6. BỐ CỤC ĐỀ TÀI
2.3.2.5. Kiểm định mô hình
Sau khi phân tích tƣơng quan để kiểm định mối quan hệ giữa các biến trong mô hình, các biến đƣợc đƣa vào phân tích hồi quy. Hồi quy tuyến tính thƣờng đƣợc dùng để kiểm định và giải thích lý thuyết nhân quả (Cooper và Schindler, 2003). Ngoài chức năng là một công cụ mô tả, hồi quy tuyến tính
cũng đƣợc sử dụng nhƣ một công cụ kết luận để kiểm định các giả thuyết và dự báo các giá trị của tổng thể nghiên cứu. Phƣơng trình hồi quy tuyến tính bội đƣợc thực hiện để xác định vai trò quan trọng của từng yếu tố thành phần trong việc tác động đến biến phụ thuộc. Phƣơng pháp thực hiện hồi quy bội là phƣơng pháp Enter.
Hệ số xác định R2: Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2007), các nhà nghiên cứu sử dụng hệ số xác định R² (R-square) để đánh giá mức độ phù hợp của mô hình nghiên cứu, nó đo lƣờng tỉ lệ tƣơng quan của phƣơng sai biến phụ thuộc mà trị trung bình của nó đƣợc giải thích bằng các biến độc lập. Giá trị của R² càng cao thì khả năng giải thích của mô hình hồi quy càng lớn và việc dự đoán biến phụ thuộc càng chính xác. Ngoài ra, hệ số xác định R² đƣợc chứng minh là hàm không giảm theo số biến độc lập đƣợc đƣa vào mô hình, tuy nhiên không phải phƣơng trình càng có nhiều biến sẽ càng phù hợp hơn với dữ liệu, R² có khuynh hƣớng là một yếu tố lạc quan của thƣớc đo sự phù hợp của mô hình đối với dữ liệu trong trƣờng hợp có một biến giải thích trong mô hình. Nhƣ vậy, trong hồi quy tuyến tính thƣờng dùng hệ số R² điều chỉnh để đánh giá độ phù hợp của mô hình vì nó không thổi phồng mức độ phù hợp của mô hình.Ngoài ra, kiểm định phƣơng sai của phần hồi quy và phần dƣ (biến thiên phần hồi quy và biến thiên phần dƣ) phải có ý nghĩa thống kê. Vì vậy, phép kiểm định phân tích phƣơng sai (ANOVA) đƣợc tiến hành, ANOVA có sig < 0,05 (theo Nguyễn Đình Thọ, 2011).
Hệ số Durbin - Watson: dùng để kiểm tra hiện tƣợng tự tƣơng quan. Mô hình hồi quy phù hợp khi giá trị Durbin-Watson có giá trị từ 1 đến 3, tức là mô hình không có tự tƣơng quan.
Hệ số phóng đại phƣơng sai VIF (Variance Inflation Factor): dùng để kiểm tra hiện tƣợng đa cộng tuyến và với nghiên cứu này. Nếu VIF>10 ↔ R2>0,9 có thể có hiện tƣợng đa cộng tuyến cao giữa các biến X.
Hệ số ƣớc lƣợng Beta (β): là hệ số hồi quy chuẩn hóa cho phép so sánh trực tiếp giữa các hệ số, đƣợc xem nhƣ là khả năng giải thích biến phụ thuộc.Trị tuyệt đối của một hệ số beta chuẩn hóa càng lớn thì tầm quan trọng tƣơng đối của nó trong dự báo biến phụ thuộc càng cao.
Mối quan hệ tuyến tính giữa biến phụ thuộc và các biến độc lập: cũng nhƣ hiện tƣợng phƣơng sai thay đổi, chúng ta xây dựng mối quan hệ (trong mẫu) giữa phần dƣ và giá trị quy về hồi quy.Mối quan hệ này phù hợp khi phần dƣ và giá trị quy về hồi quy độc lập nhau và phƣơng sai của phần dƣ không thay đổi, khi đó mô hình hồi quy là phù hợp.
Phân tích hồi quy bội dùng để chứng minh sự phù hợp của mô hình nghiên cứu mà tác giả đã đề xuất trong Chƣơng 1.
TÓM TẮT CHƢƠNG 2
Trong chƣơng 2, tác giả đã cho thấy đƣợc quy trình nghiên cứu của đề tài, các thang đo các yếu tố trong đề tài nghiên cứu, cũng nhƣ các vấn đề cần thiết trong việc thu thập dữ liệu từ bảng khảo sát và các bƣớc phân tích nhƣ: thiết kế bảng hỏi, các bƣớc điều tra, thống kê mô tả dữ liệu và mô hình hồi quy.
CHƢƠNG 3. KẾT QUẢ NGHIÊN CỨU