CHƯƠNG 3 : PHƯƠNG PHÁP NGHIÊN CỨU
3.3 Nghiên cứu định lượng
3.3.5 Phân tích hồi quy
Hồi quy tuyến tính bội thường được dùng để kiểm định và giải thích lý thuyết nhân quả. Ngồi chức năng là một cơng cụ mơ tả, hồi quy tuyến tính bội cũng được sử dụng như một công cụ kết luận để kiểm định các giả thuyết và dự báo các giá trị của tổng thể nghiên cứu (Duncan, 1996). Như vậy, đối với nghiên cứu này hồi quy tuyến tính bội là phương pháp thích hợp để kiểm định các giả thuyết nghiên cứu.
Trong phân tích hồi quy, cần chú ý các thơng số sau:
+ Hệ số R2 điều chỉnh (Adiusted coefficient of determination): đo lường phần phương sai của biến phụ thuộc được giải thích bởi các biến độc lập có tính đến số lượng biến phụ thuộc và cỡ mẫu. Hệ số này càng cao độ chính xác của mơ hình càng lớn và khả năng dự báo của các biến độc lập càng chính xác.
+ Kiểm định độ phù hợp của mơ hình với tập dữ liệu: sử dụng trị thống kê F để kiểm định mức ý nghĩa thống kê của mơ hình. Giả thuyết H0 là các hệ số Beta trong mơ hình đều bằng khơng. Nếu mức ý nghĩa của kiểm định nhỏ hơn 0,05, ta có thể an tồn bác bỏ giả thuyết H0 hay nói cách khác mơ hình phù hợp với tập dữ liệu khảo sát.
+ Kiểm định phương sai sai số thay đổi: vẽ đồ thị phân tán giữa các phần dư và giá trị dự đốn mà mơ hình hồi qui tuyến tính cho ra. Nếu giả định phương sai bằng nhau được thỏa mãn, thì các giá trị sẽ phân tán ngẫu nhiên quanh trục 0 trong một phạm vi khơng đổi. Như vậy mơ hình hồi qui phù hợp.
+ Đo lường đa cộng tuyến: Đa cộng tuyến là trạng thái trong đó các biến độc lập có tương quan chặt chẽ với nhau và nó cung cấp cho mơ hình những thơng tin rất giống nhau và khó tách ảnh hưởng của từng biến một. Đa cộng tuyến khiến cho việc diễn dịch kết quả có thể sai lầm vì nó làm đổi dấu kì vọng của các hệ số đi theo các biến độc lập, vì vậy chúng ta phải kiểm tra độ tương quan giữa các biến này để đảm bảo không xảy ra hiện tượng đa cộng tuyến.
Giá trị đa cộng tuyến cao có thể làm cho kết quả khơng chính xác, do đó cần thiết phải có điều kiện về đa cộng tuyến. Theo Hair và ctg(1995) để kiểm định hiện tượng đa cộng tuyến chúng ta sử dụng hệ số VIF(hệ số phóng đại phương sai). Nếu VIF lớn hơn 10 thì hiện tượng đa cộng tuyến nghiêm trọng đang tồn tại. Theo kinh nghiệm, hệ số VIF nên nhỏ hơn 5 là tốt nhất để hạn chế về sự đa cộng tuyến, tuy nhiên nếu nhỏ hơn 10 thì vẫn có thể chấp nhận với ảnh hưởng rất nhỏ (Hoàng Trọng và Mộng Ngọc, 2009).
+ Kiểm định phần dư: Sau khi thực hiện kiểm định mơ hình hồi quy, chúng ta cần kiểm định phân dư chuẩn hố của mơ hình để bảo đảm phần dư chuẩn hố có dạng phân phối chuẩn Cách kiểm định có thể sử dụng là vẽ đường cong chuẩn hố của phân bổ phần dư này. Nếu chúng ta thấy trên đồ thị đường cong chuẩn hố có dạng hình chng như phân phối chuẩn với giá trị Mean xấp xỉ 0 và giá trị độ lệch chuẩn xấp xỉ 1 thì xem như phần dư có phân phối gần chuẩn.
Một cách khác để kiểm định sự chuẩn hoá của phần dư là vẽ và đồ thị P-P plots để so sánh với phân phối chuẩn. Đồ thị này thể hiện những giá trị tích luỹ của các điểm phân vị của phân phối của biến phần dư theo tích luỹ phân vị của phân phối chuẩn. Nếu trên đồ thị p-p plots các điểm này không nằm quá xa đường thẳng của phân phối chuẩn thì có thể xem như phần dư có phân phối gần chuẩn.
+ Hệ số Beta (Standardized Beta Coefficent): hệ số hồi quy chuẩn hóa cho phép so sánh một cách trực tiếp về mức độ ảnh hưởng của các biến độc lập lên biến phụ thuộc.
+ Kiểm định mức ý nghĩa của hệ số Beta: sử dụng trị thống kê t để kiểm tra mức ý nghĩa của hệ số Beta.Nếu mức ý nghĩa của kiểm định nhỏ hơn 0,05, ta có thể kết luận hệ số Beta có ý nghĩa về mặt thống kê.