Công việc phân tích hồi quy tuyến tính đa bội này nhằm xác định mối quan hệ tuyến tính giữa các biến độc lập (TN, BCCV, MTLV, DN, SCN, HTTT) với biến phụ thuộc DLLV. Các bước cụ thể như sau:
4.5.1. Đánh giá mức độ phù hợp của mô hình hồi quy với tập dữ liệu
Hệ số xác định thường ký hiệu là R2 là một con số thống kê tổng hợp khả năng giải thích của một phương trình. Nó biểu thị tỷ lệ biến thiên của biến phụ thuộc DLLV do tổng mức biến thiên của các biến giải thích R2 điều chỉnh phải nằm giữa 0 và 1. Mô hình hồi quy phù hợp với tập dữ liệu khi R2 hiệu chỉnh >50%.
Bảng 4.8. Kết quả phân tích hồi quy Model Unstandardized Coefficients Standardized Coefficients Sig. VIF B Std. Error β 1 (Constant) -,777 ,276 ,006 TN ,341 ,059 ,317 ,000 1,295 BCCV ,175 ,038 ,241 ,000 1,188 MTLV ,136 ,059 ,119 ,022 1,145 DN ,182 ,044 ,224 ,000 1,273 SCN ,171 ,057 ,156 ,003 1,174 HTTT ,235 ,053 ,232 ,000 1,193 R bình phương chưa chuẩn hóa: 0,613
R bình phương đã chuẩn hóa: 0,599 P(Anova): 0,000
Durbin – Watson: 2,157
(Nguồn: Tác giả tổng hợp từ kết quả điều tra)
Bảng 4.8 cho thấy, hệ số R2 đã chuẩn hóa ở kết quả phân tích hồi quy bằng 0,599 > 50% đạt yêu cầu. Như vậy các biến độc lập trong mô hình có thể giải thích được 59,9% sự biến thiên của biến phụ thuộc DLLV.
4.5.2. Kiểm định sự phù hợp của hàm hồi quy
Thực hiện kiểm định cặp giả thuyết sau:
H0: R2 = 0 H1: R2 ≠ 0
Kết quả mong muốn là sig < 0,05 để bác bỏ H0, khi đó có thể kết luận hàm hồi quy hoàn toàn phù hợp với bộ dữ liệu đã thu thập.
Các giá trị Sig trong Bảng 4.8 đều nhỏ hơn 0,05 nên có thể kết luận rằng hàm hồi quy là hoàn toàn phù hợp.