4.4. Phân tích hồi quy
4.4.1. Phân tích tương quan
Phân tích tương quan nhằm kiểm tra tương quan giữa các biến độc lập và các biến phụ thuộc để đảm bảo kết quả phân tích hồi quy. Phân tích tương quan cũng nhằm
kiểm tra sự tương quan giữa các biến độc lập, nếu các biến độc lập có tương quan với nhau chặt chẻ thì xảy ra hiện tượng đa cộng tuyến. Phương pháp được áp dụng trong nghiên cứu này là phân tích tương quan Pearson. Kết quả phân tích trong bảng 4.4 cho thấy: Kết quả phân tích tương quan giữa các biến độc lập và biến phụ thuộc đều thể hiện sự tương quan với hệ số tương quan cao và mức ý nghĩa đảm bảo. Điều này cho thấy các biến độc lập có sự tương quan tốt với biến phụ thuộc, đây là điều kiện cần thiết để sử dụng biến độc lập và biến phụ thuộc trong việc phân tích hồi quy. Giữa các biến độc lập với nhau, cũng có các biến thể hiện sự tương quan có mức ý nghĩa cao, tuy nhiên biến (PC) Dịp mua sắm khơng có mối tương quan với biến (YD) Ý định mua của khách hàng, vì sig lớn hơn 0.05 nên loại biến này trước khi tiến hành hồi quy. Còn tât cả các yếu tố cịn lại đều có mối tương quan với biến (YD) Ý định mua của khách hàng. Với mức ý nghĩa 0,000< 0.05, hệ số tương quan đều có ý nghĩa thống kê, đây là điều kiện cần thiết để sử dụng biến độc lập và biến phụ thuộc trong việc phân tích hồi quy. Giữa các biến độc lập với nhau, cũng có các biến thể hiện sự tương quan có mức ý nghĩa cao, tuy nhiên hệ số tương quan là khá thấp, vì thế trong q trình phân tích cần kiểm tra hiện tượng đa cộng tuyến, trong đó phương pháp sử dụng là kiểm tra hệ số VIF của các biến độc lập trong mơ hình.
Bảng 4.4: Ma trận tương quan giữa các biến PH PrH VH CC PC SE PCA YD PH PrH VH CC PC SE PCA YD PH 1 .157* .389** .110 .000 .379** .443** .573** PrH .157* 1 .107 .389** -.004 .233** .279** .455** VH .389** .107 1 .157* -.053 .364** .264** 466** CC .110 .389** .157* 1 -.059 .274** .107 .513** PC .000 -.004 -.053 -.059 1 -.076 .003 -0.064** SE .379** .233** .364** .274** -0.076 1 .399** .611** PCA .443** .279** .264** .107 .003 .399** 1 .521** YD .573** .455** .466** .513** -.064 .611** .521** 1
**. Correlation is significant at the 0.01 level (2-tailed). *. Correlation is significant at the 0.05 level (2-tailed).
Nguồn: Kết quả xử lý từ dữ liệu điều tra của tác giả trích từ Phụ lục 8
4.4.2. Kiểm định sự phù hợp của mơ hình
Với giả thuyết hiệu chỉnh, các lần kiểm định thang đo, kiểm tra sự tương quan, ta có phương trình hồi quy tuyến tính như sau: YD = β0+ β1 PH +β2 PrH +β3 VH +β4 CC
+β5 SE +β6 PCA + Ԑi. Hệ số xác định R2 = 0,712 và R2 hiệu chỉnh R2adj = 0,703 nhỏ
hơn R2 và thể hiện rằng 6 biến độc lập giải thích được 70,3% sự biến thiên của biến phụ ý định mua sữa bột dành cho em bé ở Tp. Hồ Chí Minh. Điều này chứng tỏ 6 biến
độc lập này có mối quan hệ chặt chẽ với biến phụ thuộc ý định mua của khách hàng và có thể sử dụng để phân tích hồi quy của 6 biến độc lập đến ý định mua của khách hàng.
