Chúng ta cần đánh giá độ phù hợp mơ hình một cách chính xác qua kiểm định giả thuyết. Để kiểm định độ phù hợp mơ hình hồi quy, chúng ta đặt giả thuyết H0 là R2 = 0. Phép kiểm định F được sử dụng để kiểm định giả thuyết này. Qua kết quả kiểm định ta thấy, Sig. < 0.05 nên giả thuyết H0 bị bác bỏ, nghĩa là R2 ≠ 0 một cách có ý nghĩa thống kê, mơ hình hồi quy là phù hợp.
ANOVAa Model Sum of Squares df Mean Square F Sig. 1 Regression 179.040 6 29.840 160.354 .000b Residual 28.471 153 .186 Total 207.511 159 a. Dependent Variable: Sự hài lòng
b. Predictors: (Constant), GC, DTC, SCT, DDU, DDB, PTHH
Trong SPSS, các số liệu của kiểm định F được lấy từ bảng phân tích phương sai ANOVA. Bảng ANOVA cho chúng ta kết quả kiểm định F để đánh giá giả thuyết sự phù hợp của mơ hình hồi quy. Giá trị Sig. kiểm định F bằng 0.000 < 0.05. Do đó, mơ hình hồi quy là phù hợp.
4.4.2. BẢNG MODEL SUMMARY
Các điểm dữ liệu ln phân tán và có xu hướng tạo thành dạng một đường thẳng chứ khơng phải là một đường thẳng hồn tồn. Do đó, hầu như khơng có đường thẳng nào có thể đi qua tồn bộ tất cả các điểm dữ liệu, ln có sự sai lệch giữa các giá trị ước tính và các giá trị thực tế. Chúng ta sẽ cần tính tốn được mức độ sai lệch đó cũng như mức độ phù hợp của mơ hình hồi quy tuyến tính với tập dữ liệu. Một thước đo sự phù hợp của mơ hình hồi quy tuyến tính thường dùng là hệ số xác định R2 (R square). Khi phần lớn các điểm dữ liệu tập trung sát vào đường hồi quy, giá trị R2 sẽ cao, ngược lại, nếu các điểm dữ liệu phân bố rải rác cách xa đường hồi quy, R2 sẽ thấp. Chỉ số R2 nằm trong bảng Model Summary.
Model Summaryb Mode l R R bình phương R bình phương hiệu chỉnh Std. Error of the Estimate Durbin- Watson
1 .929a .863 .857 .43138 2.159 a. Predictors: (Constant), GC, DTC, SCT, DDU, DDB, PTHH b. Dependent Variable: Sự hài lòng
R bình phương hay R bình phương hiệu chỉnh đều có mức dao động trong đoạn từ 0 đến 1. Nếu R bình phương càng tiến về 1, các biến độc lập giải thích càng nhiều cho biến phụ thuộc, và ngược lại, R bình phương càng tiến về 0, các biến độc lập giải thích càng ít cho biến phụ thuộc. Khơng có tiêu chuẩn chính xác R bình phương ở mức bao nhiêu thì mơ hình mới đạt yêu cầu. Cần lưu ý rằng, khơng phải ln ln một mơ hình hồi quy có R bình phương cao thì nghiên cứu có giá trị cao, mơ hình có R bình phương thấp thì nghiên cứu đó có giá trị thấp, độ phù hợp mơ hình hồi quy khơng có mối quan hệ nhân quả với giá trị của bài nghiên cứu.
Bảng Model Summary trên cho chúng ta kết quả R bình phương và R bình phương hiệu chỉnh để đánh giá mức độ phù hợp của mô hình. Giá trị R bình phương hiệu chỉnh bằng 0.857 cho thấy các biến độc lập đưa vào phân tích hồi quy ảnh hưởng 85.7% sự biến thiên của biến phụ thuộc, cịn lại 14.3% là do các biến ngồi mơ hình và sai số ngẫu nhiên.
Kết quả bảng trên cũng đưa ra giá trị Durbin–Watson để đánh giá hiện tượng tự tương quan chuỗi bậc nhất. Giá trị DW = 2.159, nằm trong khoảng 1.5 đến 2.5 nên kết quả không vi phạm giả định tự tương quan chuỗi bậc nhất (Yahua Qiao, 2011).
