CHƯƠNG 4 : KẾT QUẢ NGHIÊN CỨU VÀ KIỂM ĐỊNH MƠ HÌNH
4.5. Phân tích hồi quy tuyến tính
Sau khi qua giai đoạn phân tích nhân tố, có 3 nhân tố được vào kiểm định mơ hình 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). Giá trị nhân tố là trung bình của các biến quan sát thành phần thuộc nhân tố đó. Phân tích tương quan Pearson được sử dụng để xem xét sự phù hợp khi đưa các thành phần vào mơ hình hồi quy. Mơ hình hồi quy có dạng như sau:
Y =βo + βi Xi + €
Trong đó:
Y là ý định mua sản phẩm xanh
Các biến Xi là các thành phần của ý định mua sản phẩm xanh bao gồm: định vị thương hiệu xanh, thái độ hướng tới thương hiệu xanh và kiến thức thương hiệu xanh.
βo:hằng số hồi quy, βi: trọng số hồi quy €: sai số
Phân tích tương quan Pearson
Bước đầu tiên khi phân tích hồi quy tuyến tính là sử dụng hệ số tương quan Pearson,phân tích tương quan là phân tích được sử dụng nhằm đo lường mức độ chặt chẽ của mối liên hệ tuyến tính giữa biến phụ thuộc ý định mua sản phẩm xanh với các biến độc lập cũng như giữa các biến độc lập này với nhau.
Hệ số này luôn nằm trong khoảng từ -1 đến + 1, lấy giá trị tuyệt đối, nếu lớn hơn 0.6 thì có thể kết luận mối quan hệ là chặt chẽ, và càng gần 1 thì mối quan hệ càng chặt, nếu nhỏ hơn 0.3 thì cho biết mối quan hệ là lỏng lẻo. Sau khi phân tích nhân tố, có 4 nhân tố đưa vào kiểm định tương quan hồi quy, 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).Kết quả hệ số tương quan Pearson xem trongBảng 4.11.
Bảng 4.11: Ma trận tương quan giữa các biến
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).
Bảng 4.14:Kết quả phân tích hồi quy
Mơ hình Hệ số chưa chuẩn hóa Hệ số hồi quy chuẩn hóa T Sig. Thống kê đa cộng tuyến B Sai số chuẩn Beta Dung sai VIF 1 Hằng số 4.465E- 17 .037 .000 1.000 DV .500 .037 .500 13.627 .000 1.000 1.000 TD .433 .037 .433 11.799 .000 1.000 1.000 KT .438 .037 .438 11.937 .000 1.000 1.000
Dựa vào kết quả Bảng 4.14 ta thấy sig. = 0.000(<0.05) tương đương với độ tin cậy 95%.
Hệ số hồi quy thể hiện dưới hai dạng: (1) chưa chuẩn hóa và (2) chuẩn hóa. Vì hệ số hồi quy chưa chuẩn hóa, giá trị của nó phụ thuộc vào thang đo cho nên chúng ta không thể dùng chúng để so sánh mức độ tác động của các biến độc lập vào biến phụ thuộc trong cùng một mơ hình được. Hệ số hồi quy chuẩn hóa β là hệ số chúng ta đã chuẩn hóa các biến. Vì vậy chúng được dùng để so sánh mức độ tác động của các biến phụ thuộc vào biến độc lập. Phương trình hồi quy có dạng như sau:
Ý định mua sản phẩm xanh = 0.5 * Định vị thương hiệu xanh + 0.438 * Kiến thức thương hiệu xanh + 0.433 Thái độ hướng tới thương hiệu xanh
Qua phương trình hồi quy cho thấy sau khi kiểm định và phân tích nhân tố khám phá, chạy hồi quy kết quả cả 3 nhân tố đều ảnh hưởng đến ý định mua sản phẩm xanh. Trong đó yếu tố định vị thương hiệu xanh ảnh hưởng nhiều nhất và yếu tố thái độ đối với thương hiệu xanh có ảnh hưởng ít nhất.
