Hệ số hồi quy
chưa chuẩn hóa
Hệ số hồi quy chuẩn hóa t Sig. Thống kê số liệu cộng tuyến B Độ lệch chuẩn Beta Độ chấp nhận
của biến VIF
Hằng số .427 .166 2.574 .011 BM .160 .033 .214 4.866 .000 .800 1.250 DU .268 .031 .362 8.581 .000 .867 1.153 SD .164 .029 .248 5.733 .000 .823 1.215 TK .165 .034 .206 4.796 .000 .839 1.192 TC .139 .028 .208 4.907 .000 .858 1.165 Biến phụ thuộc: PV (Nguồn: Xử lý SPSS)
Bảng 4.9 cho ta phương trình hồi quy với các hệ số chuẩn hóa có dạng như sau:
PV = 0.214*BM + 0.362*DU + 0.248*SD + 0.206*TK + 0.208*TC
Trong đó:
PV: Giá trị cảm nhận; BM: Bảo mật; DU: Đáp ứng
SD: Dễ sử dụng; TK: Thiết kế; TC: Tin cậy
Kết quả cho biết các hệ số hồi quy riêng phần: β bảo mật (BM), β đáp ứng
(DU), β tin cậy (TC), β thiết kế (TK) và β dễ sử dụng (SD) đều dương (> 0), có mức ý nghĩa sig = 0.000 < 0.05 và đều có tác động cùng chiều đến giá trị cảm nhận của khách hàng. Để xác định tầm quan trọng của các biến độc lập trong mối quan hệ với biến phụ thuộc, chúng ta căn cứ vào hệ số β. Nếu trị số tuyệt đối của hệ số β càng lớn thì nhân tố
đó càng ảnh hưởng quan trọng đến biến giá trị cảm nhận
Dựa vào kết quả trên ta thấy hệ số β các biến trong mơ hình có vai trị quan trọng tương đối đồng đều, không quá cách biệt.
Hệ số β của nhân tố đáp ứng (DU) cao nhất, có vai trị quan trọng nhất trong mơ hình (0.362). Điều này có ý nghĩa khi tăng một đơn vị của DU sẽ làm cho PV tăng
0.362 đơn vị (khi giữ nguyên các nhân tố khác).
Hệ số β của nhân tố dễ sử dụng (SD) cao thứ hai (0.248), điều này có nghĩa khi
tăng một đơn vị của SD sẽ làm cho PV tăng 0.248 đơn vị (khi giữ nguyên các nhân tố
khác).
Hệ số β của nhân tố bảo mật (BM) cao thứ 3 (0.214), điều này có nghĩa khi tăng một đơn vị của BM sẽ làm cho PV tăng 0.214 đơn vị (khi giữ nguyên các nhân tố khác).
Hệ số β của nhân tố tin cậy (TC) cao thứ 4 (0.208), điều này có nghĩa khi tăng một đơn vị của TC sẽ làm cho PV tăng 0.208 đơn vị (khi giữ nguyên các nhân tố khác). Cuối cùng là nhân tố thiết kế (TK) với hệ số β 0.206, điều này có nghĩa khi tăng một đơn vị của TK sẽ làm cho PV tăng 0.206 đơn vị (khi giữ nguyên các nhân tố khác).
4.5.3 Dị tìm sự vi phạm các giả định cần thiết trong hồi quy tuyến tính
Phân tích hồi quy khơng phải chỉ là việc mô tả các dữ liệu quan sát được. Từ các kết quả quan sát được trong mẫu, ta phải suy rộng ra kết luận cho mối liên hệ giữa các biến trong tổng thể. Sự chấp nhận và diễn dịch kết quả hồi quy không thể tách rời các giả định cần thiết và những chuẩn đoán về sự vi phạm các giả định đó. Nếu các giả định bị vi phạm thì các kết quả ước lượng không đáng tin cậy nữa. (Hoàng Trọng và Chu
Nguyễn Mộng Ngọc, 2008, tập 1, trang 211). - Giả định 1: Giả định liên hệ tuyến tính.
- Giả định 2: Phương sai của phần dư khơng đổi. - Giả định 3: Phần dư ε có phân phối chuẩn.
- Giả định 4: Các sai số độc lập với nhau khơng có tương quan giữa các phần dư. - Giả định 5: Khơng có mối tương quan giữa các biến độc lập (khơng có hiện
tượng đa cộng tuyến).
