8. Bố cục đề tài
2.3.4.4. Phân tích hồi quy đa biến (hồi quy tuyến tính bội)
Sau quá trình kiểm định thang đo, tiến hành tính toán nhân số của nhân tố (giá trị của các nhân tố trích được trong phân tích nhân tố EFA) bằng các tính trung bình cộng của các biến quan sát thuộc nhân tố tương ứng.
Các nhân tố được trích ra trong phân tích nhân tố được sử dụng cho phân tích hồi qui đa biến để kiểm định mô hình nghiên cứu và các giả thuyết kèm theo. Các kiểm định giả thuyết thống kê đều áp dụng mức ý nghĩa 5%.
Quá trình phân tích hồi qui tuyến tính được thực hiện qua các bước:
Bước 1: Kiểm tra mối tương quan tuyến tính giữa các biến trong mô hình:
giữa biến phụ thuộc với từng biến độc lập và giữa các biến độc lập với nhau. Sử dụng hệ số tương quan Pearson để lượng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến định lượng. Giá trị tuyệt đối của Pearson tiến gần đến 1 khi hai biến có mối tương quan tuyến tính càng chặt chẽ (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008). Nếu giữa 2 biến có sự tương quan chặt thì phải lưu ý vấn đề đa cộng tuyến khi phân tích hồi quy.
Đa cộng tuyến là trạng thái các biến độc lập có tương quan chặt chẽ với nhau. Vấn đề của hiện tượng cộng tuyến là chúng cung cấp cho mô hình những thông tin rất giống nhau, và rất khó tách rời ảnh hưởng của từng biến độc lập đến biến phụ thuộc.
Đa cộng tuyến làm tăng độ lệch chuẩn của các hệ số hồi quy và làm giảm trị thống kê t của kiểm định ý nghĩa nên các hệ số có khuynh hướng kém ý nghĩa.
Trong mô hình nghiên cứu, kỳ vọng có mối tương quan tuyến tính chặt chẽ giữa các biến phụ thuộc và các biến độc lập, đồng thời cũng xem xét mối tương quan giữa các biến độc lập với nhau để nhận dạng hiện tượng đa cộng tuyến.
Bước 2: Phân tích hồi quy đa biến
Sau khi kết luận là hai biến có mối quan hệ tuyến tính thì có thể mô hình hóa mối quan hệ nhân quả của hai biến này bằng hồi quy tuyến tính (Hoàng Trọng & Chu
Nguyễn Mộng Ngọc, 2008)
- Nghiên cứu thực hiện hồi quy tuyến tính đa biến theo phương pháp Enter: xử lý tất cả các biến đưa vào cùng một lần và xem xét các kết quả thống kê liên quan.
- Phương trình hồi quy đa biến cho mô hình nghiên cứu được đề xuất: Yi = β0 + β1X1i+β2X2i+ β3X3i+ β4X4i+...+ βkXki + ei
- Đánh giá độ phù hợp của mô hình hồi qui đa biến bằng hệ số xác định R2 (R Square). R2 càng gần 1 thì mô hình đã xây dựng càng thích hợp, R2 càng gần 0 mô hình càng kém phù hợp với tập dữ liệu mẫu. Tuy nhiên, R2có đặc điểm càng tăng khi đưa thêm các biến độc lập vào mô hình, mặc dù không phải mô hình càng có nhiều biến độc lập thì càng phù hợp với tập dữ liệu. Vì thế, R2 điều chỉnh (Adjusted R Square) từ R2 được sử dụng để phản ánh sát hơn mức độ phù hợp của mô hình hồi qui tuyến tính đa biến. R2 điều chỉnh không nhất thiết tăng lên khi nhiều biến được đưa thêm vào phương trình. (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008) - Kiểm định giả thuyết về độ phù hợp của mô hình bằng cách sử dụng kiểm định F để kiểm định giả thuyết H0: không có mối liên hệ tuyến tính giữa biến phụ thuộc với tập hợp các biến độc lập β1=β2=β3=βK= 0
Nếu trị thống kê F có Sig rất nhỏ (< 0,05), thì giả thuyết H0 bị bác bỏ, khi đó chúng ta kết luận: kết hợp của các biến độc lập hiện có trong mô hình có thể giải thích được sự thay đổi của biến phụ thuộc. Nghĩa là mô hình được xây dựng phù hợp với tập dữ liệu, vì thế có thể sử dụng được.