CHƯƠNG 4 PHÂN TÍCH DỮ LIỆU VÀ KẾT QUẢ
4.4 Phân tích hồi quy tuyến tính
4.4.2 Phân tích hồi quy
Sau khi tiến hành phân tích nhân tố khám phá, trong đó các biến đã được nhóm phân tích theo từng nhân tố, nghiên cứu được nhóm thực hiện nghiên cứu phân tích hồi quy. Mơ hình hồi quy được nghiên cứu sử dụng là mơ hình hồi quy tuyến tinh đa biến để giải thích mối quan hệ giữa biến phụ thuộc và các biến độc lập. Q trình phân tích hồi quy, kết quả sẽ thể hiện được lý thuyết hành vi dự định ứng dụng kiếm tiền trực tuyến trên website, đồng thời cho biết mức độ ảnh hưởng của các yếu tố và tầm quan trọng ý nghĩa của chúng.
Cụ thể, phân tích hồi quy được thực hiện với 5 biến độc lập là (1) Sự kích thích , (2) sự hịa hợp, (3) sự tin tưởng, (4) tính tương hỗ , (5) tâm lý ki mua hàng. Phương pháp đưa vào một lượt (phương pháp Enter) được dùng để phân tích hồi quy.
Trong mơ hình hồi quy, Biến phụ thuộc là biến “ quyết định lựa chọn mua hàng tại các sàn thương mại điện tử”. Giá trị của các yếu tố được dùng để chạy hồi quy là giá trị trung bình của các biến quan sát. Mơ hình được viết như sau:
DC = β0 + β1*PB + β2*ST + β3*TR + β4*HA + β5*RE + ε
Trong đó:
Biến phụ thuộc DC
Biến độc lập là 5 nhóm nhân tố: PB: Tâm lý khi mua hàng ST: Sự kích thích
TR: Sự tin tưởng HA: Sự hịa hợp RE : Tính tương hỗ β0 : Hằng số.
βi : Các hệ số hồi quy (0 < i < 5). (β0 ,β1, β2,β3) ε : sai số
ST,TR, HA, RE, là biến độc lập, là biến tác động lên biến khác. β0 là hằng số hồi quy, cịn gọi là hệ số chặn. Chỉ số β0 nói lên giá trị của BE sẽ là bao nhiêu nên tất cả các biến độc lập cùng bằng 0. Hay chỉ số này cho biết giá trị của biến phụ thuộc DC là bao nhiêu nếu khơng có các biến độc lập. Khi biểu diễn trên đồ thị Oxy, β0 là điểm trên trục Oy
mà đường hồi quy cắt qua. βi là hệ số hồi quy (hệ số góc), chỉ số này cho biết về mức thay đổi của Y gây ra bởi X tương ứng. Chỉ số này nói lên có bao nhiêu đơn vị biến phụ thuộc sẽ thay đổi nếu các biến độc lập tăng hoặc giảm 1 đơn vị. Sai số e, chỉ số này càng lớn càng khiến cho khả năng dự đốn của hồi quy trở nên kém chính xác hơn sai lệch nhiều hơn so với thực tế, sai số hồi quy trong hồi quy tổng thể hay phần dư trong hồi quy mẫu đại diện cho hai giá trị: Một là các biến độc lập ngồi mơ hình, hai là các sai số ngẫu nhiên.
4.4.2.1 Đánh giá sự phù hợp của mơ hình hồi quy
Dựa vào bảng các nhân tố độc lập khảo sát trong mơ hình ảnh hưởng 7.6% đến nhân tố phụ thuộc. Hệ số R2 hiệu chỉnh là .760. Nghĩa là 7.6% biến thiên của biến phụ thuộc được giải thích bởi 5 nhân tố độc lập. Điều này cho thấy mơ hình hồi quy tuyến tính này phù hợp với tập dữ liệu ở mức 7.6%, tức là các biến độc lập giải thích được 7.6% biến thiên của biến phụ thuộc. Một con số rất thấp vì chưa đạt tới ngưỡng một nữa là 50%.
Bảng 4.7: Đánh giá sự phù hợp của mơ hình
Tóm tắt mơ hình M ơ hình R R2 R2 hiệu chỉnh Std. Lỗi ước lượng 1 .875 a .76 6 .760 .39847
(Nguồn: Kết quả phân tích dữ liệu nghiên cứu)
4.4.2.2 Kiểm định sự phù hợp của mơ hình
định t. Để có thể suy mơ hình này thành mơ hình của tổng thể ta cần phải tiến hành kiểm định F thơng qua phân tích phương sai.
Ta có Sig. của F = 0.00 < 0.05. Như vậy, điều này có nghĩa là kết hợp của các biến thể hiện có trong mơ hình có thể giải thích được thay đổi của biến phụ thuộc hay nói cách khác có ít nhất một biến độc lập nào đó có ảnh hưởng đến biến phụ thuộc.
