CHƯƠNG 4 : KẾT QUẢ NGHIÊN CỨU
4.3 Đánh giá mức độ quan trọng của các thành phần
4.3.1 Phân tích tương quan
Bước đầu tiên khi phân tích hồi quy tuyến tính là sử dụng hệ số tương quan Pearson để xem xét các mối quan hệ tương quan tuyến tính giữa biến phụ thuộc và từng biến độc lập, cũng như giữa các biến độc lập với nhau.
Hệ số này luôn nằm trong khoảng từ -1 đến +1, lấy giá trị tuyệt đối, nếu lớn hơn 0.6 thì có thể kết luận mối quan hệ chặt chẽ, và càng gần 1 thì mối quan hệ càng chặt chẽ, nếu nhỏ hơn 0.3 thì cho biết mối quan hệ lỏng lẻo.
Kết quả trong bảng hệ số tương quan cho thấy biến phụ thuộc (kết quả hoạt động của doanh nghiệp) có quan hệ tương quan tuyến tính với cả năm biến độc lập, trong đó hệ số tương quan giữa kết quả hoạt động kinh doanh với tích hợp là 0.366 cao nhất; hệ số tương quan giữa kết quả hoạt động kinh doanh với thành phần mang ơn là 0.166 thấp nhất (xem phụ lục số 12).
Bảng 4.5 Kết quả phân tích tương quan Pearson Correlations Correlations
Tich_hop Mang_on Thong_tri Ne_tranh Thoa_hiep KQ_KD
Tich_hop Pearson Correlation 1 Mang_on Pearson Correlation .374 ** 1 Thong_tri Pearson Correlation .205 * .108 1 Ne_tranh Pearson Correlation .226 ** .254** .236** 1 Thoa_hiep Pearson Correlation .398 ** .425** .022 .273** 1 KQ_HD Pearson Correlation .366 ** .166* .265** .167* .170* 1 **. Tương quan ở mức ý nghĩa 0.01 (2 chiều).
*. Tương quan ở mức ý nghĩa 0.05 (2 chiều).
Nguồn: Kết quả phân tích tương quan Pearson trong SPSS
4.3.2 Phân tích hồi quy
4.3.2.1 Kết quả phân tích hồi quy
Từ kết quả phân tích nhân tố khám phá EFA, các giả thuyết cần được kiểm định lại bằng phương pháp hồi quy. Phương pháp thực hiện hồi quy là đưa vào lần lượt (Enter). Để đánh giá mức độ phù hợp được chứng minh là hàm không giảm theo số biến độc lập được đưa vào mơ hình, tuy nhiên khơng phải phương trình có càng nhiều biến sẽ càng phù hợp hơn với dữ liệu, R2 có khuynh hướng là một yếu tố
1 biến giải thích trong mơ hình. Như vậy, trong hồi quy tuyến tính bồi thường dùng hệ số R2 điều chỉnh để đánh giá độ phù hợp của mơ hình vì nó khơng thổi phồng mức độ phù hợp của mơ hình. Ngồi ra, hiện tượng tương quan giữa các phần dư được kiểm tra bằng hệ số Durbin – Watson (1<Durbin-Watson<3). Bên cạnh đó, hệ số Beta chuẩn hóa được dùng để đánh giá mức độ quan trọng của từng yếu tố (Hoàng Trọng &Chu Nguyễn Mộng Ngọc, 2008).
Bảng 4.6 Đánh giá mức độ phù hợp của mơ hình
Mơ hình R R2 R2 hiệu chỉnh Độ lệch chuẩn ước lượng Durbin – Watson 1 .418a .175 .147 .60071 2.141
Biến độc lập (hằng số): Thỏa hiệp, Thống trị, Né tránh, Mang ơn, Tích hợp Biến phụ thuộc: Kết quả hoạt động của doanh nghiệp
Nguồn: Kết quả phân tích hồi quy SPSS.
Về độ thích hợp của mơ hình, hệ số R2 là 0.175 đồng nghĩa với việc 17.5% sự biến thiên kết quả hoạt động của doanh nghiệp được giải thích bởi các biến độc lập trong mơ hình (Xem phụ lục số 13)
Bảng 4.7. Kết quả các hệ số phân tích hồi quy
Mơ hình Các hệ số chưa chuẩn hóa Các hệ số đã chuẩn hóa Kiểm định t Mức ý nghĩa Sig. Thống kê đa cộng tuyến Hệ số hồi quy B Sai số chuẩn Hệ số hồi quy riêng Beta Độ chấp nhận VIF 1 (Hằng số) 1.782 .350 5.099 .000 Tich_hop .268 .076 .302 3.518 .001 .758 1.320 Mang_on .008 .077 .009 .101 .920 .755 1.324 Thong_tri .169 .069 .192 2.446 .016 .907 1.102 Ne_tranh .037 .070 .043 .533 .595 .853 1.172 Thoa_hiep .027 .079 .030 .345 .731 .724 1.381 a. Biến Phụ thuộc: KQ_HD
4.3.2.2 Đánh giá các giả thuyết cần thiết trong phân tích hồi quy
Để đánh giá độ phù hợp của mơ hình ta dùng các cơng cụ như tính hệ số xác định R2, kiểm định F và kiểm định t. Trước tiên, hệ số xác định của mơ hình là 0.175, thể hiện năm biến độc lập trong mơ hình giải thích được 17.5 % biến thiên của biến phụ thuộc kết quả hoạt động của doanh nghiệp.
