5. Tĩm tắt nghiên cứu
2.2.3.1 Hồi quy mơ hình đa biến
Hồi quy tuyến tính giúp xác định mức độ ảnh hưởng của các biến độc lập lên biến phụ thuộc. Mơ hình hồi quy (1) cĩ dạng:
BE = β0 + β1.BAS + β2.BL + β3.PQ1 + β4.PQ2 + β5.BAW (1)
Trong đĩ :
β0, β1, β2, β3, β4, β5 là các hệ số tương ứng
BAS: Liên tưởng thương hiệu PQ2: Chất lượng cảm nhận 2 BL: Trung thành thương hiệu BAW: Nhận biết thương hiệu PQ1: Chất lượng cảm nhận 1 BE: Tổng tài sản thương hiệu Một cơng việc quan trọng của bất kì thủ tục thống kê xây dựng mơ hình tự dữ liệu nào cũng đều là chứng minh sự phù hợp của mơ hình. Để biết mơ hình hồi quy tuyến tính đã xây dựng tren dữ liệu mẫu phù hợp đến mức độ nào với dữ liệu thì ta cần đánh giá độ phù hợp của mơ hình.
2.2.3.1.1 Đánh giá độ phù hợp của mơ hình
Hệ số xác định R2 và R2 hiệu chỉnh (Adjusted R square) được dùng để đánh giá độ phù hợp của mơ hình. Vì R2 sẽ tăng khi đưa thêm biến độc lập vào mơ hình nên dùng R2
hiệu chỉnh sẽ an tồn hơn khi đánh giá độ phù hợp của mơ hình. R2 hiệu chỉnh càng lớn thể hiện độ phù hợp của mơ hình càng cao.
Lựa chọn phương pháp Stepwise, kết quả hồi quy như sau:
Bảng 25: Đánh giá độ phù hợp của mơ hình Tài sản thương hiệu theo phương pháp Stepwise
Mơ hình R R2 R2 hiệu chỉnh Ước lượng sai
số chuẩn
Durbin- Watson
3 0.702c 0.493 0.478 0.26302 2.058
(Nguồn: Số liệu điều tra và xử lý spss)
Theo hệ số tương quan hiệu chỉnh, mơ hình hồi quy tuyến tính được xây dựng bởi 5 biến độc lập giải thích được 47.8% biến động trong đánh giá của khách hàng. Hay hơn
47% khác biệt của các mức giá trị tài sản thương hiệu quan sát cĩ thể được giải thích bởi sự khác biệt về
Tuy nhiên sự phù hợp này chỉ đúng với dữ liệu mẫu. Để kiểm định xem cĩ thể suy diễn mơ hình cho tổng thể thực hay khơng ta phải kiểm định độ phù hợp của mơ hình.
2.2.3.1.2 Kiểm định sự phù hợp cả mơ hình
Giả thuyết: H0: β1 = β2 = β3 = β4 = β5 = 0 H1: βi # 0
Bảng 26: Kiểm định độ phù hợp của mơ hình
ANOVAd Mơ hình Tổng bình phương df Trung bình bình phương F Mức ý nghĩa Hồi quy 6.990 3 2.330 33.678 0.000 Phần dư 7.195 104 0.069 Tổng 14.184 107
(Nguồn: Số liệu điều tra và xử lý spss)
Kết quả phân tích ANOVA cho thấy mức ý nghĩa đạt 0.000 < 0.05 cho phép bác bỏ giả thiết H0 hay mơ hình hồi quy phù hợp cho việc giải thích các biến độc lập ảnh hưởng đến đánh giá tổng tài sản thương hiệu. Mức độ phù hợp đạt 47.8%, tức cịn 52.2% biến thiên được giải thích bởi các biến khác nằm ngồi mơ hình.
Bảng 27: Các hệ số hồi quy
Mơ hình Hệ số khơng chuẩn hĩa Hệ số chuẩn hĩa t Sig.
B Độ lệch chuẩn Beta 3 Hằng số 1.110 0.250 4.435 0.000 BAS 0.292 0.055 0.396 5.327 0.000 BL 0.212 0.048 0.331 4.418 0.000 PQ1 0.176 0.054 0.241 3.246 0.002
Quan sát bảng trên, giá trị Sig. thể hiện mức ý nghĩa của phép kiểm định ý nghĩa đối với các hệ số hồi quy ở các biến độc lập F1, F2 và F3 đều nhỏ hơn 0.05. Cĩ thể kết luận 3 biến độc lập này cĩ khả năng sử dụng các hệ số hồi quy để giải thích hay lượng hĩa mối liên hệ giữa biến phụ thuộc và biến độc lập.
Sau khi hồi quy 5 biến, đo lường độ phù hợp của mơ hình ban đầu thì mơ hình hồi quy (2) thu được như sau:
BE = 1,110+ 0.292.BAS + 0.212.BL + 0.176. PQ1 (2)
Mơ hình trên giải thích được 47.8% sự biến thiên của biến phụ thuộc Tổng tài sản thương hiệu bởi 3 biến độc lập Liên tưởng thương hiệu, Trung thành thương hiệu và Chất lượng cảm nhận 1. Mơ hình cho thấy các biến độc lập đều ảnh hưởng cùng chiều đến Tổng tài sản thương hiệu. Nếu giữ nguyên các các biến độc lập cịn lại khơng đổi thì khi Liên tưởng thương hiệu tăng lên 1 đơn vị thì Tổng tài sản thương hiệu cũng tăng lên 0.292 đơn vị. Tương tự, khi Trung thành thương hiệu tăng thêm 1 đơn vị thì Tổng tài sản thương hiệu tăng 0.212 đơn vị và Chất lượng cảm nhận tăng lên 1 đơn vị thì Tổng tài sản thương hiệu tăng thêm 0.176 đơn vị.