Mô hình Hệ số chưa chuẩn hóa Hệ số chuẩn hóa t Sig Thống kê đa cộng tuyến B Std, Error Beta Độ chấp nhận Hệ số phóng đại phương sai
1 Hằng số -,267 ,254 -1,054 ,293 HH ,272 ,046 ,292 5,888 ,000 ,821 1,218 PV ,266 ,053 ,266 5,016 ,000 ,723 1,384 TB ,213 ,053 ,222 4,019 ,000 ,662 1,511 MB ,134 ,050 ,134 2,677 ,008 ,807 1,239 SAT ,202 ,045 ,218 4,473 ,000 ,849 1,178
Nguồn kết quả khảo sát trên phần mềm SPSS
Dựa vào bảng kết quả hồi quy ở trên, ta thấy 5 biến độc lập đạt mức ý nghĩa Sig < 0,05 lần lượt là HH (0,000), PV (0,000), TB (0,000), MB (0,008), SAT (0,000). Nhìn Mô hình Tổng bình phương df Trung bình bình phương F Sig 1 Hồi quy 48,856 5 9,771 58,541 ,000 Phần dư 33,550 201 ,167 Tổng 82,406 206
vào bảng kết quả ta thấy tất cả các hệ số Beta đều lớn hơn 0, cho nên các biến độc lập và biến phụ thuộc tác động thuận chiều với nhau. Nghĩa là khi một nhân tố bất kì nào đó được tăng lên thì sự hài lòng cũng tăng lên và ngược lại. Kết quả còn cho thấy biến HH có hệ số beta hiệu chỉnh (0,292) là lớn nhất nên nó tác động đến sự hài lòng là nhiều nhất, tiếp đến lần lượt là biến PV (0,266), TB (0,222), SAT (0,218) và biến MB có hệ số beta hiệu chỉnh (0,134) là nhỏ nhất nên nó tác động đến sự hài lòng là ít nhất.
Ngoài ra kết quả hệ số phóng đại phương sai VIF (Variance Inflation Factor) là rất nhỏ từ 1,178 – 1,511 < 2 đạt yêu cầu. Từ đó rút ra kết luận, mô hình hồi quy không có hiện tượng đa cộng tuyến, mô hình có ý nghĩa thống kê, nên các nhân tố trong mô hình được chấp nhận.
Ý nghĩa của hệ số hồi quy
Với giả thuyết đã đưa ra, phương trình hồi quy đa biến hệ số beta chưa chuẩn hóa có dạng:
SHL = β0 + β1*HH + β2*PV + β3*TB + β4*MB + β5*SAT
Trong đó:
• Β0: Hằng số
• β1: Hệ số hồi quy chưa chuẩn hóa của thành phần hàng hóa • β2: Hệ số hồi quy chưa chuẩn hóa của thành phần phục vụ • β3: Hệ số hồi quy chưa chuẩn hóa của thành phần trưng bày • β4: Hệ số hồi quy chưa chuẩn hóa của thành phần mặt bằng • β5: Hệ số hồi quy chưa chuẩn hóa của thành phần sự an toàn
Mối quan hệ giữa biến độc lập và biến phụ thuộc được thể hiện qua phương trình sau:
SHL = 0,272*HH + 0,266*PV + 0,213*TB + 0,134*MB + 0,202*SAT
4.3.3. Kiểm định các giả định của hồi quy tuyến tính
Say khi phân tích hồi quy cho ra kết quả, ta cần phải xem xét, kiểm tra lại kết quả đó có bị vi phạm giả định hồi quy hay không. Kết quả tính toán sẽ được cho là không đáng tin cậy khi các giả định bị vi phạm.
Có nhiều lý do mà phần dư có thể không theo phân phối chuẩn như: sử dụng sai mô hình, số lượng các phần tử không đủ để phân tích…. cho nên cần thực hiện nhiều các khác nhau. Có 2 cách phổ biến thường được sử dụng là căn cứ vào biểu đồ Histogram và Normal P-P Plot phần dư. Trong nghiên cứu này tác giả sử dụng biểu đồ Histogram để kiểm tra.
Biểu đồ 4. 1. Tần số phần dư chuẩn hoá Histogram
Từ biểu đồ 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 0,988 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.
Kiểm định liên hệ tuyến tính giữa phần dư chuẩn hóa với giá trị dự đoán chuẩn hóa
Để kiểm tra giả định liên hệ tuyến tính, tác giả sử dụng biểu đồ Scatter Plot. Biểu đồ phân tán Scatter Plot giữa các phần dư chuẩn hóa và giá trị dự đoán chuẩn hóa giúp chúng ta dò tìm xem các dữ liệu hiện tại có vi phạm giả định liên hệ tuyến tính hay không.
Biểu đồ 4. 2. Scatter Plot kiểm tra giả định liên hệ tuyến tính
Phần dư chuẩn hóa phân bổ tập trung xung quanh đường tung độ 0, do vậy giả định quan hệ tuyến tính không bị vi phạm.