Bảng 4.5: Kết quả phân tích mơ hình hồi quy
Mơ hình R R bình phương R bình phương hiệu chỉnh Độ lệch chuẩn ước tính Durbin- Watson 1 .844a .712 .703 .21125 1.967
Nguồn: Kết quả xử lý từ dữ liệu điều tra của tác giả trích từ Phụ lục 8
Trong phân tích ANOVA, giá trị Sig = 0,000 < 0,05 như vậy việc phân tích ANOVA đã đảm bảo được mức ý nghĩa thống kê, từ đó cho thấy mơ hình hồi qui phù hợp về mặt tổng thể. Nếu kết luận 6 biến độc lập này ảnh hưởng đến ý định mua của khách hàng thì đảm bảo được độ tin cậy trên 95%.
Bảng 4.6: Kết quả kiểm định sự phù hợp của mơ hình
Model Tổng bình phương df Trung bình bình phương F Sig. 1 Hồi quy 22.920 6 3.820 85.600 .000b Phần dư 9.282 208 .045 Tổng 32.202 214
Nguồn: Kết quả xử lý từ dữ liệu điều tra của tác giả trích từ Phụ lục 8
4.4.3. Hiện tượng đa cộng tuyến
Để phát hiện hiện tượng đa cộng tuyến, tác giả dựa vào hệ số phóng đại phương sai VIF. Theo kết quả ở bảng 4.7 ta thấy hệ số phóng đại phương sai VIF (Variance Inflation Factor – VIF) rất nhỏ (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 xảy ra. Do đó mối quan hệ giữa các biến độc lập khơng ảnh hưởng đáng kể đến kết quả giải thích của mơ hình hồi quy.
4.4.4. Kiểm định hiện tượng tự tương quan của mơ hình
Kiểm định tự tương quan: Dị tìm vi phạm giả định tính độc lập của phần dư
thông qua đại lượng thống kê Durbin-Watson (d). Đại lượng d này có giá trị biến thiên từ 0 đến 4. Với dữ liệu thống kê ta có hệ số Durbin-Watson trong phân tích bằng 1.833, đáp ứng yêu cầu 0<Durbin-Watson<4 cho thấy rằng không xảy ra hiện tượng tự tương quan giữa các phần dư.
Bảng 4.7: Hệ số hồi quy của các biến trong mơ hình
Biến Hệ số hồi quy Hệ số hồi
quy chuẩn hóa
t Sig. Phân tích đa cộng tuyến B Sai số chuẩn Beta Độ chấp nhận VIF 1 (Constant) .079 .143 .554 .580 PH .226 .036 .279 6.289 .000 .703 1.422 PrH .101 .025 .168 4.010 .000 .789 1.268 VH .090 .025 .152 3.635 .000 .788 1.268 CC .139 .019 .304 7.317 .000 .803 1.245 SE .170 .029 .257 5.808 .000 .707 1.414 PCA .112 .028 .175 3.949 .000 .707 1.414
Nguồn: Kết quả xử lý từ dữ liệu điều tra của tác giả trích từ Phụ lục 8
4.4.5. Kiểm định phần dư của mơ hình
Kiểm tra phần dư cho thấy phân phối phần dư xấp xỉ chuẩn với trung bình = 0 và độ lệch chuẩn( Std.Deviation) = 0.986 (xấp xỉ bằng 1) do đó có thể kết luận rằng giả thuyết phân phối chuẩn không bị vi phạm khi sử dụng phương pháp hồi quy bội.
Bảng 4.8: Bảng thống kê giá trị phần dư
Min Max Trung Bình Độ lệch chuẩn N
Predicted Value 1.8727 4.0796 3.1372 .32727 215
Std. Predicted Value -.43272 .49623 .00000 .20827 215
Residual -3.864 2.880 .000 1.000 215
Std. Residual -2.048 2.349 .000 .986 215
Nguồn: Kết quả xử lý từ dữ liệu điều tra của của tác giả trích từ Phụ lục 8
Hình 4.1: Đồ thị phân phối phần dư của mơ hình hồi quy
Kiểm định phân phối chuẩn của phần dư: Biểu đồ phân phối chuẩn của phần dư
được trình bày dưới đây cho thấy phần dư thể hiện sự phân phối chuẩn, khi giá trị trung bình gần = 0 và độ lệch chuẩn 0,986 gần bằng 1.