Tiếp theo cần kiểm định giả thuyết mơ hình (phân tích phương sai) của tổng thể. Ở trên sau khi đánh giá giá trị R2 ta biết được mơ hình hồi quy tuyến tính đã xây dựng là phù hợp mẫu. Tuy nhiên, để có thể suy diễn mơ hình này thành mơ hình tổng thể cần phải tiến hành kiểm định F thơng qua phân tích phương sai. Ta có Sig của F <1/1000 nên ta có thể bác bỏ giả thuyết hệ số xác định của tổng thể R2. Điều này có nghĩa là có ít nhất một biến độc lập nào đó ảnh hưởng đến biến phụ thuộc.
Giả định về liên hệ tuyến tính và phương sai thay đổi. Kiểm định giả định này bằng cách vẽ đồ thị phân tán Scatterplot với giá trị phần dư chuẩn hóa trên trục tung và giá trị dự đốn chuẩn hóa trên trục hoành. Nếu giả định liên hệ tuyến tính và phương sai bằng nhau được thỏa mãn thì sẽ khơng nhận thấy có liên hệ gì giữa các giá trị dự đoán với phần dư, chúng sẽ phân tán ngẫu nhiên. Đồ thị phân tán Scatterplot (Xem phụ lục số 13) cho thấy phần dư phân táo ngẫu nhiên trong vùng xung quanh đường đi qua tung độ 0 chứ khơng tạo thành hình dạng nào. Như vậy, giá trị dự đoán và phần dư độc lập nhau và phương sai của phần dư khơng thay đổi, do đó, mơ hình hồi quy phù hợp.
Giả định về phân phối chuẩn của phần dư. Phần dư có thể khơng tn theo phân phối chuẩn vì một số lý do như: sử dụng sai mơ hình, phương sai khơng phải là hằng số, số lượng các phần dư khơng đủ nhiều để phân tích. Vì vậy, chúng ta nên thử nhiều cách khảo sát khác nhau. Một cách khảo sát đơn giản nhất là xây dựng biểu đồ tần số Histogram của các phần dư. Biểu đồ tần số Histogram cho thấy phần dư có phân phối chuẩn với giá trị trung bình gần bằng 0 và độ lệch chuẩn của nó là 0.984 (xấp xỉ 1). Do đó, giả thuyết về phân phối chuẩn khơng bị vi phạm.
Giả định khơng có mối tương quan giữa các biến độc lập (đo lường đa cộng tuyến). Để kiểm tra hiện tượng đa cộng tuyến, chỉ số thường dùng là hệ số phóng
đại phương sai VIF (Variance Inflation Factor). Nếu VIF của một biến độc lập nào đó >10 thì biến này hầu như khơng có giá trị giải thích biến thiên của Y trong mơ hình hồi quy bội. Tuy nhiên, trong thực tế, nếu VIF, nếu VIF >2, chúng ta cần cẩn thận trong diễn giải các trọng số hồi quy (Nguyễn Đình Thọ, 2013). Bảng 4.7 cho thấy hệ số phóng đại phương sai VIF của các biến độc lập trong mơ hình đều nhỏ hơn 2 nên không xảy ra hiện tượng đa cộng tuyến.
Như vậy, mơ hình hồi quy tuyến tính trong nghiên cứu không vi phạm các giả định cần thiết trong hồi quy tuyến tính.
4.3.3 Kiểm định ANOVA 1 chiều và T-Test
Bảng 4. 8 Kết quả ANOVA 1 chiều cho lĩnh vực hoạt động của doanh nghiệp
ANOVA Sig.
Kiểm định F 0.995 Giữa các nhóm 0.387
Nguồn:Kết quả phân tích ANOVA 1 chiều trong SPSS
Bảng 5.9 Kết quả T-test cho quy mô doanh nghiệp
T-Test Sig.
Thống kê Levene 0.966 Equal variances assumed 0.97 Equal variances not assumed 0.94
Nguồn:Kết quả phân tích T-test trong SPSS
Kết quả kiểm định ANOVA 1 chiều và T-Test xem phụ lục số 14 và số 15.