4.1.6. Phân tích tương quan (pearson)
Để thuận tiện trong quá trình phân tích tương quan và hồi quy, tác giả thực hiện ghép các biến ở cùng một nhóm quan sát thành một yếu tố thơng qua lệnh compute như sau: Transform/compute/ NHANTHUC=(H11+H12+H13+H14)/ Transform/compute/ CONGNGHE=(H21+H22+H23+H24+H25)/5 Transform/compute/ PHAPLY =(H31+H32+H33+H34)/4 Transform/compute/ SHTRITUE =(H41+H42+H43+H44)/4 Transform/compute/ TTOANDTU =(H51+H52+H53+H54)/4 Transform/compute/ NNHANLUC =(H61+H62+H63+H64)/4 Transform/compute/ TCQUANTRI=( H71+H72+H73+H74)/4
Trước khi phân tích hồi quy, tác giả tiến hành phân tích tương quan Pearson kiểm tra mối tương quan tuyến tính giữa biến phụ thuộc với các biến độc lập, vì điều kiện để hồi quy là trước nhất phải tương quan. Ngoài ra, cũng cần nhận diện vấn đề đa cộng tuyến khi các biến độc lập có tương quan mạnh với nhau.
Bảng 4.16: Kết quả phân tích tương quan
X1. Nhận X4. Sở X5. Hệ
X2. Cơng X3. Hạ hữu trí thống X6. X7. Tổ thức của
nghệ và tầng tuệ và bảo thanh Nguồn chức và khách
bảo mật pháp lý vệ người toán nhân lực quản trị hàng tiêu dùng điện tử X1. Tương quan 1 0,956** 0,964** 0,910** 0,783** 0,825** 0,869** Nhận Pearson thức của Sig. (2- 0,000 0,000 0,000 0,000 0,000 0,000 khách tailed) hàng N 180 180 180 180 180 180 180 X2. Tương quan 0,956** 1 0,934** 0,864** 0,718** 0,883** 0,875** Công Pearson nghệ và Sig. (2- 0,000 0,000 0,000 0,000 0,000 0,000 bảo mật tailed) N 180 180 180 180 180 180 180 X3. Hạ Tương quan 0,964** 0,934** 1 0,852** 0,754** 0,811** 0,829** tầng Pearson pháp lý Sig. (2- 0,000 0,000 0,000 0,000 0,000 0,000 tailed) 60
N 180 180 180 180 180 180 180 X4. Sở Tương quan 0,910** 0,864** 0,852** 1 0,794** 0,812** 0,866** hữu trí Pearson tuệ và Sig. (2- 0,000 0,000 0,000 0,000 0,000 0,000 bảo vệ tailed) người N tiêu 180 180 180 180 180 180 180 dùng X5. Hệ Tương quan 0,783** 0,718** 0,754** 0,794** 1 0,614** 0,630** thống Pearson thanh Sig. (2- 0,000 0,000 0,000 0,000 0,000 0,000 toán tailed) điện tử N 180 180 180 180 180 180 180 X6. Tương quan 0,825** 0,883** 0,811** 0,812** 0,614** 1 0,880** Nguồn Pearson nhân lực Sig. (2- 0,000 0,000 0,000 0,000 0,000 0,000 tailed) N 180 180 180 180 180 180 180 X7. Tổ Tương quan 0,869** 0,875** 0,829** 0,866** 0,630** 0,880** 1 chức và Pearson quản trị Sig. (2- 0,000 0,000 0,000 0,000 0,000 0,000 tailed) N 180 180 180 180 180 180 180
Nguồn: Số liệu khảo sát, phân tích, 2018
Kết quả kiểm định hệ số tương quan cho thấy Sig. giữa các biến độc lập và biến phụ thuộc đều nhỏ hơn 0,05 - nghĩa là các biến độc lập có tương quan với biến phụ thuộc nên các biến này được giữ nguyên để đưa vào tiếp tục chạy hồi quy.
Quan sát Sig. của các biến độc lập với nhau, ta thấy một số biến độc lập có Sig. <
0,05 chứng tỏ các biến độc lập này có mối tương quan và nó càng khẳng định tính độc lập tốt giữa các biến độc lập.
Các biến độc lập có Sig. < 0,05 chứng tỏ các biến độc lập này có mối tương quan
với nhau, ta bắt đầu lưu ý tới hệ số tương quan Pearson để xem mối tương quan mạnh hay yếu giữa các biến, chẳng hạn Sig. của biến CONGNGHE với biến TCQUANTRI là 0,00 < 0,05 - chứng tỏ hai biến độc lập này có mối tương quan với nhau, lúc này ta xét số tương quan Pearson Correlation (r) của hai biến nay bằng 0,875** - tương quan tương đối cao, trường hợp (r) càng tiến về 1 thì tương quan càng mạnh, lúc này ta cần chú ý có thể xảy ra hiện tượng đa cộng tuyến khi phân tích hồi quy. Tương tự xét như vậy cho các biến độc lập còn lại.
