** Tương quan có ý nghĩa ở mức 0.01 (2-đầu) * Tương quan có ý nghĩa ở mức 0.05 (2- đầu)
Nguồn: Kết quả phân tích dữ liệu của tác giả
Kết quả phân tích tương quan cho thấy tương quan giữa sự Hành vi mua hàng ngẫu hứng (IMP) với các biến độc lần lượt là với Sự thích thú trong mua sắm (ADV)
IMP ADV GRA VAL ROL SOC IDE POW
IMP
Tương quan Pearson 1 ,612** ,591** ,391** ,543** ,229** ,354** ,180**
Sig. (2-đầu) .000 .000 .000 .000 .000 .000 .002
N 280 280 280 280 280 280 280 280
ADV
Tương quan Pearson ,612** 1 ,589** ,290** ,464** ,123* ,302** ,125*
Sig. (2-đầu) .000 .000 .000 .000 .039 .000 .037
N 280 280 280 280 280 280 280 280
GRA
Tương quan Pearson ,591** ,589** 1 ,376** ,590** ,131* ,300** .056
Sig. (2-đầu) .000 .000 .000 .000 .028 .000 .349
N 280 280 280 280 280 280 280 280
VAL
Tương quan Pearson ,391** ,290** ,376** 1 ,322** ,134* ,229** .012
Sig. (2-đầu) .000 .000 .000 .000 .024 .000 .847
N 280 280 280 280 280 280 280 280
ROL
Tương quan Pearson ,543** ,464** ,590** ,322** 1 ,246** ,305** .079
Sig. (2-đầu) .000 .000 .000 .000 .000 .000 .186
N 280 280 280 280 280 280 280 280
SOC
Tương quan Pearson ,229** ,123* ,131* ,134* ,246** 1 ,126* ,167**
Sig. (2-đầu) .000 .039 .028 .024 .000 .035 .005
N 280 280 280 280 280 280 280 280
IDE
Tương quan Pearson ,354** ,302** ,300** ,229** ,305** ,126* 1 .048
Sig. (2-đầu) .000 .000 .000 .000 .000 .035 .419
N 280 280 280 280 280 280 280 280
POW
Tương quan Pearson ,180** ,125* .056 .012 .079 ,167** .048 1
Sig. (2-đầu) .002 .037 .349 .847 .186 .005 .419
mua sắm (VAL) là 0.391; với Thực hiện vai trò trong mua sắm (ROL) là 0.543; với Giao tiếp trong mua sắm là 0.229; với Tìm kiếm ý tưởng (IDE) là 0.354; và với Sức mua của người tiêu dùng (POW) là 0.180. Nghĩa là biến IMP có mối quan hệ tuyến tính với các biến độc lập ADV, GRA, VAL, ROL, SOC, IDE và POW. Vì vậy các biến độc lập này có thể đưa vào mơ hình để giải thích cho biến Hành vi mua hàng ngẫu hứng (IMP). Ngồi ra, kết quả phân tích tương quan cũng cho thấy hệ số tương quan giữa biến ADV với biến GRA và biến ROL lớn hơn 0.5, đồng thời sig = 0.000. Do đó, ta cần phải xem xét dấu hiệu đa cộng tuyến ở phần phân tích hồi quy thơng qua giá trị VIF.
4.3.2. Phân tích hồi quy
Phân tích hồi quy sẽ xác định mối quan hệ nhân quả giữa biến phụ thuộc (Hành vi mua hàng ngẫu hứng) và các biến độc lập (Sự thích thú trong mua sắm, Sự thư giãn trong mua sắm, Tìm kiếm giá trị trong mua sắm, Thực hiện vai trò trong mua sắm, Giao tiếp trong mua sắm, Tìm kiếm ý tưởng, Sức mua của người tiêu dùng). Mơ hình phân tích hồi quy sẽ mơ tả mối liên hệ và giúp ta dự đoán được mưc độ biến thiên của biến phụ thuộc khi biết trước giá trị của biến độc lập. Phương pháp phân tích lựa chọn là phương pháp Enter với tiêu chuẩn PIN là 0.05 và tiêu chuẩn POUT là 0.1. Kết quả phân tích hồi quy được thể hiện qua bảng 4.17, bảng 4.18 và bảng 4.19.
Chúng ta cũng cần kiểm tra hiện tượng đa cộng tuyến, kiểm tra mối quan hệ tuyến tính giữa biến phụ thuộc và các biến độc lập. Để kiểm tra hiện tượng đa cộng tuyến, chúng ta xem xét hệ số phóng đại phương sai VIF (Variance Inflation Factor). Thông thường, nếu VIF của một biến độc lập nào đó lớn hơn 10 thì biến này hầu như khơng có giá trị giải thích biến thiên của biến phụ thuộc trong mơ hình hồi quy (Hair và cộng sự, 1988).
4.3.2.1. Đánh giá độ phù hợp của mơ hình hồi quy tuyến tính bội
Chỉ số R2 dùng để đánh giá mức dộ phù hợp của mơ hình hồi quy tuyến tính bội. Hệ số R2 là phần biến thiên của biến phụ thuộc do mơ hình (các biến độc lập) giải thích (Nguyễn Đình Thọ, 2011, trang 493).