Đánh giá độ phù hợp của mô hình hồi quy tuyến tính bội và kiểm định giả thuyết

Một phần của tài liệu Phân tích các nhân tố tác động đến trải nghiệm mua sắm của khách hàng tại siêu thị bigc huế (Trang 46 - 48)

N Valid 150 150 150 150 150 150 150 Missing000

2.2.5.6Đánh giá độ phù hợp của mô hình hồi quy tuyến tính bội và kiểm định giả thuyết

thuyết

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 qui tuyến tính đa biến (Theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc,

2008). Như vậy, để đánh giá độ phù hợp của mô hình ta dùng hệ số xác định R2 điều chỉnh.

Bảng 2.16 : Đánh giá độ phù hợp của mô hình hồi quy tuyến tính bội

Mô hình R R 2 R2 hiệu chỉnh Sai số ước lượng Hệ số Durbin-Watson 1 .739a .546 .543 .39950 2 .916b .839 .837 .23867 3 .953c .908 .906 .18089 4 .955d .912 .909 .17791 2.026 (Nguồn xử lý spss). Hệ số xác định R2 điều chỉnh của mô hình này là 90,9%, thể hiện 4 biến độc lập trong mô hình giải thích được 90,9% biến thiên của biến phụ thuộc (mức độ hài lòng chung về trải nghiệm mua sắm của khách hàng tại Siêu thị Big-C Huế).

Theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc, kiểm định F sử dụng trong bảng

hồi quy tuyến tính tổng thể. Ta có Sig. của F=0,000 < 0.05, đủ cơ sở để bác bỏ giả thuyết H0. Như vậy mô hình hồi quy tuyến tính bội phù hợp với tập dữ liệu và có thể sử dụng được. 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 trong sáu biến độc lập ảnh hưởng đến biến phụ thuộc.

Bảng 2.17: Bảng phân tích ANOVA Mô hình Tổng bình phương df Trung bình bình phương F Mức ý nghĩa 4 Hồi quy 47.410 4 11.853 374.458 .000d Dư 4.590 145 .032 Tổng 52.000 149 (Nguồn xử lý spss). Như vậy mô hình hồi qui xây dựng là đảm bảo độ phù hợp, các biến độc lập có thể giải thích tốt cho biến phụ thuộc trong mô hình.

Ngoài ra để đảm bảo mô hình có ý nghĩa, ta cần tiến hành kiểm tra thêm về đa cộng tuyến và tự tương quan.

Để dò tìm hiện tượng đa cộng tuyến ta căn cứ trên độ chấp nhận của biến (Tolerance) và hệ số phóng đại phương sai (Variance inflation factor – VIF). Kết quả phân tích hồi quy sử dụng phương pháp Stepwise, cho thấy hệ số phóng đại phương sai VIF khá thấp, giá trị cao nhất là 1,655. Và độ chấp nhận của biến (Tolerance) khá cao, giá trị thấp nhất là 0,604 . Hệ số VIF nhỏ hơn 10 và độ chấp nhận của biến (Tolerance) lớn hơn 0,1 nên có thể bác bỏ giả thuyết mô hình bị đa cộng tuyến (Theo Hoàng Trọng

& Chu Nguyễn Mộng Ngọc)

Tra bảng thống kê Durbin-Watson với số mẫu quan sát bằng 150 và số biến độc lập là 6 ta có du = 1,817 Như vậy, điều kiện để không có hiện tượng tự tương quan trong mô hình là đại lượng đại lượng Durbin-Watson phải nằm trong khoảng (du, 4 – du), tức là trong khoảng (1,817 ; 2,183). Lúc này ta có thể kết luận các phần dư là độc lập với nhau. Kết quả kiểm định Durbin – Waston khi phân tích hồi quy cho giá trị d=2,026 rơi vào miền chấp nhận giả thuyết không có tương quan chuỗi bậc nhất (Theo Hoàng Trọng

& Chu Nguyễn Mộng Ngọc, p234, tập 1). Do đó, ta có thể kết luận không có hiện tượng

tự tương quan trong mô hình.

Các t của các biến trong mô hình sau khi kiểm định đều có giá trị sig đều bằng 0,00 < 0,05, chứng tỏ các biến đưa vào mô hình đều có ảnh hưởng đến sự hài lòng về

Một phần của tài liệu Phân tích các nhân tố tác động đến trải nghiệm mua sắm của khách hàng tại siêu thị bigc huế (Trang 46 - 48)