3.4.3.1. Phân tích hồi quy bội
Đề tài sử dụng phương pháp hồi quy bội để dự đoán cường độ tác động của các nhân tố đến quyết định lực chọn TTNN của sinh viên Trường Đại Học Nha Trang.
Phương trình hồi quy tuyến tính bội có dạng:
Quyetdinh = β0 + β1*Cosovatchat + β2*Hocphi + β3*Chuongtrinhdaotao + β4*Chat luongdaotao + β5*Giaovien + β6*Thuonghieu + β7*Mar + α
Bảng 3.11: Đánh giá độ phù hợp của mô hình Model Summaryb
Mô
hình Hệ số R Hệ số R
2 R2 hiệu chỉnh Sai số chuẩn ước lượng Trị số thống kê Durbin-Watson
1 0,774 a 0,599 0,591 0,63978985 1,525
a. Biến độc lập: (Constant), MARKEITNG, THUONGHIEU, GIAOVIEN, CHATLUONGDAOTAO, CHUONGTRINHDAOTAO, HOCPHI, COSOVATCHAT
b. Biến phụ thuộc: QUYETIDNH
(Nguồn: Xử lý số liệu trên SPSS 18.0)
Kết quả phân tích hồi qui tuyến tính bội cho thấy mô hình có R = 0,599 và R 2 2
được điều chỉnh = 0,591. Ta nhận thấy R hiệu chỉnh nhỏ hơn R2 2 nên ta dùng nó để đánh giá độ phù hợp của mô hình sẽ an toàn hơn vì nó không thổi phồng mức độ phù hợp của mô hình (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005). R2 được điều chỉnh = 0,591 nói lên độ thích hợp của mô hình là 59,1% hay nói cách khác là 59,1% sự biến thiên của biến “Quyết định” được giải thích chung của 7 biến quan sát. Như vậy mô hình hồi quy tuyến tính bội đưa ra là phù hợp với dữ liệu và có thể sử dụng được.
3.4.3.2. Phân tích phương sai
Bảng 3.12: Bảng kết quả phân tích ANOVA
(Nguồn: Xử lý số liệu trên SPSS 18.0)
Kiểm định F sử dụng trong phân tích phương sai là phép kiểm định giả thuyết về độ phù hợp của mô hình hồi quy tuyến tính tổng thể. Ý nghĩa của kiểm định này là mối quan hệ tuyến tính giữa biến phụ thuộc và các biến độc lập. Phân tích ANOVA cho thấy thông số F = 70,883 có mức ý nghĩa (sig.) = 0,000, điều này chứng tỏ rằng mô hình hồi qui xây dựng là phù hợp với bộ dữ liệu thu thập được tất cả các biến đưa vào đều có ý nghĩa về mặt thống kê với mức ý nghĩa 5%. Như vậy các biến độc lập trong mô hình có quan hệ đối với biến phụ thuộc “Quyết định”.
3.4.3.3. Hệ số hồi quy trong mô hình
Với biến phụ thuộc là biến “Quyết định” và 7 biến độc lập được trích ra từ phân tích nhân tố EFA, tiến hành phân tích hồi quy (sử dụng phương pháp đưa vào một lượt Enter). Từ bảng 3.11 phương trình hồi quy thể hiện mối quan hệ giữa biến phụ thuộc là Quyết định với các biến độc lập: COSOVATCHAT: Cơ sở vật chất; HOCPHI: Học phí; CHUONGTRINHDAOTAO: Chương trình đào tạo; CHATLUONGDAOTAO: Chất lượng đào tạo; GIAOVIEN: Giáo viên; THUONGHIEU: Thương hiệu; MARKETING: Marketing;
ANOVAb
Mô hình Tổng bình phương Bậc tự do (df) Bình phương trung bình Thống kê F Mức ý nghĩa (Sig.) Hồi quy 203,102 7 29,015 70,883 0,000 a Phần dư 135,898 332 0,409 1 Tổng 339,000 339
a. Biến độc lập: (Hằng số), MARKEITNG, THUONGHIEU, GIAOVIEN, CHATLUONGDAOTAO, CHUONGTRINHDAOTAO, HOCPHI, COSOVATCHAT b. Biến phụ thuộc: QUYETIDNH
67
Kết quả phân tích hồi qui cho thấy mô hình không vi phạm hiện tượng đa cộng tuyến do hệ số phóng đại phương sai của các biến độc lập (VIF) đều nhỏ hơn 5 (các hệ số phóng đại phương sai VIF đều bằng 1 vì sử dụng phép xoay nhân tố vuông góc và giữ nguyên góc ban đầu). Hiện tượng tự tương quan không cần thiết phải xét đến vì dữ liệu để chạy mô hình không phải là dữ liệu chuỗi thời gian. Kết quả hồi quy các biến độc lập có mức ý nghĩa 0,00 đến 0,04 (< 0,05) là các biến có tác động đến quyết định chung và tác động thuận chiều vì các hệ số hồi qui đều mang dấu dương. Chỉ riêng biến marketing có tác động ngược chiều vì có hệ số hồi quy mang dấu âm.