Hình 4.2: Kết quả mơ hình nghiên cứu Dị tìm vi phạm các giả định cần thiết trong hồi quy tuyến tính Dị tìm vi phạm các giả định cần thiết trong hồi quy tuyến tính Giả định liên hệ tuyến tính và phương sai bằng nhau
Kiểm định giả định liên hệ tuyến tính bằng đồ thị phân tán giữa các phần dư và giá trị dự đốn chuẩn hóa (standardized) mà mơ hình hồi quy tuyến tính cho ra. Kết quả đồ thị được thể hiện ở Hình 4.3.
Hình 4.3: Đồ thị Scatterplot
Đồ thị Scatterplot cho thấy các giá trị phân tán ngẫu nhiên trong một vùng xung quanh tọa độ 0, khơng tạo thành một hình dáng cụ thể nào. Do đó giả định về liên hệ tuyến tính và phương sai bằng nhau của các hồi quy này không bị vi phạm. Vậy dữ liệu khảo sát là phù hợp với mơ hình hồi quy.
Giả định phân phối chuẩn của phần dư
Phần dư có thể khơng tuân theo phân phối chuẩn vì: sử dụng sai mơ hình, phương sai khơng phải là hằng số, số lượng các phần dư không đủ nhiều để phân tích. Có hai cách thường được sử dụng để kiểm tra phân phối chuẩn của phần dư bao gồm:
Sử dụng đồ thị P-Plot, đồ thị này thể hiện các giá trị của các điểm phân vị của phân phối biến phần dư theo các phân vị của phân phối chuẩn. Nếu trên
đồ thị P-Plot các điểm này không nằm q xa đường thẳng thì có thể xem phần dư có phân phối gần chuẩn.
Sử dụng đồ thị Histogram của phần dư chuẩn hóa, nếu đồ thị có dạng đường cong phân phối chuẩn nằm chồng lên biểu đồ tần số và có trung bình Mean xấp xỉ bằng 0 và giá trị độ lệch chuẩn xấp xỉ bằng 1 thì xem phần dư đó có phân phối chuẩn.
Dựa vào kết quả Hình 4.4ta thấy phân phối của phần dư xấp xỉ chuẩn ( Trung bình = -1,67E-16, xấp xỉ 0 và độ lệch chuẩn = 0.995, xấp xỉ 1). Kết luận giả thuyết phân phối chuẩn khơng bị vi phạm.
Hình 4.4: Biểu đồ tần số của các phần dư chuẩn hóa
Tương tự, biểu đồ P – P plot cũng được dùng để kiểm tra xem phần dư có phân phối chuẩn hay khơng. Kết quả từ biểu đồ Hình 4.5 cho thấy các điểm quan sát không phân tán quá xa đường kỳ vọng, nên ta có thể kết luận là giả định phân phối chuẩn khơng bị vi phạm.
Hình 4.5: Biểu đồ tần số P-P plot Giả định khơng có tương quan giữa các phần dư Giả định khơng có tương quan giữa các phần dư
Kiểm định giả định tính độc lập của các phần dư bằng hệ số Dubin – Watson. Hệ số này có giá trị biến thiên từ 0 đến 4 và giá trị d sẽ gần bằng 2 khi các phần dư khơng có tương quan chuỗi bậc nhất với nhau.
Kết quả thể hiện trong phụ lục 6: Phân tích hồi quy. Kết quả hệ số Dubin – Watson của mơ hình là 1.848 nằm trong khoảng cho phép. Vậy khơng có sự tương quan giữa các phần dư.
Giả định khơng có tương quan giữa các biến độc lập (đo lường đa cộng tuyến)
Kiểm tra hiện tượng đa cộng tuyến thông qua VIF và hệ số chấp nhận (Tolerance). Kết quả giá trị VIF và Tolerance trình bày trong Phụ lục 6.Dựa vào bảng kết quả cho thấy hệ số chấp nhận Tolerance khá cao bằng 1 và VIF có giá trị thấp =1 (đều có giá trị thấp hơn 10). Dựa vào kết quả ta thấy theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc (2008) có thể kết luận mơ hình khơng xảy ra hiện tượng đa cộng tuyến.
