1.4.2 .Xây dựng các giả thuyết
3.3 Kiểm định mối quan hệ giữa các nhân tố với quyết định gửi tiền tiết kiệm của khách
3.3.1 Kiểm tra giả định về phƣơng sai của sai số không đổi
Hiện tượng sai số không đổi gây ra khá nhiều hậu quả tai hại đối với mơ hình ước lượng bằng phương pháp OLS. Nó làm các ước lượng của hệ số hồi quy không chệch nhưng không hiệu quả (tức là không phải là ước lượng phù hợp nhất). Có nhiều phương pháp để kiểm định giả thuyết phương sai của sai số không đổi, trong phạm vi nghiên cứu này tôi dùng kiểm định tương quan hạng Spearman, giả thuyết H0 được đặt ra là “Hệ số tương quan hạng của tổng thể bằng 0”. Nếu kết quả kiểm định không bác bỏ giả thuyết H0, đây là một tin tốt vì bạn có thể kết luận phương sai của sai số không đổi, ngược lại nếu giá trị Sig. của kiểm định nhỏ hơn mức ý nghĩa chúng ta phải chấp nhận giả thuyết phương sai của sai số thay đổi (Theo Phân tích
dữ liệu nghiên cứu với SPSS của Hoàng Trọng và Chu Nguyễn Mộng Ngọc – Tập 1).
Kết quả kiểm định tương quan hạng Spearman giữa phần dư mơ hình và biến độc lập thể hiện trong bảng sau:
Bảng 3.6: Kiểm định giả định về phƣơng sai của sai số khơng đổi
Thương hiệu Sản phẩm dịch vụ Chăm sóc khách hàng Đội ngũ nhân viên Sự tiện lợi Sự giới thiệu Phần dư 0.036 0.018 -0.014 -0.015 -0.018 0.001 Giá trị Sig. 0.627 0.809 0.849 0.840 0.809 0.988 Ghi chú: Tương quan Spearman’s có ý nghĩa thống kê ở mức 0.05
3.3.2 Kiểm tra giả định về phân phối chuẩn của phần dƣ
Phần dư có thể khơng tn theo quy luật 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 không đủ nhiều để phân tích,… Có thể kiểm tra xem phần dư có tn theo quy luật phân phối chuẩn hay không? Trong nghiên cứu này tôi chọn cách xây dựng biểu đồ tần số của các phần dư:
Hình 3.2 Kết quả kiểm định phân phối chuẩn của phần dƣ
Kết quả trên cho thấy một đường cong phân phối chuẩn được đặt chồng lên biểu đồ tần số. Thật không hợp lý khi chúng ta kỳ vọng rằng các phần dư quan sát có phân phối chuẩn vì ln có những chênh lệch khi lấy mẫu. Ngay cả khi các sai số có phân phối chuẩn trong tổng thể đi nữa thì phần dư trong mẫu quan sát cũng chỉ xấp xỉ chuẩn mà thôi. Trong nghiên cứu này, có thể nói phân phối phần dư xấp xỉ chuẩn ( trung bình Mean = -2.04E-17 ~ 0 và độ lệch tiêu chuẩn Std.Dev. = 0.984 ~1) (Theo Phân tích dữ liệu nghiên cứu với SPSS của Hoàng Trọng và Chu Nguyễn
Mộng Ngọc – Tập 1). Do đó có thể kết luận rằng trong nghiên cứu này giả thuyết
phân phối chuẩn của phần dư không bị vi phạm.