4.5.3.1 Giả định liên hệ tuyến tính (linearity)
Kiểm tra bằng biểu đồ phân tán scatter cho phần dư chuẩn hóa (Standardized residual) và giá trị dự dốn chuẩn hóa (Standardized predicted value). Kết quả cho thấy phần dư phân tán ngẫu nhiên trong một vùng xung quanh đường đi qua tung độ 0, không tạo thành một hình dạng nào cụ thể (phụ lục 5). Như vậy, giả định liên hệ tuyến
tính và phương sai bằng nhau không bị vi phạm.
4.5.3.2 Giả định phương sai của sai số không đổi
Để kiểm tra xem giả định phương sai của sai số không đổi ta dùng kiểm định tương quan hạng Spearman. Giả thuyết Ho đặt ra cho kiểm định là “ hệ số tương quan
hạng của tổng thể bằng 0”. Theo kết quả kiểm định tương quan hạng Spearman (xem thêm phụ lục 5) cho thấy giá trị sig của các hệ số tương quan với độ tin cậy 95% lớn
hơn mức ý nghĩa 0.05 nên giả thuyết Ho khơng bị bắt bỏ. Ta có thể kết luận là phương
sai của sai số không đổi.
Như vậy, giả định phương sai của sai số không đổi khơng bị vi phạm. Mơ hình hồi
4.5.3.3 Giả định phần dư có phân phối chuẩn (Normality Distribute)
Để kiểm tra giả định về phân phối chuẩn của phần dư, cách đơn giản nhất là xây dựng biểu đồ tần số của phần dư. Trong nghiên cứu này, tác giả sử dụng biểu đồ tần số Histogram và biểu đồ phân phối tích lũy P-P Plot để kiểm tra.
Biểu đồ tần số Histogram (xem phụ lục 5) cho thấy giá trị trung bình rất nhỏ gần
bằng 0 (Mean= -7.46E-15) và độ lệch chuẩn xấp xỉ bằng 1 (Std. Dev = 0,99) nên giả thiết phân phối chuẩn không bị vi phạm.
Biểu đồ phân phối tích lũy P-P Plot (xem phụ lục 4) cho thấy các điểm quan sát
không phân tán quá xa đường thẳng kỳ vọng nên giả thiết phân phối chuẩn không bị vi
phạm.
4.5.3.4 Giả định khơng có tương quan giữa các phần dư
Các sai số độc lập với nhau tức là khơng có tương quan giữa các phần dư. Dùng
đại lượng thống kê Durbin – Watson (d) để kiểm định tương quan của các phần dư.
Giả thuyết H0: hệ số tương quan tổng thể của các phần dư = 0 (khơng có tự tương
quan chuỗi bậc nhất). Và giả thuyết H1: hệ số tương quan tổng thể của các phần dư ≠ 0. Kết quả phân tích cho thấy Durbin – Watson (d) = 1.726 (bảng 4.7) gần bằng 2. Vậy các phần dư khơng có tương quan chuỗi bậc nhất với nhau.
Chấp nhận giả thiết H0: hệ số tương quan tổng thể của các phần dư = 0 (khơng có tự tương quan chuỗi bậc nhất).
4.5.3.5 Khơng có mối tương quan giữa các biến độc lập
Để kiểm tra hiện tượng đa cộng tuyến ta dùng hệ số phóng đại phương sai
(Variance inflation factor – VIF), quy tắc là khi VIF vượt quá 10, đó là dấu hiệu của đa cộng tuyến. Hệ số VIF của các biến đều < 2 (bảng 4.7). Do vậy, có thể kết luận khơng có hiện tượng đa cộng tuyến xảy ra giữa các biến.
Một biện pháp dị tìm bước đầu cũng khá hiệu quả là xem xét các hệ số tương
quan tuyến tính giữa các biến độc lập. Trong ma trận hệ số tương quan tuyến tính. Kết quả cho thấy hệ số tương quan giữa các biến độc lập đều thấp. Do vậy có thể kết luận các biến độc lập đều phù hợp cho phân tích hồi quy.
4.5.4 Kết quả kiểm định các giả thuyết nghiên cứu trong mơ hình
Theo bảng 4.8 ta thấy các hệ số hồi quy mang dấu dương, thể hiện năm nhân tố trong mơ hình hồi quy trên ảnh hưởng tỷ lệ thuận đến giá trị cảm nhận của khách hàng.