Kết quả trên cho ta thấy được mức độ ảnh hưởng của từng nhân tố đến hiệu quả công việc thơng qua hệ số beta. Các nhân tố có hệ số beta càng cao thì mức độ ảnh hưởng càng mạnh và ngược lại. Dựa trên kết quả Bảng 4.14 ta thấy:
Giả thuyết H1:
Định vị thương hiệu xanh có hệ số beta là β = 0.500 đạt giá trị cao nhất trong mơ hình, nên có thể kết luận định vị thương hiệu xanh ảnh hưởng mạnh nhất đến ý định mua sản phẩm xanh của người tiêu dùng. Có nghĩa là khi nhận thức về định vị thương hiệu xanh tăng một đơn vị độ lệch chuẩn thì ý định mua sản phẩm xanh của người tiêu dùng tăng 0.500 đơn vị.
Giả thuyết H2:
Kiến thức thương hiệu xanh có hệ số beta là β = 0.438 đạt giá trị cao thứ hai, nên có thể kết luận kiến thức thương hiệu xanh sẽ ảnh hưởng đến ý định mua sản phẩm xanh của người tiêu dùng. Có nghĩa là khi kiến thức thương hiệu xanh tăng một đơn vị độ lệch chuẩn thì ý định mua sản phẩm xanh của người tiêu dùng tăng 0.438 đơn vị.
Giả thuyết H3:
Cuối cùng thấp nhất là thái độ hướng tới thương hiệu xanh có hệ số beta là β = 0.433, Có nghĩa là khi thái độ hướng tới thương hiệu xanh tăng một đơn vị độ lệch chuẩn thì ý định mua sản phẩm xanh của người tiêu dùng tăng 0.438 đơn vị.
Với mức ý nghĩa 5%, tất cả các yếu tố định vị thương hiệu xanh, kiến thức thương hiệu xanh, thái độ hướng tới thương hiệu xanh < 0.5. Vì vậy các giả thuyết có mối quan hệ dương với ý định mua sản phẩm xanh được giữ lại.
Phân tích ảnh hưởng của các biến định tính đến ý định mua sản phẩm xanh
Nghiên cứu sử dụng phương pháp phân tích phương sai một chiều ( One – way Anova) để kiểm tra phương sai của ý định mua sản phẩm xanh có sự khác nhau các yếu tố giới tính, độ tuổi, trình độ học vấn, tình trạng hơn nhân, nghề nghiệp và thu nhập hay khơng.
Theo kết quả khảo sát Bảng 4.15 có 184 nữ và 96 nam tham gia khảo sát. Để giúp ta biết có sự khác biệt về ý định mua sản phẩm xanh giữa nam và nữ đối với ý định mua sản phẩm xanh ta dùng phép kiểm định T-test mẫu độc lập.
Theo kết quả trong kiểm định Levene, kiểm định F có Sig. = 0.84 > 0.05 chúng ta chấp nhận giả thuyết phương sai giữa giới nam và nữ bằng nhau. Còn giá trị sig. trong kiểm định t > 0.05 (Sig. = 0.147) nên ta kết luận là khơng có sự khác biệt giữa trung bình giữa hai nhóm người tiêu dùng giới nam và nữ. Vậy chấp nhận giả thuyết Ho.
Bảng 4.15:Kiểm định T –test đối với biến giới tính
Giới tính N Trung bình Phương sai Độ lệch chuẩn
Ý định 1 96 .120010 1.0619870 .1083886
0 184 -.062614 .9631274 .0710027
Kiểm định
Levenne Kiểm định T cho sự bằng nhau của giá trị trung bình
F Sig. T Df Sig. (2- taile d) Sai lệch trung bình Trung bình sai số chuẩn Độ tin cậy 95% Cận dưới Cận trên Kiểm định trung bình với phươn g sai bằng nhau 3.01 1 .08 4 1.45 3 278 .147 .1826 24 .1256 52 - .0647 26 .4299 75 Kiểm định trung bình với phươn g sai khác nhau 1.40 9 177.0 98 .160 .1826 24 .1295 74 - .0730 83 .4383 32
Độ tuổi
Để đánh giá mức độ khác biệt về ý định mua sản phẩm xanh ở 4 nhóm tuổi, chúng ta thực hiện kiểm định ANOVA một chiều.