6. Bố cục của luận văn
3.3.6.1. Kiểm định các giả định
Kiểm định về phân phối chuẩn của phần dư
Phần dư có thể không tuân theo phân phối chuẩn vì những lý do như: sử dụng sai mô hình, phương sai không phải là hằng số, số lượng các phần dư không đủ nhiều để phân tích... Vì vậy, chúng ta cần thực hiện nhiều phương phápkhác nhau để kiểm định như xây dựng biểu đồ tần số của các phần dư Histogram, biểu đồ P-P Plot.
Từ Hình 3.1. cho thấy một đường cong phân phối chuẩn được đặt chồng lên biểu đồ tần số. Đường cong này có dạng hình chuông, phù hợp với dạng đồ thị của phân phối chuẩn. Giá trị trung bình Mean gần bằng 0, độ lệch chuẩn là 0,987 gần bằng 1, như vậy có thể nói, phân phối phần dư xấp xỉ
chuẩn. Như vậy có thể kết luận rằng giả thiết phân phối chuẩn của phần dư không bị vi phạm.
Hình 3.2. Biểu đồ tần số của các phần dư Histogram
Nguồn: Kết quả phân tích từ SPSS
Kiểm tra giả định liên hệ tuyến tính
Biểu đồ phân tán Scatter Plot giữa các phần dư chuẩn hóa và giá trị dự đoán chuẩn hóa giúp chúng ta dò tìm xem, dữ liệu hiện tại có vi phạm giả định liên hệ tuyến tính hay không. Trong bài viết này, tác giả biểu diễn giá trị phần dư chuẩn hóa (Standardized Residual) ở trục hoành và giá trị dự đoán chuẩn hóa (Predicted Value) ở trục tung.
Từ Hình 3.2 cho thấyphần dư chuẩn hóa phân bổ tập trung xung quanh đường hoành độ 0, do vậy giả định quan hệ tuyến tính không bị vi phạm.
Hình 3.3. Biểu đồ phân tán Scatter Plot
Nguồn: Kết quả phân tích từ SPSS
Kiểm tra giả định về hiện tượng đa cộng tuyến
Bảng 3.18 bên dưới cho thấy kết quả kiểm tra giả định về hiện tượng đa cộng tuyến các biến độc lập. Các biến độc lập đều có hệ số phóng đại phương sai VIF đều bé hơn 2, chứng tỏ không có hiện tượng đa cộng tuyến.
Kiểm định tự tương quan của các sai số kề nhau
Giá trị Durbin-Watson dùng để kiểm định tự tương quan của các sai số kề nhau (hay còn gọi là tương quan chuỗi bậc nhất) có giá trị biến thiên trong khoảng từ 0 đến 4; nếu các phần sai số không có tương quan chuỗi bậc nhất với nhau thì giá trị sẽ gần bằng 2 (từ 1 đến 3); nếu giá trị càng nhỏ, gần về 0 thì các phần sai số có tương quan thuận; nếu càng lớn, gần về 4 có nghĩa là các phần sai số có tương quan nghịch. Từ Bảng 3.17, ta thấy giá trị Durbin- Watson của mô hình đạt 2.024 , nằm trong khoảng từ 1 đến 3, như vậy, không có sự tương quan chuỗi bậc nhất trong mô hình.
Mục đích của kiểm định F trong bảng ANOVA chính là để kiểm tra xem mô hình hồi quy tuyến tính này có suy rộng và áp dụng được cho tổng
thể hay không. Từ Bảng 3.16, kiểm định giả thuyết về độ phù hợp với tổng thể của mô hình, giá trị F=63.567 với Sig.=0.000 < 0.05. Chứng tỏ R2 của tổng thể khác 0. Đồng nghĩa với việc mô hình hồi quy tuyến tính xây dựng được là phù hợp với tổng thể.
Bảng 3.16. Bảng phân tích ANOVA
Mô hình Biến thiên df Biến thiên trung bình F Sig. 1 Hồi quy 60.469 5 12.094 63.567 .000b Phần dư 35.387 186 .190 Tổng 95.856 191
(Nguồn: Tác giả tổng hợp từ kết quả phân tích)
3.3.6.2. Kiểm định sự phù hợp của mô hình
Adjusted R Square hay còn gọi là R bình phương hiệu chỉnh, phản ánh mức độ ảnh hưởng của các biến độc lập lên biến phụ thuộc. Từ bảng trên, R2 hiệu chỉnh = 0.631 = 63.1% và hệ số R2 hiệu chỉnh = 0.621 = 62.1%. Nghĩa là 62,1% biến thiên của biến phụ thuộc sự hài lòng của nhà đầu tư khi thực hiện thủ tục đầu tư tại Sở Kế hoạch và Đầu tư tỉnh Bình Định được giải thích bởi các nhân tố độc lập. Điều này cho thấy mô hình hồi quy tuyến tính này phù hợp với tập dữ liệu của mẫu ở mức 62,1%,.
Bảng 3.17. Bảng tóm tắt mô hình Mô hình Hệ số xác định R Hệ số xác định R2 Hệ số xác định R2 hiệu chỉnh Sai lệch chuẩn ước tính Durbin- Watson 1 .794a .631 .621 .43618 2.024
Nguồn: Tác giả tổng hợp từ kết quả phân tích