5. Bố cục của luận văn
2.6.4. Hệ số tươngquan và phân tích hồi quy tuyếntính
Mô hình hồi quy tuyến tính bội được sử dụng để xác định các yếu tố ảnh hưởng chất lượng dịch vụ giới thiệu việc làm tại Trung tâm dịch vụ việc làm thanh niên tỉnh Bắc Ninh.
Sau khi rút trích các nhân tố từ phân tích nhân tố khám phá EFA, dò tìm các vi phạm giả định cần thiết trong mô hình hồi quy tuyến tính bội: phân tích ma trận tương quan, hồi quy tuyến tính bội, kiểm tra hệ số phóng đại phương sai VIF (Variance inflatinon factor - VIF). Quy tắc là khi VIF>10, đó là dấu hiệu đa cộng tuyến. Nếu các giả định không bị vi phạm, mô hình hồi quy tuyến tính bội được xây dựng. Mô hình hồi quy tuyến tính bội được thể hiện bằng phương trình 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 β0: hệ số chắn
βp: hệ số hồi quy từng phần ei: sai số ngẫu nhiên
Yi:Mức độ ảnh của các nhân tố đến chất lượng dịch vụ giới thiệu việc làm tại Trung tâm dịch vụ việc làm thanh niên tỉnh Bắc Ninh.
Các bước đánh giá mô hình
Đánh giá độ phù hợp của mô hình
Hệ số xác định R2 và R2 hiệu chỉnh (Adjusted R square) được dùng để đánh giá độ phù hợp của mô hình. Vì R2 sẽ tăng khi đưa thêm biến độc lập vào mô hình nên dùng R2hiệu chỉnh sẽ an toàn hơn khi đánh giá độ phù hợp của mô hình. R2 hiệu chỉnh càng lớn thể hiện độ phù hợp của mô hình càng cao.
Kiểm định độ phù hợp của mô hình
Giả thuyết H0: β1 = β2 = β3 = β4 = 0.
Để kiểm định độ phù hợp của mô hình hồi quy tuyến tính đa bội ta dùng giá trị F ở bàng phân tích ANOVA.
Ý nghĩa các hệ số hồi quy riêng phần trong mô hình
Ý nghĩa của hệ số riêng phần là βk đo lường sự thay đổi giá trị trung bình Y khi Xk thay đổi 1 đơn vị, giữ các biến độc lập còn lại không đổi.
Hệ số Beta được dùng để so sánh khi các biến độc lập không cùng đơn vị đo lường.
Phần mềm sử dụng: Quá trình phân tích sử dụng phần mềm SPSS 20.0 cùng với sự hỗ trợ của Excel..