CHƯƠNG 4 : PHÂN TÍCH VÀ DIỄN GIẢI
4.7 Dò tìm sự vi phạm các giả thiết cần thiết trong hồi quy tuyến tính
4.7.1. Giả định liên hệ tuyến tính
Nguồn – Tác giả xử lý số liệu bằng SPSS
Hình 4.1 Đồ thị phân tán
Đồ thị cho thấy phần dƣ phân tán ngẫu nhiên trong vùng xung quanh đƣờng thẳng qua tung độ 0. Nhƣ vậy có thể kết luận là mô hình tuyến tính
4.7.2 Kiểm định phương sai của sai số không đổi
Hiện tƣợng phƣơng sai của sai số thay đổi (độ lớn của phần dƣ tăng hay giảm cùng với các giá trị của biến độc lập) gây ra nhiều hậu quả tai hại đối với mô hình ƣớc lƣợng bằng phƣơng pháp tuyến tính. Nó làm cho các ƣớc lƣợng của hệ số hồi quy không chệch nhƣng không hiệu quả (tức là không phải là ƣớc lƣợng phù hợp nhất). Ƣớc lƣợng của các phƣơng sai bị chệch làm kiểm định các giả thuyết mất hiệu lực khiến chúng ta đánh giá nhầm về chất lƣợng của mô hình hồi quy tuyến tính. Giả thuyết đặt ra cho kiểm định này là:
H0 : Phƣơng sai sai số thay đổi H1 : Phƣơng sai sai số không đổi
Bảng 4.14 Kiểm định White Model Summaryb Model Summaryb Mode l R R Square Adjusted R Square Std. Error of the Estimate 1 .782a .612 .602 3.31275 a. Predictors: (Constant), DVTV, DVCSKH^2, DVPC, DVCSKH, DVTV^2
54 SVTH: Trần Trọng Quân ANOVAb Model Sum of Squares df Mean Square F Sig. 1 Regression 3360.205 5 672.041 61.237 .000a Residual 2129.023 194 10.974 Total 5489.227 199 a. Predictors: (Constant), DVTV, DVCSKH^2, DVPC, DVCSKH, DVTV^2
b. Dependent Variable: HAILONG
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant ) -1.601 4.893 -.327 .744 DVCSKH ^2 .640 .474 .620 1.348 .179 DVTV^2 .144 .456 .146 .316 .752 DVPC -.005 .011 -.115 -.451 .652 DVCSKH .708 2.703 .099 .262 .794 DVTV .816 2.497 .122 .327 .744 a. Dependent Variable: HAILONG
Residuals Statisticsa Minimu m Maximu m Mean Std. Deviation N Predicted Value 3.0641 22.5881 13.5811 4.10919 200 Residual -8.76801 11.62674 .00000 3.27087 200 Std. Predicted Value -2.559 2.192 .000 1.000 200 Std. Residual -2.647 3.510 .000 .987 200 a. Dependent Variable: HAILONG
Sau khi tiến hành kiểm định sự thay đổi của phƣơng sai của sai số bằng phƣơng pháp kiểm định White ta có kết quả nhƣ bảng trên với giá trị p= 0,046 < 0,05 nên ta có đủ cơ sở để bác bỏ H0 , chấp nhận H1 nghĩa là giả thuyết phƣơng sai của sai số thay đổi bị bác bỏ, chứng tỏ phƣơng sai của sai số không đổi, nghĩa là mô hình ƣớc
55
SVTH: Trần Trọng Quân
lƣợng của chúng ta là mô hình phù hợp, ƣớc lƣợng của phƣơng sai kiểm định các giả thuyết về hệ số hồi quy trên có ý nghĩa.
4.7.3 Kiểm định về phân phối chuẩn của phần dư
Nguồn – Tác giả xử lý số liệu bằng SPSS
Hình 4.2 Biểu đồ phân phối chuẩn phân dƣ
Dựa vào đồ thị có thể nói phân phối chuẩn của phần dƣ xấp xỉ chuẩn (Mean= 1.29E-15) và độ lệch chuẩn Std.Dev = 0.987 tức là gần bằng 1. Do đó có thể kết luận giả thiết phân phối chuẩn của phần dƣ không bị vi phạm.
