4.5.2.1. Mô hình
Phân tích hồi uy sẽ xác định mối uan hệ giữa biến phụ thuộc với các biến độc lập. Mô hình phân tích hồi uy sẽ mô tả hình thức của mối uan hệ và ua đó giúp ta dự đoán được mức độ của biến phụ thuộc khi biết trước giá trị của các biến độc lập. Theo Hoàng Trọng Chu Nguyễn Mộng Ngọc (2008), khi chạy hồi uy cần uan tâm đến các thông số sau:
Hệ số Beta: hệ số hồi uy chuẩn hóa cho phép so sánh trực tiếp giữa các hệ số dựa trên mối uan hệ giải thích của chúng với biến phụ thuộc.
Hệ số R2: đánh giá phần biến động của biến phụ thuộc được giải thích bởi các biến dự báo hay biến độc lập. Hệ số này có thể thay đ i t 0 đến 1.
Kiểm định ANOVA: để kiểm tra tính phù hợp của mô hình với tập dữ liệu gốc. Nếu mức ý nghĩa của kiểm định < 0.05 thì ta có thể kết luận mô hình hồi uy phù hợp với tập dữ liệu.
Căn cứ vào mô hình điều chỉnh đã được hiệu chỉnh sau khi phân tích nhân tố khám phá, ta có mô hình hồi quy tuyến tính bội như sau:
4.5.2.2. Kiểm định mô hình hồi ui tuyến tính đa biến
Bảng 4.17: Thông số thống kê trong mô hình hồi qui
Mô hình Hệ số chưa chuẩn hóa Hệ số chuẩn hóa t Sig. Thống kê đa cộng tuyến B Sai số chuẩn Beta Hệ số VI (hằng số) -.462 .308 -1.501 .135 HDNK .179 .033 .256 5.461 .000 1.023 DNNV .071 .035 .094 2.005 .046 1.026 CSVC .212 .036 .282 5.957 .000 1.042 DNGV .320 .035 .443 9.245 .000 1.067 TV .186 .035 .250 5.262 .000 1.046 TH .174 .025 .332 7.059 .000 1.025
Dựa vào bảng trên ta thấy:
-Tất cả các biến độc lập đều tác động có ý nghĩa thống kê (do sig. < 0.5)
- Chỉ tiêu nhân tử phóng đại phương sai (VI ) của tất cả các biến độc lập đều nhỏ hơn 2 nên hiện tượng đa cộng tuyến trong mô hình được đánh giá là không nghiệm trọng (Đa cộng tuyến là hiện tượng các biến độc lập trong mô hình tương quan tuyến tính với nhau).
4.5.2.3. Kiểm tra các giả định mô hình hồi uy.
Kiểm tra các giả định sau:
- Phương sai của sai số (phần dư) không đ i. - Các phần dư có phân phối chuẩn.
- Không có mối tương uan giữa các biến độc lập.
Nếu các giả định này bị vi phạm thì các ước lượng không đáng tin cậy nữa (Hoàng Trọng - Mộng Ngọc, 2008).
Để kiểm định giả định phương sai của sai số (phần dư) không đ i, ta sử dụng đồ thị phân tán của phần dư đã được chuẩn hóa (Standardized Residual) và giá trị dự báo đã được chuẩn hóa (Standardized predicted value). Kết uả cho thấy các phần dư phân tán ngẫu nhiên uanh trục O (là uanh giá trị trung bình của phần dư) trong một phạm vi không đ i. Điều này có nghĩa là phương sai của phần dư không đ i.
Hình 4.3: Đồ thị phân tán giữa giá trị dự đoán phần dư từ hồi qui
Hình 4.4: Đồ thị P-P Plot của phần dư – đã chuẩn hóa
b. Kiểm tra giả định các phần dư có phân phối chuẩn
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… (Hoàng Trọng - Mộng Ngọc, 2008). Biểu đồ tần số (Histogram, Q-Q plot, P-P plot) của các phần dư (đã được chuẩn hóa) được sử dụng để kiểm tra giả định này.
Hình 4.5: Đồ thị Histogram của phần dư – đã chuẩn hóa.
Kết uả t biểu đồ tần số Histogram của phần dư cho thấy, phân phối của phần dư xấp xỉ chuẩn (trung bình Mean lệch với 0 vì số uan sát khá lớn, độ lệch chuẩn Std. Dev = 0,986). Điều này có nghĩa là giả thuyết phân phối chuẩn của phần dư không bị vi phạm.
Kết uả t biểu đồ tần số P-P plot cho thấy các điểm phân tán xung uanh được kỳ vọng. Cũng cho thấy giả định phân phối chuẩn của phần dư không bị vi phạm.
Kiểm định Durbin Watson = 1.660 trong khoảng [1 < D < 3] nên không có hiện tượng tương uan của các phần dư (Hoàng Trọng – Mộng Ngọc, 2008)