Giả
thuyết Phát biểu giả thuyết
Giá trị P
Kết quả kiểm định
H1 Sự giao dịch an toàn sẽ ảnh hưởng dương đến ý định
mua trang phục qua mạng. P<0,05 Chấp nhận
H2 Sự mua hàng thuận tiện ảnh hưởng dương đến ý định
mua trang phục qua mạng. P<0,05 Chấp nhận
H3 Chương trình khuyến mãi ảnh hưởng dương đến ý
định mua hàng trang phục qua mạng. P<0,05 Chấp nhận H4 Giá sản phẩm ảnh hưởng dương đến ý định mua hàng
trang phục qua mạng. P<0,05 Chấp nhận
H5 Thông tin sản phẩm ảnh hưởng dương đến ý định
mua hàng trang phục qua mạng. P<0,05 Chấp nhận H6 Nhận thức tính dễ sử dụng ảnh hưởng dương đến ý
định mua hàng trang phục qua mạng. P>0,05 Bác bỏ
(Nguồn: Kết quả phân tích dữ liệu của tác giả)
4.4.5Dị tìm sự vi phạm các giả định cần thiết trong hồi qui tuyến tính
4.4.5.1 Kiểm tra giả định liên hệ tuyến tính: Sử dụng đồ thị phân tán (Scatterplot)giữa các phần dư và giá trị dự đốn mà mơ hình hồi qui tuyến tính cho ra. Hai giữa các phần dư và giá trị dự đốn mà mơ hình hồi qui tuyến tính cho ra. Hai giá trị đã được chuẩn hóa (Standardized) bao gồm phần dư chuẩn hóa (Standardized Residual) trên trục tung và giá trị dự đốn chuẩn hóa (Standardized Predicted Value) trên trục hoành. Nếu giả định liên hệ tuyến tính và phương sai bằng nhau được thỏa mãn thì ta khơng thấy có liên hệ gì giữa các giá trị dự đốn và phần dư, chúng sẽ phân tán rất ngẫu nhiên (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008, tập 1, trang 224).
Theo kết quả vẽ đồ thị phân tán khi chạy hồi qui thì phần dư phân tán ngẫu nhiên chứ khơng theo một hình dạng nào. Điều này chứng tỏ là giả định quan hệ tuyến tính khơng bị vi phạm.
Hình 4.1: Đồ thị phân tán Scatterplot(Nguồn: Kết quả phân tích dữ liệu của tác (Nguồn: Kết quả phân tích dữ liệu của tác
giả)
4.4.5.2 Kiểm tra giả định về phân phối chuẩn của phần dư: Phần dư có thể khơngtuân theo phân phối chuẩn vì những lý do như: Sử dụng sai mơ hình, tuân theo phân phối chuẩn vì những lý do như: Sử dụng sai mơ hình, phương sai khơng phải hằng số, số lượng các phần dư khơng đủ nhiều để phân tích… (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008, tập 1, trang 228). Vì vậy, chúng ta sẽ xây dựng biểu đồ tần số (Histogram, P-P plot) của các phần dư (đã được chuẩn hóa) để kiểm tra giả định này khi chạy hồi qui.
Hình 4.2: Đồ thị tần số Histogram(Nguồn: Kết quả phân tích dữ liệu của tác (Nguồn: Kết quả phân tích dữ liệu của tác
Dựa theo đồ thị hình 4.2 cho thấy phân phối phần dư xấp xỉ chuẩn (Mean=2,70E-15 rất nhỏ, gần bằng 0 và độ lệch chuẩn Std.Dev = 0,991 xấp xỉ gần bằng 1). Điều này có nghĩa là giả định về phân phối chuẩn của phần dư khơng bị vi phạm.
Ngồi ra, để kiểm định về phân phối của phần dư, tác giả sử dụng thêm một dạng biểu đồ đặc biệt đó là biểu đồ P-P plot. Các điểm quan sát thực tế sẽ tập trung sát theo đường chéo nếu dữ liệu có phân phối chuẩn (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008, tập 1, trang 230).
