CHƢƠNG 4 : PHÂN TÍCH KẾT QUẢ NGHIÊN CỨU
4.4 Dị tìm sự vi phạm các giải định cần thiết trong hồi quy tuyến tính
Mục đích của phân tích hồi quy đƣợc sử dụng để kiểm định các giả thuyết, nghiên cứu mối tƣơng quan và đo lƣờng mức độ ảnh hƣởng của mỗi biến độc lập đến biến phụ thuộc. Tuy nhiên, trƣớc khi tiến hành kiểm định giả thuyết, chúng ta phải kiểm tra các giả định của nó để xem kết quả có tin cậy đƣợc khơng (Nguyễn Đình Thọ, 2011, tr.498). Có 4 giả định chính (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008, tr.218)
- Giả định về phân phối chuẩn của phần dƣ - Giả định về tính độc lập của phần dƣ
- Giả định khơng có mối tƣơng quan giữa các biến độc lập
Kết quả cho thấy tất cả các giả định đều thỏa mãn. Cụ thể nhƣ sau:
4.4.1 Giả định liên hệ tuyến tính giữa các biến độc lập và biến phụ thuộc
Đồ thị Scatter (hình 4.1) cho thấy phần dƣ phân tán ngẫu nhiên trong một vùng xung quanh đƣờng đi qua tung độ 0 chứ khơng tạo thành một hình dạng nào. Nhƣ vậy, giá trị dự đoán và phần dƣ độc lập nhau và phƣơng sai của phần dƣ khơng thay đổi. Nhƣ vậy, mơ hình hồi quy phù hợp.
Hình 4.1: Đồ thị Scatter
4.4.2 Giả định về phân phối chuẩn của phần dư
Biểu đồ tần số của phần dƣ chuẩn hóa ở hình 4.2 cho thấy một đƣờng cong phân phối chuẩn đƣợc đặt chồng lên biểu đồ tần số. Và thực tế thì khơng có phần dƣ quan sát nào có phân phối chuẩn hồn tồn một cách tuyệt đối vì ln ln có chênh lệch do lấy mẫu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Theo kết quả này, có thể nói phân phối phần dƣ xấp xỉ chuẩn (Trung bình
Mean = 0 và độ lệch chuẩn Std. Dev. = 0.989 tức là gần bằng 1). Do đó, có thể kết luận rằng giả thiết phân phối chuẩn không bị vi phạm.
4.4.3 Giả định về tính độc lập của phần dư
Để kiểm tra giả thiết này, chúng ta cần quan tâm đến giá trị Durbin – Waston. Durbin – Waston có giá trị biến thiên trong khoảng từ 0 đến 4. Nếu các phần dƣ khơng có tƣơng quan chuỗi bậc nhất với nhau, giá trị này sẽ gần bằng 2 (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008, tr. 233). Trong nghiên cứu này Durbin – Waston = 1.687 do đó giả thiết này thỏa mãn.
Hình 4.2: Biểu đồ tần số của các phần dƣ chuẩn hóa
4.4.4 Giả định khơng có mối tương quan giữa các biến độc lập
Giả định này là giả định quan trọng nhất trƣớc khi tiến hành chạy hồi quy. Đa cộng tuyến có thể dẫn đến sai lệch hoặc gây ảnh hƣởng tiêu cực đến tầm quan trọng của kết quả phân tích dữ liệu. Đa cộng tuyến xảy ra khi có sự tƣơng quan cao giữa các biến độc lập với nhau. Nói cách khác, đa cộng tuyến xuất hiện khi có sự chồng chéo thơng tin giữa 2 hoặc nhiều yếu tố dự báo. Để kiểm tra giả định này chúng ta sử dụng ma trận tƣơng quan.
Phân tích tƣơng quan đƣợc thực hiện giữa biến phụ thuộc ý định mua hàng (PI) và các biên độc lập: nhận thức sự hữu ích (PU), nhận thức tính dễ sử dụng (PEU), chuẩn chủ quan (SN), nhận thức kiểm soát hành vi (PBC) và sự tin cậy (TRU). Đồng thời cũng phân tích tƣơng quan giữa các biến độc lập với nhau nhằm phát hiện những mối tƣơng quan chặt chẽ giữa các biến độc lập (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Theo ma trận tƣơng quan thì các hệ số tƣơng quan Pearson giữa các biến đều có giá trị thấp hơn 0.8 và sig < 5% tại mức ý nghĩa 0.01. Điều này có nghĩa là hiện tƣợng đa cộng tuyến có khả năng xảy ra thấp. Trong đó sự tin cậy có tƣơng quan cao nhất với ý định mua hàng qua Facebook (.570) (Xem bảng 4.6)
Bảng 4.6: Ma trận tƣơng quan Pearson Correlations Correlations PI PU PEU SN PBC TRU PI Pearson Correlation 1 .483** .476** .438** .368** .570** Sig. (2-tailed) .000 .000 .000 .000 .000 N 229 229 229 229 229 229 PU Pearson Correlation .483** 1 .538** .223** .331** .467** Sig. (2-tailed) .000 .000 .001 .000 .000 N 229 229 229 229 229 229 PEU Pearson Correlation .476** .538** 1 .356** .240** .464** Sig. (2-tailed) .000 .000 .000 .000 .000 N 229 229 229 229 229 229 SN Pearson Correlation .438** .223** .356** 1 .293** .348** Sig. (2-tailed) .000 .001 .000 .000 .000 N 229 229 229 229 229 229 PBC Pearson Correlation .368** .331** .240** .293** 1 .297** Sig. (2-tailed) .000 .000 .000 .000 .000 N 229 229 229 229 229 229
TRU Pearson Correlation
.570** .467** .464** .348** .297** 1
Sig. (2-tailed) .000 .000 .000 .000 .000
N 229 229 229 229 229 229
**. Correlation is significant at the 0.01 level (2-tailed).
Mặc dù, ma trận tƣơng quan rất hữu ích trong việc nhận diện đa cộng tuyến, tuy nhiên thỉnh thoảng vẫn có sai lầm trong việc kiểm định vấn đề này. Do đó, để kiểm tra hiện tƣợng đa cộng tuyến, ngƣời ta cịn kiểm định thơng qua hệ số phóng đại VIF để đƣa ra kết luận tốt nhất. Thông thƣờng nếu VIF của một biến độc lập nào đó lớn hơn 10 thì biến này hầu nhƣ khơng có giá trị giải thích biến thiên của Y trong mơ hình MLR (Nguyễn Đình Thọ, 2011)
Trong bảng trọng số hồi quy, hệ số VIF của các biến độc lập có giá trị từ 1.213 đến 1.625 (< 2). Vì vậy giả thiết này thỏa mãn và không xảy ra hiện tƣợng đa cộng tuyến trong mơ hình nghiên cứu.
Tóm lại, dữ liệu đƣợc thu thập thỏa mãn hầu hết các giả định đƣa ra. Do đó, tất cả các yếu tố dự đoán đủ điều kiện để tiến hành phân tích hồi quy.