Mơ hình hồi quy tuyến tính bằng phương pháp Enter được thực hiện với một số giả định và mơ hình chỉ thực sự cĩ ý nghĩa khi các giả định này được đảm bảo. Do vậy, để đảm bảo cho độ tin cậy của mơ hình, đề tài cịn phải thực hiện một loạt các dị tìm sự vi phạm các giả định cần thiết trong hồi quy tuyến tính.
Giả định liên hệ tuyến tính và phương sai khơng đổi: nếu giả định liên hệ tuyến tính và phương sai bằng nhau được thỏa mãn thì khơng nhận thấy cĩ liên hệ gì giữa các giá trị dự đốn và phần dư, chúng sẽ phân tán rất ngẫu nhiên. Nếu giả định tuyến tính được thỏa mãn (đúng) thì phần dư phải phân tán ngẫu nhiên trong một vùng xung quanh đường đi qua tung độ 0 của đồ thị phân tán của phần dư chuẩn hĩa (Standardized Residual) và giá trị dự đốn chuẩn hĩa (Standardized Predicted Value). Và nếu phương sai khơng đổi thì các phần dư phải phân tán ngẫu nhiên quanh trục 0 (tức quanh giá trị trung bình của phần dư) trong một phạm vi khơng đổi (Hồng & Chu – tập 1, 2008).
ðầu tiên là giả định liên hệ tuyến tính. Phương pháp được sử dụng là biểu đồ Scatterplot với giá trị phần dư chuẩn hĩa trên trục tung và giá trị dự đốn chuẩn hĩa
trên trục hồnh. Nhìn vào biểu đồ ta thấy phần dư khơng thay đổi theo một trật tự nào đối với giá trị dự đốn. Vậy giả thuyết về liên hệ tuyến tính khơng bị vi phạm. (adsbygoogle = window.adsbygoogle || []).push({});
Giả định tiếp theo cần xem xét là phương sai của phần dư khơng đổi. ðể thực hiện kiểm định này, chúng ta sẽ tính hệ số tương quan hạng Spearman của giá trị tuyệt đối phần dư và các biến độc lập. Giá trị sig. của các hệ số tương quan với độ tin cậy 95% cho thấy khơng đủ cơ sở để bác bỏ giả thuyết H0 là giá trị tuyệt đối của phần dư độc lập với các biến độc lập. Như vậy, giả định về phương sai của sai số khơng đổi khơng bị vi phạm.
ðể dị tìm sự vi phạm giả định phânphối chuẩn của phần dưta sẽ dùng hai cơng cụ vẽ của phần mềm SPSS là biểu đồ Histogram và đồ thị P-P plot. Nhìn vào biểu đồ Histogram (Hình 3.3) ta thấy phần dư cĩ phân phối chuẩn với giá trị trung bình gần bằng 0 và độ lệch chuẩn của nĩ gần bằng 1 (= 0.9). Nhìn vào đồ thị P-P plot (Hình 3.2) biểu diễn các điểm quan sát thực tế tập trung khá sát đường chéo những giá trị kỳ vọng, cĩ nghĩa là dữ liệu phần dư cĩ phân phối chuẩn. Dựa vào đồ thị phân tán của phần dư chuẩn hĩa và giá trị dự đốn chuẩn hĩa cho thấy các giá trị dự đốn chuẩn hĩa và phần dư phân tán chuẩn hĩa phân tán ngẫu nhiên trong một vùng xung quanh đường đi qua tung độ 0. Như vậy, giả định liên hệ tuyến tính và phương sai khơng thay đổi thỏa mãn.
Hình 3.3. Biểu đồ Histogram
Dựa vào biểu đồ tần số của các phần dư cho thấy phần dư phân phối xấp xỉ chuẩn (trung bình Mean = 2.29E-16 và độ lệch chuẩn Std. Dev. = 0,987, tức gần bằng 1). Do đĩ, cĩ thể kết luận rằng giả thuyết phân phối chuẩn khơng bị vi phạm (Hồng & Chu – tập 1, 2008).
Giả định tiếp theo về tính độc lập của phần dưcũng cần được kiểm định. Ta dùng đại lượng thống kê Durbin-Watson (d) để kiểm định (Bảng 3.27). ðại lượng d này cĩ giá trị từ 0 đến 4. Trong thực tế, khi tiến hành kiểm định Durbin- Watson người ta thường áp dụng quy tắc kiểm định đơn giản như sau: nếu 1 < d < 3 thì kết luận mơ hình khơng cĩ tương quan; nếu 0 < d <1 thì kết luận mơ hình cĩ sự tương quan dương; nếu 3 < d < 4 thì kết luận mơ hình cĩ sự tương quan âm. Từ kết quả ở bảng 3.27 ta cĩ 1< d =1,808 < 3 như vậy ta cĩ thể kết luận các phần dư là độc lập với nhau và tính độc lập của phần dư đã được bảo đảm. Vậy khơng cĩ tương quan chuỗi bậc nhất giữa các phần dư, giả định về tính độc lập của các sai số được đảm bảo (Hồng & Chu – tập 1, 2008).
