CHƯƠNG IV : KẾT QUẢ NGHIÊN CỨU
4.4. Kiểm định mơ hình nghiên cứu và các giả thuyết
4.4.3. Kiểm tra sự vi phạm các giả định của mơ hình hồi quy tuyến tính bội
Mơ hình hồi quy tuyến tính bội địi hỏi một số giả định (tổng cộng có 9 giả định) thì các tính tốn mới được thỏa mãn (Nguyễn Đình Thọ, 2014). Trong đó giả định thứ nhất là biến độc lập và biến phụ thuộc phải có quan hệ tuyến tính với nhau, điều này đã được kiểm chứng ở phần phân tích tương quan Pearson. Giả định thứ 2 là biến phụ thuộc phải là biến định lượng, điều này cũng thỏa mãn vì tất cả biến độc lập và biến phụ thuộc được đo lường bởi thang đo Likert 7 mức độ, được xem là biến định lượng (Nguyễn Đình Thọ, 2014). Giả định thứ 3 là các quan sát của biến phụ thuộc độc lập với nhau, giả định này luôn thỏa mãn đối với dữ liệu khảo sát. Giả định thứ 4 là các quan sát của biến độc lập cố định, giả định này vẫn thỏa vì với dữ liệu khảo sát bằng thang đo Likert, giá trị của biến độc lập luôn được xác định trước (thuộc 1 trong các giá trị 1, 2, 3, 4, 5, 6, 7). Giả định thứ 5 là không xuất hiện sai số đo lường, giả định này không thể được thỏa mãn hồn tồn nên ở chừng mực nào đó mức độ sai số là có thể chấp nhận được. Giả định thứ 6 là giả định về sự vắng mặt của tương quan chuỗi (tự tương quan), điều này đã được kiểm chứng ở trên. Giả định thứ 7 là với mọi giá trị của biến độc lập, giá trị kỳ vọng của sai số đều bằng 0, giả định này sẽ thỏa mãn khi phần dư có phân phối chuẩn. Tiếp theo, ta sẽ kiểm tra có hay khơng sự vi phạm 2 giả định cịn lại.
• Giả định thứ 8: Giả định về phân phối chuẩn của phần dư
Từ biểu đồ tần số của các phần dư chuẩn hóa ta thấy 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 đồ thị của phân phối chuẩn. Giá trị trung bình Mean rất nhỏ, gần như bằng 0,
độ lệch chuẩn là 0.990 gần như 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.
Hình 15: Biểu đồ tần số Histogram (dữ liệu SPSS)
Nhìn vào biểu đồ xác suất chuẩn P-P Plot của phần dư chuẩn hóa, các điểm phân vị trong phân phối của phần dư đã tập trung thành một đường chéo, thể hiện xác suất chuẩn của các phần dư chuẩn hóa khơng khác biệt nhiều với một phân phối chuẩn. Như vậy, tập dữ liệu đã không vi phạm giả định hồi quy về phân phối chuẩn của phần dư.
Hình 16: Biểu đồ xác suất chuẩn P-P Plot (dữ liệu SPSS)
Ở đồ thị phân tán Scatter Plot bên trên, giá trị phần dư chuẩn hóa (Regression Standardized Residual) được biểu diễn ở trục tung và giá trị dự đốn chuẩn hóa (Regression Standardized Predicted Value) ở trục hồnh. Nhìn vào đồ thị, các điểm thể hiện phần dư phân bố một cách ngẫu nhiên trong một vùng xung quanh đường tung độ 0. Đường tung độ hầu như chia đồ thị thành 2 nửa với số điểm tương đương nhau, các điểm này có xu hướng nhận những giá trị đối xứng quanh giá trị 0. Do đó, ta có thể kết luận giả định quan hệ tuyến tính khơng bị vi phạm.
Giả thiết thứ 9: Giả định về phương sai không đổi
Giả định về phương sai khơng đổi (homoscedasticity) có thể được kiểm tra một cách dễ dàng thông qua kiểm định White hoặc kiểm định Park với phần mềm thống kê Eviews. Tuy nhiên, SPSS không hỗ trợ 2 kiểm định này nên tác giả sẽ tự xây dựng một mơ hình hồi quy phụ để thực hiện kiểm định White, nghĩa là kiểm định giả thuyết Ho: phương sai không đổi (đồng nhất).
Mơ hình hồi quy phụ:
U2 = ao + a1DV + a2GC + a3AU + a4KK + a5CS + a6VT + a7SC + a8DV2 + a9GC2 + a10AU2 + a11KK2 + a12CS2 + a13VT2 + a14SC2 + a15 (DV*GC*AU*KK*CS*VT*SC) + v Trong đó U2 là bình phương phần dư, dữ liệu của giá trị U được sao lưu bằng SPSS ở giai đoạn phân tích hồi quy trước đó, v là sai số của mơ hình hồi quy phụ. Tác giả sử dụng Excel để tính tốn giá trị các biến mới trong mơ hình trên dựa vào tập dữ liệu có sẵn, sau đó phân tích hồi quy cho các biến độc lập và biến phụ thuộc như mơ hình trên để ước lượng độ phù hợp R2 hiệu chỉnh của mơ hình đó.
Bảng 28: Mơ hình hồi quy tuyến tính phụ (dữ liệu SPSS)
R R Square Adjusted R Square Std. Error of the Estimate Change Statistics R Square Change F Change df1 df2 Sig. F Change .223a .050 .007 .22327404 .050 1.158 15 332 .303
Giá trị R2 hiệu chỉnh = 0.007 => nR2 = 348 x 0.007 = 2.436. Tra bảng Chi bình phương với số tham số (k-1) bằng bậc tự do df1 = 15 của mơ hình hồi quy phụ, mức ý nghĩa 5% được giá trị Chi bình phương tới hạn là 25.
So sánh ta thấy giá trị nR2 nhỏ hơn rất nhiều so với giá trị tới hạn của Chi bình phương, do đó ta có thể an tồn kết luận là phương sai không thay đổi (chấp nhận giả thuyết Ho về phương sai không đổi).
Kết luận: Như vậy, tất cả các giả định của mơ hình hồi quy tuyến tính bội đều thỏa
mãn, chứng tỏ mơ hình hồn tồn phù hợp với tập dữ liệu và có độ tin cậy cao.