Chƣơng 4 Kết quả nghiên cứu
4.5. Kiểm định mơ hình nghiên cứu bằng phân tích hồi quy
4.5.2. Phân tích hồi quy
Phân tích hồi quy dùng để xác định trọng số của từng nhân tố đến năng lực động của doanh nghiệp. Phân tích sử dụng phƣơng pháp loại trừ dần (backward elimination). Đầu tiên tất cả các biến độc lập đƣợc đƣa vào mơ hình, biến có hệ số tƣơng quan nhỏ nhất sẽ đƣợc kiểm tra đầu tiên, nếu không thoả điều kiện sẽ bị loại ra. Lúc này mơ hình này sẽ đƣợc tính tốn lại mà khơng có biến độc lập vừa loại. Tiếp theo SPSS sẽ lặp lại thủ tục trên cho đến khi nào giá trị F của biến có hệ số tƣơng quan nhỏ nhất lớn hơn điều kiện thì quá trình này sẽ dừng lại.
Bảng 4.12: Kết quả phân tích mơ hình hồi qui tuyến tính đa biến
Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF 1 (Constant) 4,83E-016 ,041 ,000 1,000 X1 ,195 ,041 ,195 4,781 ,000 1,000 1,000 X2 ,460 ,041 ,460 11,276 ,000 1,000 1,000 X3 ,359 ,041 ,359 8,802 ,000 1,000 1,000 X4 ,306 ,041 ,306 7,488 ,000 1,000 1,000 X5 ,212 ,041 ,212 5,193 ,000 1,000 1,000 X6 ,008 ,041 ,008 ,195 ,846 1,000 1,000 X7 ,296 ,041 ,296 7,243 ,000 1,000 1,000 X8 ,169 ,041 ,169 4,146 ,000 1,000 1,000 2 (Constant) 4,84E-016 ,041 ,000 1,000 X1 ,195 ,041 ,195 4,791 ,000 1,000 1,000 X2 ,460 ,041 ,460 11,301 ,000 1,000 1,000 X3 ,359 ,041 ,359 8,821 ,000 1,000 1,000 X4 ,306 ,041 ,306 7,504 ,000 1,000 1,000 X5 ,212 ,041 ,212 5,204 ,000 1,000 1,000 X7 ,296 ,041 ,296 7,259 ,000 1,000 1,000 X8 ,169 ,041 ,169 4,155 ,000 1,000 1,000
Các bƣớc đánh giá mơ hình (tham khảo kết quả phân tích ở phụ lục 8):
(1) Kết quả hồi qui cho thấy các nhân tố X1, X2, X3, X4, X5, X7, X8 có ảnh hƣởng đến năng lực cạnh tranh, nhân tố X6 Quản trị điều hành bị loại khỏi mơ hình do có hệ số Sig. lớn hơn 0,5.
(2) Hệ số Sig. (bảng ANOVA) =.000 ta thấy các biến đƣa vào đều có ý nghĩa thống kê với mức ý nghĩa 5%. Nhƣ vậy các biến độc lập trong mơ hình có quan hệ đối với biến phụ thuộc Y.
(3) Các biến độc lập trong mơ hình hồn tồn phù hợp vì hệ số Sig. <0.5 (bảng Coefficients)
(4) Hệ số R2 hiệu chỉnh trong mơ hình này là 0,622. Điều này nói lên độ thích hợp của mơ hình là 62,2% hay nói một cách khác là mô hình hồi quy giải thích đƣợc 62,2%, cịn lại sẽ đƣợc giải thích bởi các nhân tố khác bên ngồi mơ hình.
(5) Hệ số VIF của các biến độc lập trong mơ hình đều nhỏ hơn 5 do đó hiện tƣợng đa cộng tuyến giữa các biến độc lập không có ảnh hƣởng đáng kể đến mơ hình hồi qui.
(6) Trị số thống kê Durbin-Watson có giá trị gần 2 (2,017) cho biết các phần dƣ có tƣơng quan với nhau khơng đáng kể (phụ lục 7, bảng Model Summary).
Mơ hình hồi qui tuyến tính đƣợc viết nhƣ sau:
Y=0,195X1+0,46X2+0,359X3+0,306X4+0,212X5+0,296X7+0,169X8+4,84E- 016
Hay có thể viết lại là:
Năng lực động của doanh nghiệp=0,195 Đáp ứng thị trƣờng+0,46 Định hƣớng
học hỏi +0,359 Năng lực tổ chức dịch vụ +0,306 Định hƣớng kinh doanh +0,212 Năng lực sáng tạo +0,296 Danh tiếng doanh nghiệp +0,169 Chất lƣợng mối quan hệ +4,84E-016