Hoàn thành việc phân tích nhân tố khám phá EFA và chọn lọc được những tập hợp biến quan sát có giá trị, tác giả thực hiện phân tích hồi quy. Phân tích hồi quy (Regression analysis) là kỹ thuật thống kê dùng để ước lượng phương trình phù hợp nhất, thể hiện mối quan hệ giữa biến phụ thuộc và các biến độc lập.
27 Mô hình phân tích hồi quy:
Y = β0 + β1X1 + β2X2 + ... + βnXn + ei
Trong đó: j: từ 1 đến n
Xj: giá trị của biến độc lập Βj: hệ số hồi quy riêng phần
e: biến độc lập ngẫu nhiên có phân phối chuẩn và phương sai không đổi σ2
Trị số kiểm định F đánh giá mức độ thích hợp của mô hình, F được tính từ R–Square nhằm đảm bảo điều kiện Sig. < 0.05. Kiểm định t đánh giá riêng từng hệ số hồi quy, hệ số t đủ lớn để chấp nhận được khi Sig. < 0.05. Hệ số Adjusted R – Square hay còn được gọi là R – Square được điều chỉnh thể hiện mức độ tương quan giữa biến độc lập và biến phụ thuộc, hệ số càng lớn thì mức độ liên quan càng lớn...
Ngoài ra, tác giả cũng sử dụng đồng thời một số phép phân tích khác như Compare Mean, ANOVA, nhằm mục tiêu xác định xem giữa hai hình thức trả lời khảo sát có sự khác biệt hay không. Đồng thời, phân tích Crosstabs để so sánh giữa các nhóm nhân tố phụ thuộc với các đặc tính của biến nhân khẩu học.
28
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU
Nội dung được trình bày trong này là kết quả nghiên cứu sau khi được tác giả phân tích dữ liệu với mục đích nhằm kiểm định độ tin cậy của thang đo được sử dụng trong mô hình nghiên cứu đề xuất. Chương này gồm 3 phần chính với thứ tự lần lượt là Thống kê mô tả; Kiểm định thang đo của các biến trong mô hình; Kiểm định sự phù hợp của mô hình nghiên cứu cũng như là các giả thuyết nghiên cứu.