Viết báo cáo
4.4.1. Đánh giá và kiểm định độ phù hợp của mơ hình
Trong đánh giá mơ hình hồi quy tuyến tính bội, hệ số R2
(R Square) được dùng để đánh giá độ phù hợp của mơ hình nghiên cứu. Hệ số R Square được chứng minh là hàm khơng giảm theo số lượng biến đưa vào mơ hình. Hệ số R Square cĩ xu hướng tăng thuận chiều với số lượng biến đưa vào mơ hình, tuy vậy, khơng cĩ nghĩa là phương trình cĩ càng nhiều biến thì sẽ càng phù hợp hơn với dữ liệu. Như vậy, R Square cĩ xu hướng ước lượng lạc quan của thước đo cĩ sự phù hợp của mơ hình đối với dữ liệu trong trường hợp cĩ hơn một biến giải thích mơ hình. Hệ số R2 khi đánh giá độ phù hợp của mơ hình là 0.646, như vậy mơ hình nghiên cứu là phù hợp. Mặc khác, kết quả nghiên cứu cũng cho thấy rằng R Square điều chỉnh cũng nhỏ hơn R Square, do đĩ, dùng hệ số này để đánh giá độ phù hợp của mơ hình sẽ an tồn và chính xác hơn vì nĩ khơng thổi phồng độ phù hợp của mơ hình. (Bảng 4.10).
Bảng 4.10. Chỉ tiêu đánh giá độ phù hợp của mơ hình Model Summary Mơ hình R R Square R Square
điều chỉnh Sai số chuẩn
1 .804a 0.646 0.636 0.5028
a Predictors: (Constant), TDC, NBT, CLC, GTT, KDS, HMT
Khi kiểm định về mối quan hệ tuyến tính giữa biến phụ thuộc lịng trung thành thương hiệu và các biến độc lập (nhận biết thương hiệu, giá trị tự thể hiện, chất lượng cảm nhận, lịng ham muốn thương hiệu, thái độ đối với chiêu thị, kiểu dáng sản phẩm) để kiểm định xem biến lịng trung thành thương hiệu cĩ liên hệ tuyến tính với tồn bộ tập hợp các biến độc lập hay khơng. Kết quả kiểm định hệ số R2 hiệuchỉnh là 0.636 nghĩa là mơ hình hồi quy tuyến tính bội đã xây dựng phù hợp với tập dữ liệu là 63.6% _ tức khoảng 63.6% khác biệt của xu hướng lịng trung thành quan sát được giải thích bởi sự khác biệt của sáu thành phần gồm: nhận biết thương hiệu, giá trị tự thể hiện, chất lượng cảm nhận, lịng ham muốn thương hiệu, thái độ đối với chiêu thị, kiểu dáng sản phẩm.
Kiểm định F sử dụng trong bảng phân tích phương sai vẫn là phép kiểm định giả thuyết về độ phù hợp của mơ hình hồi quy tuyến tính thống kê. Trị F trong bảng 4.11 là 64.824, trị số này được tính từ giá trị R2 đầy đủ, mức ý nghĩa quan sát Sig. = 0.00 rất nhỏ cho thấy sẽ an tồn. Với số liệu này, mơ hình hồi quy tuyến tính đưa ra là phù hợp với dữ liệu và cĩ thể sử dụng được.
Bảng 4.11. Kiểm định độ phù hợp của mơ hình ANOVAb Model Sum of Squares df Mean Square F Sig. 1 Regression 98.309 6 16.385 64.824 .000a Residual 53.838 213 0.253 Total 152.147 219 a Predictors: (Constant), TDC, NBT, CLC, GTT, KDS, HMT b Dependent Variable: LTT
4.4.2. Ý nghĩa các hệ số hồi quy riêng phần trong mơ hình
Bảng 4.12. Các thơng số thống kê của từng biến trong mơ hình
Mơ hình
Tên biến
Hệ số hồi quy chƣa chuẩn hố Hệ số hồi quy chuẩn hố Giá trị t Sig. Thống kê cộng tuyến B Std. Error Beta Toleran ce VIF 1 Hằng số -0.300 0.235 -1.277 0.203 GTT 0.037 0.051 0.035 0.716 0.475 0.714 1.401 NBT 0.023 0.061 0.021 0.378 0.706 0.532 1.880 HMT 0.607 0.057 0.590 10.615 0.00 0.538 1.860 KDS 0.060 0.052 0.056 1.170 0.243 0.713 1.403 CLC 0.217 0.056 0.185 3.893 0.00 0.735 1.360 TDC 0.154 0.050 0.138 3.066 0.002 0.816 1.225
Các hệ số hồi qui riêng trong mơ hình dùng để kiểm định vai trị quan trọng của các hệ số của các biến độc lập tác động như thế nào đối với biến phụ thuộc. Nĩi một cách cụ thể hơn, các hệ số riêng trong mơ hình cho biết mức độ ảnh hưởng của các biến: nhận biết thương hiệu, giá trị tự thể hiện, chất lượng cảm nhận, lịng ham muốn thương hiệu, thái độ đối với chiêu thị, kiểu dáng sản phẩm.
Thơng qua hệ số Beta chuẩn hố trong kết quả phân tích hồi quy (Bảng 4.12) cho thấy tầm quan trọng của các nhân tố tác động đến lịng trung thành thương hiệu theo mơ hình đã đưa ra.
Bảng kết quả hồi quy riêng phần 4.12 cho thấy các biến độc lập HMT, CLC, TDC cĩ ảnh hưởng đến lịng trung thành của khách hàng đối với thương hiệu với mức ý nghĩa nhỏ hơn 0.05. Trong đĩ biến HMT cĩ ảnh hưởng mạnh nhất với hệ số beta chuẩn hố là 0.590, cĩ nghĩa là khi HMT tăng lên 1 đơn vị sẽ làm cho LTT thương hiệu của khách hàng tăng lên 0.590 trong điều kiện các nhân tố cịn lại khơng thay đổi. Ngồi ra, ba biến GTT, NBT, KDS khơng cĩ ý nghĩa về mặt thống kê (sig. > 0.05) nên các biến này bị loại ra khỏi mơ hình.
Hệ số phĩng đại phương sai (VIF) nếu cĩ giá trị vượt quá 10 là dấu hiệu của hiện tượng đa cộng tuyến (Hồng Trọng & Chu Nguyễn Mộng Ngọc, 2008), theo kết quả từ bảng 4.12 hệ số VIF của tất cả các biến đều < 10 (lớn nhất là 1.880) do đĩ cĩ thể kết luận hiện tượng đa cộng tuyến khơng ảnh hưởng đến kết quả giải thích của mơ hình.