Squares df Mean Square F Sig. 1 Regression 14,014 4 3,504 42,719 0,000b Residual 11,892 145 0,082 Total 25,906 149
(Nguồn: sốliệu điều tra)
Kết quảphân tích ANOVA của mô hình cho thấy: kiểm định F có giá trị Sig. = 0,000 < 0,05 với độtin cậy là 95% cho phép ta bác bỏgiảthiết H 0. Như vậy mô hình hồi quy tuyến tính xây dựng phù hợp với tổng thể. Sựkết hợp của 4
biến độc lập trong mô hình có thểgiải thích được sựthay đổi của biến phụthuộc “mức độnhận biết thương hiệu”
2.2.4.5 Kiểm định các khiếm khuyêt của mô hình
a. Kiểm tra tính độc lập của sai số
Đại lượng Durbin – Watson (d) được dùng đểkiểm định tương quan của các sai sốkềnhau. Giảthiết khi tiến hành kiểm định này là:
H0: Hệsốtương quan tổng thểcủa các phần dư bằng 0. H1: Hệsốtương quan tổng thểcủa các phần dư khác 0..
Dựa vào bảng kết quảhồi quy mô hình (Phụlục 5) ta thấy đại lượng d = 1,871. Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008, trang 233) cho rằng “N là sốquan sát của mẫu và k là sốbiến độc lập trong mô hìnhđểkiểm định mức ý nghĩa theo quy tắc quyết định”. Do đó, tra bảng thống kê Durbin – Watson cho ta giá trị:dL = 1,679 và dU = 1,788 Có tự tương quan thuận chiều Miền không có kết luận Chấp nhận giả thiết không có tựtương quan chuỗi bậc nhất Miền không có kết luận Có tựtương quan ngược chiều 0 dL dU 2 4-dU 4-dL 4
Tra bảng Durbin – Waston với sốmẫu quan sát bằng 150 và sốbiến độc lập là 4 ta có dU = 1,788, dL=1,679. Như vậy, đại lượng d nằm trong khoảng (du, 4 – du) hay trong khoảng (1,788; 2,212) thì ta có kết luận là các phần dư là độc lập với nhau. Kết quảkiểm định Durbin – Waston cho giá trịd = 1,871 nằm trong khoảng cho phép. Ta có thểkết luận không có hiện tượng tựtương quan trong mô hình. Như vậy kết quảmô hình hồi quy cho ra bốn biến độc lập:tên thương hiệu,logo, slogan, quảng báđược kiểm chứng là phù hợp và có thểsuy rộng ra cho tổng thểtoàn bộkhách hàng.
Qua bảng hệsốHệsốCoefficientsa (phụlục 6) ta thấy: tiêu chuẩn chấp nhận (Tolerance) của các biến đưa vào mô hình lớn hơn 0,1 và hệsốphóng đại phương sai (Variance Inflation Factor – VIF) đều nhỏhơn 10, do đó mô hình hồi quy không vi phạm hiện tượng đa cộng tuyến. Mô hình hồi quy chỉvi phạm đa cộng tuyến khi giá trịVIF≥ 2
2.2.5So sánhảnh hưởng của các nhóm trong mỗi biến kiểm soát tới mức độ nhận biết thương hiệu
Với biến giới tính chỉcó 2 nhóm mẫu nên sẽsửdụng phương pháp kiểm định Independent- Samples T- Test. Cònđối với các biến có 2 nhóm mẫu trởlên như độtuổi, thu nhập, trìnhđộthì sẽsửdụng kiểm định phương sai ANOVA. Điều kiện đểcó thểphân tích phương sai ANOVA là các biến phải đảm bảo phân phối chuẩn. TheoHoàng Trọng & Chu Nguyễn Mộng Ngọc (2008), một phân phối được xem là chuẩn có trịsốtrung bình (mean) và trung vị(median) gần bằng nhau và hệsố đối xứng (Skewness) nằm trong khoảng (-1,1).
2.2.5.1 Kiểm định Independent- sample T-test giữa biến kiểm soát giới tính và biến phụthuộc mức độnhận biết thương hiệu biến phụthuộc mức độnhận biết thương hiệu
Giảthuyết:
H0: Phương sai đồng nhất
H1: phương sai không đồng nhất
Kết quảkiểm định sựkhác biệt vềmức độnhận biết thương hiệu theo giới tính được thểhiệnởbảng sau: