5. Kết cấu khóa luận
2.3.4.3 Đánh giá mức độ phù hợp của mô hình hồi quy tuyến tính bội
Phân tích hồi quy bội không phải chỉ là mô tảcác dữ liệu quan sát được. Từkết quảtrong mẫu, ta sẽ xác định mối quan hệnhân quảgiữa biến phụthuộc Y (CLDV) và các biến độc lập. Mô hình phân tích hồi quy sẽmô tảhình thức của mối liên hệ qua đó
giúp ta dự đoán được mức độcủa biến phụthuộc khi biết trước giá trịcủa biến độc lập.
Để xây dựng mô hình hồi quy, ta chọn phương pháp Enter với các kết quả phân tích
như sau:
Cho kết quả R2= 0.555 với mức ý nghĩa quan sát rất nhỏ (sig =0) cho thấy hồi quy tuyến tính bội phù hợp với tập dữliệu và có thểsửdụng được. Tuy nhiên, mô hình
thường không phù hợp với dữ liệu thực tế như giá trị R2 thể hiện. trong tình huống này, R2 hiệu chỉnh (0.542) từ R2được sử dụng để phản ánh sát hơn mức độ phù hợp của mô hình hồi quy tuyến tính đa biến vì nó không phụthuộc vào độ phóng đại của R2như vậy, hệ số R2hiệu chỉnh = 0.542 > 0.5 có nghĩa là mô hình hồi quy tuyến tính
đã xây dựng phù hợp với tập dữ liệu đến mức 54.2% và mô hình này giải thích rằng 54.2% sự thay đổi của biến phụthuộc “chất lượng dịch vụ” do sự biến động của 5 biến
độc lậpởtrên, còn lại là tác động của các yếu tốkhác ngoài mô hình..
Bảng 2.20: Thống kê phân tích hệ số hồi quy (Model summary) Model Summary
Mô hình R R2 R2hiệu chỉnh Sai số ước tính Durbin-Watson
1 .745a .555 .542 .35074 1.569
(Nguồn: Số liệu điều tra được xử lý bằng phần mềm SPSS)