Ta có thể dùng thêm biểu đồ P-P plot để kiểm tra giả thiết này:
Nguồn – Tác giả xử lý số liệu bằng SPSS
Hình 4.3 Biểu đồ P-P plot
Dựa vào hình vẽ P-P plot cho thấy các điểm quan sát không phân tán quá xa đƣờng thẳng kỳ vọng, nên ta có thể kết luận là giả thiết phân phối chuẩn không bị vi phạm.
56
SVTH: Trần Trọng Quân
4.7.4 Kiểm định về tính độc lập của sai số (hay không có tự tương quan giữa các phần dư) phần dư)
Tự tƣơng quan là sự tƣơng quan giữa các thành phần của chuỗi quan sát đƣợc sắp xếp theo thứ tự thời gian hoặc không gian.Có nhiều lý do dẫn đến hiện tƣợng tự tƣơng quan nhƣ các biến có ảnh hƣởng không đƣợc đƣa hết vào mô hình do giới hạn và mục tiêu nghiên cứu, sai số trong đo lƣờng các biến… điều này cũng gây ra những tác động sai lệch nghiêm trọng đến mô hình. Đại lƣợng thống kê Durbin- Watson có thề dùng để kiểm định tƣơng quan của các sai số kề nhau.
Kiểm định giả thiết:
Ho : hệ số tƣơng quan tổng thể của các phần dƣ bằng 0 H1 : hệ số tƣơng quan tổng thể của các phần dƣ khác 0
Trong thực tế khi tiến hành kiểm định Durbin – Watson, ngƣời ta thƣờng áp dụng quy tắc kiểm định đơn giản sau:
- Nếu 1 < d < 3 thì kết luận mô hình không có tự tƣơng quan. - Nếu 0 < d < 1 thì kết luận mô hình có tự tƣơng quan dƣơng. - Nếu 3 < d < 4 thì kết luận mô hình có tự tƣơng quan âm.
Giá trị tra bảng của Durbin-Watson với 3 biến độc lập và 200 biến quan sát là : dL = 1,693 và dU = 1,747
Trong đó thông số d của mô hình = 1,748 nằm trong miền dU < d < 4-dU tức là trong khoảng 1.747< 1.748 < 2.253 nên có thể kết luận rằng mô hình không có hiện tƣợng tự tƣơng quan.
4.7.5 Kiểm định mối tương quan giữa các biến độc lập (đo lường Đa cộng tuyến)
Cuối cùng, trong mô hình hồi quy bội chúng ta đã giả định giữa các biến giải thích không có đa cộng tuyến tức là giữa các biến độc lập có tƣơng quan chặt chẽ với nhau. Để kiểm tra hiện tƣợng đa cộng tuyên, một thƣớc đo đƣợc sử dụng nhiều nhất là phân tử phóng đại phƣơng sai VIF.
Độ chấp nhận của biến (Tolerance) là khá cao, bên cạnh đó hệ số phóng đại phƣơng sai VIF đều nhỏ hơn 5 cho thấy các biến độc lập này không có mối quan hệ chặt chẽ với nhau, điều này chứng tỏ không có hiện tƣợng đa cộng tuyến xảy ra.
57
SVTH: Trần Trọng Quân
Từ tất cả các kiểm định trên ta có thể thấy rằng mô hình hồi quy đƣợc lựa chọn là phù hợp. Kết quả hồi quy nhƣ sau:
HL = 0.296+ 0.630 DVCSKH i + 0.170 DVTVi
+ Ý nghĩa của các hệ số hồi quy:
+ Đối với 2= 0.630 có ý nghĩa là khi các yếu tố khác không đổi thì khi DVCSKH tăng (giảm) 1% thì Sự hài lòng khách hàng tăng (giảm) 0.630 %. + Đối với 3= 0.170 có ý nghĩa là khi các yếu tố khác không đổi thì khi
DVTV hàng tăng (giảm) 1% thì Sự hài lòng khách hàng tăng (giảm) 0.170 %.
+ Qua phƣơng trình hồi quy trên ta cũng thấy yếu tố DVCSKH có ảnh hƣởng lớn nhất đến sự hài lòng của khách hàng, điều này cho ta thấy DVCSKH càng tốt thì sẽ càng làm cho Sự hài lòng của khách hàng tăng cao nhất. Tiếp theo DVCSKH là yếu tố DVTV tác động đến sự hài lòng của khách hàng.
58
SVTH: Trần Trọng Quân