Để xét mối tương quan giữa các biến với nhau, tác giả tiến hành phân tích tương quan Pearson. Mục đích chạy tương quan Pearson nh m kiểm tra mối tương quan tuyến tính chặt chẽ giữa biến phụ thuộc với các biến độc lập và sớm nhận diện vấn đề đa cộng tuyến khi các biến độc lập cũng c tương quan mạnh với nhau, từ đ rút ra một số nhận xét về mối quan hệ của chúng. Mối tương quan được trình bày trong bảng bên dưới:
Bảng 4.4. Ma trận tƣơng quan giữa biến độc lập và biến phụ thuộc
IAP ABE MRE ORE GHE PER
IAP 1 .497** .381** .393** .427** .473** ABE .497** 1 .666** .309** .247* .567** MRE .381** .666** 1 .417** .266** .391** ORE .393** .309** .417** 1 .490** .365** GHE .427** .247* .266** .490** 1 .523** PER .473** .567** .391** .365** .523** 1 **.
Tương quan mức ý nghĩa 1% (2 chiều)
*. Tương quan mức ý nghĩa 5% (2 chiều)
(Nguồn: tính toán của tác giả trên SPSS, n=100)
Căn cứ phụ lục 5.1 ta thấy giá trị Sig của biến IAP đối với các biến độc lập khác đều nhỏ hơn 0,05, nghĩa là biến độc lập đ c tương quan tuyến tính với biến phụ thuộc. Đồng thời thông qua Bảng 4.4, các biến độc lập đều có mức tương quan đối với biến phụ thuộc là Ý định ứng dụng (IAP) với mức tương quan cao nhất thuộc về biến ABE với 0,497. Điều này chứng tỏ các biến đều c cơ sở để đưa vào mô hình hồi quy. Tuy nhiên, giữa các biến độc lập cũng c thể xảy ra sự tương quan với nhau điều này sẽ dẫn đến việc nghi ngờ có xảy ra hiện tượng đa cộng tuyến. Phần tiếp theo, tác giả sẽ thực hiện kiểm định hệ số VIF nh m xác định có hiện tượng đa cộng tuyến trong mô hình hay không.
Mô hình hồi quy đa biến sẽ được biểu diễn dưới dạng hàm số như sau: IAP=f (ABE, MRE, ORE, GHE PER)
Dựa vào dữ liệu thu được từ bảng 4.5, giá trị Sig của biến MRE và biến ORE lần lượt là 0,958 và 0,154 đều lớn hơn giá trị 0,05 cho thấy hai biến này không có sự tương quan đối với biến phụ thuộc Ý định ứng dụng (IAP). Trong khi những nhân tố còn lại đều có Sig nhỏ hơn 0 05 nên các biến này c độ tương quan đối với biến phụ thuộc với độ tin cậy 95%. Do đ tác giả sẽ loại bỏ đi 2 biến MRE và ORE
Như vậy trong mô hình sẽ còn lại 3 biến đảm bảo có sự tương quan đối với biến phụ thuộc bao gồm ABE, GHE và PER. Bảng 4.6 sau đây sẽ trình bày về mức độ ảnh hưởng của các biến độc lập theo tỉ lệ % đối với biến phụ thuộc.
Bảng 4.5. Kết quả hệ số hồi quy
Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std, Error Beta Tole- rance VIF (Constant) 0,748 0,461 1,625 0,108 ABE 0,427 0,158 0,335 2,697 0,008 0,436 1,921 MRE 0,008 0,142 0,006 0,053 0,958 0,506 1,978 ORE 0,144 0,100 0,144 1,436 0,154 0,670 1,492 GHE 0,193 0,096 0,211 2,016 0,047 0,613 1,632 PER 0,105 0,097 0,123 1,080 0,001 0,520 1,924
(Nguồn: tính toán của tác giả trên SPSS, n=100)
Bảng 4.6. Mức độ ảnh hƣởng của biến độc lập lên biến phụ thuộc
Biến Tên biến
Standardized Coefficients % Thứ tự ảnh hƣởng Beta ABE Nhận thức lợi ích DVNHS 0,335 50,07% 1
GHE Sự hỗ trợ của nhà nước 0,211 31,54% 2
PER Hiệu quả cảm nhận 0,123 18,39% 3
Tổng 0,669 100%
(Nguồn: tính toán của tác giả)
Dựa vào bảng 4.6, biến độc lập có ảnh hưởng mạnh nhất đến Ý định ứng dụng (IAP) là biến ABE (50,07%). Với 31,54%, biến Sự hỗ trợ của nhà nước
(GHE) có mức độ quan trọng ít hơn biến ABE trong khi đ biến Hiệu quả cảm nhận (PER) tác động yếu nhất (với 18,39%).
Mô hình hồi quy chuẩn hóa được viết lại như sau: IAP= 0,335 x ABE + 0,211 x GHE+ 0,123 x PER
4.5.2.3. Kiểm định độ phù hợp của mô hình
Tác giả thực hiện kiểm định F, kết quả cho thấy giá trị Adjusted R Square của mô hình đạt mức 0,508 và giá trị Sig=0,000 < 0 05 điều đ chứng tỏ r ng 50,8% sự thay đổi của biến Ý định ứng dụng (IAP) được giải thích bởi 3 biến độc lập trong mô hình là ABE, GHE và PER (Phụ lục 5.2).
Đối với kiểm định phương sai ANOVA, với Sig=0,000 < 0,05 nên các biến trong mô hình đều thỏa mãn điều kiện để xây dựng mô hình hồi quy (Phụ lục 5.2).