PHẦN II : NỘI DUNG VÀ KẾT QUẢNGHIÊN CỨU
2.2. Kết quả điều tra đánh giá hoạtđộng Marketing Online của Trung tâm ngoại ngữ
2.2.4.2. Phân tích hồi quy
Phân tích hồi quy là bước kiểm định mơ hình nghiên cứu đểlựa chọn ra các biến độc lập thỏa mãn điều kiện. Hồi quy đểxác định cụthểtrọng sốcủa từng biến độc lập tác động đến biến phụthuộc từ đó đưa ra được phương trình hồi quy.
Sau khi xem xét mức độtương quan giữa các biến, mơ hình lý thuyết phù hợp cho nghiên cứu gồm biến quan sát và biến “Đánh giá”. Trong đó “Đánh giá” là biến phụthuộc, các biến cịn lại là biến độc lập
Mơ hình hồi quy xây dựng như sau:
DG = β0 + β1CY + β2TT +β 3TK + β4HD + β5CS
Trong đó:
β: hệsốhồi quy riêng phần tươngứng với các biến độc lập
DG: Giá trịcủa biến phụthuộc “Đánh giá hoạt động marketing online” CY: Giá trịcủa biến độc lập “Sựchú ý”
TT: Giá trịcủa biến độc lập “Sựthích thú”
TK: Giá trịcủa biến độc lập “Tìm kiếm thơng tin” HD: Giá trịcủa biến độc lập “Hànhđộng”
CS: Giá trịcủa biến độc lập “Chia sẻ”
Các giảthuyết của mơ hình hồi quy như sau:
- Giảthuyết H 1: Nhóm yếu tố“Sựchú ý” cóảnh hưởng tốtđến sự đánh giá hoạt động Marketing Online của Trung tâm ngoại ngữViệt Trung.
- Giảthuyết H 2: Nhóm yếu tố“Sựthích thú” cóảnh hưởng tốtđến sự đánh giá hoạt động Marketing Online của Trung tâm ngoại ngữViệt Trung.
- Giảthuyết H 3: Nhóm yếu tố“Tìm kiếm thơng tin” cóảnh hưởng tốtđến sự đánh giá hoạt động Marketing Online của Trung tâm ngoại ngữViệt Trung.
- Giảthuyết H 4: Nhóm yếu tố“Hànhđộng” cóảnh hưởng tốtđến sự đánh giá hoạt động Marketing Online của Trung tâm ngoại ngữViệt Trung.
- Giảthuyết H 5: Nhóm yếu tố“Chia sẻ” cóảnh hưởng tốtđến sự đánh giá hoạt động Marketing Online của Trung tâm ngoại ngữViệt Trung.
Phương pháp hồi quy tuyến tính bội với toàn bộcác biến độc lập được đưa vào cùng lúc (Phương pháp Enter) cho thấy mơ hình hồi quy thích hợp sửdụng đểkiểm định mơ hình lý thuyết.
Bảng 2.21: Tóm tắt mơ hình hồi quy tuyến tínhMơ Mơ hình HệsốR Hệs ố xác định R2 R2 hiệu chỉnh Sai số chuẩn ước lượng Hệs ố Durbin-Watson 1 0,838a 0,702 0,689 0,25051 1,790
a. Các yếu tố dự đoán: (Hằng số), CY, TT, TK, HD, CS b. Biến phụthuộc: DG
(Nguồn: Kết quảxửlý SPSS)
Bảng 2.22: Kiểm định sựphù hợp của mơ hình hồi quy
ANOVAa Mơ hình Tổng bình phương Bậc tựdo df Bình phương trung bình Giá trị thống kê F Mức ý nghĩa (Sig.) 1 Hồi quy 16,842 5 3,368 53,675 0,000b Còn lại 7,154 114 0,063 Tổng 23,996 119 a. Biến phụthuộc: DG
b. Các yếu tốdự đoán: (Hằng số), CY, TT, TK, HD, CS
(Nguồn: Kết quảxửlý SPSS)
Kiểm định F trong bảng phân tích phương sai ANOVA được dùng đểkiểm định giảthuyết về độphù hợp của mơ hình hồi quy tuyến tính tổng thể.
Khi xây dựng xong một mơ hình hồi quy tuyến tính ta xem xét sựphù hợp của mơ hìnhđối với tập dữliệu qua giá trịR 2 (sựphù hợp này chỉthểhiện giữa mơ hình bạn xây dựng với tập dữliệu mẫu) đểsuy diễn cho mơ hình thực của tổng thểthì kiểm định F sẽgiúp ta làm điều đó.
