DV TD KT Y DINH DV Pearson Correlation 1 .000 .000 .500 ** Sig. (2-tailed) 1.000 1.000 .000 N 280 280 280 280 TD Pearson Correlation .000 1 .000 .433 ** Sig. (2-tailed) 1.000 1.000 .000 N 280 280 280 280 KT Pearson Correlation .000 .000 1 .438 ** Sig. (2-tailed) 1.000 1.000 .000 N 280 280 280 280 Y DINH Pearson Correlation .500 ** .433** .438** 1 Sig. (2-tailed) .000 .000 .000 N 280 280 280 280
Nguồn: Kết quả xử lý từ dữ liệu điều tra của tác giả
Dựa vào kết quả cho thấy biến độc lập có sự tương quan tới biến phụ thuộc thể hiện ở hệ số tương quan đều lớn hơn 0.3 và các sig <0.05. Hệ số tương quan của DV, TD, KT đều lớn hơn 0.3, cho thấy mối liên quan thuận chiều giữa các biến độc lập với biến phụ thuộc.
Mặt khác, ta thấy định vị thương hiệu xanh (DV) có tương quan mạnh nhất với giá trị tuyệt đối r = 0.500; tiếp theo kiến thức thương hiệu xanh (KT) tương quan cũng tương đối mạnh với giá trị tuyệt đối r = 0.438; cuối cùng là thái độ hướng tới thương hiệu xanh có tương quan thấp nhất trong 3 biến độc lập giá trị tuyệt đối r = 0.433. Kết quả cho thấy hệ số tương quan giữa các biến độc lập với nhau có sự
tương quan yếu, dó đó cần quan tâm đến hiện tượng đa cộng tuyến khi phân tích hồi quy bội.
Đánh giá độ phù hợp của mơ hình hồi quy tuyến tính bội
Phân tích hồi quy bội là phương pháp phân tích dùng kỹ thuật thống kê được sử dụng để xem xét mức độ tác động của các biến độc lập vào biến phụ thuộc. Trong q trình phân tích hồi quy, các hệ số cần quan tâm là:
Độ phù hợp của mơ hình hồi quy tuyến tính bội được đánh giá bằng hệ số R2 hiệu chỉnh (Adjusted coefficient of determination). Hệ số này càng cao, độ chính xác của mơ hình càng lớn và khả năng dự báo các biến độc lập càng chính xác.
Hệ số Beta (Standarlized 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: tác giả sử dụng trị thống kê t để kiểm tra mức ý nghĩa của hệ số Beta. Nếu mức ý nghĩa của kiểm định < 0.05, có thể kết luận hệ số Beta có ý nghĩa về mặt thống kê.
Kiểm định F được sử dụng để kiểm định ý nghĩa thống kê của mơ hình, kiểm định liệu mơ hình có phù hợp với tổng thể hay khơng.
Hệ số phóng đại phương sai (VIF – Variance inflation factor) đo lường hiện tượng đa cộng tuyến. Nếu VIF của một biến độc lập >10 thì biến này hầu như khơng có giá trị giải thích biến phụ thuộc trong mơ hình (Hair và cộng sự, 2006 trích trong Nguyễn Đình Thọ, 2011, trang 497).
Phân tích hồi quy được thực hiện với 3 biến độc lập bao gồm: định vị thương hiệu xanh (DV); thái độ hướng tới thương hiệu xanh (TD); kiến thức thương hiệu xanh (KT) và biến phụ thuộc là ý định mua sản phẩm xanh (YD). Phân tích được thực hiện bằng phương pháp Enter. Các biến được đưa vào cùng một lúc để xem biến nào được chấp nhận. Kết quả phân tích hồi quy thể hiện ở Bảng 4.12.
Kết quả sau khi thực hiện hồi quy cho thấy R2 ( R- square) là 0.629 và R2 điều chỉnh (Adjusted R – Square) là 0.625, nghĩa là mơ hình giải thích được 62.5% sự biến thiên của ba biến phụ thuộc định vị thương hiệu xanh; thái độ hướng tới thương hiệu xanh; kiến thức thương hiệu xanh. Còn lại 37.5% ý định mua sản phẩm xanh của người tiêu dùng được giải thích bằng các yếu tố khác.
Bảng 4.12: Đánh giá sự phù hợp của mơ hình Mơ
hình R R
2 R2 hiệu chỉnh
Sai số chuẩn của đo lường
Hệ số Durbin- Watson
1 .793a .629 .625 .61261068 1.848
Nguồn: Kết quả xử lý từ dữ liệu điều tra của tác giả
Trong bảng phân tích phương sai hồi quy, kiểm định F sử dụng là phép kiểm định giả thuyết về độ phù hợp của mơ hình hồi quy tuyến tính tổng thể. Ý tưởng của kiểm định này về mối quan hệ tuyến tính giữa biến phụ thuộc và các biến độc lập là xem xét biến phụ thuộc có quan hệ tuyến tính với tồn bộ biến độc lập hay khơng.
Giả thuyết Ho: β1 = β2 = β3 = 0
Nếu giả thuyết Ho bị bác bỏ có nghĩa là các biến độc lập trong mơ hình có thể giải thích được sự thay đổi của biến phụ thuộc, mơ hình xây dựng phù hợp với tập dữ liệu.
F có giá trị là 155.807, Sig. =0.000 nên mơ hình hồi quy phù hợp với tập dữ liệu và có thể sử dụng được. Giá trị Sig. của tất cả biến độc lập đều nhỏ hơn 0.05 nên kết luận các biến này có tham gia giải thích sự biến thiên của biến phụ thuộc.
Theo kết quả trong Bảng 4.13, trị thống kê F được tính từ giá trị R2 của mô hình đầy đủ, giá trị sig. = 0.000 (<0.05) cho thấy sẽ an toàn khi bác bỏ giả thuyết Ho cho rằng tất cả các hệ số hồi quy bằng 0 (ngoại trừ hằng số), mơ hình hồi quy tuyến tính bội được xây dựng phù hợp có thể sử dụng được.
Bảng 4.13: Kiểm định sự phù hợp của mơ hình ANOVA Mơ hình Tổng độ lệch bình phương Bậc tự do Df Bình phương trung bình F Sig. 1 Phần hồi quy 175.419 3 58.473 155.807 .000a Phần dư 103.581 276 .375 Tổng cộng 279.000 279
Nguồn: Kết quả xử lý từ dữ liệu điều tra của tác giả
Ý nghĩa hệ số hồi quy
Kết quả phân tích hồi quy cho thấy cả 3 yếu tố phụ thuộc định vị thương hiệu xanh, kiến thức thương hiệu xanh, thái độ hướng tới thương hiệu xanh đều có ảnh hưởng dương đến ý định mua sản phẩm xanh (do hệ số beta đều dương).