Theo phương trình hồi qui trên trọng số của các yếu tố tác động đến quyết định chọn TTNN của sinh viên trường ĐHNT được sắp xếp theo mức độ từ mạnh đến yếu như sau:
Cơ sở vật chất: 0,408 Chương trình đào tạo: 0,362 Thương hiệu: 0,333 Giáo viên : 0,323 Học phí: 0,244 Chất lượng đào tạo: 0,145 Marketing: -0,071
Để xác định tầm quan trọng của mỗi biến đối với biến phụ thuộc trong mối quan hệ so sánh giữa các biến độc lập, chúng ta dùng hệ số hồi quy (Beta) đã được chuẩn hóa. Ta có COSOVATCHAT là quan trọng nhất do có hệ số Beta đã chuẩn hóa là 0,408; CHUONGTRINHDAOTAO quan trọng thứ nhì do hệ số Beta đã chuẩn hóa là 0,362; THUONGHIEU quan trọng thứ ba do hệ số Beta đã chuẩn hóa là 0,333; GIAOVIEN quan trọng thứ tư do hệ số Beta đã chuẩn hóa là 0,323; HOCPHI quan trọng thứ năm do hệ số Beta đã chuẩn hóa 0,244; CHATLUONGDAOTAO quan trọng thứ sáu do hệ số Beta đã chuẩn hóa là 0,145. MARKETING thì có tác động ngược chiều do có hệ số Beta chuẩn hóa âm.
Bảng 3.13: Kết quả hồi quy (sử dụng phương pháp Enter) Hệ số hồi quya Hệ số chưa chuẩn hóa Hệ số chuẩn hóa Phân tích đa cộng tuyến Mô hình Hệ số B Sai số chuẩn Beta Kiểm định T- student Mức ý nghĩa thống kê (Sig.) Độ chấp nhận của biến Hệ số phóng đại phương sai (VIF) Biến 2.096E-16 0,035 0,000 1,000 COSOVATCHAT 0,408 0,035 0,408 11,754 0,000 1,000 1,000 HOCPHI 0,244 0,035 0,244 7,021 0,000 1,000 1,000 CHUONGTRINHDAOTAO 0,362 0,035 0,362 10,419 0,000 1,000 1,000 CHATLUONGDAOTAO 0,145 0,035 0,145 4,185 0,000 1,000 1,000 GIAOVIEN 0,323 0,035 0,323 9,298 0,000 1,000 1,000 THUONGHIEU 0,333 0,035 0,333 9,590 0,000 1,000 1,000 MARKEITNG -0,071 0,035 -0,071 -2,051 0,041 1,000 1,000 a. Biến phụ thuộc: QUYETIDNH
(Nguồn: Xử lý số liệu trên SPSS 18.0) 3.4.3.4. Kiểm định các giả thuyết của mô hình
Kết quả phân tích Phương sai ở bảng 3.12 thể hiện giá trị F= 70,883 và Mức ý nghĩa (Sig.) = 0,00 rất nhỏ so với mức ý nghĩa 0,05, điều này chứng tỏ rằng mô hình hồi qui xây dựng là phù hợp với bộ dữ liệu thu thập được với độ tin cậy 95%. Tuy nhiên, điều này không có nghĩa là các biến độc lập được đưa vào mô hình đều có ý nghĩa, để xác định biến độc lập nào có ý nghĩa chúng ta tiến hành kiểm định các giả thuyết:
- Giả thuyết N1: Mối quan hệ tích cực giữa Cở sở vật chất đầy đủ, hiện đại và Quyết định chọn TTNN của sinh viên: Hệ số hồi quy là 0,408 và Mức ý nghĩa là 0,00 nhỏ hơn 0,05. Vì vậy giả thuyết N được chấp nhận hay nói cách khác sự tác động của 1
Cơ sở vật chất đến Quyết định chọn TTNN của sinh viên có ý nghĩa thống kê. - Giả thuyết N2: Mối quan hệ tích cực giữa Học phí phù hợp với thu nhập trung bình và Quyết định chọn TTNN của sinh viên: Hệ số hồi quy là 0,244 và Mức ý nghĩa là 0,00 nhỏ hơn 0,05. Vì vậy giả thuyết N2 được chấp nhận hay nói cách khác sự tác động của Học phí đến Quyết định chọn TTNN của sinh viên có ý nghĩa thống kê.
