CHƯƠNG 4 : KẾT QUẢ NGHIÊN CỨU
4.4 Phân tích tương quan và phân tích hồi quy
4.4.1 Phân tích tương quan
Bảng 4.12: Hệ số tương quan các biến của phương trình
Biến Hệ số Giá trị cảm xúc Giá trị tiện dụng Giá trị điều kiện Giá trị xã hội Giá trị tri thức Pearson Correlation ,729(**) ,604(**) ,560(**) ,494(**) ,566(**) Sử dụng lại Sig. (2-tailed) ,000 ,000 ,000 ,000 ,000 Qua phân tích tương quan, hầu hết các biến độc lập trong mơ hình đều có tương quan với biến phụ thuộc và đều có ý nghĩa thống kê (p<0.05). Điều này cho thấy các giả thuyết phát biểu trong phương trình có khả năng được chấp nhận. Kế tiếp, phân tích hồi quy được sử dụng nhằm tìm hiểu sâu hơn dữ liệu và kiểm định một cách chính thức các giả thuyết đưa ra.
4.4.2 Phân tích hồi quy
4.4.2.1 Đánh giá và kiểm định độ phù hợp của mơ hình
Để đánh giá độ phù hợp của mơ hình ta sử dụng hệ số xác định R2 và kiểm định F Hệ số xác định R2 đã được chứng minh là hàm không giảm theo số biến độc lập được đưa vào mơ hình, bạn càng đưa thêm biến độc lập vào mơ hình thì R2 càng tăng, tuy nhiên điều này cũng được chứng minh rằng khơng phải phương trình càng có nhiều biến thì sẽ càng phù hợp hơn với dữ liệu. Như vậy R square có khuynh hướng là một ước lượng lạc quan của thước đo sự phù hợp của mơ hình đối với dữ liệu trong trường hợp có hơn một biến giải thích trong mơ hình. Mơ hình thường khơng phù hợp với dữ liệu thực tế như giá trị R2 thể hiện.
Vì vậy, R2 điều chỉnh được sử dụng để phản ánh sát hơn mức độ phù hợp của mơ hình hồi qui tuyến tính, dùng nó đánh giá độ phù hợp của mơ hình sẽ an tồn hơn vì nó khơng thổi phồng mức độ phù hợp của mơ hình.
Bảng 4.13: Bảng đánh giá độ phù hợp của mơ hình Model Summary
a Predictors: (Constant), GTTT, GTDK, GTXH, GTTD, GTCX
Bảng 4.14 Kết quả phân tích phương sai ANOVA
ANOVA(b) Mơ hình Tổng bình phương df Bình phương trung bình F Sig.
1 Hồi quy 219,095 5 43,819 79,611 ,000(a) Số dư 124,393 226 ,550
Tổng 343,489 231
a Predictors: (Constant), GTTT, GTDK, GTXH, GTTD, GTCX b Dependent Variable: SDL
Theo bảng 4.13 hệ số R2 điều chỉnh bằng .630 thể hiện 5 biến độc lập trong mơ hình giải thích được 63% biến thiên của biến phụ thuộc là Sử dụng lại. Với giá trị này thì độ phù hợp của mơ hình là khá cao.
Tiếp theo kiểm đinh F vẫn là một phép kiểm định giả thuyết về độ phù hợp của mơ hình hồi quy tuyến tính tổng thể. Ta có trị số F là 79,611 được tính từ giá trị R2 của mơ hình đầy đủ, và giá trị Sig. rất nhỏ (< 0.000) cho thấy sẽ an toàn khi bác bỏ giá thuyết H0 cho rằng tất cả các hệ số hồi qui bằng 0 (ngoại trừ hằng số). Mơ hình hồi qui tuyến tính bội đưa ra là phù hợp với dữ liệu và có thể sử dụng được.
Mơ hình R R 2 R2 hiệu chỉnh Độ lệch chuẩn của ước lượng Durbin - Watson 1 ,799(a) ,638 ,630 ,74190 1,898
4.4.2.2 Phân tích hồi quy
Bảng 4.15 Kết quả các thông số hồi qui Mô Mô hình Chưa chuẩn hố Chuẩn hố t Sig. Collinearity Statistics B Độ lệch
chuẩn Beta Tolerance VIF
1 (Hằng số) ,375 ,246 1,528 ,128 GTCX ,426 ,060 ,409 7,124 ,000 ,485 2,060 GTTD ,124 ,048 ,141 2,598 ,010 ,546 1,832 GTDK ,173 ,043 ,197 4,022 ,000 ,668 1,498 GTXH ,120 ,044 ,134 2,737 ,007 ,669 1,495 GTTT ,113 ,043 ,137 2,607 ,010 ,577 1,734
- Qua bảng 4.15, quan sát giá trị sig của cả 5 nhân tố Giá trị cảm xúc, giá trị tiện dụng, giá trị điều kiện, giá trị xã hội và giá trị tri thức đều tác động dương đến Sử dụng lại.
- Mặc khác, xem xét giá trị Sig. của 5 nhân tố đều có ý nghĩa về mặt thống kê đến Sử dụng lại (sig <0.05).
- Biến giá trị cảm xúc có giá trị VIF = 2.060 > 2, thơng thường thì đây là dấu hiệu thể hiện vấn đề tiềm tàng do đa cộng tuyến gây ra. Tuy nhiên, trong trường hợp khơng xét nghiêm ngặt thì có thể bỏ qua hiện tượng đa cộng tuyến khi trị thống kê t > 2 (trường hợp này t = 7,124). Do đó trong trường hợp trên, có cơ sở để xem như hiện tượng đa cộng tuyến xảy ra đối với biến giá trị cảm xúc là có thể chấp nhận được.
- Ngồi ra, kết quả phân tích hồi qui cho thấy các biến quan sát như Giá trị cảm xúc (GTCX), Giá trị tiện dụng (GTTD), Giá trị điều kiện (GTDK), Giá trị xã hội (GTXH) và Giá trị tri thức (GTTT) đều có ảnh hưởng dương đến Sử dụng lại (SDL) với beta chuẩn hóa lần lượt là .409, .141, .197, .134 và .137 ở mức ý nghĩa 5%. Do đó giả thuyết H1, H2, H3, H4 và H5 đều được ủng hộ.
Kiểm tra các giả định ngầm của hồi qui tuyến tính
Mơ hình hồi qui được xây dựng trên các giả định cần thiết cho hồi qui tuyến tính. Do đó, mơ hình hồi qui cần phải được kiểm tra sự vi phạm các giả định này.
- Giả định về phân phối chuẩn của phần dư: đồ thị phân phối chuẩn của phần dư
cho thấy phân phối của phần dư gần như là phân phối chuẩn. Đồ thị P-P plot của phần dư cũng cho thấy các điểm quan sát thực tế tập trung sát với đường thẳng kỳ vọng (bảng 15 của phụ lục 4.4). Như vậy, giả định về phân phối chuẩn của phần dư khơng bị vi phạm.
- Giả định về tính độc lập của sai số: hệ số Durbin-Watson của mơ hình hồi quy
là 1,898 (bảng 4.13), ta có thể kết luận giả định về tính độc lập của sai số không bị vi phạm.
- Giả định liên hệ tuyến tính và phương sai của sai số khơng đổi: đồ thị biểu diễn
phần dư chuẩn hóa theo giá trị dự đốn chuẩn hóa cho thấy chúng phân tán ngẫu nhiên (bảng 17 của phụ lục 4.4). Như vậy, giả định này khơng bị vi phạm.
Hình 4.2 Mơ hình hồi quy tổng thể của nghiên cứu