7. Tổng quan tài liệu nghiên cứu
2.3.6. Phân tích hồi quy tuyến tính bội
Sau khi phân tích nhân tố EFA, tác giả tiếp tục thực hiện phân tích hồi quy tuyến tính bội để đƣa ra mô hình hồi quy bội.
Phƣơng pháp hồi quy bội
Nếu kết luận đƣợc hai biến có quan hệ chặt chẽ với nhau, đồng thời giả định rằng đã cân nhắc kỹ bản chất của mối liên hệ tiềm ẩn giữa hai biến, và xem nhƣ xác định đúng hƣớng của quan hệ nhân quả có thật giữa chúng thì ta có thể mô hình hóa mối quan hệ nhân quả của chúng bằng mô hình hồi quy tuyến tính trong đó một biến đƣợc gọi là biến phụ thuộc (hay biến đƣợc giải thích - Y) và biến kia là biến độc lập (biến giải thích - X). Mô hình này sẽ đƣợc mô tả hình thức của mối liên hệ và qua đó giúp ta dự đoán đƣợc mức độ của biến phụ thuộc (với độ chính xác trong phạm vi giới hạn) khi biết trƣớc giá trị của biến độc lập (Phạm Lộc, 2012).
Hồi quy tuyến tính bội
Mô hình hồi quy bội mở rộng mô hình hồi quy tuyến tính hai biến bằng cách thêm vào một số biến độc lập để giải thích tốt hơn cho biến phụ thuộc. Mô hình có dạng sau:
Yi = β0 + β1X1i + β2X2i + … + βpXpi + ei Trong đó:
Xpi: biểu hiện giá trị của biến độc lập thứ p tại quan sát thứ i, βk: hệ số hồi quy riêng phần.
ei: là biến độc lập ngẫu nhiên có phân phối chuẩn với trung bình là 0 và phƣơng sai không đổi α2
.
Mô hình hồi quy tuyến tính bội giả định rằng biến phụ thuộc có phân phối chuẩn đối với bất kỳ kết hợp nào của các biên độc lập trong mô hình.
Đánh giá độ phù hợp của mô hình hồi quy tuyến tính bội
Hệ số xác định R Square đã đƣợc chứng minh là hàm không giảm theo số biến độc lập đƣợc đƣa vào mô hình, càng đƣa thêm nhiêu biến độc lập vào mô hình thì R Square càng tăng, tuy nhiên điều này cũng không đƣợc chứng minh rằng không phải phƣơng trình càng nhiều biến sẽ càng phù hợp với dữ liệu hơn.
Kiểm định độ phù hợp của mô hình
Kiểm định F sử dụng trong bảng phân tích phƣơng sai vẫn là một phép kiểm định giả thuyết về độ phù hợp của mô hình hồi quy tuyến tính tổng thể. Ở đây biến phụ thuộc có liên hệ tuyến tính với toàn bộ tập hợp biến độc lập không.