Chương 4 : PHÂN TÍCH KẾT QUẢ NGHIÊN CỨU
4.4 Hồi quy tuyến tính
4.4.3 Phân tích hồi quy
Phân tích hồi quy tuyến tính sẽ giúp chúng ta biết được cường độ ảnh hưởng của các biến độc lập lên biến phụ thuộc. Để tiến hành phân tích hồi quy tuyến tính bội, các biến đưa vào mơ hình theo phương pháp Enter. Tiêu chuẩn kiểm định là tiêu
chuẩn được xây dựng vào phương pháp kiểm định giá trị thống kê F và xác định xác suất tương ứng của giá trị thống kê F, kiểm định mức độ phù hợp giữa mẫu và tổng thể thông qua hệ số xác định R2. Cơng cụ chẩn đốn giúp phát hiện sự tồn tại của cộng tuyến trong dữ liệu được đánh giá mức độ cộng tuyến làm thối hóa tham số ước lượng là: Hệ số phóng đại phương sai (Variance inflation factor - VIF). Quy tắc khi VIF vượt quá 10, đó là dấu hiệu của đa cộng tuyến (Hoàng Tro ̣ng và Chu Nguyễn Mô ̣ng Ngo ̣c, 2008).
Dựa vào cơ sở lý thuyết và kết quả phân tích ở trên, ta sẽ đưa tất cả các biến độc lập trong mơ hình hồi quy đã điều chỉnh bằng phương pháp đưa vào cùng một lúc Enter để chọn lọc dựa trên tiêu chí chọn những biến có mức ý nghĩa < 0.05.
Kết quả phân tích hồi quy tuyến tính cho các biến số được thể hiện thơng qua các bảng sau:
Bảng 4.16 Hệ số R-Square từ kết quả phân tích hồi quy Model Summaryb Model Summaryb Mode l R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 .869a .756 .748 .29284 1.981
a. Predictors: (Constant), EMP, REL, RES, TAN, EXP, COS, ASS b. Dependent Variable: OLS
(Nguồn: Kết quả phân tích SPSS) So sánh hai giá trị R Square và Adjusted R Square có thể thấy Adjusted R Square nhỏ hơn, dùng nó để đánh giá độ phù hợp của mơ hình sẽ an tồn hơn vì nó khơng thổi phồng mức độ phù hợp của mơ hình. Vậy, nghiên cứu sẽ sử dụng R2 hiệu chỉnh để đánh giá mức độ phù hợp của mơ hình nghiên cứu. Độ phù hợp của mơ hình được kiểm định bằng trị thống kê F được tính từ R2 của mơ hình tương ứng với mức ý nghĩa sig., với giá trị sig. càng nhỏ (trừ hằng số). Mơ hình hồi quy tuyến tính bội đưa ra là phù hợp với dữ liệu và có thể sử dụng được.
Kết quả từ kiểm định hệ số tương quan cho thấy tất cả các biến độc lập đều có tác động có ý nghĩa lên biến phụ thuộc (sig<0.05), các nhân tố đưa vào phân tích hồi quy đều được giữ lại trong mơ hình.
Hệ số xác định hiệu chỉnh Adjusted R-Square là 0.748, nghĩa là mơ hình hồi quy tuyến tính đã xây dựng phù hợp với tập dữ liệu đến 74.8%, điều này cho thấy mối quan hệ giữa biến phụ thuộc và các biến độc lập là khá chặt chẽ, cả 7 biến trên góp phần giải thích 74.8% sự khác biệt của th ngoài dịch vụ Logistics. Như vậy, mức độ phù hợp của mơ hình tương đối cao. Tuy nhiên sự phù hợp này chỉ đúng với dữ liệu mẫu. Để kiểm định xem có thể suy diễn mơ hình cho tổng thể thực hay không ta phải kiểm định độ phù hợp của mơ hình.
Đồng thời, để kiểm tra hiện tượng tự tương quan thông qua kiểm định Durbin- Watson:
Nếu 1< D < 3: mơ hình khơng xảy ra hiện tượng tự tương quan. Nếu 0< D < 1: mơ hình tự tương quan dương.
Nếu 3< D <4: mơ hình tự tương quan âm.
Ta có D=1.981: mơ hình khơng xảy ra hiện tượng tự tương quan
Kiểm định F sử dụng trong bảng phân tích phương sai vẫn là một phép giả thuyết về độ phù hợp của mơ hình hồi quy tuyến tính tổng thể. Kết quả phân tích cho thấy, kiểm định F có giá trị là 96.752 với Sig. = 000 chứng tỏ mơ hình hồi quy tuyến tính bội là phù hợp với tập dữ liệu và có thể sử dụng được để suy rộng ra cho tổng thể.
Bảng 4.17 Kết quả ANOVA từ kết quả phân tích hồi quy ANOVAa ANOVAa Model Sum of Squares df Mean Square F Sig. 1 Regression 58.078 7 8.297 96.752 .000b Residual 18.780 219 .086 Total 76.858 226
a. Dependent Variable: OLS
b. Predictors: (Constant), EMP, REL, RES, TAN, EXP, COS, ASS
(Nguồn: Kết quả phân tích SPSS) Kết quả thống kê theo bảng 4.17 cho thấy, các hệ số hồi quy chuẩn hóa của phương trình hồi quy đều khác 0 và Sig <0.05, chứng tỏ các thành phần đều tham dự vào Thuê ngoài dịch vụ Logistics. So sánh giá trị (độ lớn) của hệ số chưa chuẩn hóa
cho thấy: tác động theo thứ tự từ mạnh đến yếu của các thành phần: Quan điểm nhà quản trị, Đáp ứng, Hữu hình, Tin cậy, Đồng cảm, Đảm bảo, Chi phí.
Bảng 4.18 cho thấy hệ số phóng đại phương sai VIF (Variance inflation factor – VIF) rất nhỏ và dao động từ 1.165 tới 1.449 (nhỏ hơn 10) cho thấy các biến độc lập này khơng có quan hệ chặt chẽ với nhau nên khơng có hiện tượng đa cộng tuyến.
Bảng 4.18 Kết quả phân tích hồi quy tuyến tính Coefficientsa Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
(Constant) -.684 .183 - 3.742 .000 REL .163 .031 .194 5.272 .000 .825 1.213 RES .274 .040 .273 6.917 .000 .716 1.397 ASS .115 .035 .133 3.312 .001 .690 1.449 TAN .223 .040 .219 5.620 .000 .735 1.361 COS .072 .036 .079 2.005 .046 .718 1.394 EXP .296 .042 .284 7.106 .000 .697 1.434 EMP .127 .029 .157 4.360 .000 .859 1.165 a. Dependent Variable: LS
(Nguồn: Kết quả phân tích SPSS) Phương trình biểu diễn mối quan hệ giữa các biến độc lập với quyết định thuê ngoài dịch vụ Logistics:
OLS= -0.684 + 0.163*REL + 0.115*ASS + 0.274*RES + 0.223*TAN + 0.127*EMP + 0.072*COS + 0.296*EXP