CHƯƠNG 4 : KẾT QUẢ NGHIÊN CỨU
4.3. PHÂN TÍCH TƯƠNG QUAN VÀ HỒI QUY
4.3.1. Phân tích tương quan
Một trong những điều kiện để phân tích hồi quy là các biến độc lập và biến phụ thuộc phải có quan hệ tuyến tính với nhau. Trước khi phân tích hồi quy, cần xem
biến độc lập cao điều đó cho thấy các biến có tương quan chặc với nhau, có thể gây ra hiện tượng đa cộng tuyến (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008)
Kết quả phân tích tương quan, sử dụng hệ số tương quan Pearson cho thấy các biến độc lập có quan hệ tuyến tính với biến phụ thuộc (với mức ý nghĩa sig 0.000), cao nhất là biến Hiểu biết thương hiệu có tương quan với biến phụ thuộc là: .671, thấp nhất là biến Sự tiện ích (.365) và Ảnh hưởng xã hội (.357). Nhìn chung các
biến có tương quan với biến phụ thuộc, có thể kết luận các biến phù hợp đưa vào mơ hình phân tích hồi quy. (Xem thêm phụ lục E)
4.3.2. Phân tích hồi quy.
Phân tích hồi quy nhằm xem xét mức độ ảnh hưởng của biến độc lập đến biến phụ thuộc. Giả định trong phân tích hồi quy với nhiều biến độc lập, các biến độc lập khơng có quan hệ nhau hồn tồn. Sử dụng phương pháp Enter trong phân tích hồi quy, kết quả phân tích cho thấy hệ số xác định R2 = .607, hệ số xác định điều chỉnh
R2adj = .595 (Bảng 4.6). Phân tích phương sai ANOVA (Bảng 4.7) nhằm kiểm định
độ phù hợp của mơ hình hồi quy tuyến tính tổng thể, có kết quả F = 78.069 với mức ý nghĩa 0.000<0.5 (Bác bỏ giả thuyết Ho: Tất cả các hệ số hồi quy bằng 0), như vậy mơ hình hồi quy là phù hợp với tập dữ liệu thu được và có ít nhất một hệ số hồi quy khác không, đồng thời gần 59% phương sai của biến phụ thuộc được giải thích bởi các biến: Hiểu biết thương hiệu, lợi ích xã hội, cảm nhận tính dễ sử dụng, lợi ích chất lượng, sự tiện ích, ảnh hưởng xã hội, giá trị tiền và lợi ích cảm xúc (có sự can thiệp của kích cỡ mẫu và số biến phụ thuộc trong mơ hình). Cịn lại gần 41% phương sai của biến phụ thuộc được giải thích bởi các biến khác.
Bảng 4. 6. Mức độ phù hợp của mơ hình
Mơ hình R R2 R2 hiệu chỉnh Sai số ước tính Durbin-Watson
1 .776a .603 .595 .33109 2.065
a. Biến dự đoán: (Hằng số), BF, SI, CI, QB, PEU, SB, VMB, EB b. Biến phụ thuộc: BCD
Bảng 4. 7. Kiểm định ANOVA Mơ hình Tổng bình phương df Mơ hình Tổng bình phương df Bình phương trung bình F Sig. 1 Phần hồi quy 68.465 8 8.558 78.069 .000b Phần dư 45.165 412 .110 Tổng 113.630 420 a. Biến phụ thuộc: BCD
b. Biến dự đoán: (Hằng số), BF, SI, CI, QB, PEU, SB, VMB, EB
Nguồn: Nghiên cứu của tác giả
Bảng 4. 8. Bảng hệ số hồi quy các biến
Mơ hình
Hệ số hồi quy chưa chuẩn hóa
Hệ số hồi quy chuẩn hóa t Sig. Thống kê đa cộng tuyến B Sai số chuẩn Beta Dung sai VIF 1 Hằng số .533 .157 3.397 .001 QB .086 .036 .088 2.383 .018 .703 1.422 VMB .131 .040 .131 3.292 .001 .611 1.638 SB .001 .028 .001 .037 .970 .643 1.554 EB .121 .032 .155 3.765 .000 .572 1.750 PEU .167 .031 .200 5.454 .000 .720 1.389 SI .009 .030 .011 .298 .766 .720 1.390 CI .071 .025 .094 2.784 .006 .842 1.188 BF .322 .031 .400 10.270 .000 .637 1.569 a. Biến phụ thuộc: BCD
Nguồn: Nghiên cứu của tác giả
Kết quả từ bảng hệ số hồi quy (Bảng 4.8) với mức ý nghĩa 0.05 (tức độ tin cậy 95%), |t|>2, thì có 6 biến thỏa mãn, trong đó biến hiểu biết thương hiệu với mức tác động cao nhất là 0.40 cho thấy người tiêu dùng lựa chọn thương hiệu sản phẩm máy ảnh kỹ thuật số dựa trên việc nhận diện thương hiệu và những kinh nghiệm trước đó về 1 thương hiệu. Tiếp theo là cảm nhận tính dễ sử dụng (β=0.20), lợi ích cảm xúc (β=0.155), giá trị tiền (β=0.131), sự tiện ích (β=.094) và lợi ích chất lượng (β=0.088). Các biến còn lại với mức ý nghĩa lớn hơn 0.05: lợi ích xã hội, ảnh hưởng xã hội, khơng có tác động đến quyết định lựa chọn thương hiệu máy ảnh kỹ thuật số (trong mẫu quan sát này).
