2.3.5.1 Phan tích tương quan
Mô hình hồi quy tuyến tính:
Y =ÿ0 + BIXI + B2X2 + B3X3 + B4X4 +B 5X5 + B6X6 + s
Sử dụng phân tích hồi quy tuyên tính để kiêm định các giả thuyết:
HI: Nhận thức sự hữu ích có ảnh hưởng đến ý định sử dụng Internet Banking
H2: Tính dễ sử dụng cảm nhận có ảnh hưởng đến ý định sử dụng Internet Banking
H3: Sự hấp dẫn của tiền mặt có ảnh hưởng đến ý định sử dụng Internet Banking
H4: Sự phù hợp đối với khách hàng có ảnh hưởng đến ý định sử dụng Internet Banking
H5: Sự tin cậy cảm nhận có ảnh hưởng đến ý định sử dụng Internet Banking H6: Ảnh hưởng của xã hội và các chính sách của chính phủ có ảnh hưởng đến ý định sử dụng Internet Banking
Để thực hiện các kiêm định này nhóm nghiên cứu sử dụng mô hình hồi quy tuyến tính (linear regression) cho 7 bién déc lap là “A - Nhận thức sự hữu ích”; “B -
43
Cam nhận tính dễ sử dụng”; “C - Sức hấp dẫn của tiền mặt”; “D - Sự phù hợp đối với khách hàng”; “E - Sự tin cậy cảm nhận”, “F - Ảnh hưởng của xã hội và các chính sách của chính phủ”. Kết quả được trình bày như sau:
Bảng 14: Kết quả phân tích hồi quy
Adjusted R Std. Error of the Durbm-
Square EstImate Watson
R Square
1 800° .640 625 43938 2.187
Nguôn: Trích từ bảng số liéu chay SPSS
a. Predictors: (Constant), F, A, D, C, B, E
b. Dependent Variable: YD
Bảng 15: Các hệ số hồi quy
Unstandardized Standardized Collinearity
Coefficients Coefficients Sig, Statistics
B Std. Error [St Tolerance
(Constant) .967 434 2.229 | 027
A 238 .064 221 3.717 | .000 .702
B .220 .058 .224 3.816 | .000 .719
Cc .176 .052 .196 3.364 | .001 .730
D .109 .053 .122 2.040 | .043 699
E 188 .052 .216 3.599 | .000 .688
F 143 047 178 3.039 | .003 .726
Nguôn: Trích từ bảng số liéu chay SPSS
a. Dependent Variable: YD
44
Bang 16: Phan tich ANOVA Sum ofSquares df Mean Square
Regression 49.758 6 8.293 42.956 000°
1 Residual 27.994 145 193
Total 77.751 151
Nguôn: Trích từ bảng số liéu chay SPSS
a. Dependent Variable: YD
b. Predictors: (Constant), F, A, D, C, B, E
Đánh giá độ phù hợp của mô hình: Hệ số 2 hiệu chỉnh = 0.625 chứng tỏ
độ phù hợp của mô hình là 62.5%, giải thích được 62.5% sự biến động phụ thuộc là
do ảnh hưởng của các biến độc lập gây nên, còn 37.5% còn lại là sự ảnh hưởng của các biến bên ngoài mô hình nghiên cứu và do sai số ngẫu nhiên gây nên.
Kiểm định tương quan bằng hệ số Durbin-Watson: thông qua bảng phân tích hồi quy ta thấy Durbin-Watson là 2.187 nằm trong khoảng (1:3) cho thấy mô hình nghiên cứu không có tự tương quan nhau.
