4.3. Kiểm định thang đo
4.3.3. Phân tích hồi quy
Hồi quy tuyến tính bội thƣờng đƣợc dùng để kiểm định và giải thích lý thuyết nhân quả (Cooper và Schindler, 2003). Ngồi chức năng là một cơng cụ mơ tả, hồi quy tuyến tính bội cũng đƣợc sử dụng nhƣ một công cụ kết luận để kiểm định các giả thuyết và dự báo các giá trị của tổng thể nghiên cứu (Duncan, 1996). Nhƣ vậy, đối với nghiên cứu này hồi quy tuyến tính bội là phƣơng pháp thích hợp để kiểm định các giả thuyết nghiên cứu.
Trong phân tích hồi quy, cần chú ý các thông số sau:
Giá trị bội (R) chỉ ra độ lớn của mối quan hệ giữa các biến độc lập và phụ
thuộc.
Hệ số xác định (R2) đo lƣờng tỷ lệ tƣơng quan của phƣơng sai biến phụ thuộc mà giá trị trung bình của nó đƣợc giải thích bằng các biến độc lập.
Giá trị của R2 càng cao thì khả năng giải thích của mơ hình hồi quy càng
lớn và việc dự đốn biến phụ thuộc càng chính xác.
Hệ số xác định điều chỉnh (R2adj) thay cho R2 khi so sánh các mơ hình với
nhau. Hệ số điều chỉnh này giúp chúng ta điều chỉnh mức độ phù hợp của mơ hình: nghĩa là kiểm tra những mơ hình có nhiều biến phụ thuộc nhƣng thực sự trong đó có một số biến khơng giúp bao nhiêu cho việc giải thích biến thiên của biến phụ thuộc (Y) (Nguyễn Đình Thọ, 2011)
Khi thực phép kiểm định F trong phân tích phƣơng sai (ANOVA), nếu giá
trị F có ý nghĩa đáng kể về mặt thống kê (p < 0,001), giả thuyết thuần của mối quan hệ khơng tuyến tính bị bác bỏ.
Hệ số beta () là hệ số hồi quy chuẩn hóa cho phép so sánh trực tiếp giữa các hệ số, đƣợc xem nhƣ là khả năng giải thích biến phụ thuộc. Trị tuyệt đối của một hệ số beta chuẩn hóa càng lớn thì tầm quan trọng tƣơng đối của nó trong dự báo biến phụ thuộc càng cao.
Hệ số tƣơng quan từng phần (partial R) đo lƣờng sức mạnh của mối quan
hệ giữa một biến phụ thuộc và một biến đơn độc lập khi ảnh hƣởng dự báo của các biến độc lập khác trong mơ hình hồi quy đƣợc giữ ngun (Hair & ctg, 2006).
Khi ƣớc lƣợng mơ hình hồi quy bội, cần phải kiểm tra các biến độc lập khơng có tƣơng quan hồn tồn với nhau thơng qua kiểm tra hiện tƣợng đa cộng tuyến. Để kiểm tra hiện tƣợng đa cộng tuyến, chỉ số thƣờng dùng là hệ số phóng đại phƣơng sai VIF (Variance Inflation Factor). Thông thƣờng, nếu VIF của một biến độc lập lớn hơn 10 thì biến này hầu nhƣ khơng có giá trị giải thích biến thiên của Y trong mơ hình hồi quy bội (Hair & ctg 2006).
Tuy nhiên, trong thực tế, nếu VIF > 2, chúng ta cần cẩn thận trong diễn giải các trọng số hồi quy (Nguyễn Đình Thọ, 2011)