Phân tích hồi quy đƣợc thực hiện với 4 biến độc lập: (1) “thái độ đối với TPCN” (TD), (2) “chuẩn chủ quan” (CCQ), (3) “sự kiểm soát hành vi đƣợc cảm nhận” (KS), (4) “sự an toàn khi dùng TPCN” (AT) và biến phụ thuộc là “ý định mua TPCN” (YD). Hệ số R2 hiệu chỉnh là: 0,477 có ý nghĩa là mô hình giả thuyết có thể giải thích đƣợc 47,7% các nguyên nhân dẫn đến việc ngƣời tiêu dùng có ý định mua TPCN.Sử dụng hệ số R2 hiệu chỉnh 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 và Chu Nguyễn Mộng Ngọc, trang 239). Tuy nhiên sự phù hợpnày chỉ đúng với dữ liệu mẫụ Để kiểm định xem có thể suy rộng mô hình cho tổng thể thực hay không
ta phải kiểm định độ phù hợp của mô hình.
Bảng 4.7Kết quả hồi quy theo phƣơng pháp Enter
Hệ số hồi quy (B)
Sai số
chuẩn Mức ý nghĩa VIF
1. (Constant) -0,637 0,508 0,211 TD: Thái độ 0,476 0,081 0,000 1,239 CCQ: Chuẩn chủ quan 0,327 0,075 0,000 1,520 KS: Sự kiểm soát 0,398 0,056 0,000 1,110 AT: Sự an toàn -0,086 0,059 0,146 1,314 Hệ số R2hiệu chỉnh 0,477 Hệ số Durbin-Watson 1,895 Sig. F 0,000a (Nguồn: Tổng hợp phụ lục 9)
Kết quả kiểm định Durbin-Watson có giá trị 1,895 (gần bằng 2) cho thấy không có tự tƣơng quan chuỗi bậc 1 trong mô hình, tức là không có hiện tƣợng tự tƣơng quan trong các phần dƣ. (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008
trang 233), giá trị Durbin – Watson (d) biến thiên trong khoảng từ 0 đến 4, giá trị d gần bằng 2 các phần dƣ không có tƣơng quan chuỗi bậc nhất với nhau, d thấp (nhỏ hơn 2) các phần dƣ gần nhau có tƣơng quan thuận, d lớn hơn 2 (và gần 4) có nghĩa là các phần dƣ có tƣơng quan nghịch).
Kiểm định F sử dụng phƣơng pháp phân tích phƣơng sai (ANOVA) là phép kiểm định giả thuyết về độ phù hợp của mô hình hồi quy tuyến tính tổng thể. Trong bảng 4.7 kết quả phân tích ANOVA cho thấy giá trị sig nhỏ (sig. = 0,000) từ đó ta
có thể bác bỏ giả thuyết H0 (H0: Tất cả các biến độc lập trong mô hình đều không ảnh hƣởng đến biến phụ thuộc), điều này có nghĩa là có ít nhất một biến độc lập ảnh hƣởng đến biến phụ thuộc. Mô hình phù hợp với tập dữ liệu và có thể suy rộng ra cho toàn tổng thể.
Kết quả cho thấy không có hiện tƣợng đa cộng tuyến (các biến độc lập không có tƣơng quan với nhau) trong kết quả phân tích. Hệ số phóng đại VIF lớn nhất là
1,520 (< 10). Khi VIF có giá trị vƣợt quá 10 thì khi đócó hiện tƣợng đa cộng tuyến
trong bộdữ liệu phân tích (Nguyễn Đình Thọ, 2011).
Nhƣ vậy dựa vào kết quả phân tích hồi quy bảng 4.7 ta thấy 3 biến độc lập có giá trị sig rất nhỏ (0,000) và 1 biến có giá trị sig lớn hơn 0,05 (0,146) nên biến AT không có ý nghĩa thống kê ở mức ý nghĩa 5% khi đƣa vào mô hình phân tích.
Từ kết quả hồi quy, ý định mua thực phẩm chức năng đƣợc biểu diễn bằng công thức sau đây:
YD = 0,476*TD + 0,327*CCQ + 0,398*KS
t=5,861 t=4,365 t=7,075 p=0,000 p=0,000 p=0,000
Từ phƣơng trình hồi qui cho thấy ngƣời tiêu dùng đánh giá “Thái độ đối với
TPCN” (TD) có hệ số hồi qui 0,476 cao nhất trong phƣơng trình, điều này có ý nghĩa là biến này có mức độ ảnh hƣởng mạnh nhất đến ý định mua TPCN. Ngoài ra
khi cố định các biến khác thì tăng biến TD lên một điểm nhân tố thì mức độ gắn bó công việc sẽ tăng lên 0,467 điểm.
Thứ hai là biến “Sự kiểm soát hành vi được cảm nhận”(KS) có hệ số hồi qui 0,398 cao thứ hai trong phƣơng trình, điều này có ý nghĩa là biến này có mức độ ảnh hƣởng mạnh thứ hai đến ý định mua TPCN. Ngoài ra khi cố định các biến khác thì tăng biến KS lên một điểm nhân tố thì ý định mua TPCN sẽ tăng lên 0,398 điểm. Thứ ba là biến “Chuẩn chủ quan” (CCQ) có hệ số hồi qui 0,327 thấp nhất
trong phƣơng trình, điều này có ý nghĩa là biến này có mức độ ảnh hƣởng yếu nhất
đến ý định mua TPCN. Ngoài ra khi cố định các biến khác thì tăng biến CCQ lên một điểm nhân tố thì mức độ gắn bó công việc sẽ tăng lên 0,327 điểm.