Kiểm định độ phù hợp của mô hình: Để kiểm định độ phù hợp của mô hình hồi quy tuyến tính đa bội ta dùng giá trị F ở bảng phân tích ANOVA. Kết quả phân tích ANOVA cho thấy giá trị Sig rất nhỏ (= 0.000) cùng với kiểm tra tương
quan bằng hệ số Durbin — Watson chứng tỏ được mô hình hồi quy xây dựng là phù hợp với dữ liệu thu thập được trên phạm vi tông thể. Phương trình hồi quy cụ thê như sau:
Các biến A, B, C, E, F đều có Sig < 0.05 nên mỗi quan hệ giữa các biến nay
và biến phụ thuộc YD có ý nghĩa thống kê, hay với độ tin cậy 95% các biến độc lập này đều ảnh hưởng đến biến phụ thuộc YD, riêng biến D có Sig = 0.43 > 0.05 nên quyết định loại bỏ biến D khỏi mô hình hồi quy. Vậy, mô hình hồi quy sẽ có dạng:
YD = 0.221*A + 0.224*B + 0.196*C + 0.216*E + 0.178*F
45
Trong đó, hệ số beta đã chuẩn hóa của các biến độc lập trong mô hình hồi quy đều mang giá trị chuân hóa lớn hơn 0, do đó ta có thể kết luận các biến này có quan hệ thuận chiều với biến phụ thuộc YD, điều này có nghĩa khi các biến này tăng lên sẽ giúp cho ý định sử dụng dịch vụ Internet Banking của khách hàng tăng lên và ngược lại. Ta thấy, nhân tố B - tính dễ sử dụng cảm nhận có mức ảnh hưởng cao nhất (B=0.224), nhân tổ D — sự phù hợp đối với khách hàng có mức ảnh hưởng thấp nhất (B=0.112).
2.3.5.2 Kiếm định về liên hệ tuyến tính
Đồ thị phân tán Scatter (Scatterplot) thể hiện phần dư chuẩn hóa (Regression Standardized Residual) trén truc tung va gia tn dy doan chuẩn đoán (Regression Standardized Predicted Value) trên trục hoành là phương tiện để kiểm định giả định
về liên hệ tuyến tính và phương sai bằng nhau.
Biểu đồ 1: Đồ thị phân tán Scatter
Scatterplot Dependent Variable: YD
34
°
53 % ©°
= ° ° °
a % ° SG ° °
a ° °
š N a
5 co o S ae ~ 9
% So s ST ° % ° %& & % ° ° o° ° ° ©
5 o ° ẹ S ° °
“” o S .
s 1ơ ° % % so â
a vớ °
5 o ®
° ° °
Œ -?r ©
° °
-3ơ
T T T T
-4 -2 0 2
Regression Standardized Predicted Value
Nguôn: Trích từ bảng số liệu chạy SPSS
46
2.3.5.3 Kiếm định giá thuyết về phân phối của phan dw
Trong phân tích hồi quy, phân phối chuẩn là một trong những điều kiện nhằm dam bảo mô hình dự báo tốt kết quả của tổng thẻ. Phần dư có thê không tuân theo phân phối chuẩn vì những lý do như: sử dụng sai mô hình, phương sai không phái là hằng số, số lượng các phần dư không đủ nhiều đề phân tích, ... (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Trong bài nghiên cứu này, nhóm nghiên cứu sẽ sử dụng đồ thi P-P plot để kiểm định của phần dư. Trong đồ thi P-P plot của phan du,
ta thấy đường biểu diễn phần dư không lệch đáng kề so với đường thắng kỳ vọng, như vậy phân phối của phần dư gần như là phân phối chuân. Kết luận giả định về phân phối chuân của phần dư không vi phạm phương trình hồi quy tuyến tính.
Biểu đồ 2: Biểu đồ P-P plot
Normal P-P Plot of Regression Standardized Residual
Dependent Variable: YD
10
081
° Đ 1
Expected Cum Prob
° > L
00 T T T T 1
00 0.2 04 08 08 10
Observed Cum Prob
Nguôn: Trích từ bảng số liệu chạy SPSS
47
Ngoai ra, khi str dung biéu d6 tan s6 Histogram cia phan du da chuan hoa (Regression Standardized Residual) để kiểm tra giả định. Kết quả từ tần số Histogram cho thay: gia trị trung bình (Means) = -I.95*10 — 16 và độ lệch chuẩn (Std.Dev) = 0.980 (gần bằng 1), phần dư xấp xi chuẩn. Điều này có nghĩa là giả thuyết phân phối chuẩn của phần dư không bị vi phạm
Biểu đồ 3: Biểu đồ phân phối chuẩn phần dư
Histogram Dependent Variable: YD
30~ Std. Dev. = 0.980 N=152
20ơ
Frequency
-2 +1 0 1 2
Regression Standardized Residual
Nguôn: Trích từ bảng số liéu chay SPSS
48