Mơ hình được biểu diễn như sau (Hình 4.1)
Hình 4. 1. Kết quả phân tích hồi quy
Nguồn: Nghiên cứu của tác giả
4.3.3 Dị tìm các vi phạm giả thuyết hồi quy tuyến tính
Kết quả phân tích hồi quy cũng cho thấy các giả định về giả thuyết hồi quy không bị vi phạm:
Giả định về phân phối chuẩn của phần dư: Phần dư có thể khơng tuân theo phân
phối chuẩn vì những 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 của phần dư đã chuẩn hóa: Biểu đồ tần số Histogram (Xem phụ lục E), cho thấy phần dư phân phối xấp xỉ chuẩn với Mean = 0, độ lệch chuẩn 0.990 gần bằng 1, như vậy giả thuyết về phân phối chuẩn của phần dư không bị vi phạm. Hoặc xem xét biểu đồ tần số Q-Q plot (Xem phụ lục E), Q-Q plot thể hiện những giá trị của các điểm phân vị của phân phối của biến theo các phân vị của phân phối chuẩn.
Hiểu biết thương hiệu Cảm nhận tính dễ sử dụng Lợi ích cảm xúc Giá trị tiền Sự tiện ích Hành vi lựa chọn thương hiệu .400 .200 .155 .131 .094 Lợi ích chất lượng Lợi ích xã hội .088 Sig>0.05 Ảnh hưởng xã hội Sig>0.05
Những giá trị kỳ vọng này tập tạo thành một đường chéo, các điểm quan sát phân tán sát với đường chéo, phân phối phần dư có thể xem như chuẩn. Do đó có thể kết luận Giả thuyết phân phối chuẩn không bị vi phạm.
Giả định về tính độc lập của các sai số (khơng có tương quan giữa các phần dư):
Kiểm định Durbin-Watson cho giá trị 2.065 (Bảng 4.6), vận dụng quy tắc kiểm định đơn giản với 1<D<3: khơng có tự tương quan (Hoàng Trọng & Chu nguyễn Mộng Ngọc, 2010) cho thấy giả thuyết khơng có hiện tượng tự tương quan giữa các biến là phù hợp.
Giả định phương sai của sai số không đổi: Phương sai thay đổi làm cho các ước
lượng của hệ số hồi quy không chệch nhưng không hiệu quả (tức là không phải là ước lượng phù hợp nhất) dẫn đến kiểm định các giả thuyết mất hiệu lực khiến việc đánh giá nhầm về chất lượng mơ hình hồi quy tuyến tính (Hồng Trọng & Chu Nguyễn Mộng Ngọc, 2008)
Một công cụ hữu hụng là sử dụng đồ thị phân tán phần dư đã chuẩn hóa (Biểu đồ Scatterplot - Xem phụ lục E), cho thấy các phần dư phân tán ngẫu nhiên quanh trục 0 trong một phạm vi khơng đổi, như vậy có thể thấy giả định về phương sai của sai số khơng đổi khơng bị vi phạm và mơ hình hồi quy là phù hợp
Giả định khơng có mối tương quan giữa các biến độc lập (đo lường hiện tượng
đa cộng tuyến): Chỉ số thường dùng để đo lường hiện tượng đa cộng tuyến là chỉ số 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, chuẩn VIF thường được chấp nhận là VIF<2 (Nguyễn Đình Thọ, 2011). Kết quả hồi quy cho thấy tất cả các biến độc lập đều có VIF<2, thấp nhất là biến khuyến mãi (VIF=1,390) và cao nhất là biến lợi ích cảm xúc (VIF=1.750). Như vậy, một cách tổng thể, mơ hình hồi quy khơng bị vi phạm giả thuyết hiện tượng đa cộng tuyến.