Hình 4.2: Biểu đồ P-P plot phần dư của mơ hình hồi quy
Ngồi ra, theo biểu đồ P-P plot (hình 4.2), các điểm quan sát không phân tán quá xa đường thẳng kỳ vọng nên có thể kết luận giả thuyết về phân phối chuẩn của phần dư không bị vi phạm.
Vậy, với các kết quả kiểm định trên ta thấy mơ hình hồi quy là phù hợp và có ý nghĩa thống kê. Ta có phương trình hồi quy như sau:
+ Phương trình hồi qui chưa chuẩn hóa:
YD = 0.079 + 0.226PH +0.101PrH +0.090VH +0.139 CC +0.170SE +0.112PCA Ý định mua của khách hàng = 0.079 + 0.226 Lịch sử giá +0.101 Lịch sử khuyến mãi +0.090 Lịch sử mua sắm +0.139Đặc điểm khách hàng +0.170 Môi trường của hàng +0.112 Danh mục sản phẩm.
+ Phương trình hồi qui đã chuẩn hóa:
YD = 0.279PH +0.168PrH +0.152VH +0.304 CC +0.257SE +0.175PCA
Ý định mua của khách hàng = 0.279 Lịch sử giá +0.168 Lịch sử khuyến mãi +0.152 Lịch sử mua sắm +0.304 Đặc điểm khách hàng +0.257 Môi trường của hàng +0.175 Danh mục sản phẩm.
Dùng hệ số hồi qui đã chuẩn hóa để phân tích. Ý nghĩa hệ số hồi quy cho thấy, trong một môi trường mà các yếu tố khác không đổi, nếu mức điểm đánh giá về lịch sử giá của các khảo sát viên tăng lên 1 đơn vị, thì ý định mua của khách hàng sẽ tăng thêm 0,279 đơn vị, tiếp theo là các yếu tố lịch sử khuyến mãi (Beta = 0,168). Ý nghĩa hệ số hồi quy cho thấy, trong một môi trường mà các yếu tố khác không đổi, mức điểm đánh giá về lịch sử khuyến mãi của các khảo sát viên tăng lên 1 đơn vị, thì ý định mua của khách hàng sẽ tăng thêm 0,168 đơn vị, lịch sử mua sắm (Beta = 0,152). Ý nghĩa hệ số hồi quy cho thấy, trong một môi trường mà các yếu tố khác không đổi, nếu mức điểm đánh giá về lịch sử mua sắm của các khảo sát viên tăng lên 1 đơn vị, thì ý định mua của khách hàng sẽ tăng thêm 0,152 đơn vị, Yếu tố đặc điểm khách hàng (Beta = 0,304). Ý nghĩa hệ số hồi quy cho thấy, trong một môi trường mà các yếu tố khác không đổi, nếu mức điểm đánh giá về đặc điểm khách hàng của các khảo sát viên tăng lên 1 đơn vị, thì ý định mua của khách hàng sẽ tăng thêm 0,304 đơn vị. Yếu tố môi trường của hàng (Beta = 0,257). Ý nghĩa hệ số hồi quy cho thấy, trong một môi trường mà các yếu tố khác không đổi, nếu mức điểm đánh giá về môi trường cửa hàng của các khảo sát viên tăng lên 1 đơn vị, thì ý định mua của khách hàng sẽ tăng thêm 0,257 đơn vị. Yếu tố Danh mục sản phẩm (Beta = 0,175). Ý nghĩa hệ số hồi quy cho thấy, trong một môi trường mà các yếu tố khác không đổi, nếu mức điểm đánh giá về Danh mục sản phẩm của các khảo sát viên tăng lên 1 đơn vị, thì ý định mua của khách hàng sẽ tăng thêm 0,175 đơn vị.
