Bảng 4.6: Kết quả kiểm định đa cộng tuyến
STT Tên biến VIF Tolerance
1 AGE 1.037 .964 2 GENDER 1.029 .972 3 MARITAL 1.040 .962 4 HOMEOWNER 1.048 .954 5 EDU 1.042 .960 6 INCOME 2.678 .373
52 7 LIMIT 1.848 .541 8 OCCUP 1.193 .838 9 OLEVEL 1.028 .973 10 TOC 1.880 .532 11 GUARTY 1.042 .960 12 BLOAN 1.854 .540 13 BALincome 1.014 .986 14 CASHBAL 2.360 .424
Nguồn: Tổng hợp kết quả phân tích của tác giả
Kết quả kiểm tra đa cộng tuyến cho thấy các giá trị VIF (Variance Inflation Factor) của tất cả các biến giải thích đều nằm trong khoảng từ 1.014 – 2.687 (nhỏ hơn 10), đồng thời hệ số chấp nhận Tolerance của các biến nghiên cứu nằm trong khoảng 0.424 – 0.972 (nhỏ hơn 1). Như vậy, mô hình hồi quy thu được không bị hiện tượng đa cộng tuyến, và các biến nói trên đều phù hợp để đưa vào phân tích hồi quy, nói cách khác kết quả phân tích hồi quy như trên là phù hợp và chấp nhận được.
Để kiểm định tự tương quan của các sai số kề nhau ta sử dụng hệ số Durbin- Watson (DW) có giá trị biến thiên trong khoảng từ 0 đến 4. Quy tắc kiểm định tự tương quan theo kinh nghiệm:
- Nếu 1 < DW < 3 thì kết luận mô hình không có tự tương quan. - Nếu 0 < DW < 1 thì kết luận mô hình có tự tương quan dương. - Nếu 3 < DW < 4 thì kết luận mô hình có tự tương quan âm.
Từ Phụ lục 05: Kết quả hồi quy ta có mô hình có hệ số DW bằng 1.480 thuộc khoảng [1;3]. Như vậy không có sự tương quan chuỗi bậc nhất trong mô hình.
53
dụng là biểu đồ phân tán Scatterplot với giá trị phần dư chuẩn hóa (Standarized residual) trên trục hoành và giá trị dự đoán chuẩn hóa (Standarized predicted value) trên trục tung. Nhìn vào đồ thị Phụ lục 04, ta thấy các phần dư phân tán ngẫu nhiên trong 1 vùng quanh đường đi qua hoành độ 0 (là quanh giá trị trung bình của phần dư) chứ không tạo thành một hình dạng nào.
Hình 4.2: Đồ thị phân tán Scatterplot
[Nguồn: Kết quả xử lý dữ liệu từ phần mềm SPSS, phụ lục 04]
Điều này có nghĩa là phương sai của phần dư không đổi. Như vậy, từ kết quả kiểm tra trên cho thấy mô hình hồi quy được xây dựng không vi phạm các giả định cần thiết trong hồi quy tuyến tính.
Bảng 4.7: Kết quả kiểm định độ phù hợp của mô hình
Model Sum of Squares df Mean Square F Sig.
1
Regression 963.072 14 68.791 61.909 .000
54
Total 1247.528 270
Nguồn: Tổng hợp kết quả phân tích của tác giả
Bảng 4.7 trình bày kết quả kiểm định F về mức độ phù hợp của mô hình hồi quy có Sig = 0.000 (< 0.01), do vậy bác bỏ giả thuyết H0 cho rằng hệ số xác định tổng thể R2 = 0, nghĩa là có ít nhất một biến độc lập có ảnh hưởng đến biến phụ thuộc và đồng nghĩa mô hình ước lượng là phù hợp và có thể sử dụng để phân tích, thảo luận kết quả nghiên cứu.
Bảng 4.8: Kết quả tóm tắt mô hình
Model R R Square Adjusted R Square
Std. Error of the Estimate Durbin- Watson 1 .879a .772 .760 1.054 1.480
Nguồn: Tổng hợp kết quả phân tích của tác giả
Bảng 4.8 cho thấy hệ số R2 hiệu chỉnh = 0,760, có nghĩa là các biến độc lập trong mô hình giải thích được 76% mức độ biến động của biến phụ thuộc, còn lại 24% sự biến động của biến phụ thuộc được giải thích bởi các yếu tố khác chưa đề cập đến trong mô hình nghiên cứu. Bên cạnh đó, hệ số Durbin-Watson bằng 1,480 nằm trong vùng chấp nhận từ 1 đến 3 của kiểm định về hiện tượng tự tương quan giữa các phần dư, do vậy có thể kết luận chưa phát hiện tự tương quan giữa các phần dư trong mô hình nghiên cứu. Như vậy, giả định không có tương quan giữa các phần dư không bị vi phạm.
Mô hình hồi quy được viết lại dưới dạng mô hình hồi quy tuyến tính như sau:
NOMINPAY = β0 – 0.369*INCOME + 0.245*LIMIT – 0.078*OCCUP + 0.114*TOC
55
Bảng 4.9: So sánh kết quả nghiên cứu với kỳ vọng
STT TÊN BIẾN DIỄN GIẢI Kỳ
vọng Kết quả
1 INCOME Thu nhập bình quân + -
2 LIMIT Hạn mức tín dụng + +
3 OCCUP Nghề nghiệp - -
4 TOC Loại hình công ty
+ +
5 BLOAN Dư nợ tại ngân hàng
khác + +
6 CASHBAL Hệ số ứng tiền mặt + +
Nguồn: Tổng hợp của tác giả