Nguồn: Đề xuất của tác giả
H1: Chất lượng tốt đồng biến với quyết định lựa chọn của doanh nghiệp
H2: Năng lực kỹ thuật tốt đồng biến với quyết định lựa chọn của doanh nghiệp H3: Dịch vụ tốt đồng biến với quyết định lựa chọn của doanh nghiệp
H4: Năng lực giao hàng tốt đồng biến với quyết định lựa chọn của doanh nghiệp
H5: Giá cả cạnh tranh đồng biến với quyết định lựa chọn của doanh nghiệp Kết luận: Mơ hình điều chỉnh khơng có sự khác biệt so với mơ hình ban đầu, sự khác biệt chủ yếu đó là các yếu tố thay đổi vị trí và một số thang đo được loại bỏ.
Kiểm định mơ hình nghiên cứu và các giả thuyết 4.5. Phân tích hồi quy tuyến tính:
4.5.1. Phương trình hồi quy tuyến tính lý thuyết:
Phương trình hồi quy tuyến tính sẽ giải thích cường độ tác động của các biến độc lập lên biến phụ thuộc hay có nghĩa là sự tác động của các nhân tố lên quyết định chọn lựa cuối cùng của doanh nghiệp. Phương pháp hồi quy được sử dụng ở đây chính là phương pháp bình phương nhỏ nhất OLS. Phương trình hồi quy tuyến tính bội biểu diễn mối quan hệ sẽ có dạng như sau:
Trong đó:
β0: hằng số tự do
β1 ÷ β5: hệ số hồi quy riêng phần
F1 ÷ F5: Yếu tố chất lượng, kỹ thuật, dịch vụ, giao hàng, giá cả P: Yếu tố quyết định *F1 (Chất lượng) = (CL1 + CL2 + CL3 + CL4 + CL5) / 5 *F2 (Kỹ thuật) = (KT1 + KT2 + KT3 + KT4) / 4 *F3 (Dịch vụ) = (DV1 + DV2 + DV4 + DV5) / 4 *F4 (Giao hàng) = (GH1 + GH2 + GH3 + GH4) / 4 *F5 (Giá cả) = (GC1 + GC2 + GC3) / 3 *P (Quyết định) = (QD1 + QD2 + QD3 + QD4 + QD5) / 5
4.5.2. Phân tích tương quan giữa các yếu tố và quyết định cuối cùng:
Bảng 4.16: Phân tích tương quan giữa các yếu tố và quyết định cuối cùng
Correlations F1 F2 F3 F4 F5 P F1 Pearson Correlation 1 .223* .125 -.065 .508** .592** Sig. (2-tailed) .011 .157 .467 .000 .000 N 129 129 129 129 129 129 F2 Pearson Correlation .223* 1 -.028 -.037 .190* .265** Sig. (2-tailed) .011 .755 .675 .031 .002 N 129 129 129 129 129 129 F3 Pearson Correlation .125 -.028 1 -.202* .135 .127 Sig. (2-tailed) .157 .755 .021 .127 .152 N 129 129 129 129 129 129 F4 Pearson Correlation -.065 -.037 -.202* 1 .006 -.020 Sig. (2-tailed) .467 .675 .021 .948 .826 N 129 129 129 129 129 129 F5 Pearson Correlation .508** .190* .135 .006 1 .700** Sig. (2-tailed) .000 .031 .127 .948 .000 N 129 129 129 129 129 129 P Pearson Correlation .592** .265** .127 -.020 .700** 1 Sig. (2-tailed) .000 .002 .152 .826 .000 N 129 129 129 129 129 129
Đầu tiên ta sẽ phân tích mối quan hệ tuyến tính giữa các biến độc lập lên biến phụ thuộc và giữa các biến độc lập với nhau. Giả định rằng các biến độc lập khơng có tương quan hồn toàn với nhau (hệ số tương quan khác 1). Vì vậy ta xem xét bảng ma trận hệ số tương quan 4.21 trên để rút ra các kết luận sau:
Kết quả ma trận tương quan chỉ ra các biến độc lập khơng có tương quan hồn tồn với nhau, các hệ số tương quan đều bé hơn 1. Biến phụ thuộc có mối quan hệ tương quan với tất cả biến độc lập, và tương quan lớn nhất với biến F1 đạt 0.592. Đối với biến F3, F4 thì biến phụ thuộc rất ít tương quan chỉ đạt 0,127 và -0.02, hệ số Sig. cũng lớn hơn 0,05. Điều này cho thấy 2 biến này sẽ khơng có ý nghĩa thống kê trong mơ hình giải thích sự biến thiên của biến phụ thuộc P.