Theo ma trận tương quan thì 7 biến độc lập tương quan với biến phụ thuộc “Nhận thức của khách hàng về e-logistics”. Mối liên hệ giữa E-logistics và 7 biến độc lập là tương quan cùng chiều. Do đó, 7 biến độc lập này sẽ được đưa vào mơ hình để giải thích cho biến “Nhận thức của khách hàng về e-logistics” trong phân tích hồi quy tiếp theo.
4.1.7. Phân tích hồi quy tuyến tính và kiểm định mơ hình
Phân tích hồi quy nhằm nghiên cứu mức độ tác động của 7 yếu tố: (1) Nhận thức của khách hàng; (2) Công nghệ và bảo mật; (3) Hạ tầng pháp lý; (4) Sở hữu trí tuệ và bảo vệ người tiêu dùng; (5) Hệ thống thanh toán điện tử; (6) Nguồn nhân lực; (7) Tổ chức và quản trị đến e-logistics. Sử dụng phương trình hồi quy bội để nghiên cứu ảnh hưởng của của các biến độc lập X1, X2, X3, X4, X5, X6, X7 đến e-logistics Y. Để phân tích phương trình hồi quy được thuận tiện tác giả xây dựng phương trình hồi quy có dạng như sau (Đinh Phi Hổ, 2012):
n
Yi = β0 + ∑ βi X i
i=1
Trong đó: + Yi: Hàm kết quả - Hoạt động E-logistics
+β (0, i = 1÷n ): mức độ tác động
+ Xi - X1- Nhận thức của khách hàng; X2- Công nghệ và bảo mật; X3- Hạ tầng
pháp lý; X4- Sở hữu trí tuệ và bảo vệ người tiêu dùng; X5- Hệ thống thanh toán điện tử; X6- Nguồn nhân lực; X7- Tổ chức và quản trị – là các nhóm yếu tố tác động đến
q trình phát triển E-logistics.
Trong đó:
Y: Hoạt động E-logistics (e-logistics)
X1: Nhận thức của khách hàng (NHANTHUC) X2: Công nghệ và bảo mật (CONGNGHE) X3: Hạ tầng pháp lý (PHAPLY)
X4: Sở hữu trí tuệ và bảo vệ người tiêu dùng (SHTRITUE) X5: Hệ thống thanh toán điện tử (TTOANDTU)
X7: Tổ chức và quản trị (TCQUANLY)
β0 i, βi: Hằng số hồi quy và các hệ số của phương trình hồi quy của các yếu tố, i tương ứng (i = 1, 2, 3, 4, 5, 6, 7).
Nghiên cứu thực hiện hồi quy đa biến theo phương pháp Enter: 7 biến độc lập và biến phụ thuộc được đưa vào một lần và xem xét các kết quả thống kê liên quan vấn đề nghiên cứu.
Sau khi đưa biến phụ thuộc và 7 biến độc lập vào chạy hồi quy thì tất cả biến độc lập đều có Sig. < 0,05 nên 7 biến đều được giữ lại (Bảng 4.18).
Vậy những yếu tố được sử dụng trong mơ hình bao gồm: X1- Nhận thức của khách hàng; X2- Công nghệ và bảo mật; X3- Hạ tầng pháp lý; X4- Sở hữu trí tuệ và bảo vệ người tiêu dùng; X5- Hệ thống thanh toán điện tử; X6- Nguồn nhân lực; X7- Tổ chức và quản trị.
- Dị tìm sư vi phạm các giả định cần thiết trong mơ hình hồi quy
Phân tích hồi quy không phải chỉ là việc mô tả các dữ liệu quan sát được. Sự chấp nhận và diễn dịch kết quả hồi quy không thể tách rời các giả định quả quan sát được trong mẫu, ta phải suy rộng kết luận cho mối liên hệ giữa các biến và những chuẩn đốn về sự vi phạm các giả định đó. Nếu các giả định bị vi phạm thì các kết quả ước lượng được khơng đáng tin cậy nữa. (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008).
Do đó, để bảo đảm sự diễn dịch từ kết quả hồi quy của mẫu cho tổng thể đạt được độ tin cậy, tác giả thực hiện kiểm định các giả định trong mơ hình hồi quy có bị vi phạm hay không bao gồm các giả định:
+ Giả định liên hệ tuyến tính, Phương pháp được sử dụng là đồ thị phân tán
Scatterplot với giá trị phần dư chuẩn hóa trên trục hồnh và giá trị dự đốn chuẩn hóa trên trục tung. Nếu giả định liên hệ tuyến tính và phương sai bằng nhau được thỏa mãn, thì ta sẽ khơng nhận thấy có liên hệ gì giữa các giá trị dự đoán và phần dư, chúng sẽ phân tán rất ngẫu nhiên. Nhận xét đồ thị phân tán Scatterplot hình 4.2, ta nhận thấy phần dư phân tán ngẫu nhiên trong một vùng xung quanh đường đi qua đường hồnh độ 0. Như vậy, giả định liên hệ tuyến tính của mơ hình khơng bị vi phạm.
+ Phương sai của sai số khơng đổi, Đồ thị phân tán ở hình 4.2 cũng cho thấy
dư) trong một phạm vi không đổi. Như vậy, giả định phương sai của sai số không đổi không bị vi phạm.