1 CHƯƠNG
4.2.4Phân tích hồi quy
Sinh viên sử dụng kỹ thuật phân tích hồi quy bội (multiple regression analysis) để xác định mức độ ảnh hưởng của 8 nhĩm tiện ích lên đánh giá chung của khách hàng. 7 nhĩm tiện ích tạo ra từ bước phân tích factor cùng với đánh giá chung về mức giá là các biến độc lập, đánh giá chung của khách hàng là biến phụ thuộc.
Để kiểm định khả năng phân tích hồi quy của các biến, sinh viên tiến hành phân tích hồi quy cả 7 biến theo phương pháp hồi quy từng bước (stepwise analysis) để chọn ra
mơ hình cĩ số biến tối ưu nhất. Kết quả cho thấy cĩ 5 biến cĩ thể tham gia vào mơ hình để cĩ kết quả đạt mức ý nghĩa trên 95%. Kết quả phân tích xin xem trong phụ lục 11. Như vậy, mơ hình phân tích gồm 5 biến là tiện ích về giá, tiện ích về độ tin tưởng, tiện ích về giá trị xã hội, tiện ích về chất liệu và tiện ích về cửa hàng.
Tuy nhiên, các biến tiện ích về cửa hàng và chất liệu cĩ hệ số tương quan với biến phụ thuộc là đánh giá chung rất thấp, lần lượt là 0,085 và -0,025, ngồi ra mức tăng của hệ số R2 hiệu chỉnh khi đưa biến vào phương trình là khơng đáng kể, do đĩ sinh viên sẽ khơng đưa hai biến này vào mơ hình phân tích hồi quy.
Vậy mơ hình hồi quy sử dụng trong nghiên cứu này sẽ gồm 3 biến tiện ích về giá, tiện ích về độ tin tưởng và tiện ích về giá trị xã hội.
Kết quả chạy phân tích hồi quy với 3 biến này như sau:
Bảng 4.6 Kết quả phân tích hồi quy cho 3 biến giá, độ tin tưởng và giá trị xã hội
Các thay đổi Hệ số R Hệ số R bình phương Hệ số R bình phương điều chỉnh Sai số ước
lượng bình phương Thay đổi R Thay đổi F df1 df2 Thay đổi Sig. F
.523a .274 .263 .42997 .274 26.874 3 214 .000
Hệ số tương quan R bằng 0,523 là khá cao, R2 bằng 0,274 và hệ số R2 hiệu chỉnh bằng 0,263 cho thấy cĩ sự tương quan giữa các thành phần trong mơ hình. Tuy nhiên chỉ cĩ 26,3% phương sai của đánh giá chung được giải thích bởi 3 biến độc lập trên. Hệ số Sigma F change = 0,000 < 0,005 cho thấy mơ hình hồi quy tuyến tính phù hợp với tổng thể.
Bảng 4.7 Bảng kiểm định ANOVA biến "Đánh giá chung"
Model Sum of Squares df Mean Square F Sig. Regression 14.905 3 4.968 26.874 .000a Residual 39.564 214 .185 1 Total 54.469 217
a. Predictors: (Constant), Tiện ích về giá, Tiện ích về độ tin tưởng, Tiện ích về giá trị xã hội
Kiểm định phương sai ANOVA cho thấy hệ số sigma < 0,005, do đĩ mơ hình này cĩ ý nghĩa tin cậy đạt mức 95%.
Bảng 4.8 Các hệ số tuyến tính
Hệ số chưa
chuẩn hĩa Đa cộng tuyến B Std. Error Beta chuẩn hĩa t Sig. Độ chấp nhận VIF (Constant) 1.020 .229 4.453 .000
Tiện ích về độ tin tưởng .099 .035 .163 2.801 .006 .999 1.001 Tiện ích về giá trị xã hội .144 .057 .160 2.528 .012 .851 1.175 1
Tiện ích về giá .413 .063 .417 6.600 .000 .850 1.176 a. Dependent Variable: Đánh giá chung
Đại lượng hằng số cĩ giá trị beta tương đối khá lớn so với giá trị beta của các biến tiện ích về độ tin tưởng và tiện ích về giá trị xã hội cho thấy ảnh hưởng của các biến này lên biến phụ thuộc là khơng nhiều. Hệ số tương quan của tiện ích về giá đạt mức >0,4, cho thấy ảnh hưởng khá mạnh của yếu tố này lên cảm nhận chung của khách hàng. Các hệ số VIF2 đều nhỏ hơn 2 cho thấy khơng xảy ra hiện tượng đa cộng tuyến giữa các biến độc lập cĩ thể ảnh hưởng đáng kể đến kết quả giải thích của mơ hình. Các hệ số Sig. đều <0.05 chứng tỏ các kết quả này cĩ giá trị thống kê với độ tin cậy 95%. Như vậy, phương trình hồi quy tuyến tính đa bội đặc trưng được biểu diễn như sau: Đánh giá chung = 1,020 + 0,99*TI_DVTT + 0,144*TI_SPXH + 0,413*TI_GIA Trong đĩ:
• TI_DVTT: nhĩm tiện ích về độ tin tưởng • TI_SPXH: nhĩm tiện ích về giá trị xã hội • TI_GIA: nhĩm tiện ích về giá cả.
2 VIF (Variance Inflation Factor): là hệ số phĩng đại phương sai dùng để đo lường đa cộng tuyến, nghịch đảo của độ chấp nhận (Tolerance = 1−R2 ). Qui tắc khi VIF vượt quá 10 đĩ là dấu hiệu của đa cộng tuyến.