tích hồi quy tuyến tính bội
Căn cứ vào mô hình hiệu chỉnh sau các bước phân tích hệ số tin cậy Cronbach‟s
Alpha, phân tích nhân tố khám phá (EFA) và phân tích hệ số tương quan Pearson, ta có mô hình hồi quy tuyến tính bội gồm 7 biến thành phần, trong đó có 5 biến
độc lập và 1 biến phụ thuộc như sau:
NC = β0 + β1*CN + β2*NN + β3*CP + β4*DL + β5*VX Trong đó:
β0, β1 , β2 , β3 , β4, β5 là các hệ số hồi quy chưa chuẩn hóa CN, NN, CP, DL, VX được giải thích qua bảng 4.13
49
Bảng 4.17 Diễn giải các biế n trong mô hình hồi quy Ký hiệu CN NN CP DL VX NC
(Nguồn: Tổng hợp từdữliệu đã được xửlý)
Ta có kết quả hồi quy sau khi đưa cùng lúc tất cả các biến vào phân tích hồi quy tuyến tính.
❖ R bình phương hiệu chỉnh và Durbin-Watson
Model RR Square Adjusted R Std. Error of Square the Estimate
Durbin- Watson
1 .849a .720 .711 .52065 2.041
a. Predictors: (Constant), Văn hóa - Xã hội, Yếu tố ngẫu nhiên, Chi phí, Công nghệ, Điểm du lịch
b. Dependent Variable: Nhu cầu du lịch của du khách
Bảng 4.18 Model Summaryb
(Nguồn: Phân tích dữ liệu)
50
Bảng 4.18 cho thấy:
Giá trị hệ số R = 0.849 ( > 0,5) nên đây là mô hình thích hợp để đánh giá mối quan hệ giữa các biến độc lập và biến phụ thuộc.
Giá trị hệ số R2 = 0.720 và R2 đã điều chỉnh = 0.711 cho thấy 71.1% nhu cầu du lịch của du khách sẽ được giải thích bởi 5 yếu tố: Công nghệ, Yếu tố ngẫu nhiên, Chi phí, Điểm du lịch, Văn hóa – Xã hội đã được đưa vào mô hình. Còn lại 28.9% là do các biến ngoài mô hình và sai số ngẫu nhiên.
Trong trường hợp này, k' = 5, n = 155, tra bảng DW ta có dL = 1.557 và dU = 1.69. Gắn vào thanh giá trị DW, ta thấy 1.693 < 2.041 < 2.307, như vậy, không có sự tương quan chuỗi bậc nhất trong mô hình.
❖ Bảng phân tích phương sai ANOVA
Để xem xét độ phù hợp của mô hình hồi quy tổng thể, ta cần giá trị F từ bảng phân tích phương sai ANOVA. Kết quả này sẽ cho biết biến phụ thuộc có tương quan tuyến tính với toàn bộ biến độc lập hay không.
Bảng 4.19 ANOVAa
Model
Regression
1 Residual
Total a. Dependent Variable: Nhu cầu du lịch của du khách
b.Predictors: (Constant), Văn hóa - Xã hội, Yếu tố ngẫu nhiên, Chi phí, Công nghệ, Điểm du lịch
(Nguồn: Phân tích dữ liệu)
51
Kết quả bảng 4.19 cho thấy giá trị F = 76.731 và mức ý nghĩa Sig. = 0,000 (<0,05) nên biến phụ thuộc có tương quan tuyến tính với toàn bộ biến độc lập, tức là sự kết hợp của các biến độc lập có thể giải thích được sự thay đổi của biến phụ thuộc. Như vậy, ta có thể kết luận mô hình hồi quy phù hợp với tập dữ liệu.
