6. Kết cấu của luận văn
2.1 Giới thiệu khái quát về ACB
2.2.3.4 Xây dựng phương trình hồi quy
Sau khi rút trích được các nhân tố từ phân tích nhân tố khám phá EFA, dị tìm các vi phạm giả định cần thiết trong mơ hình hồi quy tuyến tính bội như kiểm tra phần dư chuẩn hóa, kiểm tra hệ số phóng đại phương sai VIF (Variance inflation factor - VIF). Nếu các giả định khơng bị vi phạm, mơ hình hồi quy tuyến tính được bội được xây dựng và hệ số R² đã được điều chỉnh (adjusted R square) cho biết mơ hình hồi quy được xây dựng phù hợp đến mức nào.
Kiểm định F được sử dụng trong phân tích phương sai là một phép kiểm định giả thuyết về độ phù hợp của mơ hình hồi quy tuyến tính tổng thể để xem xét biến phụ thuộc có liên hệ tuyến tính với tồn bộ tập hợp của các biến độc lập. Bên cạnh đó cần kiểm tra hiện tượng tương quan bằng hệ số Durbin-Watson (1< Durbin- Watson < 3) và khơng có hiện tượng đa cộng tuyến bằng hệ số phóng đại phương sai VIF (VIF < 2,5). Hệ số Bêta chuẩn hóa được dùng để đánh giá mức độ quan trọng của từng nhân tố, hệ số Beta chuẩn hóa của nhân tố nào càng cao thì mức độ tác động của biến đó vào sự hài lòng khách hàng càng lớn (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
Các nhà nghiên cứu sử dụng hệ số R² (R-quare) để đánh giá mức độ phù hợp của mơ hình nghiên cứu, hệ số xác định R² được chứng minh là hàm không giảm theo số biến độc lập được đưa vào mơ hình, tuy nhiên khơng phải chương trình càng có nhiều biến thì sẽ càng phù hợp hơn với dữ liệu. R² có khuynh hướng là một yếu tố lạc quan của thước đo sự phù hợp của mơ hình đối với dữ liệu trong trường hợp có 1 biến giải thích trong mơ hình. Như vậy trong hồi quy tuyến tính bội thường dùng hệ số R² (R- quare) điều chỉnh để đánh giá mức độ phù hợp của mơ hình vì nó khơng thổi phồng mức độ phù hợp của mơ hình.