Kiểm định độ phù hợp của mô hình
Hệ số R² điều chỉnh là thước đo sự phù hợp được sử dụng cho tình huống hồi quy tuyến tính bội vì nó không phụ thuộc vào độ lệch phóng đại của hệ số R². Kết quả phân tích hồi qui bội (bảng 4.9) cho thấy R² điều chỉnh (Adjusted R Square) bằng 0,592 nghĩa là mức độ phù hợp của mô hình là 59,2%. Nói chính xác 6 yếu tố là Q, B, G, C, P, A giải thích được 59,2% biến phụ thuộc là quyết định chọn mua thuốc bảo vệ thực vật. Còn lại 40,8% xuất phát từ các yếu tố khác. Có thể nói các biến được đưa vào mô hình đạt kết quả giải thích khá tốt.
Bảng 4.9: Model Summaryb Mô
hình R R² R² điều chỉnh lượng chuẩn Sai số ước Durbin-Watson
1 0,777a 0,603 0,592 0,45708 1,962
Kết quả nhận được từ bảng ANOVAb (bảng 4.10) cho thấy trị thống kê F là
52,748 với giá trị Sig. rất nhỏ (= 0,000 < 0,05). Như vậy, có thể kết luận rằng mô hình hồi qui bội thỏa mãn các điều kiện đánh giá và kiểm định độ phù hợp cho việc rút ra các kết quả nghiên cứu.
Bảng 4.10: ANOVAb
Model Sum of Squares Df Mean Square F Sig.
1 Regression 66,121 6 11,020 52,748 0,000a
Residual 43,456 208 0,209
Total 109,577 214
Hiện tượng đa cộng tuyến
Để kiểm tra hiện tượng đa cộng tuyến, hệ số phóng đại phương sai (VIF) được sử dụng và khi VIF < 10 nghĩa là các biến độc lập không có tương quan tuyến tính với nhau. Kết quả nhận được từ bảng (bảng 4.8) với hệ số phóng đại phương sai (VIF) có giá trị thấp nhất là 1,138 và cao nhất là 1,915 đạt yêu cầu (VIF < 10). Có thể kết luận mô hình hồi qui tuyến tính bội không có hiện tượng đa cộng tuyến. Như vậy, mối quan hệ giữa các biến độc lập không ảnh hưởng đến việc giải thích mô hình hồi qui tuyến tính bội.
Chất lượng sản phẩm Quảng cáo Khuyến mãi Chính sách giá Thương hiệu Nhóm tham khảo Quyết định lựa chọn thương hiệu thuốc bảo vệ
thực vật H1+ H6+ H2+ H3+ H4+ H5+