5. Kết cấu của đề tài
2.3.7 Kiểm định các khiếm khuyết của mô hình
2.3.7.1 Kiểm tra tính phân phối chuẩn phần dư
“Thật không hợp lý khi chúng ta kỳ vọng rằng các phần dư quan sát có phân phối hoàn toàn chuẩn vì luôn có những chênh lệch do lấy mẫu. Ngay cả khi các sai số có phân phối chuẩn trong tổng thể đi nữa thì phần dư trong mẫu quan sát cũng chỉ xấp xỉ chuẩn mà thôi”. (Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008, Phân tích dữ liệu nghiên cứu với SPSS Tập 1, Nhà xuất bản Hồng Đức, trang 229).
Giả thiết:
H0: Phần dư phân phối chuẩn.
H1: Phần dư không phân phối chuẩn.
(Nguồn: Kết quả xử lí SPSS)
Biểu đồ 2.8 Biểu đồ tần số phần dư chuẩn hóa Histagram
Tên thương hiệu
Logo
Nhận biết
Bao bì
Quảng cáo
Khuyến mãi
Với giá trị trung bình Mean (-2,81E-16) xấp xỉ bằng 0 và độ lệch chuẩn Std. Dev(= 0,980) xấp xỉ bằng 1 thì chưa đủ cơ sở để bác bỏ H0, phân phối phần dư xấp xỉ chuẩn. Do đó, chúng ta có thể kết luận rằng giả thiết phân phối chuẩn phần dư không bị vi phạm.
(Nguồn: Kết quảxử lí SPSS)
Biểu đồ 2.9 Biểu đồ phần dư chuẩn hóa Normal P-P Plot
Nhìn vào đồ thị, các điểm phân vị trong phân phối của phần dư tập trung thành một đường chéo, như vậy giả định phân phối chuẩn của phần dư không bị vi phạm.
2.3.7.2 Kiểm định giả định liên hệ tuyếntính
(Nguồn: Kết quả xử lí SPSS)
Biểu đồ 2.10 Biểu đồ phân tán Scatter Plot
Nhìn vào biểu đồ, phần dư chuẩn hóa phân bố tập trung xung quanh đường hoành độ 0 của phần dư chuẩn hóa Standardized Residual. Do vậy giả định liên hệ
tuyến tính không bị vi phạm.
2.3.7.3 Kiểm tra tính độc lập của saisố
Đại lượng Durbin – Watson (d) được dùng để kiểm định tương quan của các sai số kề nhau. Giả thiết khi tiến hành kiểm định này là:
H0: Hệ số tương quan tổng thể của các phần dư bằng 0. H1: Hệ số tương quan tổng thể của các phần dư khác 0.
Theo Hoàng Ngọc Nhậm (2010) hệ số Durbin-Watson nằm trong khoảng (1;3) là chấp nhận được và càng tiến gần về giá trị 2 thì càng tốt.
Dựa vào bảng Bảng 2.19 Kết quả phân tích hồi quy ta thấy hệ số Durbin- Watson d = 1,589 nằm trong khoảng (1;3) nên ta bác bỏ giả thiết H0. Như vậy mô hình không vi phạm giả định về hiện tượng tự tương quan.
2.3.7.4 Kiểm tra hiện tượng đa cộngtuyến
Theo Hoàng Trọng – Chu Nguyễn Mộng Ngọc, quy tắc là khi hệ số phóng đại phương sai VIF vượt quá 10, đó là dấu hiệu của đa cộng tuyến. Trong một số tài liệu khác đưa ra điều kiện VIF > 4, thậm chí là VIF > 2.
Bảng 2.18 Kiểm tra hiện tượng đa cộng tuyến
Tolerance VIF
Tên thương hiệu 0,888 1,126
Logo 0,914 1,094 Slogan 0,946 1,057 Bao bì 0,845 1,183 Quảng cáo 0,821 1,218 Khuyến mãi 0,975 1,029 (Nguồn: Kết quả xử lí SPSS)
Qua bảng trên ta thấy tiêu chuẩn chấp nhận (Tolerance) của các biến đưa vào mô hình lớn hơn 0,1 và hệ số phóng đại phương sai (Variance Inflation Factor-VIF) đều nhỏ hơn 10, do đó mô hình hồi quy không vi phạm hiện tượng đa cộng tuyến.
2.3.7.5 Kiểm tra phương sai của các sai số không đổi
Để đánh giá mô hình hồi quy có vi phạm giả định phương sai sai số không đổi, sử dụng kiểm định tương quan hạng Spearman giữa phần dư chuẩn hóa với các biến độc lập. Nếu giá trị Sig. tương quan Spearman giữa phần dư chuẩn hóa và các biến độc lập đều lớn hớn 0,05 thì có thể kết luận không có hiện tượng phương sai sai số thay đổi xảy ra, nếu có ít nhất một giá trị sig. nhỏ hơn 0,05 khi đó mô hình hồi quy đã vi phạm giả định phương sai sai số không đổi (Theo Hoàng Trọng – Chu Nguyễn Mộng Ngọc, 2008)
Các giả thuyết:
Ho: Mô hình có phương sai sai số không đổi H1: Mô hình có phương sai sai số thay đổi
Bảng 2.19 Kiểm định phương sai sai số không đổi Spear man’s rho Phần dư chuẩn hóa TTH LG BB QC KM Hệ số tương quan 1,000 0,016 0,00 0,017 -0,034 -0,055 Mức ý nghĩa 0,846 0,998 0,84 0,68 0,503 (Nguồn: Kết quả xử lí SPSS)
Dựa vào kết quả ở bảng trên, ta thấy giá trị Sig. của tất các nhóm biến độc lập đều lớn hơn mức ý nghĩa 0,05 nên chưa có cơ sở bác bỏ H0. Vậy giả định phương sai sai số không đổi không bị vi phạm.
2.3.8 Đánh của khách hàng với từng yếu tố ảnh hưởng đến mức độ nhận biếtthương hiệu Greenfields coffee.