Kết quảsau khi thực hiện hồi quy, ta thấy kiểm định F cho giá trịp-value (Sig) là 0,000 (< 0,05), như vậy mơ hình phù hợp có ý nghĩa suy rộng ra cho tổng thể. Bên cạnh đó, R2 hiệu chỉnh có giá trịbằng 0,689 = 68,9%. Như vậy các biếnđộc lập đưa vào chạy hồi quyảnh hưởng 68,9% sựthay đổi của biến phụthuộc. Nói cách khác, mơ hình hồi quy giải thích được 68,9% sựbiến thiên của biến phụthuộc. Như vậy, mơ hình này có giá trịgiải thíchởmức độcao.
Bảng 2.23: Kết quảphân tích mơ hình hồi quy tuyến tính
Mơ hình
Hệsốhồi quy chưa chuẩn hóa Hệsốhồi quy chuẩn hóa t Giá trị Sig. Đa cộng tuyến B Sai số
chuẩn Beta T VIF
Hằng số0,214 0,228 0,940 0,349 CY 0,166 0,042 0,245 3,948 0,000 0,678 1,475 TT 0,241 0,033 0,384 7,284 0,000 0,943 1,061 TK 0,325 0,041 0,430 7,889 0,000 0,878 1,139 HD 0,103 0,035 0,173 2,896 0,005 0,732 1,366 CS 0,114 0,032 0,188 3,605 0,000 0,964 1,037 (Nguồn: Kết quảxửlý SPSS)
Sau khi kiểm tra hồi quy khơng có nhân tốnào bịloại bỏdo giá trịSig kiểm định t của từng biến độc lập đều nhỏhơn 0,05; chứng tỏcác biến độc lập này đều có ý nghĩa thống kê trong mơ hình.
Kết quảphân tích hồi quy theo phương pháp Enterởbảng cho thấy hiện tượng đa cộng tuyến khơng cóảnh huởng đến kết quảgiải thích mơ hình với các hệsốphóng đại phương sai VIF của mỗi biến đều lớn hơn 1,000 (< 10). Quy tắc khi VIF vượt q 10 thìđó là dấu hiệu của đa cộng tuyến (Hồng Trọng & Chu Mộng Ngọc, 2008, tập 1, trang 252). Trong một sốtài liệu khác đưa ra điều kiện VIF < 4 là thoã mãnđiều kiện. Nhìn vào kết quảcho thấy các giá trịVIF của các biến độc lập đều bé hơn 2 nên có thể kết luận khơng xảy ra hiện tượng đa cộng tuyến giữa các biến độc lập.
Biểu đồ2.1: Tần sốcủa phần dư chuẩn hóa
(Nguồn: Kết quảxửlý SPSS)
Phần dư có thểkhơng tn theo phân phối chuẩn vì những lí do như: sửdụng sai mơ hình, phương sai khơng phải là hằng số, sốlượng các phần dư khơng đủnhiều đểphân tích. Vì vậy, chúng ta cần thực hiện nhiều cách khảo sát khác nhau. Một cách đơn giản nhất là xâu dựng biểu đồcác phần dư Histogram. Từbiểu đồta thấy được một đường cong phân phối chuẩn được đặt chồng lên biểu đồtần số. Đường cong này có dạng hình chng, phù hợp với dạng đồthịcủa phân phối chuẩn.
Phân phối dư có Mean = 3,75E-15 gần bằng 0 và độlệch chuẩn Std.Dev = 0,979 gần bằng 1 nên ta có thểkhẳng định phần dư có phân phối chuẩn. Nhưvậy, giả thiết phân phối chuẩn của phần dư không bịvi phạm.
Biểu đồ2.2: Giả định phân phối chuẩn của phần dư
Ngoài cách kiểm tra bằng biểu đồHistogram thì P-P Plot cũng là một dạng biểu đồ được sửdụng đểgiúp nhận diện phần dưvi phạm giả định phần dư chuẩn hóa. Nhìn vào biểu đồphân tán phần dư ta thấy các điểm phân vịtrong phân phối của phần dư tập trung thành một đường chéo.Điều đó có nghĩa là giả định phân phối chuẩn của phần dưkhông bịvi phạm.