- Giả thuyết N3: Mối quan hệ tích cực giữa Chương trình đào tạo chuẩn và Quyết định chọn TTNN của sinh viên: Hệ số hồi quy là 0,362 và Mức ý nghĩa là 0,00 nhỏ hơn 0,05. Vì vậy giả thuyết N3 được chấp nhận hay nói cách khác sự tác động của Chương trình đào tạo đến Quyết định chọn TTNN của sinh viên có ý nghĩa thống kê.
69
- Giả thuyết N4: Mối quan hệ tích cực giữa Chất lượng đào tạo tốt và Quyết định chọn TTNN của sinh viên: Hệ số hồi quy là 0,145 và Mức ý nghĩa là 0,00 nhỏ hơn 0,05. Vì vậy giả thuyết N4 được chấp nhận hay nói cách khác sự tác động của Chất lượng đào tạo đến Quyết định chọn TTNN của sinh viên có ý nghĩa thống kê.
- Giả thuyết N5: Mối quan hệ tích cực giữa đội ngũ Giáo viên có trình độ chuyên môn nghiệp vụ cao và Quyết định chọn TTNN của sinh viên: Hệ số hồi quy là 0,323 và Mức ý nghĩa là 0,00 nhỏ hơn 0,05. Vì vậy giả thuyết N5 được chấp nhận hay nói cách khác sự tác động của đội ngũ Giáo viên đến Quyết định chọn TTNN của sinh viên có ý nghĩa thống kê.
- Giả thuyết N6: Mối quan hệ tích cực giữa Thương hiệu nổi tiếng và Quyết định chọn TTNN của sinh viên: Hệ số hồi quy là 0,333 và Mức ý nghĩa là 0,00 nhỏ hơn 0,05. Vì vậy giả thuyết N6 được chấp nhận hay nói cách khác sự tác động của Thương hiệu đến Quyết định chọn TTNN của sinh viên có ý nghĩa thống kê.
- Giả thuyết N7: Mối quan hệ giữa chính sách Marketing và Quyết định chọn TTNN của sinh viên: Hệ số hồi quy là – 0,071 (âm). Vì vậy giả thuyết N7 không được chấp nhận hay nói cách khác sự tác động của Marketing đến Quyết định chọn TTNN của sinh viên không có ý nghĩa thống kê (tác động ngược chiều).
Như vậy có 6 giả thiết (Từ N1 đến N6) của mô hình có ý nghĩa thống kê, giả thuyết (N7) không có ý nghĩa thống kê. Và kết quả kiểm định các giả thuyết bằng phương pháp đánh giá ý nghĩa của từng biến độc lập riêng biệt thì cả sáu nhân tố N1 đến N6 đều có ý nghĩa thống kê.
3.4.3.5. Dò tìm các vi phạm giả định cần thiết
Để đảm bảo tính chính xác của phân tích hồi quy nên việc dò tìm sự vi phạm các giả định trên là cần thiết. Bởi vì, mô hình hồi quy tuyến tính bội được xây dựng dựa trên 5 giả định:
+ Có mối quan hệ tuyến tính giữa biến phụ thuộc và các biến độc lập + Không xảy ra hiện tượng đa cộng tuyến
+ Giả định phần dư có phân phối chuẩn + Giả định phương sai của sai số không đổi + Giả định về tính độc lập của các phần dư Kiểm tra sự vi phạm giả thiết được thực hiện như sau: + Về giả định 1: Giả định liên hệ tuyến tính
Phương pháp được sử dụng là đồ thị phân tán Scatterplot với giá trị phần dư chuẩn hóa trên trục tung và giá trị dự báo chuẩn hóa trên trục hoành. Nếu giả định liên hệ tuyến tính và phương sai bằng nhau được thỏa mãn, thì ta sẽ không nhận thấy có liên hệ gì giữa các giá trị dự đoán và phần dư, chúng sẽ phân tán rất ngẫu nhiên. Nhận xét biểu đồ phân tán Scatterplot (Biểu đồ 3.4) dưới đây ta nhận thấy phần dư phân tán ngẫu nhiên trong một vùng xung quanh đường đi qua tung độ 0. Như vậy, giả định liên hệ tuyến tính của mô hình không bị vi phạm.
