Chƣơng 3 : THIẾT KẾ NGHIÊN CỨU
3.4. Nghiên cứu định lượng
3.4.3.4. Phân tích hồi quy tuyến tính bội
Sau khi kết luận hai biến có mối quan hệ tuyến tính với nhau thì có thể mơ hình hóa mối quan hệ nhân quả này bằng hồi quy tuyến tính (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
Nghiên cứu thực hiện hồi quy tuyến tính bội bằng phương pháp Enter, xử lý tất cả các biến đưa vào một lần và đưa ra các thông số thống kê liên quan đến các biến. Sau đó, kiểm định các giả thuyết theo các bước sau:
Đánh giá độ phù hợp của mơ hình hồi quy tuyến tính bội bằng hệ số R2
và hệ số R2 điều ch nh. Hệ số R2 đã được chứng minh là hàm không giảm theo số biến độc lập được đưa vào mơ hình, càng đưa thêm nhiều biến độc lập vào mơ hình thì R2 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 tập dữ liệu. Để giải quyết tình huống này, hệ số R2 điều ch nh được sử dụng để phản ánh tốt hơn mức độ phù hợp của mơ hình hồi quy tuyến tính bội. Hệ số R2 điều ch nh không nhất thiết phải tăng lên khi nhiều biến độc lập được đưa thêm vào mơ hình. Hệ số R2 điều ch nh là thước đo sự phù hợp được sử dụng cho tình huống hồi quy tuyến tính bội vì nó khơng phụ thuộc vào độ lệch phóng đại của hệ số R2.
Kiểm định giả thuyết về độ phù hợp của mơ hình.
Kiểm định giả thuyết về ý nghĩa của hệ số hồi quy từng thành phần.
Kiểm định giả thuyết về phân phối chuẩn của phần dư sử dụng biểu đồ tần số của các phần dư. Nếu trung bình bằng 0 và độ lệch chuẩn xấp x bằng 1 thì có thể kết luận rằng giả định phân phối chuẩn không bị vi phạm..
Kiểm tra giả định về hiện tượng đa cộng tuyến thông qua hệ số phóng đại phương sai VIF (Variance Inflation Factor). Nếu VIF > 10 thì có hiện tượng đa cộng tuyến (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
Xác định mức độ ảnh hưởng của các yếu tố tác động đến thái độ và ý định: hệ số beta của yếu tố nào càng lớn thì có thể nhận xét yếu tố đó có mức độ ảnh hưởng cao hơn các yếu tố khác trong mơ hình nghiên cứu.