CHƢƠNG 4 : KẾT QUẢ NGHIÊN CỨU
4.5. Kiểm định mô hình nghiên cứu và các giả thuyết
4.5.2. Phân tích hồi quy bội
Mô hình hồi quy bội đƣợc biểu diễn nhƣ sau:
Trong đó:
Y: Ý định mua sách in trực tuyến (YD)
X1: Mong đợi về giá (GC)
X2: Nhận thức rủi ro (RR)
X3: Cảm nhận lợi ích (LI)
X4: Ảnh hƣởng xã hội (XH)
X5: Truyền miệng trực tuyến (TM)
Đánh giá độ phù hợp của mô hình: Sau khi chạy hồi quy tuyến tính bội với phƣơng pháp đƣa vào một lƣợt (Enter), ta có R2
= 0,762 (R square) và R2 điều chỉnh = 0,756. Theo bảng 4.21, so sánh hai giá trị R Square và Adjusted R Square ta thấy Adjusted R Square nhỏ hơn, dùng nó đánh giá độ phù hợp của mô hình sẽ an toàn hơn vì nó không thổi phồng mức độ phù hợp của mô hình.
Điều này nói lên độ thích hợp của mô hình là 76,2% hay nói một cách khác mô hình này giải thích đƣợc 76,2 % sự biến thiên của nhân tố Ý định mua sách trực tuyến là do các biến trong mô hình của tác giả đề xuất và 23,8% còn lại biến thiên của Ý định mua sách trực tuyến đƣợc giải thích giải thích bởi các biến khác ngoài mô hình mà trong phạm vi nghiên cứu của đề tài này chƣa xem xét đến.
Bảng 4.21: Tóm tắt mô hình R Hệ số xác định – R2 Hệ số xác định hiệu chỉnh – R2 hiệu chỉnh Sai số chuẩn của ƣớc lƣợng Chỉ số Durbin- Watson 0,873 0,762 0,756 0,18784 1,611
Nguồn: Theo điều tra nghiên cứu của tác giả
Kiểm định độ phù hợp của mô hình: Để suy diễn mô hình này thành mô hình tổng thể, cần phải xem xét Kiểm định F thông qua phân tích phƣơng sai (ANOVA) nhƣ bảng. Vì Sig. = 0,000 ta bác bỏ giả thuyết Hệ số xác định tổng thể R2 = 0, có nghĩa là ít nhất một biến độc lập nào đó có ảnh hƣởng đến biến phụ thuộc. Mô hình hồi quy tuyến tính bội phù hợp với tập dữ liệu, có thể sử dụng đƣợc.
Bảng 4.22: ANOVA ANOVAa Tổng bình phƣơng Bậc tự do Trung bình
bình phƣơng Hệ số F Giá trị Sig
Hồi quy 19.911 5 3.982 112.868 .000b
Phần dƣ 6.210 176 .035
Tổng 26.121 181
Nguồn: Theo điều tra nghiên cứu của tác giả
Hệ số Beta của mô hình: Dựa vào bảng 4.23, ta thấy các hệ số beta của các biến độc lập đều có ý nghĩa thống kê (sig. < 0,05). Các biến độc lập GC,LI, XH, TM có hệ số beta dƣơng chứng tỏ có ảnh hƣởng thuận chiều với biến Y. Biến RR có hệ số beta âm chứng tỏ có ảnh hƣởng ngƣợc chiều với biến Y Nhƣ vậy, các giả thuyết đƣợc đƣa ra trong mô hình nghiên cứu đều đƣợc chấp nhận.
Kiểm tra hiện tƣợng đa cộng tuyến: Trong trƣờng hợp các biến độc lập có hiện tƣợng đa cộng tuyến, tức là các biến độc lập tƣơng quan chặt chẽ với nhau. Nó cung cấp cho mô hình những thông tin rất giống nhau, khó tách ảnh hƣởng của từng biến riêng lẻ. Để tránh diễn giải sai lệch kết quả hồi qui so với thực tế cần phải đánh giá, đo lƣờng hiện tƣợng đa cộng tuyến. Với độ chấp nhận (Tolerance) lớn. Giá trị hệ số phóng đại phƣơng sai (VIF=Variance inflation factor) tất cả các biến đều < 10,00 nên kết luận mối liên hệ giữa các biến độc lập này là không đáng kể, không có hiện tƣợng đa cộng tuyến. Do đó hoàn toàn có thể sử dụng phƣơng trình hồi quy. Giá trị của VIF đƣợc tính theo công thức: VIF = 1/Tolerance
Bảng 4.23: Trọng số hồi quy Coefficientsa Mô hình Hệ số chƣa chuẩn hoá Hệ số chuẩn hoá T Sig. Đa cộng tuyến B Sai số chuẩn Beta Dung sai VIF 1 (Constant) .500 .138 3.635 .000 GC .176 .028 .250 6.262 .000 .848 1.179 RR -.208 .020 -.406 -4.317 .000 .872 1.146 LI .165 .028 .244 5.803 .000 .766 1.305 XH .155 .022 .268 7.030 .000 .928 1.078 TM .151 .027 .227 5.563 .000 .814 1.228
Nguồn: Theo điều tra nghiên cứu của tác giả
Vậy mô hình hồi quy đa biến chuẩn hóa nhƣ sau:
YD = 0,25*GC - 0,406*RR + 0,244*LI + 0,268*XH+ 0,227*TM
Để xác định tầm quan trọng của các biến độc lập trong mối quan hệ với biến phụ thuộc (ATLĐ), cần căn cứ vào hệ số Beta (β). Nếu trị tuyệt đối hệ số β của nhân tố nào càng lớn thì nhân tố đó ảnh hƣởng càng quan trọng đến Ý định mua sách trực tuyến của khách hàng tại TPHCM.
Hình 4.3: Mô hình nghiên cứu chính thức sau khi điều chỉnh