Các biến trên sẽ được dùng trong mô hình hồi quy tuyến tính, tuy nhiên trước tiên cần kiểm tra bốn giả định của mô hình để đảm bảo các giả định không bị vi phạm làm ảnh hưởng sai kết quả nghiên cứu.
- Không có hiện tượng đa cộng tuyến, thông qua hệ số phóng đại phương sai VIF (variance inflation factor) nhỏ hơn 10.
- Không có hiện tượng tương quan giữa các phần dư - Phương sai của phần dư không đổi
- Các phần dư có phân phối chuẩn
Phương pháp Backward được sử dụng để loại trừ các biến không phù hợp ra khỏi mô hình và tính toán lại mô hình mới khi không còn biến bị loại trừ nữa.
Bảng 4.22 Phương pháp sử dụng cho mô hình
Mô hình Yếu tố đưa vào Yếu tố bị loại bỏ Phương pháp sử dụng
1 TBDC, TBHH,
TBDU, TBTCa
Backward (loại trừ) (Tiêu chuẩn): F-to-remove >= .100)* .
(Nguồn: khảo sát của tác giả trong tháng 04 – 05/2012)
a. Tất cả các yếu tố được đưa vào mô hình. b. Yếu tố phụ thuộc: TBHL
*Tiêu chuẩn loại trừ: giá trị F tối thiểu biến mà thống kê F của biến độc lập phải đạt được để ở lại trong phương trình mô hình (F – to – remove).
Như vậy toàn bộ 4 thành phần TBDC, TBHH, TBDU, TBTCđều không bị loại bỏ khỏi mô hình.
Bảng 4.23 Bảng chỉ tiêu đánh giá độ phù hợp của mô hình Mô hình Hệ số R Hệ số R² Hệ số R²
hiệu chỉnh Độ sai số chuẩn
Hệ số Durbin- Watson
1 .858a .736 .729 .28893 1.876
a. Dự đoán: (hằng số), TBDC, TBHH, TBDU, TBTC b. Yếu tố phụ thuộc: TBHL
Tránh hiện tượng các biến có ảnh hưởng nhưng không được đưa hết vào mô hình do giới hạn nghiên cứu, sai số trong đo lường… dẫn đến sai lệch trong mô hình hồi quy do phương sai thay đổi. Kiểm định Durbin – Watson dùng để kiểm tra tính tương quan chuỗi trong sai số đo lường, khi giá trị Durbin – Watson gần bằng 2 thì phần dư không có tương quan chuỗi với nhau. Kết quả trong mô hình Durbin – Watson là: 1.876 vậy mô hình nghiên cứu không có hiện tượng tương quan giữa các phần dư.
Bảng 4.24: Bảng kiểm định độ phù hợp của mô hình ANOVA Mô hình Tổng bình phương df Trung bình bình phương F Sig. 1 Hồi quy 38.601 4 9.650 115.597 .000 Phần dư 13.858 166 .083 Tổng cộng 52.459 170
(Nguồn: khảo sát của tác giả trong tháng 04 – 05/2012)
Theo Hoàng Trọng – Chu Nguyễn Mộng Ngọc trong các hiện tượng kinh tế, xã hội thì sai số chấp nhận được là 5% do vậy với giá trị Sig = 0.000 vậy sai số của mô hình nhỏ hơn 5%, mô hình sẽ được dùng để kiểm định các biến còn lại.
Bảng 4.25 Kiểm tra hiện tượng đa cộng tuyến Hệ số Đa cộng tuyếna Mô hình Hệ số đa cộng tuyến chưa chuẩn Hệ số đa cộng tuyến chuẩn t Sig. Thống kê đa cộng tuyến B Độ sai lệch chuẩn Beta Độ chấp nhận VIF 1 (hằng số) .265 .173 1.528 .128 TBHH .151 .047 .145 3.211 .002 .780 1.282 TBTC .362 .042 .452 8.718 .000 .591 1.692 TBDU .166 .039 .210 4.204 .000 .639 1.565 TBDC .262 .041 .296 6.453 .000 .755 1.325
(Nguồn: khảo sát của tác giả trong tháng 04 – 05/2012)
Đa cộng tuyến là hiện tượng trong đó các biến độc lập có tương quan chặt chẽ với nhau, làm cho mô hình không thể tách rời tác động của các biến độc lập đến biến phụ thuộc và làm giảm giá trị thống kê của kiểm định mặt dù hệ số R2 khá cao, hiện tượng đa cộng tuyến xảy ra khi hệ số VIF lớn hơn 10. Kết quả mô hình cho thấy hệ số phóng đại phương sai VIF của các biến độc lập đều nhỏ hơn 10 và độ chấp nhận lớn hơn không nên không có hiện tượng đa cộng tuyến xảy ra trong mô hình.
Kiểm định sự phù hợp của mô hình có sig của các biến độc lập đều nhỏ hơn 0.05 đạt ý nghĩa thống kê. Các giá trị bêta của mô hình đều dương chứng tỏ giả thuyết tác động thuận chiều của biến độc lập TBHH (phương tiện hữu hình), TBTC (độ tin cậy), TBDU (độ đáp ứng) và DC (độ đồng cảm) lên biến mức độ hài lòng của mô hình.
(Nguồn: khảo sát của tác giả trong tháng 04 – 05/2012)
Hình 4.1 Biểu đồ tần số phần dư chuẩn hóa
Theo Tác giả Hoàng Trọng – Chu Mộng Ngọc (Phân tích dữ liệu nghiên cứu với SPSS): “Bởi vì mô hình hồi quy mà đưa ra luôn có giới hạn một số biến nhất
định, có thể sẽ bỏ qua một số nhân tố ảnh hưởng đến sự hài lòng của khách hàng hay những sai số trong quá trình kiểm định… gọi là những sai lệch giữa giá trị thực tế và lý thuyết mà trong SPSS gọi là phần dư”. Vì vậy cần kiểm định phần dư có phân phối chuẩn để tránh những tác động của các yếu tố khác không liệt kê trong mô hình lên biến phụ thuộc. Trong biểu đồ Histogram phần dư chuẩn hóa có giá trị trung bình là 5.22 -15 xấp xỉ bằng 0 và độ lệch chuẩn là 0.985 xấp xỉ bằng 1, như vậy giả thuyết phân phối chuẩn không vi phạm.
(Nguồn: khảo sát của tác giả trong tháng 04 – 05/2012)
Hình 4.2 Biểu đồ Q – Q khảo sát phân phối chuẩn của phần dư
Biểu đồ P-P plot cũng cho thấy các điểm quan sát không phân tán quá xa đường thẳng kỳ vọng nên kết luận phân phối phần dư gần chuẩn không, như vậy giả thuyết phân phối chuẩn không bị vi phạm.
(Nguồn: khảo sát của tác giả trong tháng 04 – 05/2012)
Hình 4.3: Biểu đồ phần dư phân tán
Đồ thị phân tán ở biểu đồ cho thấy phần dư phân tán ngẫu nhiên xung quanh đường đi của trục tung và trục hoành chứ không tạo nên hình dạng nào. Như vậy, giả định phương sai không đổi của mô hình hồi quy là không vi phạm, khi sử dụng phương pháp hồi quy bội không có hiện tượng phương sai thay đổi.