Dựa theo biểu đồ P-P plot cho thấy các điểm quan sát phân tán sát theo đường thẳng kỳ vọng, do đó giả định về phân phối chuẩn của phần dư khơng bị vi phạm.
Hình 4.3: Biểu đồ P-P plot
(Nguồn: Kết quả phân tích dữ liệu của tác giả)
4.4.5.3 Kiểm tra giả định về tính độc lập của sai số: (khơng có tương quan giữa các
phần dư).
Đại lượng thống kê Durbin_Watson (d) có thể dùng để kiểm định tương quan của các sai số kế nhau (tương quan chuỗi bậc nhất). Giả thuyết khi tiến hành kiểm định này là:
Ho: Hệ số tương quan tổng thể của các phần dư bằng 0
Đại lượng d có giá trị biến thiên trong khoảng từ 0 đến 4. Nếu các phần dư không tương quan chuỗi bậc nhất với nhau, giá trị d sẽ gần bằng 2 (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008, tập 1, trang 232-233). Theo kết quả phân tích hồi qui bảng 4.9, giá trị d = 1,672 < 2 có nghĩa là giá trị d thỏa điều kiện giả định khơng có tương quan chuỗi bậc nhất của phần dư. Như vậy, khơng có tương quan giữa các phần dư.
4.4.5.4 Kiểm tra giả định khơng có mối tương quan giữa các biến độc lập (đo lường đa cộng tuyến)
Đa cộng tuyến là trạng thái trong đó các biến độc lập có tương quan chặt chẽ với nhau. Vấn đề của hiện tượng đa cộng tuyến là chúng cung cấp cho mơ hình những thơng tin rất giống nhau và rất khó tách rời ảnh hưởng của từng biến một đến biến phụ thuộc (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008, tập 1, trang 235). Để đánh giá hiện tượng đa cộng tuyến trong phân tích hồi qui ta dựa trên các hệ số sau: T (Tolerance) và hệ số phóng đại phương sai VIF (Variance Inflation Factor).
Nếu dung sai T của một biến độc lập trong mơ hình càng lớn thì phần riêng của nó càng lớn nên hệ số phóng đại phương sai VIF càng nhỏ nên hiện tượng đa cộng tuyến sẽ giảm. Và ngược lại, khi T càng nhỏ, VIF của biến độc lập sẽ càng lớn (lúc này các biến độc lập khác có thể giải thích cho biến độc lập đang xem xét) và hiện tượng đa cộng tuyến sẽ xảy ra (Nguyễn Đình Thọ, 2011).
Theo kết quả phân tích bảng 4.11 cho thấy, các hệ số phóng đại VIF của các biến độc lập có tác động đến biến phụ thuộc khá nhỏ, cao nhất là 2,183 < 10,
trong khi đó nếu VIF của một biến độc lập nào đó > 10 thì mới được xem là có hiện tượng đa cộng tuyến. Do đó, giữa các biến độc lập khơng xảy ra hiện tượng đa cộng tuyến hay khơng có mối tương quan giữa các biến độc lập.
Như vậy, mơ hình hồi qui bội được xây dựng không vi phạm các giả định cần thiết trong hồi qui bội.
4.5 Kiểm định sự khác biệt về ý định mua trang phục qua mạng của người tiêu dùng TP.HCM theo đặc điểm nhân khẩu.
Nhằm tìm kiếm khám phá dữ liệu nghiên cứu để tìm ra sự khác biệt của người tiêu dùng dựa trên các biến định tính bao gồm giới tính, độ tuổi và thu nhập nên tác giả tiến hành kiểm định những sự khác biệt đó bằng các phương pháp Independent-Sample T-test với mức ý nghĩa 5%, phân tích phương sai ANOVA với mức ý nghĩa 5%.
4.5.1 Kiểm định sự khác biệt về giới tính
Phương pháp kiểm định Independent-Sample T-test cùng mức ý nghĩa α=5% (mức độ tin cậy 95%) được ứng dụng để kiểm định sự khác biệt giữa trung bình của nữ và nam tham gia cuộc khảo sát. Kết quả kiểm định như bảng 4.13 như sau: