Phân tích tƣơng quan Pearson
Mục đích phân tích tương quan Pearson nhằm kiểm tra mối tương quan tuyến tính chặt chẽ giữa biến phụ thuộc với các biến độc lập, cũng như các biến độc lập với nhau. Nếu hệ số tương quan giữa biến phụ thuộc và các biến độc lập càng lớn chứng tỏ giữa chúng có mối quan hệ với nhau và phân tích hồi quy là phù hợp.
Hệ số này nhận giá trị từ -1 đến +1. Cụ thể, hệ số tương quan Pearson > 0 cho biết có sự tương quan thuận giữa hai biến, nghĩa là nếu giá trị của biến này tăng sẽ làm giá trị của biến kia tăng và ngược lại. Hệ số tương quan Pearson < 0 cho biết có sự tương quan nghịch giữa hai biến.
Cần chú ý khi các biến độc lập cũng có tương quan mạnh với nhau thì sẽ có thể xảy ra hiện tượng đa cộng tuyến trong mô hình hồi quy. Hiện tượng này làm tăng độ lệch chuẩn của hệ số hồi quy và làm giảm ý nghĩa của các hệ số.
Mô hình hồi quy
Sau khi tiến hành các phân tích trên và xác định được các nhân tố ảnh hưởng đến quyết định sử dụng dịch vụ NHĐT của KHCN tại Techcombank chi nhánh Phú Mỹ Hưng, các nhân tố được tiếp tục đưa vào mô hình hồi quy bội để phân tích xác định cụ thể trọng số của từng nhân tố tác động đến quyết định sử dụng dịch vụ NHĐT, từ đó đưa ra được phương trình hồi quy.
Mô hình biểu diễn phương trình hồi quy với 05 biến độc lập và 01 biến phụ thuộc là Quyết định sử dụng dịch vụ NHĐT trong nghiên cứu có dạng như sau:
QĐi = β0 + β1HIi + β2SDi + β3TCi + β4CPi +β5HAi + ε Trong đó: QĐi: Quyết định sử dụng dịch vụ NHĐT HIi: Sự hữu ích cảm nhận SDi: Sự dễ sử dụng cảm nhận TCi: Sự tin cậy CPi: Chi phí cảm nhận HAi: Hình ảnh ngân hàng β0: là hằng số
βi: là hệ số hồi quy chuẩn hóa tương ứng với biến độc lập thứ i. (i >0) ε là sai số ngẫu nhiên.
Đánh giá sự phù hợp của mô hình
Quy trình thống kê để xây dựng dữ liệu quan trọng nhất là việc đánh giá sự phù hợp của mô hình. Để biết mức độ phù hợp với dữ liệu của mô hình hồi quy tuyến tính được xây dựng trên các mẫu dữ liệu, ta cần biết được hệ số phù hợp của nó. Biện pháp
thường được sử dụng phổ biến là xác định hệ số R2 (đối với mô hình hồi quy đơn biến) hoặc R2 hiệu chỉnh (đối với mô hình hồi quy đa biến).
Giá trị R2 hoặc R2 hiệu chỉnh dao động từ 0 đến 1. Hai giá trị này càng gần 1 thì mô hình đã xây dựng càng phù hợp với bộ dữ liệu dùng chạy hồi quy hay mô hình hồi quy giải thích tốt sự thay đổi của biến phụ thuộc. Ngược lại, nếu R2
hoặc R2 hiệu chỉnh càng gần 0 thì mô hình đã xây dựng càng kém phù hợp với bộ dữ liệu dùng chạy hồi quy hay mô hình hồi quy không giải thích tốt sự thay đổi của biến phụ thuộc.
Kiểm định độ phù hợp của mô hình
Để kiểm định độ phù hợp của mô hình hồi quy ta sử dụng phân tích phương sai ANOVA với kiểm định F và kiểm định T.
Sau khi chúng ta đánh giá sự phù hợp của mô hình thông qua giá trị R2 hiệu chỉnh. Kết quả này chỉ nói rằng mô hình có phù hợp hay không đối với dữ liệu mà chúng ta thu thập được.
Để kiểm tra độ phù hợp của mô hình hồi quy tổng thể, ta tiến hành kiểm định giả thuyết H0: R2 = 0. Nếu kết quả thử nghiệm có đủ cơ sở để bác bỏ giả thuyết H0: R2 = 0, thì đây là bước đầu thành công của mô hình.
Phân tích ANOVA với kiểm định F được sử dụng cho thử nghiệm này. Nếu giá trị F có p-value< 0.1, xác xuất giả thuyết R2 = 0 bị bác bỏ, mô hình là phù hợp với dữ liệu thu thập được.
Kiểm tra đa cộng tuyến và tự tƣơng quan
Để đảm bảo cho mô hình có ý nghĩa, ta cần kiểm định thêm đa cộng tuyến và tự tương quan của các biến trong mô hình.
Để kiểm tra hiện tượng đa cộng tuyến, ta căn cứ vào độ chấp nhận của biến Tolenrance = 1/VIF ( hệ số này > 0.5 thì không có hiện tượng đa cộng tuyến) và hệ số
Nếu VIF > 2 thì có dấu hiệu đa cộng tuyến. Nếu VIF > 10 thì chắc chắn có đa cộng tuyến. Nếu VIF < 2 thì không bị đa cộng tuyến.
Tiếp theo, chúng ta kiểm tra hiện tượng tự tương quan bằng quy tắc kiểm định Durbin - Waston theo kinh nghiệm.
Nếu giá trị hệ số từ 0 đến 1 thì kết luận mô hình có tự tương quan dương. Nếu giá trị hệ số từ 0 đến 4 thì kết luận mô hình có tự tương quan âm. Nếu giá trị của hệ số này nằm trong khoảng từ 1 đến 3 thì ta rút ra kết luận là không có sự tự tương quan trong mô hình.
Kiểm định phƣơng sai thay đổi
Giả thuyết phương sai không thay đổi (hay còn gọi là phương sai đồng nhất) này rất quan trọng khi sử dụng mô hình hồi quy tuyến tính đa biến. Nếu xảy ra hiện tượng phương sai thay đổi, kết quả của phương trình hồi quy sẽ không chính xác, làm sai lệch kết quả so với thực tế, từ đó khiến người nghiên cứu đánh giá nhầm chất lượng của phương trình hồi quy tuyến tính. Để kiểm định giả thuyết, đề tài sử dụng ma trận tương quan Spearman để thực hiện kiểm định phương sai thay đổi.
Nếu giá trị p-value tương quan Spearman giữa phần dư chuẩn hóa (ABSRES) với các biến độc lập đều lớn hơn 0.05, ta có thể kết luận rằng không có hiện tượng phương sai thay đổi xảy ra.
Nếu có ít nhất một giá trị p-value nhỏ hơn 0.05, khi đó mô hình hồi quy đã vi phạm giả định phương sai không đổi.
KẾT LUẬN CHƢƠNG 3
Chương 3 tác giả đã trình bày về quy trình nghiên cứu, phương pháp thu thập và xử lý dữ liệu, phương pháp nghiên cứu được sử dụng để đánh giá thang đo và mô tả quy trình nghiên cứu thông qua phần mềm SPSS 23.0.
CHƢƠNG 4: KẾT QUẢ NGHIÊN CỨU