QD SP YTKQ CSVC NS DV UTTH QD Pearson Correlation 1 .600** .399** .465** .560** .313** .625** Sig. (2-tailed) .000 .000 .000 .000 .000 .000 N 220 220 220 220 220 220 220 SP Pearson Correlation .600** 1 .157* .265** .225** .243** .261** Sig. (2-tailed) .000 .020 .000 .001 .000 .000 N 220 220 220 220 220 220 220 YTKQ Pearson Correlation .399** .157* 1 .220** .374** .048 .312** Sig. (2-tailed) .000 .020 .001 .000 .481 .000 N 220 220 220 220 220 220 220 CSVC Pearson Correlation .465** .265** .220** 1 .339** .211** .368** Sig. (2-tailed) .000 .000 .001 .000 .002 .000 N 220 220 220 220 220 220 220 NS Pearson Correlation .560** .225** .374** .339** 1 .132 .347** Sig. (2-tailed) .000 .001 .000 .000 .051 .000 N 220 220 220 220 220 220 220 DV Pearson Correlation .313 ** .243** .048 .211** .132 1 .095 Sig. (2-tailed) .000 .000 .481 .002 .051 .159
N 220 220 220 220 220 220 220
UTTH
Pearson Correlation .625** .261** .312** .368** .347** .095 1
Sig. (2-tailed) .000 .000 .000 .000 .000 .159
N 220 220 220 220 220 220 220
(Nguồn: Trích xuất kết quả SPSS tại phụ lục 7)
Sig tương quan Pearson các biến độc lập SP, YTKQ, CSVC, NS, DV, UTTH với biến phụ thuộc QD nhỏ hơn 0.05. Như vậy, có mối liên hệ tuyến tính giữa các biến độc lập này với biến QD. Giữa biến UTTH và QD có mối tương quan mạnh nhất với hệ số r là 0.625, giữa DV và QD có mối tương quan yếu nhất với hệ số r là 0.313.
Các cặp biến độc lập đều có mức tương quan khá yếu với nhau, như vậy khả năng sẽ không có hiện tượng đa cộng tuyến xảy ra.
4.4.4.2. Kiểm tra các giả định của phân tích hồi quy.
Phân tích hồi qui không chỉ là việc mô tả các dữ liệu quan sát được mà còn phải suy rộng cho mối liên hệ giữa các biến trong tổng thể từ các kết quả quan sát được trong mẫu đó. Kết quả của mẫu suy rộng ra cho giá trị của tổng thể phải đáp ứng các giả định cần thiết dưới đây:
a. Giả định hiện tượng đa cộng tuyến:
Kiểm tra giả định về hiện tượng đa cộng tuyến (tương quan giữa các biến độc lập) thông qua giá trị hệ số phóng đại phương sai VIF (Variance inflation factor): VIF > 10 thì có thể kết luận có hiện tượng đa cộng tuyến (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005). Dựa vào Bảng 4.14 ta thấy kết quả hồi quy các biến đều có hệ số VIF < 2, do đó kết luận các biến trong mô hình độc lập với nhau và hiện tượng đa cộng tuyến không xảy ra trong mô hình.
b. Kiểm định Durbin Watson:
Durbin-Watson (DW) dùng để kiểm định tự tương quan của các sai số kề nhau (hay còn gọi là tương quan chuỗi bậc nhất) có giá trị biến thiên trong khoảng từ 0 đến 4; nếu các phần sai số không có tương quan chuỗi bậc nhất với nhau thì giá trị sẽ gần bằng 2 (từ 1 đến 3); nếu giá trị càng nhỏ, gần về 0 thì các phần sai số có
nghịch, thường giá trị DW nằm trong khoảng 1.5 đến 2.5 sẽ không xảy ra hiện tượng tự tương quan. Theo bảng 4.12 hệ số DW = 2.123 nằm trong khoảng 1.5 đến 2.5 nên không có hiện tượng tự tương quan chuỗi bậc nhất xảy ra.
c. Giả định phân phối chuẩn của phần dư.
Biểu đồ tần số phần dư chuẩn hóa Histogram
Từ biểu đồ trích xuất kết quả SPSS tại phụ lục 9 ta thấy được, một đường cong phân phối chuẩn được đặt chồng lên biểu đồ tần số. Đường cong này có dạng hình chuông, phù hợp với dạng đồ thị của phân phối chuẩn. Giá trị trung bình Mean gần bằng 0, độ lệch chuẩn là 0.986 gần bằng 1, như vậy có thể nói, phân phối phần dư xấp xỉ chuẩn. Do đó, có thể kết luận rằng: Giả thiết phân phối chuẩn của phần dư không bị vi phạm.
Biểu đồ phần dư chuẩn hóa Normal P-P Plot (phụ lục 9)
Nhìn vào đồ thị này các điểm phân vị trong phân phối của phần dư tập trung thành 1 đường chéo, như vậy, giả định phân phối chuẩn của phần dư không bị vi phạm.
d. Giả định liên hệ tuyến tính..
Biểu đồ Scatter Plot kiểm tra giả định liên hệ tuyến tính (phụ lục 9)
Kết quả đồ thị xuất ra, Phần dư chuẩn hóa phân bổ tập trung xunh quanh đường tung độ 0, do vậy giả định liên hệ tuyến tính không bị vi phạm.
4.4.4.3. Phân tích hồi quy.
a. Các tiêu chí trong phân tích hồi quy:
Adjusted R Square hay còn gọi là R bình phương hiệu chỉnh, nó phản ánh mức độ giải thích biến phụ thuộc của các biến độc lập trong mô hình hồi quy. Mức giao động giá trị này là từ 0 đến 1, chỉ số này càng tiến về 1 thì mô hình càng có ý nghĩa.
Giá trị sig của kiểm định F được sử dụng để kiểm định độ phù hợp của mô hình hồi quy. Nếu sig nhỏ hơn 0.05, ta kết luận mô hình hồi quy tuyến tính bội phù hợp với tập dữ liệu và có thể sử dụng được.
Sau khi loại các biến không có ý nghĩa thống kê, đưa các biến còn lại vào tiến hành phân tích để đưa ra kết luân mô hình hồi quy cho nghiên cứu.