Chương 3 PHÂN TÍCH DỮ LIỆU
3.6 KIỂM ĐỊNH MÔ HÌNH NGHIÊN CỨU VÀ CÁC GIẢ THUYẾT
Phân tích hồi quy đa biến đƣợc thực hiện để xem xét mối quan hệ giữa 5 biến độc lập: sự hấp dẫn của PTCN, Chuẩn chủ quan, nhận thức kiểm soát hành vi, nhận thức về môi trường, chất lượng hệ thống với biến phụ thuộc Sự chấp nhận sử dụng trong mô hình nghiên cứu. Trước khi tiến hình phân tích hồi quy tuyến tính thì việc cân nhắc xem xét mối quan hệ tương quan tuyến tính giữa các biến độc lập và biến phụ thuộc và giữa các biến độc lập với nhau là công việc cần thiết phải làm và hệ số tương quan Pearson trong ma trận hệ số tương quan là ph hợp để xem xét mối tương quan này.
Bảng 3.9: Kết quả phân tích tương quan Pearson Correlations
F A B D C E
F Pearson
Correlation 1
Sig. (2-tailed) A Pearson
Correlation -.268** 1 Sig. (2-tailed) .000
B Pearson
Correlation .327** -.192** 1 Sig. (2-tailed) .000 .005
D Pearson
Correlation .202** .107 .109 1 Sig. (2-tailed) .003 .123 .117
C Pearson
Correlation .264** .233** -.064 .306** 1 Sig. (2-tailed) .000 .001 .360 .000
E Pearson
Correlation .431** -.085 .213** .304** .336** 1 Sig. (2-tailed) .000 .221 .002 .000 .000
**. Correlation is significant at the 0.01 level (2-tailed).
Từ kết quả phân tích hế số tương quan Pearson ở bảng 3.9, ta thấy biến phụ thuộc Sự chấp nhận sử dụng với từng biến độc lập có sự tương quan với nhau, thể hiện cụ thể qua hệ số tương quan như sau: Sự hấp dẫn của PTCN (- 0.268;A); chuẩn chủ quan (0.327;B); nhận thức kiểm soát hành vi (0.264;C);
nhận thức về môi trường (0.202;D); chất lượng hệ thống (0.431;E) và tất cả Sig. nhỏ hơn 0.05 (<0.05). Do đó có thể đƣa các biến độc lập này vào mô hình hồi quy để giải thích biến phụ thuộc Sự chấp nhận sử dụng.
Để đƣa ra kết luận chính xác cho các giả thuyết cần đƣợc thực hiện hồi quy. Trong đó, các thành phần A, B, C, D, E đƣợc xem là các biến độc lập trong mô hình hồi quy tiếp theo. Do có sự tương quan khá chặt chẽ của chính các thành phần này, các kiểm định đa cộng tuyến sẽ đƣợc chú ý.
3.6.2 Phân tích hồi quy
Thực hiện phân tích hồi quy đa biến nhằm xem xét cụ thể từng biến độc lập: sự hấp dẫn của PTCN, Chuẩn chủ quan, nhận thức kiểm soát hành vi, nhận thức về môi trường, nhận thức rủi ro và bảo mật thông tin tác động đến Sự chấp nhận sử dụng (biến phụ thuộc) nhƣ thế nào.
Phân tích hồi quy được thực hiện bằng phương pháp Enter. Các biến đƣợc đƣa vào c ng một lúc để chọn lựa dựa trên tiêu chí chọn những biến có mức ý nghĩa < 0.05. Kết quả phân tích hồi quy nhƣ sau:
Bảng 3.10: Bảng Model Summary Model Summaryb
Model R R Square
Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
1 .574a .330 .317 2.85931 1.691
a. Predictors: (Constant), E, A, B, C b. Dependent Variable: F
→ Hệ số điều chỉnh R2 (Adjusted R Square)=0.317. Điều này nói lên rằng, Sự chấp nhận sử dụng PTGTCC đƣợc giải thích 31.7% bởi 5 biến độc lập. Còn 68.3% còn lại đƣợc giải thích bởi những yếu tố khác.
Bảng 3.11: Bảng Anova phân tích hồi quy ANOVAa
Model
Sum of
Squares df
Mean
Square F Sig.
1 Regression 820.322 4 205.080 25.084 .000b
Residual 1667.831 204 8.176
Total 2488.153 208
a. Dependent Variable: F
b. Predictors: (Constant), E, A, B, C
Giá trị Sig của mô hình khi đƣa các biến vào có giá trị 0.000 < 0.05 do đó có thể khẳng định sự tồn tại mô hình hồi quy của các biến A, B, C, D, E nghĩa là mô hình hồi quy phù hợp với dữ liệu nghiên cứu và có thể sử dụng tốt trên tổng thể.
Hiện tượng tự tương quan
Hệ số thống kê Dubin- Watson d ng để kiểm định tương quan này. Nếu giá trị d gần bằng 2 cho thấy các phần dư không có tương quan chuỗi bậc nhất với nhau.
