Chương 3 : Thiết kế nghiên cứu
4.4 Phân tích hồi quy tuyến tính
4.4.2.1 Kiểm định sự phù hợp của mơ hình
Đánh giá độ phù hợp của mơ hình, các nhà nghiên cứu sử dụng hệ số xác định R2 (R-square), hệ số xác định R2 được chứng minh là hàm không giảm theo theo số biến độc lập được đưa vào mơ hình, tuy nhiên khơng phải phương trình
càng có nhiều biến sẽ càng phù hợp hơn với dữ liệu như vậy R square có khuynh hướng là một ước lượng lạc quan của thước đo sự phù hợp của mơ hình đối với dữ liệu có nhiều hơn một biến quan sát, vì vậy trong hồi quy tuyến tính bội thường dùng hệ số R-square điều chỉnh đề đánh giá độ phù hợp của mơ hình vì nó khơng thổi phồng mức độ phù hợp của mơ hình, bên cạnh đó cần kiểm tra hiện tượng đa cộng tuyến bằng hệ số phóng đại phương sai VIF (VIF<2.5). Hệ số Beta chuẩn hóa được dùng để đánh giá mức độ mức độ quan trọng của từng nhân tố, hệ số Beta chuẩn hóa của biến nào càng cao thì mức độ tác động của biến đó vào sự quyết định mua sắm của khách hàng càng lớn (Hoàng Trọng và Chu Nguyễn Mộng Ngọc 2008). Kiểm định F sử dụng trong bảng phân tích phương sai vẫn là một phép kiểm định giả thuyết về độ phù hợp của mơ hình hồi quy tuyến tính tổng thể, ở đây giả định biến phụ thuộc khơng có quan hệ với toàn bộ tập hợp các biến độc lập với H0: β1 = β2= β3= β4= 0, nếu gải thuyết H0 bị bác bỏ có nghĩa là mơ hình ta xây dựng phù hợp với tập dữ liệu.
Kết quả chạy hồi quy cho ta thấy Sig. = 0.000<0.05 cho thấy các biến đưa vào đều có ý nghĩa về mặt thống kê với mức ý nghĩa 5%. Như vậy các biến độc lập trong mơ hình như TP, KM, DV, KT có mối quan hệ với biến phụ thuộc QM.
Hệ số R2 hiệu chỉnh là 0.616 nhỏ hơn hệ số R2 là 0.625 chứng tỏ mơ hình hồi quy phù hợp với dữ liệu ở mức 0.616 nghĩa là có 61.6% sự biến thiên của quyết định mua sắm được giải thích bởi các biến TP, KM, DV, KT có trong mơ hình, bên cạnh đó hệ số phóng đại phương sai VIF < 2.5 nên các biến độc lập không bị đa cộng tuyến. Với các giá trị này thì độ phù hợp của mơ hình được chấp nhận.
Kiểm định F trong bảng 4.12 phân tích phương sai ANOVA cho thấy giá trị Sig. của kiểm định F bằng 0.000 <0.05 nên ta bác bỏ giả thuyết H0.Như vậy hồi quy tuyến tính đã xây dựng phù hợp với tập dữ liệu thu được.
Đồng thời ta xét ý nghĩa của hệ số hồi quy riêng phần trong mơ hình thơng qua kiểm định t với giả thuyết H0 là hệ số hồi quy của các biến độc lập Hk = 0. Giả thuyết H0 đồng nghĩa với giả thuyết các biến độc lập và phụ thuộc khơng có liên
hệ tuyến tính. Kết quả Bảng 4.11 cho ta thấy kiểm định t của 4 biến độc lập TP, KM, DV, KT đều có hệ số Sig. < 0.05. Điều này có nghĩa là an tồn khi bác bỏ giả thuyết H0. Như vậy hệ số hồi quy riêng từng phần của các biến độc lập đều có ý nghĩa trong mơ hình.
Bảng 4.13 Kiểm định giả thuyết nghiên cứu
Giả thuyết Kết quả kiểm định H1 Đặc điểm trang phục có ảnh hưởng đến quyết định mua sắm
hàng thời trang công sở nữ độ tuổi từ 20 đến 39 tại TP.HCM. Sig = 0.000 <0.05 Chấp nhận giả thuyết H2 Giá cả có ảnh hưởng đến quyết định mua sắm hàng thời
trang công sở nữ độ tuổi từ 20 đến 39 tại TP.HCM. Sig = 0.815> 0.05 Bác bỏ giả thuyêt
H3 Khuyến mãi có ảnh hưởng đến quyết định mua sắm hàng thời
trang công sở nữ độ tuổi từ 20 đến 39 tại TP.HCM. Sig= 0.019 <0.05 Chấp nhận giả thuyết H4 Giá trị dịch vụ có ảnh hưởng đến quyết định mua sắm hàng
thời trang công sở nữ độ tuổi từ 20 đến 39 tại TP.HCM. Sig = 0.008 <0.05 Chấp nhận giả thuyết H5 Hồn cảnh kinh tế có ảnh hưởng đến quyết định mua sắm
hàng thời trang công sở nữ độ tuổi từ 20 đến 39 tại TP.HCM. Sig = 0.000< 0.05 Chấp nhận giả thuyết
Nguồn: Kết quả xử lý từ số liệu điều tra của tác giả