4.5.3. Kết quả phương trình hồi quy tuyến tính:
Sau khi chạy phân tích hồi quy ta có kết quả phân tích như sau: Bảng 4.17: Bảng đánh giá độ phù hợp của mơ hình theo R2
và Durbin-Watson
Model Summaryb
Model R R Square Adjusted R
Square Std. Error of the Estimate Durbin-Watson 1 .758a .575 .557 .48305 1.685 a. Predictors: (Constant), F5, F2, F3, F1, F4 b. Dependent Variable: P
Để đánh giá mức độ phù hợp của mơ hình hồi quy, ta sử dụng hệ số R2 hiệu chỉnh (Adjust R Square). Kết quả cho thấy hệ số R2
hiệu chỉnh = 0,557 nhỏ hơn hệ số R2 là 0.575 chứng tỏ mơ hình phù hợp với mức dữ liệu 55,7% hay nghĩa là mơ hình nghiên cứu đã giải thích được 55,7% sự biến thiên trong quyết định lựa chọn nhà cung cấp Hàn Quốc của doanh nghiệp thông qua các biến độc lập trong mơ hình. Kiểm định Durbin-Watson cho giá trị 1,681 (1< Durbin-Watson < 3) nên ta có thể kết luận khơng có tương quan chuỗi bậc 1 trong mơ hình (Hồng Trọng & Chu Nguyễn Mộng Ngọc, 2008, tập 1, tr. 223)
Bảng 4.18: Kết quả kiểm định ANOVA
ANOVAa
Model Sum of Squares Df Mean Square F Sig.
1 Regression 38.776 5 7.755 33.236 .000b Residual 28.700 123 .233 Total 67.476 128 a. Dependent Variable: P b. Predictors: (Constant), F5, F4, F2, F3, F1
Kết quả kiểm định F trong phân tích phương sai ANOVA nhằm đánh giá độ phù hợp của mơ hình hồi quy tuyến tính tổng thể. Trong bản phân tích này ta thấy hệ số sig rất nhỏ = 0,000 < 1% nên mơ hình hồi quy phù hợp với tập dữ liệu và có thể sử dụng được.
Bảng 4.19: Kết quả phân tích hồi quy theo phương pháp Enter
Ta thấy các hệ số phóng đại phương sai (VIF) của các biến phụ thuộc đều nhỏ hơn 10 do đó khơng hề có hiện tượng đa cộng tuyến ở đây (Hồng Trọng & Chu Nguyễn Mộng Ngọc, 2008, tập 1, tr. 252).
Như vậy theo kết quả phân tích ta có cơng thức hồi quy tuyến tính theo hệ số Beta chuẩn hóa như sau:
P = 0,3F1 + 0,099F2 + 0,022F3 + 0,005F4 + 0,526F5
Coefficientsa
Model Unstandardized Coefficients Standardized Coefficients
T Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) 1.068 .440 2.427 .017 F1 .227 .052 .300 4.327 .000 .719 1.391 F2 .090 .055 .099 1.627 .106 .937 1.068 F3 .027 .076 .022 .361 .719 .933 1.072 F4 .004 .052 .005 .082 .934 .952 1.050 F5 .376 .049 .526 7.626 .000 .727 1.376 a. Dependent Variable: P
Ta thấy rằng quyết định của doanh nghiệp bị tác động chủ yếu từ yếu tố F1 (Chất lượng) và yếu tố F5 (Giá cả) của nhà cung cấp Hàn Quốc. Các biến cịn lại khơng có khả năng tác động lớn đến quyết định. Do đó có thể giải thích vì sao ý nghĩa thống kê của biến F2 (sig=0,106), biến F3 (sig=0,719) và biến F4 (sig=0,934) đều lớn hơn 5%. Các biến này khơng có ý nghĩa thống kê thể hiện sự ảnh hưởng lên biến phụ thuộc là “Quyết định lựa chọn” của doanh nghiệp.
Như vậy tác giả đã phân tích và loại bỏ các biến quan sát có hệ số tương quan thấp so với quyết định chọn lựa cuối cùng của doanh nghiệp. Phương trình hồi quy tuyến tính chỉ ra hệ số tác động của biến “Chất lượng” lên “Quyết định” là 0,3 khi biến F1 thay đổi 1 đơn vị, và hệ số tác động của biến “Giá cả” lên “Quyết định là 0,526 khi biến F5 thay đổi 1 đơn vị.
4.5.4. Dị tìm sự vi phạm các giả thiết trong mơ hình:
Giả định thứ 1: giả định về liên hệ tuyến tính. Tác giả sử dụng biểu đồ phân tán Scatter plot với giá trị phần dư (Standarized residual) trên trục tung và giá trị dự đốn chuẩn hóa (Standarized predicted residual) trên trục hồnh.
Hình 4.2 bên dưới sẽ cho ta thấy đồ thị quan hệ tuyến tính giữa 2 biến là phân tán ngẫu nhiên và khơng có một sự vi phạm về quan hệ tuyến tính nào ở đây.