2.4.2.1 Mục đích:
Phân tích hồi quy tuyến tính là một phương pháp phân tích quan hệ giữa biến phụ thuộc Y với một hay nhiều biến độc lập X.
Cụ thể trong nghiên cứu này, ta sẽ phân tích quan hệ giữa biến phụ thuộc P-QĐ với các biến độc lập HA, TĐ, ĐC, CT.
2.4.2.2. Tiêu chí đánh giá
Trong bảng Model Summary, cần quan tâm 2 giá trị: Adjusted R Square và Durbin- Watson.
- Adjusted R Square hay còn gọi là R bình phương hiệu chỉnh phản ánh mức độ ảnh hưởng của các biến độc lập lên biến phụ thuộc.
- Hệ số Durbin – Watson, nếu các phần sai số không có tương quan chuỗi bậc nhất với nhau thì giá trị sẽ gần bằng 2 (từ 1 đến 3); nếu giá trị càng nhỏ, gần về 0 thì
24
các phần sai số có tương quan thuận; nếu càng lớn, gần về 4 có nghĩa là các phần sai số có tương quan nghịch.
- Ở bảng ANOVA, giá trị sig. của kiểm định F < 0.05 có ý nghĩa: mô hình hồi quy tuyến tính xây dựng được phù hợp với tổng thể.
- Ở bảng Coefficients, ta xét:
o Giá trị ở cột Sig. ≤ 0.05 thì biến đó sẽ có ý nghĩa trong mô hình, ngược lại thì biến đó sẽ bị loại bỏ khỏi mô hình.
o Hệ số hồi quy chuẩn hóa Beta, trong tất cả các hệ số hồi quy, biến độc lập nào có Beta lớn nhất thì biến đó ảnh hưởng nhiều nhất đến sự thay đổi của biến phụ thuộc.
o Giá trị VIF, VIF < 2 sẽ không có đa cộng tuyến, trường hợp hệ số này lớn hơn hoặc bằng 2, khả năng cao đang có sự đa cộng tuyến giữa các biến độc lập.
25
Đưa biến phụ thuộc vào ô Dependent, các biến độc lập vào ô Indenpendents
Vào mục Statistics, tích chọn các mục như trong ảnh và click Continue
Vào mục Plots, tích chọn các mục như trong ảnh và click Continue → Chọn OK
2.4.2.3 Kết quả nghiên cứu
Bảng 2.21: Bảng Model Summary
R R2 R2 hiệu chỉnh Độ lệch chuẩn Durbin-Watson
0.533a 0.284 0.264 0.54578 1.867
Nguồn: Kết quả phân tích dữ liệu nghiên cứu chính thức bằng SPSS của nhóm
- R hiệu chỉnh = 0.264, nghĩa là 4 biến độc lập đưa vào ảnh hưởng 26.4% sự thay đổi của biến phụ thuộc, còn lại 73.6% là do các biến ngoài mô hình và sai số ngẫu nhiên.
- Trong bảng trên DW=1.867 nằm trong giới hạn cho phép [1;3] nên không xảy ra hiện tượng tương quan chuỗi và nhóm có thể sử dụng kết quả của mô hình hồi quy cho những phân tích tiếp theo.
26 Bảng 2.22: Bảng ANOVA Tổng bình phương Số bậc tự do Bình phương trung bình Giá trị kiểm định F Sig. Hồi quy 17.142 4 4.285 14.387 0.000 Phần dư 43.191 145 0.298 Tổng cộng 60.333 149
Nguồn: Kết quả phân tích dữ liệu nghiên cứu chính thức bằng SPSS của nhóm
Trong bảng ANOVA, cần quan tâm giá trị sig.
Giá trị sig của kiểm định F là 0.000 < 0.05. Như vậy, mô hình hồi quy tuyến tính xây dựng được phù hợp với tổng thể.
Bảng 2.23: Bảng Coefficients
Hệ số chưa chuẩn hóa Hệ số đã chuẩn hóa T Sig. Thống kê cộng gộp B Độ lệch chuẩn Beta Độ chấp nhận VIF Hằng số 1.012 0.456 2.221 0.028 HA 0.004 0.087 0.004 0.045 0.964 0.803 1.246 TĐ 0.183 0.087 0.178 2.106 0.037 0.689 1.450 ĐC 0.446 0.097 0.366 4.603 0.000 0.783 1.278 CT 0.140 0.073 0.154 1.921 0.057 0.769 1.300
Nguồn: Kết quả phân tích dữ liệu nghiên cứu chính thức bằng SPSS của nhóm
Trong bảng Coefficients, chú ý cột Hệ số hồi quy chuẩn hóa Beta, cột giá trị Sig, cột VIF.
- Beta: Biến độc lập nào có Beta lớn nhất thì biến đó ảnh hưởng nhiều nhất đến sự thay đổi của biến phụ thuộc. Xếp theo thứ tự ảnh hưởng: ĐC>TĐ>CT>HA - Giá trị Sig kiểm định t từng biến độc lập
• Sig. của các biến độc lập TĐ, ĐC nhỏ hơn 0.05 => các biến này có ý nghĩa trong mô hình, giải thích cho biến phụ thuộc, không bị loại bỏ.
• Sig. của biến độc lập HA, CT lớn hơn 0.05 => biến độc lập này cần được loại bỏ.
27
Hình 2.1: Biểu đồ tần số phần dư chuẩn hoá Histogram
Từ biểu đồ ta thấy được, một đường cong phân phối chuẩn được đặt chồng lên biểu đồ tần số. Đường cong này có dạng hình chuông, phù hợp với dạng đồ thị của phân phối chuẩn. Giá trị trung bình Mean gần bằng 0, độ lệch chuẩn là 0.976 gần bằng 1, như vậy có thể nói phân phối phần dư xấp xỉ chuẩn. Do đó, có thể kết luận rằng: Giả thiết phân phối chuẩn của phần dư không bị vi phạm.
Hình 2.2: Biểu đồ phần dư chuẩn hoá Normal P-P Plot
Các điểm phân vị trong phân phối của phần dư tập trung thành 1 đường chéo, như vậy, giả định phân phối chuẩn của phần dư không bị vi phạm.
28
Hình 2.3: Biểu đồ phân tán Scatter Plot
Biểu đồ phân tán Scatter Plot giữa các phần dư chuẩn hóa và giá trị dự đoán chuẩn hóa giúp chúng ta dò tìm xem, dữ liệu hiện tại có vi phạm giả định liên hệ tuyến tính hay không.
Giá trị phần dư chuẩn hóa (Standardized Residual) ở trục hoành và giá trị dự đoán chuẩn hóa (Predicted Value) ở trục tung.
Phần dư chuẩn hóa phân bổ tập trung xung quanh đường tung độ 0, do vậy giả định quan hệ tuyến tính không bị vi phạm
Hình 2.4: Mô hình hồi quy đa biến sau khi phân tích
Quyết định chọn địa điểm du lịch
Hình ảnh điểm đến Thái độ du lịch Động cơ đi du lịch
Yếu tố chiêu thị, ngoại cảnh
29