Để đảm bảo các biến độc lập đều thực sự có ảnh hưởng đến biến phụ thuộc, ta tiến hành kiểm định t với độ tin cậy là 95%
Bảng 4.8: ANOVA ANOVAa Mơ hình Tổng các bình phương df Trun g bình bình phương F Sig. 1 Hồi quy 90.683 5 18.13 7 114.22 6 .000 b Phầ n dư 27.627 17 4 .159 Tổn g 118.31 0 17 9 a: Biến phụ thuộc: BE
b: Biến dự đoán: (Constant), AT, SN, NT, AW
(Nguồn: Kết quả phân tích dữ liệu nghiên cứu)
Dựa vào bảng kết quả hồi quy sử dụng phương pháp Enter, ta có mức giá trị Sig.F của 5 yếu tố là (1) Sự kích thích , (2) sự hịa hợp, (3) sự tin tưởng, (4) tính tương hỗ , (5) tâm lý ki mua hàng đều bé hơn 0.05, nghĩa là hồi quy khơng có nhân tố nào bị loại
bỏ, phù hợp với tổng thể.
Kiểm định giả thuyết về độ phù hợp với tổng thể của mơ hình, giá trị F = 114.226 với Sig. = 0.000 < 0.05. Chứng tỏ R2 của tổng thể khác 0. Đồng nghĩa với việc mơ hình hồi quy tuyến tính xây dựng phù hợp với tổng thể (chi tiết hơn là R2 tổng thể khơng thể tính cụ thể, nhưng ta biết chắc chắn sẽ khác 0, mà khác 0 thì chức tỏ là các biến độc lập có tác động đến biến phụ thuộc).
4.4.2.3 Kiểm định đa cộng tuyến
Hệ số phóng đại phương sai (VIF) là một chỉ số đánh giá hiện tượng cộng tuyến trong mơ hình hồi quy. VIF càng nhỏ, càng ít khả năng xảy ra cộng tuyến. Hair và cộng sự (2009) cho rằng, ngưỡng VIF từ 10 trở lên sẽ xảy ra đa cộng tuyến mạnh. Do đó nhóm nghiên cứu đã cố gắng đưa VIF ở mức thấp nhất có thể, thể hiện rõ trong bảng 4.8. Theo Nguyễn Đình Thọ & Nguyễn Thị Mai Trang (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.
Cụ thể trong trường hợp bài nghiên cứu của nhóm thì hệ số VIF của các biến độc lập đều nhỏ hơn 10, thậm chí nhỏ hơn 2, do vậy dữ liệu không vi phạm giả định đa cộng tuyến. Bảng 4.9: Hệ số phóng đại VIF Mơ hình Hệ thống cộng gộp Toleran ce VIF (Consta nt) CLT 1 1 TDU 1 1 TTD 1 1 TDB 1 1
Từ kết quả bảng hệ số phóng đại VIF cho thấy các chỉ số VIF đều lớn hơn 1 và nhỏ hơn 2, nên các biến độc lập trong mơ hình hồi quy khơng có hiện tượng đa cộng tuyến.
4.4.2.4 Kiểm định về liên hệ tuyến tính phương sai bằng nhau
Chúng ta xem xét đồ thị phân tán giữa giá trị phần dư đã chuẩn hóa và giá trị dự đốn đã chuẩn hóa mà hồi quy cho ra để kiểm định, giả định quan hệ tuyến tính và phương sai khơng đổi có thỏa mãn hay khơng. Biểu đồ phân tán Scatter Plot giữa các phần dư chuẩn hóa và giá trị dự đốn chuẩn hóa giúp chúng ta dị tìm xem dữ liệu hiện tại có vi phạm giả định liên hệ tuyến tính hay khơng.
Nhìn vào biểu đồ hình 4.2, các điểm dữ liệu phân bố tập trung quanh đường tung độ 0 và có xu hướng tạo thành một đường thẳng, giả định liên hệ tuyến tính khơng bị vi phạm.
Hình 4.4: Phân tán Scatter Plot
(Nguồn: Kết quả phân tích dữ liệu nghiên cứu)
4.4.2.5 Kiểm định phân phối chuẩn của phần dư
mơ hình, phương sai khơng phải hằng số, số lượng các phần dư không đủ nhiều để phân tích. Vì vậy, để kiểm định phân phối chuẩn của phần dư chúng ta có thể sử dụng biểu đồ Histogram.
Từ biểu đồ hinh 4.3 ta thấy được một đường cong phân phối chuẩn được đặt chồng lên biểu đồ tần số. Đường cong này có dạng hình chng, phù hợp với dạng của phân phối chuẩn. Giá trị trung bình Mean gần bằng 0, độ lệch chuẩn Std. Dev gần bằng 1, vậy có thể khẳng định phân phối xấp xỉ chuẩn, giả định phân phối chuẩn của phần dư không bị vi phạm. Cụ thể Mean = -5.32E-15 =0.0000000… = gần bằng 0, độ lệch chuẩn Std.Dev = 0.986 gần bằng 1. Như vậy phân phối phần dư xấp xỉ chuẩn, giả định phân phối chuẩn của phần dư khơng bị vi phạm.
Hình 4.5: Kiểm định phần dư phân phối chuẩn
(Nguồn: Kết quả phân tích dữ liệu nghiên cứu)