Cuối cùng, ta sẽ xem xét sự vi phạm đa cộng tuyến của mơ hình. Ở phần phân tích hệ số tương quan ở trên, ta đã thấy rằng giữa biến phụ thuộc cĩ quan hệ tương quan khá rõ với các biến độc lập nhưng ta cũng thấy được giữa các biến độc lập cũng cĩ tương quan với nhau. ðiều này sẽ tạo ra khả năng đa cộng tuyến của mơ hình. Vì vậy, ta phải dị tìm hiện tượng đa cộng tuyến bằng cách tính độ chấp nhận của biến (Tolerance) và hệ số phĩng đại phương sai (Variance inflation factor - VIF).
VIF<2: Hiện tượng đa cộng tuyến giữa các biến độc lập ảnh hưởng khơng đáng kể đến mơ hình.
2≤VIF≤10 Hiện tượng đa cộng tuyến giữa các biến độc lập ảnh hưởng đáng kể đến mơ hình
VIF>10: Dấu hiệu của đa cộng tuyến
Ta thấy, tất cả các giá trị VIF đều nhỏ hơn 2: Hiện tượng đa cộng tuyến giữa các biến độc lập ảnh hưởng khơng đáng kể đến mơ hình.
Mơ hình cũng đáp ứng điều kiện về phần dư, phần dư cĩ phân phối xấp xỉ chuẩn (trung bình Mean = 2.29E-16, độ lệch chuẩn Std.Dev = .987).
ðại lượng thống kê Durbin-Watson (d) = 1.898 nên các phần dư trong mẫu khơng cĩ tương quan với nhau.
Như vậy mơ hình hồi quy tuyến tính được xây dựng theo phương trình ở trên là khơng vi phạm các giả định cần thiết trong hồi quy tuyến tính.
Kiểm định các giả thuyết thống kê
Hệ số hồi quy chuẩn hĩa của phương trình cĩ thể thấy các giá trị Beta đều khác 0, để xác định được mức độ quan trọng của các yếu tố tham dự vào quyết định lựa chọn nhà đất, cĩ thể chọn lọc thành 2 nhĩm như sau:
Những giá trị Beta khác 0 cĩ ý nghĩa thống kê ( Sig. < 0.05), kết quả cĩ 3 yếu tố được ghi nhận đĩ là ðộng cơ, Giá, kinh nghiệm bản thân. (Theo bảng 3.28)
Bảng 3.28 Hệ số hồi quy chuẩn hĩa của phương trình Hệ số chưa chuẩn hĩa Hệ số chuẩn hĩa Mơ hình B0 Sai số chuẩn Beta t Sig. VIF (Constant) .825 .250 3.306 .001 DC .264 .047 .348 5.595 .000 1.418 GIA .206 .058 .218 3.570 .000 1.367 STT .033 .052 .038 .641 .522 1.263 KNBT .177 .036 .280 4.881 .000 1.210 Biến độc lập TKTT .087 .049 .097 1.750 .082 1.121 Như vậy, kết quả cho thấy các biến độc lập động cơ, giá, kinh nghiệm bản thân đều cĩ tác động cĩ ý nghĩa lên biến phụ thuộc (sig<0.05), và các nhân tố đưa vào phân tích hồi quy đều được giữ lại trong mơ hình.
Dựa trên kết quả phân tích hồi quy sẽ giải thích, kiểm định các giả thuyết đã đưa ra. Yếu tố “ðộng cơ” là một yếu tố cĩ ảnh hưởng lớn nhất đến “Quyết định lựa chọn mua nhà, đất” của người dân (cĩ hệ số hồi quy lớn nhất). Dấu dương của hệ số beta cĩ ý nghĩa là mối quan hệ giữa yếu tố “ðộng cơ” với “Quyết định lựa chọn mua nhà, đất”” là mối quan hệ cùng chiều.
Sau yếu tố “ðộng cơ” yếu tố thứ hai cĩ ảnh hưởng lớn đến quyết định lựa chọn mua nhà, đất ở là “Kinh nghiệm bản thân”. Kết quả hồi quy cho thấy hệ số beta đã chuẩn hĩa là 0.280 dấu dương của hệ số beta cĩ ý nghĩa là mối quan hệ giữa yếu tố “Kinh nghiệm bản thân” và “ðộng cơ” là mối quan hệ cùng chiều.
Yếu tố thứ ba cĩ ảnh hưởng lớn đến “Quyết định lựa chọn mua nhà, đất ở” của khách hàng là “Giá cả”. Kết quả hồi quy cho thấy hệ số beta đã chuẩn hĩa là 0.218, dấu dương của hệ số beta cĩ ý nghĩa là mối quan hệ giữa yếu tố “Giá cả” và “Quyết định lựa chọn mua nhà, đất ở” là mối quan hệ cùng chiều. ðiều này cĩ nghĩa là giá cả nhà, đất càng hợp lý thì khách hàng họ sẽ quyết định mua nhà, đất ở.
Cĩ 2 nhân tố là “Sự thuận tiện” và “Tìm kiếm thơng tin” cĩ hệ số Sig > 0.05 nên khơng cĩ ý nghĩa thống kê. Vậy giả thuyết của các biến này khơng được chấp nhận.
Tĩm lại, các giả thuyết đưa ra dựa trên mơ hình nghiên cứu điều chỉnh sau phân tích EFA đều chấp nhận được với mức ý nghĩa thống kê 5%.