2.3.3.4.1. Đánh giá sự phù hợp của mơ hình
Hệ số xác định R2 và R2 hiệu chỉnh (Adjusted R square) được dùng để đánh giá độ phù hợp của mơ hình. Vì R2 sẽ tăng khi đưa thêm biến độc lập vào mơ hình nên dùng R2 hiệu chỉnh sẽ an toàn hơn khi đánh giá độ phù hợp của mô hình. R2 hiệu chỉnh càng lớn thể hiện độ phù hợp của mơ hình càng cao.
Bảng 2.20: Kết quả đánh giá sự phù hợp của mơ hình
Model R R Square Adjusted R Square Std. Error of the Estimate Durbin - Watson
1 0,772 0,596 0,574 0,33838 1,636
(Nguồn: Kết quả xử lý SPSS 20)
Theo kết quả đánh giá sự phù hợp của mơ hình trong nghiên cứu này, ta thấy mơ hình 6 biến độc lập có giá trị R bình phương là 0,596. Tức là: độ phù hợp của mơ hình là 59,6%. Hay nói các khác, 59,6% độ biến thiên của biến phụ thuộc“nhận diện thương hiệu”được giải thích bởi 6 biến độc lập được đưa vào mơ hình. Bên cạnh đó, ta nhận thấy giá trị R bình phương hiệu chỉnh là 0,574 là khá cao ( > 50%), nghĩa là mối quan hệ giữa biến độc lập và biến phụ thuộc được coi là gần chặt chẽ.
Tên thương hiệu
Logo
Quảng cáo Sản phẩm
Nhận diện thương hiệu
2.3.3.4.2. Xem xét sự tương quan, đa cộng tuyến
Đại lượng Durbin – Watson được dùng để kiểm định tương quan của các sai số kề nhau. Dựa vào kết quả thực hiện phân tích hồi quy cho thấy, giá trị Durbin – Watson là 1,636 (Theo bảng kết quả đánh giá sự phù hợp của mơ hình) - thuộc trong khoảng chấp nhận (1,6 đến 2,6). Vậy có thể kết luận là mơ hình khơng xảy ra hiện tượng tự tương quan. Mơ hình hồi quy vi phạm hiện tượng đa cộng tuyến khi có giá trị hệ số phóng đại phương sai (VIF – Variance Inflation Factor) lớn hơn hay bằng 10. Từ kết quả phân tích hồi quy ở trên, ta có thể thấy rằng giá trị VIF của mơ hình nhỏ (đều dưới giá trị 2) nên nghiên cứu kết luận rằng mơ hình hồi quy khơng vi phạm hiện tượng đa cộng tuyến.
2.3.3.4.3. Kiểm định sự phù hợp của mơ hình
Giả thuyết H0: β1 = β2 = β3= β4 = β5 = 0: Mơ hình hồi quy không phù hợp Giả thuyết H1:β1 ≠ β2 ≠ β3 ≠β4 ≠ β5: Mơ hình hồi quy phù hợp.
Để kiểm định độ phù hợp của mơ hình hồi quy tuyến tính đa bội ta dùng giá trị Sig. ở bảng phân tích ANOVA sau:
Bảng 2.21: Kết quả kiểm định ANOVA
ANOVA
Mơ hình Tổng bình phương Df Bình phương trung bình F Sig.
1
Tương quan 19,053 6 3,175 27,733 0,000
Phần dư 12,939 113 0,115
Tổng 31,992 119
(Nguồn: Kết quả xử lý SPSS 20)
Kết quả kiểm định ANOVA ở bảng trên cho thấy giá trị Sig. = 0,000 rất nhỏ, cho phép nghiên cứu bác bỏ giả thiết rằng “Hệ số xác định R bình phương = 0” tức là mơ hình hồi quy phù hợp. Như vậy mơ hình hồi quy thu được rất tốt, các biến độc lập giải thích được khá lớn sự thay đổi của biến phụ thuộc “nhận diện thương hiệu”.
2.3.3.4.4. Kiểm định phân phối chuẩn của phần dư