CHƯƠNG 4 : KẾT QUẢ VÀ THẢO LUẬN
4.3 Kiểm định mơ hình nghiên cứu và các giả thuyết nghiên cứu
4.3.2.1 Dị tìm sự vi phạm các giả định cần thiết trong hồi quy tuyến tính
ý nghĩa thống kê (mức ý nghĩa < 0,01). Trong đó, hệ số tương quan giữa biến phụ thuộc ý định sử dụng mobile banking và biến độc lập nhận thức về sự tín nhiệm là cao nhất (0,545) và yếu tố sự phức tạp có hệ số tương quan với biến phụ thuộc thấp nhất (-0,206). Như vậy, kết quả phân tích tương quan cho thấy việc sử dụng phân tích hồi quy tuyến tính là phù hợp. Ngồi ra, giá trị tuyệt đối của hệ số tương quan giữa các biến độc với nhau không quá cao để tạo ra hiện tượng đạ cộng tuyến, hệ số này dao động từ -0,061 đến 0,340.
4.3.2 Phân tích hồi quy
4.3.2.1 Dị tìm sự vi phạm các giả định cần thiết trong hồi quy tuyến tính tính
Trước khi phân tích kết quả hồi quy, cần kiểm tra 5 giả định cần thiết trong hồi quy tuyến tính sau:
Giả định liên hệ tuyến tính.
Để kiểm tra giả định này, cần xem xét đồ thị phân tán (Scatter) giữa các phần dư và giá trị dự đốn mà mơ hình hồi quy cho ra. Với phần dư trên trục tung và giá trị dự đốn trên trục hồnh, đồ thị phân tán Scatter (Xem phụ lục 9, mục 6) cho thấy phần dư được phân tán một cách ngẫu nhiên trong một vùng xung quanh đường đi qua tung độ 0 chứ khơng tạo thành hình dạng nào khác. Điều đó cho thấy giả định liên hệ tuyến tính được thỏa mãn.
Giả định phương sai của sai số không đổi.
Sử dụng kiểm định tương quan hạng Spearman để kiểm tra giả định phương sai của sai số không đổi.
Giả thuyết H0 là: hệ số tương quan hạng của tổng thể bằng 0.
Nếu kết quả kiểm định cho thấy giá trị Sig. của kiểm định nhỏ hơn mức ý nghĩa (5%) thì bác bỏ H0 và chấp nhận giả thuyết phương sai của sai số thay đổi (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Kết quả kiểm định được trình bày ở bảng 4.8 cho thấy các hệ số Sig. đều lớn hơn mức ý nghĩa (0,05). Do đó, khơng thể bác bỏ giả thuyết H0 nên có thể kết luận là phương sai của sai số không thay đổi. Hơn nữa, đồ thị phân tán Scatter cũng cho thấy các phần dư phân tán một cách ngẫu nhiên quanh trục 0 (tức quanh giá trị trung bình của phần dư) trong một phạm vi không đổi. Điều này cũng giúp kết luận phương sai của sai số là không thay đổi.
Bảng 4.8 Ma trận tương quan hạng Spearman
Spearman's rho Tự tin Hữu
ích Tín nhiệm Tương thích Phức tạp Thử nghiệm Giá trị tuyệt đối của phần dư
Tự tin Correlation Coefficient 1,000 0,225
**
0,185** 0,314** -0,140* 0,180** 0,076
Sig. (2-tailed) 0,000 0,001 0,000 0,016 0,002 0,190
Hữu ích Correlation Coefficient 1,000 0,312
** 0,237** -0,177** 0,367** -0,048 Sig. (2-tailed) 0,000 0,000 0,002 0,000 0,412 Tín nhiệm Correlation Coefficient 1.000 0,284** -0,066 0,274** 0,042 Sig. (2-tailed) 0,000 0,254 0,000 0,473 Tương thích Correlation Coefficient 1,000 -0,115* 0,141* 0,103 Sig. (2-tailed) 0,047 0,015 0,077 Phức tạp Correlation Coefficient 1,000 -0,174** 0,046 Sig. (2-tailed) 0,003 0,429 Thử nghiệm Correlation Coefficient 1,000 -0,016 Sig. (2-tailed) 0,782 Giá trị tuyệt đối của phần dư Correlation Coefficient 1.000 Sig. (2-tailed) . **. Tương quan có ý nghĩa ở mức 0,01
*. Tương quan có ý nghĩa ở mức 0,05
Nguồn: Kết quả phân tích dữ liệu điều tra
Giả định về phân phối chuẩn của phần dư.
