CHƯƠNG IV : KẾT QUẢ NGHIÊN CỨU
4.4. Kiểm định mơ hình nghiên cứu và các giả thuyết
4.4.2. Phân tích hồi quy tuyến tính bội
Sau khi tổng kết lý thuyết và cân nhắc kỹ về bản chất của mối liên hệ tiềm ẩn giữa các biến, tác giả có thể giả định chiều hướng của mối quan hệ là từ biến độc lập đến biến phụ thuộc (mối quan hệ nhân quả). Theo đó, tác giả sẽ kiểm định mối tương quan tuyến tính và ước lượng mức độ tác động của các biến độc lập lên biến phụ thuộc thơng qua phân tích hồi quy tuyến tính bội.
Phương trình hồi quy tuyến tính bội được viết như sau:
Với mục đích kiểm định lý thuyết khoa học, tác giả sử dụng phương pháp đồng thời (ENTER) trong SPSS, nghĩa là các nhân tố được đưa vào phân tích cùng một lúc. Đây cũng là phương pháp được tùy chọn mặc định trong SPSS, và cũng là phương pháp được sử dụng rộng rãi trong phân tích hồi quy bởi tính đơn giản và dễ diễn giải kết quả.
• Kiểm định độ phù hợp tổng thể của mơ hình
Đẩu tiên, tác giả sẽ kiểm định độ phù hợp tổng thể của mơ hình (kiểm định giả thuyết Ho: Bo = B1 = …= B7). Kết qủa của kiểm định F có mức ý nghĩa Sig. = 0,000 < 0,01 cho thấy có thể an tồn bác bỏ giả thuyết Ho tại mức ý nghĩa 1%, nghĩa là mơ hình hồi quy tuyến tính bội được xây dựng phù hợp với tập dữ liệu với mức độ tin cậy 99% và có thể tiến hành các phân tích tiếp theo.
Bảng 25: Bảng phân tích phương sai ANOVA (dữ liệu SPSS)
Nguồn Tổng biến thiên Bậc tự do Trung bình F Sig.
Hồi quy 45.373 7 6.482 85.025 .000b
Phần dư 25.920 340 .076
Tổng 71.293 347
a. Dependent Variable: YD
b. Predictors: (Constant), SC, AU, VT, KK, DV, GC, CS
• Kiểm định ý nghĩa của các hệ số hồi quy
Sau khi kiểm định sự phù hợp tổng thể của mơ hình, tác giả tiến hành kiểm định ý nghĩa của từng trọng số hồi quy, xác định chiều hướng và mức độ tác động lên biến phụ thuộc của từng nhân tố độc lập.
Dựa vào bảng dưới, ta thấy tất cả các trọng số hồi quy đều có ý nghĩa thống kê. Với các giá trị Sig nhỏ, gần như bằng 0, tại mức ý nghĩa 5% ta có thể an tồn bác bỏ giả thuyết Ho: Bj = 0. Theo đó, cả 7 nhân tố độc lập trong mơ hình đều có tác động đến ý định lựa chọn địa điểm tổ chức tiệc cưới và tác động này là tác động thuận chiều (do tất cả trọng số hồi quy đều dương). Nếu những đặc tính này của một địa điểm tổ chức tiệc cưới được cải thiện, khách hàng sẽ tăng khả năng lựa chọn địa điểm đó. Tuy nhiên mức độ tác động của các biến độc lập vào biến phụ thuộc là khác nhau. Tầm quan trọng của mỗi yếu tố phụ thuộc vào hệ số beta hiệu chỉnh, hệ số này càng lớn thì sự tác động đến biến phụ thuộc càng mạnh. Bảng trọng số hồi quy cho ta thấy nhân tố có tác động mạnh
nhất đến biến phụ thuộc là Gói dịch vụ cưới (beta = 0.505), tiếp theo là Giá cả (beta = 0.365), Thức ăn/thức uống (beta = 0.285). Nhân tố Tính sẵn có đóng một vai trị rất nhỏ trong việc giải thích biến phụ thuộc, với beta hiệu chỉnh chỉ đạt 0.079.
