Mục đích của phân tích hồi quy tuyến tính bội nhằm để xét mối quan hệ tuyến tính giữa các biến độc lập và biến phụ thuộc. Cụ thể trong nghiên cứu này, phân tích hồi quy được thực hiện để tính toán mức độ tác động của các nhóm nhân tố hành vi ảnh hưởng đến biến quyết định đầu tư của NĐT cá nhân. Để xác định được mức độ ảnh hưởng của các yếu tố, tác giả dựa trên hệ số beta (β). Nếu hệ số beta càng lớn thì có thể nhận xét rằng yếu tố đó có mức độ ảnh hưởng cao hơn các yếu tố khác trong mô hình nghiên cứu. Bên cạnh đó, tác giả tiến hành kiểm định các giả thuyết của mô hình và đánh giá mức độ phù hợp tổng thể của mô hình. Tác giả phân chia giai đoạn phân tích hồi quy tuyến tính ra làm 2 bước như sau:
Bước 1: Đánh giá mức độ phù hợp của mô hình và tiến hành phân tích hồi quy
Trước hết, tác giả xem xét sự phù hợp của mô hình hồi quy tuyến tính thông qua kiểm định F trong kết quả phân tích phương sai ANOVA để biết được mô hình hồi quy tuyến tính có thể được suy rộng và áp dụng cho tổng thể hay không. Nếu Sig. < 0,05 thì mô hình hồi quy phù hợp với dữ liệu thu thập được và các biến đưa vào đều có ý nghĩa thống kê với độ tin cậy 95%.
Đồng thời, ở bước này, tác giả kiểm định ý nghĩa của các hệ số hồi quy bằng giá trị Sig. trong kết quả hồi quy. Bằng phần mềm SPSS phiên bản 26.0, tất cả các
biến được tác giả đưa vào lần lượt theo phương pháp Enter (là phương pháp đưa cùng lúc tất cả các biến vào phân tích) để thu lại các thông số thống kê liên quan đến các biến.
Bước 2: Kiểm tra sự phù hợp về mức độ tin cậy của phương trình hồi quy
Thông qua việc dò tìm vi phạm giả định, tác giả kiểm tra được sự phù hợp về mức độ tin cậy của phương trình hồi quy. Nếu bất cứ điều kiện nào sau đây bị vi phạm thì kết quả hồi quy cũng sẽ giảm đi độ chính xác.
+Giả định 1: Phần dư ɛ trong hồi quy phải xấp xỉ phân phối chuẩn. Kiểm tra giả định này được căn cứ dựa trên biểu đồ Histogram và Normal P-P Plot phần dư. Nếu giá trị trung bình (mean) gần bằng 0 với độ lệch chuẩn xấp xỉ 1, ta có thể khẳng định phân phối là xấp xỉ chuẩn, tức giả định phân phối chuẩn của phần dư không bị vi phạm.
+ Giả định 2: Có mối liên hệ tuyến tính giữa biến phụ thuộc và các biến độc lập. Đồ thị phân tán giữa các phần dư chuản hóa và các giá trị dư đoán chuẩn hóa sẽ giúp dò tìm xem dữ liệu có vi phạm giả định tuyến tính hay không. Nếu chúng phân tán một cách ngẫu nhiên xung quanh đường tung độ 0 và không tạo thành một hình dạng nào thì có thể kết luận giả định quan hệ tuyến tính không bị vi phạm.
+ Giả định 3: Phương sai đồng nhất (hay còn gọi là phương sai của phần dư không thay đổi). Để đánh giá mô hình hồi quy có vi phạm giả định này hay không, tác giả tiến hành phân tích tương quan hạng Spearman giữa phần dư chuẩn hóa (ABSRES) với các biến độc lập. Khi tất cả giá trị Sig. tương quan giữa phần dư chuẩn hóa với các biến độc lập đều lớn hơn 0,05 thì có thể kết luận không có hiện tượng phương sai thay đổi xảy ra. Trường hợp có bất kì một giá trị Sig. nào nhỏ hơn 0,05 thì mô hình hồi quy đã vi phạm giả định phương sai đồng nhất.
+ Giả định 4: Không có hiện tượng đa cộng tuyến, hay nói cách khác là các biến độc lập không có tương quan với nhau. Tác giả còn thực hiện kiểm tra giả định này thông qua hệ số phóng đại phương sai VIF (Variance inflation factor). Cụ thể, theo lý thuyết, để không xảy ra đa cộng tuyến, hệ số dung sai (Tolerance – Độ chấp
nhận của biến) của các biến đều phải lớn hơn 0,5 và hệ số phóng đại của phương sai VIF (Variance Inflation Factor) của tất cả các biến phải nhỏ hơn 2.
+Giả định 5: Các sai số độc lập với nhau, không có hiện tượng tự tương quan giữa các phần dư. Hệ số Durbin – Watson sẽ có giá trị trong khoảng từ 0 đến 4, và nếu giá trị của đại lượng này gần bằng 2 thì các phần dư không có tương quan chuỗi bậc nhất (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).