Dựa vào bảng Model Summary ở trên, ta thấy rằng giá trị d(Dubin- Watson) là 1.691 gần bằng 2, điều đó cho biết không có tương quan giữa các phần dƣ.
Hiện tƣợng đa cộng tuyến
Đối với thống kê đa cộng tuyến, hệ số phóng đại phương sai VIF (Variance inflation factor – VIF) từ bảng 3.12 của các biến nhỏ hơn 10, cho thấy các biến độc lập không có mối quan hệ chặt chẽ với nhau (hiện tƣợng đa cộng tuyến không xảy ra). Chính vì vậy mối quan hệ giữa các biến độc lập không ảnh hưởng đến giải thích của mô hình hồi quy.
Bảng 3.12: Bảng hệ số tương quan của phân tích hồi quy Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics B
Std.
Error Beta Tolerance VIF
1 (Constant) 2.619 1.758 1.490 .138
A -.307 .072 -.261 -
4.293 .000 .888 1.126
B .199 .052 .230 3.814 .000 .906 1.104
D .065 .077 .052 .838 .403 .847 1.181
C .412 .115 .234 3.584 .000 .775 1.291
E .356 .087 .266 4.091 .000 .779 1.283
a. Dependent Variable: F
Bảng 3.13: Bảng hệ số tương quan của phân tích hồi quy sau khi loại bỏ nhân tố D
Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics B
Std.
Error Beta Tolerance VIF
1 (Constant) 2.893 1.725 1.677 .095
A -.302 .071 -.256 -
4.236 .000 .897 1.115
B .203 .052 .235 3.917 .000 .915 1.093
C .432 .112 .245 3.843 .000 .809 1.235
E .372 .085 .277 4.369 .000 .816 1.226
a. Dependent Variable: F
Tiếp theo là cặp giả thuyết tổng quát về các hệ số hồi quy A,B,C,D và E trong mô hình hồi quy với F:
H’0: βi = 0 (Có ít nhất một trong các hệ số hồi quy bằng 0) H’1: βi ≠ 0
Để kiểm định cho giả thuyết này ta thực hiện phân tích hồi quy theo bảng 3.12 . Trong đó, nhân tố D có mức ý nghĩa Sig=0.403 lớn hơn 0.05.
Điều này cho thấy nhân tố nhận thức về môi trường không có tác động tới Sự chấp nhận sử dụng PTGTCC của người dân Tp. Đà Nẵng về mặt ý nghĩa thống kê. Do đó giả thuyết H4 không đƣợc chấp nhận. Các thành phần A, B, C và E đều có mức ý nghĩa quan sát lần lƣợt nhỏ hơn 0.05 nên các biến này đều có ảnh hưởng đáng kể đến sự chấp nhận sử dụng PTGTCC của người dân Tp.
Đà Nẵng với F (Sự chấp nhận sử dụng).
Mô hình hồi quy cho thấy hệ số của biến độc lập A là âm nên có mối quan hệ ngƣợc chiều giữa biến độc lập A với biến phụ thuộc F. Ngoài ra, các hệ số Beta của 3 biến độc lập (B, C và E) đều dương nên có mối quan hệ cùng chiều giữa các biến độc lập B, C và E với biến phụ thuộc F( Sự chấp nhận sử
dụng). Các thành phần này có hệ số hồi quy Beta lần lƣợt là -0.256, 0.235, 0.245, 0.277. Do đó, tác giả kết luận rằng nhân tố E (Chất lƣợng hệ thống) với hệ số Beta (0.277) là có ảnh hưởng lớn nhất đến Sự chấp nhận sử dụng PTGTCC, nhân tố B (Chuẩn chủ quan; Beta=0.235) là có ảnh hưởng thấp nhất đến Sự chấp nhận sử dụng PTGTCC, nhân tố D (Nhận thức về môi trường) là không ảnh hưởng tới Sự chấp nhận sử dụng PTGTCC. Các hệ số này cũng nói lên vai trò cũng như mức độ ảnh hưởng tương ứng của các biến này tới sự chấp nhận sử dụng của người dân Tp. Đà Nẵng
Vì vậy, trong phạm vi dữ liệu thu thập đƣợc, với độ tin cậy 95%, các giả thuyết H1, H2, H3 và H5 chấp nhận. Kết luận, có thể nói:
Khi Sự hấp dẫn của PTCN (A) càng tăng thì Sự chấp nhập sử dụng xe buýt sẽ giảm(H1)
Khi Chuẩn chủ quan( hay ảnh hưởng của xã hội) tăng lên thì Sự chấp nhận sử dụng xe buýt càng gia tăng(H2)
Khi Nhận thức kiểm soát hành vi càng tăng thì Sự chấp nhận sử dụng càng gia tăng(H3)
Khi Chất lượng hệ thống càng tăng thì Sự chấp nhận sử dụng càng gia tăng(H5)