Thông qua các kiểm định và phân tích trong nội dung trên, kết quả các giả thuyết nghiên cứu được đưa ra đã cho thấy, các yếu tố trong mơ hình đều thể hiện sự ảnh hưởng thuận chiều tới ý định mua của khách hàng.
4.5. Phân tích hồi quy của giá tham khảo bên trong (IRP) và giá tham khảo bên ngoài (ERP) với ý định mua của khách hàng. ngoài (ERP) với ý định mua của khách hàng.
4.5.1. Phân tích tương quan
Kết quả phân tích trong bảng 4.9 cho thấy: Yếu tố IRP và ERP có mối tương quan với biến (YD) Ý định mua của khách hàng. Với mức ý nghĩa sig 0,000< 0.05, hệ số tương quan đều có ý nghĩa thống kê, do đó các biến này có thể đưa vào kiểm định hồi quy.
Bảng 4.9: Ma trận tương quan giữa các biến của IRP và ERP
YD IRP ERP
YD Pearson Correlation 1 .767** .675**
IRP Pearson Correlation .767** 1 .510**
ERP Pearson Correlation .675** .510** 1
Nguồn: Kết quả xử lý từ dữ liệu điều tra của tác giả trích từ Phụ lục 8
4.5.2. Kiểm định sự phù hợp của mơ hình.
Với giả thuyết hiệu chỉnh, các lần kiểm định thang đo, kiểm tra sự tương quan, ta có phương trình hồi quy tuyến tính như sau:YD = β0+ β1 IRP +β2 ERP + Ԑi
Phân tích hồi quy sẽ được thực hiện với hai biến độc lập trên và một biến phụ thuộc là Ý định mua của khách hàng được đưa vào cùng lúc (phương pháp enter). Kết quả mơ hình hồi quy thứ nhất như sau:
Bảng 4.10: Kết quả phân tích mơ hình hồi quy của IRP và ERP với ý định mua
Mơ hình R R bình phương R bình phương hiệu chỉnh Độ lệch chuẩn ước tính Durbin- Watson 1 .835a .697 .694 .21444 1.955
Sau khi phân tích hồi quy, kết quả thu được với R2 hiệu chỉnh bằng 0.694 nghĩa là các biến độc lập giải thích được 69,4% sự thay đổi của biến phụ thuộc.
Trong phân tích ANOVA, giá trị Sig = 0,000 < 0,05 như vậy việc phân tích ANOVA đã đảm bảo được mức ý nghĩa thống kê, từ đó cho thấy mơ hình hồi qui phù
hợp về mặt tổng thể. Nếu kết luận 2 biến độc lập này ảnh hưởng đến ý định mua của khách hàng thì đảm bảo được độ tin cậy trên 95%.
Bảng 4.11: Kết quả kiểm định sự phù hợp mơ hình của IRP và ERP với ý định mua
Model Tổng bình phương df Trung bình bình phương F Sig. 1 Hồi quy 22.454 2 11.227 244.146 .000b Phần dư 9.749 212 .046 Tổng 32.202 214
Nguồn: Kết quả xử lý từ dữ liệu điều tra của tác giả trích từ Phụ lục 8
Bảng 4.12: Hệ số hồi quy của các biến trong mơ hình của IRP và ERP với ý định mua
Biến Hệ số hồi quy Hệ số hồi
quy chuẩn hóa
t Sig. Phân tích đa cộng tuyến B Sai số chuẩn Beta Độ chấp nhận VIF 1 (Constant) .164 .135 1.208 .228 IRP .517 .040 .571 12.991 .000 .740 1.351 ERP .299 .034 .385 8.758 .000 .740 1.351
Nguồn: Kết quả xử lý từ dữ liệu điều tra của tác giả trích từ Phụ lục 8
4.5.3. Hiện tượng đa cộng tuyến
Để phát hiện hiện tượng đa cộng tuyến, tác giả dựa vào hệ số phóng đại phương sai VIF. Theo kết quả ở bảng 4.12 ta thấy hệ số phóng đại phương sai VIF (Variance Inflation Factor – VIF) rất nhỏ (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 xảy ra. Do đó mối quan hệ giữa các biến độc lập không ảnh hưởng đáng kể đến kết quả giải thích của mơ hình hồi quy.