Biểu đồ 3.4: Biểu đồ phân tán (Nguồn: Xử lý số liệu trên SPSS 18.0)
+ Về giả định 2: Giả định không có mối tương quan giữa các biến độc lập (Đo lường đa cộng tuyến):
Ở phần phân tích hệ số tương quan ở trên, ta thấy rằng giữa biến phụ thuộc có quan hệ tương quan khá rõ với các biến độc lập nhưng ta cũng thấy được giữa các biến độc lập cũng có tương quan với nhau. Điều này sẽ tạo ra khả năng đa cộng tuyến của mô hình, vì vậy ta phải dò tìm hiện tượng đa cộng tuyến bằng cách tính Độ chấp nhận của biến (Tolerance) và Hệ số phóng đại phương sai VIF (Variance Inflation Factor). Độ chấp nhận trong trường hợp này của các biến trong mô hình khá cao, đều lớn hơn 0,5 trong khi hệ số VIF khá thấp và nhỏ hơn 5 (bảng 3.13). Với hệ số VIF nhỏ hơn 5 ta có thể bác bỏ giả thuyết mô hình bị đa cộng tuyến (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
71
+ Về giả định 3: Giả định về phân phối chuẩn của phần dư
Để khảo sát sự vi phạm về giả định phân phối chuẩn của phần dư, sử dụng biểu đồ Histogram và biểu đồ P-P plot trong phân tích SPSS. Biểu đồ Histogram (Biểu đồ 3.5) cho thấy một đường cong phân phối chuẩn được đặt chồng lên biểu đồ tần số. Phân phối phần dư xấp xỉ chuẩn hóa (trung bình Mean gần bằng 0 và độ lệch chuẩn Std..Dev = 0,99 tức là gần bằng 1). Ngoài ra, nhìn vào đồ thị P-P plot (Biểu đồ 3.6), kết quả cho thấy các điểm quan sát không phân tán quá xa đường thẳng kỳ vọng. Do đó, có thể kết luận rằng giả thiết phân phối chuẩn không bị vi phạm.
Biểu đồ 3.5: Biểu đồ Histogram (Nguồn: Xử lý số liệu trên SPSS 18.0)
Biểu đồ 3.6: Tần số Q-Q plot khảo sát phân phối của phần dư (Nguồn: Xử lý số liệu trên SPSS 18.0)
+ Về giả định 4: Giả định phương sai của sai số không đổi:
Nhận xét biểu đồ phân tán Scatterplot (Biểu đồ 3.6) trên đây ta nhận thấy phần dư phân tán ngẫu nhiên quanh trục 0 (tức quanh giá trị trung bình của phần dư) trong một phạm vi không đổi. Như vậy, giả định phương sai của của sai số không đổi không bị vi phạm
+ Về giả định 5: Giả định về tính độc lập của sai số (hay không có tương quan giữa các phần dư):Ta dùng đại lượng thống kê Durbin-Watson (d) để kiểm định (Bảng 3.10). Đại lượng d có giá trị từ 0 đến 4. Trong thực tế, khi tiến hành kiểm định Durbin- Watson người ta thường áp dụng quy tắc kiểm định đơn giản như sau:
Nếu 1 < d < 3 thì mô hình không có tương quan.
Nếu 0 < d <1 thì mô hình có sự tương quan dương.
Nếu 3 < d < 4 thì mô hình có sự tương quan âm.
Từ kết quả ở Bảng 3.10 ta có 1< (d =1,525) < 3 như vậy có thể kết luận các phần dư là độc lập với nhau và tính độc lập của phần dư đã được đảm bảo.
Như vậy, các giả thiết của phân tích hồi quy tuyến tính không bị vi phạm. Kết quả phân tích hồi quy là đáng tin cậy