5. Bố cục đề t ài
2.5.1.5. Đánh giá độ phù hợp của mô hình hồi quy tuyến tính bội
Mô hình thường không phù hợp với dữ liệu thực tế như giá trị R2 thể hiện. Trong tình huống này R2 điều chỉnh được sử dụng để phản ánh sát hơn mức độ phù hợp của mô hình hồi quy tuyến tính đa biến (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Như vậy, để đánh giá độ phù hợp của mô hình ta dùng hệ số xác định R2điều chỉnh.
Bảng 2.23: Đánh giá độ phù hợp của mô hình hồi quy tuyến tính bội
Model Summary(b)
Model R R2 R2 hiệu chỉnh Độ lệch chuẩn Durbin-Watson
1 .399(a) .559 .530 .79215 2.210
(Nguồn: Thông tin khách hàng - số liệu điều tra 2018)
a: biến phụ thuộcchất lượng dịch vụ
Hệ số xác định R2 điều chỉnh của mô hình này là 53,0%, thể hiện năm biến độc lập trong mô hình giải thích được 53,0% biến thiên của biến phụ thuộc đánh giá chất lượng dịch vụ ngân hàng ngân hàng bán lẻ tại Agribank Hải Lăng. Với giá trị này thìđộ phù hợp của mô hình là cao.
Để có thể suy diễn mô hình này thành mô hình của tổng thể ta cần phải tiến hành kiểm định F thông qua phân tích phương sai.
Bảng 2.24: Phân tích ANOVA Mô hình Tổng bình phương df Trung bình bình phương Giá trị F Mức ý nghĩa. Mô hình 1 Hồi quy 17.079 5 3.416 5.444 .000(a) Dư 90.361 144 .628 Tổng 107.440 149
(Nguồn: Thông tin khách hàng - số liệu điều tra 2018)
Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), nếu mức ý nghĩa của kiểm định F bé hơn 0.05 thì bác bỏ giả thuyết H0, chấp nhận giả thuyết H1. Đối chiếu với kết quả bảng trên ta thấy mức ý nghĩa là 0.000 bé hơn 0.05. Như vậy mô hình là phù hợp, điều này có nghĩa là kết hợp của các biến hiện có trong mô hình có thể giải thích được thay đổi của biến phụ thuộc hay nói cách khác có ít nhất một biến độc lập nào đó ảnh hưởng đến biến phụ thuộc.
Như vậy môhình hồi quyxây dựng là đảm bảo độ phù hợp, các biến độc lập có thể giải thích tốt cho biến phụ thuộc trong mô hình và mô hình này có thể suy rộng ra cho tổng thể.