4.4.3. BẢNG COEFFICIENTSCoefficientsa Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std.
Error Beta Tolerance VIF
DTC -.137 .092 -.129 -1.482 .140 .119 8.384 DDU .162 .124 .157 1.306 .194 .062 16.226 DDB -.107 .119 -.102 -.895 .372 .069 14.432 PTHH .330 .147 .318 2.243 .026 .045 22.443 SCT .223 .111 .218 2.017 .045 .077 13.057 GC .498 .084 .480 5.910 .000 .136 7.356
a. Dependent Variable: Sự hài lòng
Chúng ta sẽ đánh giá hệ số hồi quy của mỗi biến độc lập có ý nghĩa trong mơ hình hay khơng dựa vào kiểm định t (student) với giả thuyết H0: Hệ số hồi quy của biến độc lập Xi bằng 0. Mơ hình hồi quy có bao nhiêu biến độc lập, chúng ta sẽ đi kiểm tra bấy nhiêu giả thuyết H0. Qua bảng trên, ta thấy kết quả kiểm định như sau:
- Hệ số Sig. của biến DTC là 0.140 > 0.05: Chấp nhận giả thuyết H0, nghĩa là hệ số hồi quy của biến Xi bằng 0 một cách có ý nghĩa thống kê, biến Xi khơng tác động lên biến phụ thuộc.
- Hệ số Sig. của biến DDU là 0.194 > 0.05: Chấp nhận giả thuyết H0, nghĩa là hệ số hồi quy của biến Xi bằng 0 một cách có ý nghĩa thống kê, biến Xi khơng tác động lên biến phụ thuộc.
- Hệ số Sig. của biến DDB là 0.372 > 0.05: Chấp nhận giả thuyết H0, nghĩa là hệ số hồi quy của biến Xi bằng 0 một cách có ý nghĩa thống kê, biến Xi khơng tác động lên biến phụ thuộc.
- Hệ số Sig. của biến PTHH là 0.026 < 0.05: Bác bỏ giả thuyết H0, nghĩa là hệ số hồi quy của biến Xi khác 0 một cách có ý nghĩa thống kê, biến X1 có tác động lên biến phụ thuộc.
- Hệ số Sig. của biến SCT là 0.045 < 0.05: Bác bỏ giả thuyết H0, nghĩa là hệ số hồi quy của biến Xi khác 0 một cách có ý nghĩa thống kê, biến X1 có tác động lên biến phụ thuộc.
- Hệ số Sig. của biến GC là 0.000 < 0.05: Bác bỏ giả thuyết H0, nghĩa là hệ số hồi quy của biến Xi khác 0 một cách có ý nghĩa thống kê, biến X1 có tác động lên biến phụ thuộc.
Bảng Coefficients cũng cho chúng ta kết quả kiểm định t để đánh giá giả thuyết ý nghĩa hệ số hồi quy, chỉ số VIF đánh giá đa cộng tuyến và các hệ số hồi quy. Ta thấy:
- Các biến DTC, DDU, DDB có giá trị Sig. kiểm định t đều > 0.05, do đó các biến này khơng có ý nghĩa trong mơ hình hồi quy. Hay nói cách khác, biến này khơng có sự tác động lên biến phụ thuộc SHL. Các biến còn lại gồm PTHH, SCT, GC có Sig. kiểm định t đều < 0.05, do đó các biến này đều có ý nghĩa thống kê, đều tác động lên biến phụ thuộc SHL.
- Hệ số VIF của các biến đều > 2, theo Nguyễn Đình Thọ (2010), trên thực tế, nếu VIF > 2, chúng ta cần cẩn thận bởi vì đã có thể xảy ra sự đa cộng tuyến gây sai lệch các ước lượng hồi quy. Đa cộng tuyến là hiện tượng các biến độc lập có mối tương quan rất mạnh với nhau. Mơ hình hồi quy xảy ra hiện tượng đa cộng tuyến sẽ khiến nhiều chỉ số bị sai lệch, dẫn đến kết quả của việc phân tích định lượng khơng cịn mang lại nhiều ý nghĩa. Ở đợt khảo sát này, do đặc trưng của chính mơi trường được khảo sát gây nên hiện tượng đa cộng tuyến. Cùng một bảng khảo sát nhưng có thể mở mơi trường khảo sát số 1 khơng có đa cộng tuyến xảy ra nhưng ở mơi trường số 2 lại có đa cộng tuyến. Bởi vì đặc điểm mơi trường khảo sát số 2 có điểm khác biệt rất nhiều so với môi trường 1. Tại môi trường số 2, các nhóm nhân tố dù ban đầu khi lập cơ sở lý luận thì chúng khơng có mối tương quan q cao nhưng ở mơi trường này giữa chúng lại có sự tương quan mạnh, điều này dẫn đến đa cộng tuyến khi thu thập dữ liệu khảo sát.
Từ các hệ số hồi quy, chúng ta xây dựng được hai phương trình hồi quy chưa chuẩn hóa và chuẩn hóa theo thứ tự như sau:
Y = 0.330 * PTHH + 0.223 * SCT + 0.498 * GC + ε Y = 0.318 *PTHH + 0.218 *SCT + 0.480 * GC + ε