❖ Bảng kết quả phân tích hồi quy tuyến tính bội
Bảng 4.20 Coefficientsa Model (Constant) Công nghệ Yếu tố ngẫu nhiên 1 Chi phí Điểm du lịch Văn hóa - Xã hội B .362 .015 .840 -.081 .076 .079 a. Dependent Variable: Nhu cầu du lịch của du khách
(Nguồn: Phân tích dữ liệu)
Bảng 4.20 cho thấy:
Hệ số chấp nhận (Tolerance) của các yếu tố đều > 0.5 (nhỏ nhất là 0.562) và hệ số VIF của các hệ số Beta đều < 2 (lớn nhất là 1.780) chứng tỏ không xảy ra hiện tượng đa cộng tuyến trong mô hình.
Như vậy, mô hình hồi quy bội là phù hợp với mô hình và dữ liệu nghiên cứu.
Các biến đều có ý nghĩa về mặt thống kê với mức ý nghĩa 5%.
52
❖ Kiểm định giả định phương sai của phần dư
Dựa vào kết quả bảng 4.14, kiểm định Durbin Watson có giá trị là 2.041 nằm trong khoảng [1,3] nên không có hiện tượng tương quan của các phần dư.
Để kiểm định giả định phương sai của phần dư không đổi, ta sử dụng đồ thị phân tán của giá trị dự báo đã được chuẩn hóa (Std. predicted value) và phần dưđã được chuẩn hóa (Std. residual).
Bảng 4.21 Residuals Statisticsa Predicted Value Residual Std. Predicted Value Std. Residual
a. Dependent Variable: Nhu cầu du lịch của du khách
(Nguồn: Phân tích dữ liệu)
Ta có các đồ thị thể hiện độ phân tán của phần dư như sau:
Hình 4.7 cho thấy các giá trị phần dư phân tán một cách ngẫu nhiên trong một phạm vi quanh trục 0 (giá trị trung bình của phần dư), nghĩa là phương sai của phần dư không đổi và chứng tỏ rằng không bị vi phạm giả định liên hệ tuyến tính.
53
Hình 4.7 Đồ thị phân tán giữa giá trị dự đoán và phần dư từ hồi quy
(Nguồn: Phân tích dữ liệu)
Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), phần dư có thể không tuân theo phân phối chuẩn vì một số lý do như sử dụng sai mô hình, phương sai
không phải là hằng số, số lượng các phần dư không đủ nhiều để phân tích,... Để
kiểm tra giả định này, ta có biểu đồ tần số Histogram của các phần dư (đã được chuẩn hóa). Đồ thị Histogram của phần dư đã chuẩn hóa (hình 4.9) cho thấy phân phối của phần dư xấp xỉ chuẩn (trung bình Mean lệch với 0 vì số quan sát khá lớn,
độ lệch chuẩn Std. Dev = 0,984). Vì vậy có thể kết luận rằng giả định về phân phối chuẩn của phần dư không bị vi phạm).
54
Hình 4.8 Đồ thị Histogram của phần dư (đã chuẩn hóa)
(Nguồn: Phân tích dữ liệu)
Như vậy, dựa vào kết quả hồi quy đa biến ở bảng 4.16, ta xác định được phương trình hồi quy tuyến tính bội như sau:
NC = 0.014*CN + 0.838*NN – 0.077*CP + 0.072*DL + 0.063*VX Trong đó: NC: Nhu cầu du lịch của du khách tại Đà Nẵng CN: Công nghệ 55 download by : skknchat@gmail.com
AN: Yế u tố ngẫu nhiên CP: Chi phí DL: Điểm du lịch VX: Văn hóa – Xã hội
Qua phân tích hồi quy tuyến tính bội cho thấy mô hình xây dựng phù hợp với dữ liệu thu được cho thấy Nhu cầu du lịch của du khách tại Đà Nẵng phụ thuộc vào 5 nhân tố. Trong đó, nhân tố Yếu tố ngẫu nhiên có ảnh hưởng lớn nhất đến nhu cầu du lịch (Hệ số chuẩn hóa: β = 0.838), thứ nhì là Chi phí (β = 0.77), tiếp theo là Điểm du lịch (β = 0.072), tiếp theo là Văn hóa – Xã hội (β = 0.063), cuối cùng là Công nghệ (β = 0.014).