qd ha cl tg ns cx xh Hệ số tương quan Pearson qd 1.000 .189 .553 .579 .496 .619 .609 ha .189 1.000 .047 .154 .106 .096 .101 cl .553 .047 1.000 .601 .600 .504 .502 tg .579 .154 .601 1.000 .563 .464 .523 ns .496 .106 .600 .563 1.000 .568 .446 cx .619 .096 .504 .464 .568 1.000 .532 xh .609 .101 .502 .523 .446 .532 1.000 Sig. (1-tailed) qd . .001 .000 .000 .000 .000 .000 ha .001 . .228 .007 .045 .061 .053 cl .000 .228 . .000 .000 .000 .000 tg .000 .007 .000 . .000 .000 .000 ns .000 .045 .000 .000 . .000 .000 cx .000 .061 .000 .000 .000 . .000 xh .000 .053 .000 .000 .000 .000 . N qd 258 258 258 258 258 258 258 ha 258 258 258 258 258 258 258 cl 258 258 258 258 258 258 258 tg 258 258 258 258 258 258 258 ns 258 258 258 258 258 258 258 cx 258 258 258 258 258 258 258 xh 258 258 258 258 258 258 258
4.3.2 Xây dựng phương trình hồi qui
Hồi qui tuyến tính bội thường được dùng để kiểm định và giải thích lý thuyết nhân quả. Ngồi chức năng là một cơng cụ mơ tả, hồi qui tuyến tính bội cũng được sử dụng như một công cụ kết luận để kiểm định các giả thuyết và dự báo các giá trị của tổng thể nghiên cứu. Như vậy đối với nghiên cứu này, hồi qui tuyến tính bội là phương pháp thích hợp để kiểm định các giả thuyết nghiên cứu.
Phân tích hồi qui sẽ xác định phương trình hồi qui tuyến tính với hệ số beta tìm được để khẳng định mối quan hệ nhân quả giữa biến phụ thuộc (QĐ) và các biến độc lập (HA, CL, NS, CX, XH, TG), qua đó, xác định mức độ ảnh hưởng của từng yếu tố đến quyết định mua của khách hàng. Giả định các yếu tố ảnh hưởng đến quyết định mua của khách hàng có tương quan tuyến tính, ta có phương trình hồi qui như sau:
QĐ = β0 + β1 HA + β2 CL + β3 XH + β4 TG + β5 NS + β6 CX + ei βk : Các hệ số hồi qui riêng phần của các biến độc lập ei : Phần dư
QĐ : Quyết Định Mua Máy Tính Bảng Của Khách Hàng HA : Giá Trị Hình Ảnh
CL : Giá Trị Chất Lượng Trong đó NS : Giá Trị Nhân Sự CX : Giá trị Cảm xúc XH : Giá trị Xã Hội
TG : Giá Trị Tính Theo Giá Cả
Dựa trên kết quả phân tích nhân tố, tác giả tiến hành phân tích hồi qui để xác
định cụ thể trọng số của từng yếu tố ảnh hưởng đến quyết định mua máy tính bảng
của khách hàng. Phân tích hồi qui sẽ được thực hiện với 6 biến độc lập là HA, CL, NS, CX, XH, TG và một biến phụ thuộc là QĐ. Giá trị của các yếu tố được dùng để phân tích hồi qui là giá trị trung bình của các biến quan sát đã được kiểm định.
4.3.3 Đánh giá và kiểm định mức độ phù hợp của mơ hình
Đầu tiên, tác giả kiểm định các giả định của mơ hình hồi qui tuyến tính, khơng có giả định nào vi phạm:
- Khơng có hiện tượng đa cộng tuyến. - Phương sai phần dư không đổi.
- Các phần dư có phân phối chuẩn.
- Khơng có hiện tượng tương quan giữa các phần dư .
Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008, trang 238 – 239) khi
đánh giá mơ hình hồi qui tuyến tính bội, hệ số R Square được dùng để đánh giá độ phù hợp của mơ hình nghiên cứu. Hệ số xác định R Square được chứng minh
là hàm không giảm theo số lượng biến đưa vào mơ hình. Hệ số R Square có xu hướng tăng thuận chiều với số lượng biến đưa vào mơ hình. càng đưa thêm biến
độc lập vào mơ hình thì R square càng tăng, tuy nhiên điều này cũng được
chứng minh rằng không phải phương trình càng có nhiều biến sẽ càng phù hợp hơn với dữ liệu (tức là tốt hơn). Như vậy R square có khuynh hướng là một ước lượng lạc quan của thước đo sự phù hợp của mơ hình đối với dữ liệu trong trường hợp có hơn 1 biến giải thích trong mơ hình. Mơ hình thường không phù hợp với dữ liệu thực tế như giá trị R square thể hiện. Do đó, hệ số R Square điều chỉnh cũng được sử dụng để phản ánh sát hơn mức độ phù hợp của mơ hình hồi qui tuyến tính đa biến vì nó khơng phụ thuộc vào độ lệch phóng đại của R Square