4.5.4. Kiểm định hiện tượng tự tương quan của mơ hình
Dị tìm vi phạm giả định tính độc lập của phần dư thơng qua đại lượng thống kê Durbin-Watson (d). Đại lượng d này có giá trị biến thiên từ 0 đến 4. Với dữ liệu thống kê ta có hệ số Durbin-Watson trong phân tích bằng 1.955, đáp ứng yêu cầu 0<Durbin- Watson<4 cho thấy rằng không xảy ra hiện tượng tự tương quan giữa các phần dư.
4.5.5. Kiểm định phần dư của mơ hình
Kiểm tra phần dư cho thấy phân phối phần dư xấp xỉ chuẩn với trung bình = 0 và độ lệch chuẩn (Std.Deviation) = 0.995 (xấp xỉ bằng 1) do đó có thể kết luận rằng giả thuyết phân phối chuẩn không bị vi phạm khi sử dụng phương pháp hồi quy bội.
Bảng 4.13: Bảng thống kê giá trị phần dư của IRP và ERP với ý định mua
Min Max Trung Bình Độ lệch chuẩn N
Predicted Value 1.9002 4.0994 3.1372 .32392 215
Std. Predicted Value -.43860 .55085 .00000 .21343 215
Residual -3.819 2.971 .000 1.000 215
Std. Residual -2.045 2.569 .000 .995 215
Nguồn: Kết quả xử lý từ dữ liệu điều tra của tác giả trích từ Phụ lục 8
Hình 4.3: Đồ thị phân phối phần dư của mơ hình hồi quy của IRP và ERP với ý định mua
Mặt khác, bằng hình ảnh trực quan ta thấy phần dư của mơ hình có dạng đồ thị hình chng úp xuống khá cân đối, nên có thể kết luận phần dư của mơ hình có phân phối chuẩn.
Hình 4.4: Biểu đồ P-P plot phần dư của mơ hình hồi quy của IRP và ERP với ý định mua
Ngoài ra, theo biểu đồ P-P plot (hình 4.4), các điểm quan sát không phân tán quá xa đường thẳng kỳ vọng nên có thể kết luận giả thuyết về phân phối chuẩn của phần dư không bị vi phạm.
Vậy, với các kết quả kiểm định trên ta thấy mơ hình hồi quy là phù hợp và có ý nghĩa thống kê. Ta có mơ hình hồi quy là:
YD = 0.571*IRP +0.385*ERP
Ý định mua của khách hàng = 0.571*Giá tham khảo bên trong +0.385*Giá tham khảo bên ngoài.
4.6. Kiểm định sự khác biệt giữa giá tham khảo bên trong và giá tham khảo bên ngồi ngồi
Mục đích của việc phân tích này là tìm ra sự cảm nhận và so sánh của khách hàng đối với giá tham khảo bên trong và bên ngoài.
4.6.1. Kiểm định khách hàng cảm thấy tự tin hơn khi cả hai giá tham khảo bên trong và bên ngồi tồn tại hơn khi chỉ có một loại giá tham khảo là có sẵn. trong và bên ngồi tồn tại hơn khi chỉ có một loại giá tham khảo là có sẵn.
Cơng cụ sử dụng là phép kiểm định này là Paired-Sample T-Test; phương thức thực hiện là kiểm định khách hàng cảm thấy tự tin hơn khi cả hai giá tham khảo bên trong và bên ngồi tồn tại hơn khi chỉ có một loại giá tham khảo là có sẵn Ta kiểm định