3.3.3 Kiểm tra giả định về tính độc lập của sai số (khơng có tƣơng quan hạng giữa các phần dƣ)
Có một số lý do dẫn đến sự tồn tại của phần dư ei đó là các biến có ảnh hưởng khơng được đưa vào mơ hình do giới hạn và mục tiêu của nghiên cứu, chọn dạng tuyến tính cho mối quan hệ lẽ ra là phi tuyến tính, sai số trong đo lường các biến,… các lý do này có thể dẫn đến vấn đề tương quan chuỗi trong sai số và tương quan chuỗi cũng gây ra những tác động sai lệch nghiêm trọng đến mơ hình hồi quy tuyến tính như hiện tượng phương sai thay đổi. Đại lượng thống kê Durbin – Watson (d)
có thể dùng kiểm định tương quan của các sai số kề nhau (tương quan chuỗi bậc nhất). Giả thuyết khi tiến hành kiểm định là: Hệ số tương quan tổng thể của các phần dư = 0. (Theo Phân tích dữ liệu nghiên cứu với SPSS của Hoàng Trọng và Chu Nguyễn Mộng Ngọc – Tập 1).
Kết quả hổi quy của mơ hình cho ta giá trị d = 1.912. Tra bảng giá trị Durbin – Watson cho 4 biến độc lập và 190 quan sát của mơ hình cho thấy giá trị d của 2 mơ hình nằm miền chấp nhận khơng có tương quan chuỗi bậc nhất.
3.3.4 Kiểm định khơng có mối tƣơng quan giữa các biến độc lập (đo lƣờng Đa cộng tuyến)
Khi giải thích về phương trình hồi quy, nhà nghiên cứu lưu ý đến hiện tượng đa cộng tuyến. Các biến mà có sự cộng tuyến cao có thể làm bóp méo kết quả và làm cho kết quả khơng ổn định và khơng có tính tổng qt hóa. Nhiều vấn đề rắc rối nảy sinh nếu hiện tượng đa cộng tuyến nghiêm trọng tồn tại, ví dụ như nó có thể làm tăng sai số trong tính tốn hệ số beta, tạo ra hệ số hồi quy có dấu ngược với những gì ta mong đợi và kết quả T-test khơng có ý nghĩa thống kê đáng kể trong khi kết quả F-test tổng qt cho mơ hình lại có ý nghĩa thống kê.
Theo Hair & ctg, 2006 có hai cách đo lường để kiểm định ảnh hưởng của đa cộng tuyến: (1) tính giá trị dung sai hoặc hệ số phóng đại phương sai (VIF) và (2) sử dụng chỉ số điều kiện.
Trong nghiên cứu này tác giả chọn phương pháp 1 để đo lường hiện tượng đa cộng tuyến. Giá trị dung sai cao thể hiện sự đa cộng tuyến thấp, và giá trị dung sai càng tiến đến không (zero) thể hiện rằng biến này hầu như được giải thích hồn tồn bằng những biến khác. Hệ số VIF là giá trị nghịch đảo của giá trị dung sai, như vậy nếu hệ số VIF thấp thì mối quan hệ tương quan giữa các biến thấp. Nói chung nếu hệ số VIF lớn hơn 10, hiện tượng đa cộng tuyến nghiêm trọng đang tồn tại.
Như vậy, để khơng có hiện tượng đa cộng tuyến nghiêm trọng xảy ra trong mơ hình hồi quy bội, các hệ số VIF phải nhỏ hơn 10 và các chỉ số điều kiện phải nhỏ hơn 30.
Bảng 3.7 Giá trị hệ số VIF
Biến độc lập Giá trị VIF
Thương hiệu 1.000
Sản phẩm dịch vụ 1.000
Chăm sóc khách hàng 1.000
Đội ngũ nhân viên 1.000
Sự tiện lợi 1.000
Sự giới thiệu 1.000
Kết luận về các giả định của mơ hình hồi quy: Tất cả các giả định của mơ hình
hồi quy đều được chấp nhận, như vậy ta có thể yên tâm sử dụng kết quả hồi quy để đánh giá các nhân tố ảnh hưởng đến Quyết định gửi tiền tiết kiệm của khách hàng tại BIDV Chi nhánh Bến Thành và dự báo xu hướng cũng như có thể có những đề xuất cụ thể dựa trên kết quả hồi quy.