Bảng 26: Bảng trọng số hồi quy (dữ liệu SPSS)
Hệ số chưa chuẩn hóa Hệ số đã chuẩn hóa t Sig. Thống kê đa cộng tuyến B Độ lệch
chuẩn Beta Tolerance VIF
H ằ n g Hằng số -1.109 .325 -3.418 .001 DV .228 .015 .505 15.367 .000 .990 1.010 GC .230 .021 .365 11.088 .000 .985 1.015 AU .224 .026 .285 8.668 .000 .991 1.009 KK .212 .028 .246 7.469 .000 .983 1.017 CS .128 .027 .167 4.762 .000 .869 1.151 VT .163 .024 .221 6.739 .000 .995 1.005 SC .078 .035 .079 2.235 .026 .862 1.160 Biến phụ thuộc: YD
Mơ hình hồi quy tuyến tính bội được viết lại như sau:
• Kiểm tra hiện tượng đa cộng tuyến
Bảng trọng số hồi quy trên cịn chứa đựng thơng tin để kiểm tra sự xuất hiện của hiện tượng đa cộng tuyến, một loại vi phạm giả định của mơ hình hồi quy tuyến tính phổ biến. Trong thống kê, hệ số phóng đại phương sai (VIF) được dùng để đo lường mức độ của hiện tượng đa cộng tuyến trong phân tích hồi quy bình phương nhỏ nhất. Nó cung cấp một chỉ số đo lường cho biết là phương sai của mơ hình hồi quy (bình phương độ lệch chuẩn của tất cả ước lượng) đã bị phóng đại lên bao nhiêu do hiện tượng đa cộng tuyến.
YD = -1.109 + 0.228 * DV + 0.23 * GC + 0.224 * AU + 0.212 * KK + 0.128 * CS + 0.163 * VT + 0.078 * SC
Kết quả phân tích cho thấy tất cả các hệ số tollerance lớn dẫn tới các hệ số VIF đều nhỏ và nhỏ hơn 2, do đó ta có thể an tồn kết luận rằng hiện tượng đa cộng tuyến đã không xảy ra đối với tập dữ liệu đang nghiên cứu. Đối với 2 nhân tố SC và CS, mặc dù hệ số VIF của 2 nhân tố này hơi cao hơn các nhân tố khác nhưng đó vẫn là một giá trị nhỏ và đạt yêu cầu. Như vậy hiện tượng cộng tuyến giữa 2 biến này đã không xảy ra, và đến đây ta có thể kết luận rằng mối tương quan giữa chúng là không đáng ngại, khơng làm ảnh hưởng đến kết quả của mơ hình hồi quy tuyến tính.
• Đánh giá độ phù hợp của mơ hình
Tiếp theo, tác giả đánh giá độ phù hợp của mơ hình hồi quy tuyến tính bội (model fit)
Bảng 27: Bảng Model Summary (dữ liệu SPSS)
Hệ số R2 hiệu chỉnh luôn nhỏ hơn hệ số R2, vì vậy nó phản ánh tốt hơn về mức độ phù hợp của một mơ hình hồi quy, khơng thổi phồng mức độ phù hợp của mơ hình. Từ bảng Model Summary, R2 hiệuchỉnh đạt giá trị là là 0.629, là một giá trị khá tốt (đối với các nghiên cứu về kinh tế - xã hội, R2 hiệuchỉnh đạt từ 0.6 trở lên là đạt yêu cầu), có nghĩa là khả năng tương thích của mơ hình là lớn trong điều kiện đây là một nghiên cứu mới với bối cảnh Việt Nam. Các biến độc lập có thể giải thích 62.9% biến thiên của biến phụ thuộc. 37.1% cịn lại được giải thích bởi các yếu tố khác khơng đề cập đến trong mơ hình.
• Kiểm tra hiện tượng tự tương quan
Dựa vào bảng Model Summary ta cịn có thể kiểm tra hiện tượng tự tương quan giữa các phần dư (kiểm định giả định về tính độc lập của sai số). Với số quan sát N =
Mơ hình R R bình phương
R bình phương hiệu chỉnh
Sai số chuẩn của
ước lượng Durbin-Watson
1 .798a .636 .629 .27611 1.870
a. Predictors: (Constant), SC, AU, VT, KK, DV, GC, CS b. Dependent Variable: YD
348 và số biến độc lập k = 7, tra bảng Durbin-Watson ta được giá trị DL > 1.603 và DU > 1.746 (giá trị của DL và DU với N > 200). Do đó, hệ số Durbin-Watson của mơ hình đạt 1.87 là nằm trong khoảng DU và 4- DU. Do đó ta có thể chấp nhận giả thuyết khơng có hiện tượng tự tương quan chuỗi bậc nhất giữa các sai số, giả định về tính độc lập của sai số không bị vi phạm.