Để kiểm tra giả định về phân phối chuẩn của phần dư, sử dụng biểu đồ tần số Histogram, biểu đồ P-P Plot, biểu đồ tần số Q-Q Plot và kiểm định Kolmogorov – Smirnov một mẫu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Biểu đồ tần số Histogram (Xem phụ lục 9, mục 3) cho thấy một đường cong phân phối chuẩn được đặt chồng lên biểu đồ tần số, phân phối phần dư có giá trị
trung bình xấp xỉ bằng 0 (mean = 1,80E-16) và độ lệch chuẩn xấp xỉ bằng 1 (Std.Dev. = 0,99). Biểu đồ P-P Plot và biểu đồ tần số Q-Q Plot (xem phụ lục 9, mục 4 và 5) đều cho thấy các điểm quan sát không phân tán quá xa đường thẳng kỳ vọng.
Ngoài ra, kết quả kiểm định Kolmogorov –Smirnov một mẫu tại bảng 4.9 cũng cho thấy giá trị Sig. = 0,422, lớn hơn mức ý nghĩa 0,05, do đó chấp nhận giả thuyết H0: Phần dư có phân phối chuẩn.
Như vậy, dựa vào kết quả sau khi xem biểu đồ tần số Histogram, biểu đồ P-P Plot, biểu đồ tần số Q-Q Plot và kiểm định Kolmogorov –Smirnov một mẫu, có thể kết luận giả định về phân phối chuẩn của phần dư không bị vi phạm.
Bảng 4.9 Kiểm định Kolmogorov –Smirnov một mẫu
Phần dư chuẩn hóa
Các tham số của phân phối chuẩn Giá trị trung bình 0,0000000
Độ lệch chuẩn 0,98981298
Sự khác biệt Giá trị tuyệt đối 0,051
Giá trị dương 0,051
Giá trị âm -0,032
Kolmogorov-Smirnov Z 0,879
Asymp. Sig. (2-tailed) 0,422
Nguồn: Kết quả phân tích dữ liệu điều 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) được sử dụng để kiểm tra giả định về khơng có tương quan giữa các phần dư. Đại lượng Durbin – Watson có giá trị biến thiên trong khoảng từ 0 đến 4. Nếu các phần dư khơng có tương quan chuỗi bậc nhất với nhau, giá trị d sẽ gần bằng 2 (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Bảng 4.10 cho thấy giá trị đại lượng Durbin – Watson = 1,899, gần bằng 2 nên có thể kết luận các sai số trong mơ hình độc lập với nhau hay các phần dư khơng có tương quan với nhau.
Bảng 4.10: Kiểm định tính độc lập của phần dư thông qua hệ số Durbin - Watson
Mơ hình R R2 R2 hiệu chỉnh Sai số chuẩn của ước lượng
Durbin- Watson
1 0,738a 0,544 0,535 0,53516 1,899
Nguồn: Kết quả phân tích dữ liệu điều tra
Giả định khơng có mối tương quan giữa các biến độc lập (đo lường đa cộng tuyến).
Hệ số phóng đại phương sai (VIF) được dùng để kiểm tra hiện tượng đa cộng tuyến, quy tắc là khi VIF vượt q 10 thì đó là dấu hiệu của đa cộng tuyến (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Dữ liệu tại bảng 4.12 cho thấy giá trị VIF của tất cả các biến độc lập đều nhỏ hơn 2 nên có thể kết luận khơng có hiện tượng đa cộng tuyến giữa các biến độc lập.
Như vậy, tất cả các giả định của mơ hình hồi quy tuyến tính đều được thỏa mãn, tiếp theo cần kiểm định các giả thuyết của mơ hình hồi quy.