CHƯƠNG 2: PHƯƠNG PHÁP NGHIÊN CỨU
2.5. Phân tích dữ liệu
2.5.5. Phân tích hồi quy tuyến tính đa biến
Sau bước phân tích tương quan Pearson, nhóm nghiên cứu thực hiện phân tích hồi quy tuyến tính đa biến với mục đích xác định được nhân tố đóng góp nhiều/ít hoặc không đóng góp vào sự thay đổi của biến phụ thuộc hay nói cách khác là xác định cường độ ảnh hưởng của các biến độc lập lên biến phụ thuộc.
Ý nghĩa chỉ số trong hồi quy đa biến:
Giá trị Adjusted R Square (R bình phương hiệu chỉnh) và R2 (R Square) phản ánh mức độ ảnh hưởng của các biến độc lập lên biến phụ thuộc. Khoảng biến thiên của 2 giá trị này là từ 0 đến 1. Nếu càng tiến về 1 thì mô hình càng có ý nghĩa.
Ngược lại, càng tiến về 0 tức là ý nghĩa mô hình càng yếu. Cụ thể hơn, nếu nằm trong khoảng từ 0,5 đến 1 thì là mô hình tốt, < 0,5 là mô hình chưa tốt.
Trị số Durbin – Watson (DW): Có chức năng kiểm tra hiện tượng tự tương quan chuỗi bậc nhất. Giá trị của DW biến thiên trong khoảng từ 0 đến 4. Nếu giá trị gần về 4 tức là các phần sai số có tương quan nghịch, gần về 0 thì các phần sai số có tương quan thuận. Trong trường hợp DW < 1 và DW > 3 thì khả năng rất cao xảy ra hiện tượng tự tương quan chuỗi bậc nhất.
Giá trị Sig. của kiểm định Fcó tác dụng kiểm định độ phù hợp của mô hình hồi quy. Ở bảng ANOVA, nếu giá trị Sig. < 0,05 thì mô hình hồi quy tuyến tính bội và tập dữ liệu phù hợp (và ngược lại).
Giá trị Sig. của kiểm định t được sử dụng để kiểm định ý nghĩa của hệ số hồi quy. Nếu Sig. < 0,05 thì biến độc lập có tác động đến biến phụ thuộc.
Hệ số phóng đại phương sai VIF (Variance Inflation Factor): Kiểm tra hiện tượng đa cộng tuyến. Nếu VIF > 10 thì có hiện tượng đa cộng tuyến (Theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005). Tuy nhiên, trên thực tế thực hành, nếu VIF
< 2 không có hiện tượng đa cộng tuyến giữa các biến độc lập (và ngược lại).
Phương trình hồi quy tuyến tính mẫu:
Y = α + β1.X1 + β2.X2 +...+ βn.Xn + e Trong đó:
Y: Biến phụ thuộc
X1, X2, Xn: Các biến độc lập
β1, β2, βn: Hệ số tương quan từng phần e: Phần dư
Kiểm tra các giả định hồi quy:
● Phân phối chuẩn của phần dư: Sử dụng biểu đồ Normal P-P Plot, nếu các điểm phân vị trong phân phối của phần dư tập trung thành 1 đường chéo, nghĩa là phần dư có phân phối chuẩn.
● Liên hệ tuyến tính giữa biến phụ thuộc với biến độc lập: Biểu đồ phân tán Scatter Plot giữa các phần dư chuẩn hóa và giá trị dự đoán chuẩn hóa giúp chúng ta dò tìm xem dữ liệu hiện tại có vi phạm giả định liên hệ tuyến tính hay không.
Nếu phần dư chuẩn hóa phân bổ ngẫu nhiên xung quanh đường tung độ 0 và hình dạng tạo thành một đường thẳng, chúng ta có thể kết luận giả định quan hệ tuyến tính không bị vi phạm.
2.5.6. So sánh giá trị trung bình COMPARE MEANS
2.5.6.1. Means
Nhóm nghiên cứu dùng thao tác Means trong lệnh Compare Means nhằm mục đích tìm hiểu và so sánh tác động của từng nhóm nhân khẩu học đến các yếu tố khác như hành vi, thái độ, nhận thức,... trong bảng Likert.
2.5.6.2. Independent Samples T-Test
Nhóm còn sử dụng Independent Samples T-Test để kiểm định xem có sự khác biệt có ý nghĩa thống kê giữa các phương tiện trong hai nhóm thống kê không liên quan hay không.
Trong kiểm định Independent-samples T-test, ta cần dựa vào kết quả kiểm định sự bằng nhau của 2 phương sai tổng thể (kiểm định Levene). Phương sai diễn tả mức độ đồng đều hoặc không đồng đều(độ phân tán)của dữ liệu quan sát.
Cách phân tích kiểm định Levene:
Nếu giá trị Sig. trong kiểm định Levene (kiểm định F) < 0,05 thì phương sai của 2 tổng thể khác nhau, ta sử dụng kết quả kiểm định t ở dòng Equal variances not assumed.
Nếu Sig. ≥ 0,05 thì phương sai của 2 tổng thể không khác nhau, ta sử dụng kết quả kiểm định t ở dòng Equal variances assumed.
Cách phân tích Independent Samples T-Test:
Nếu Sig. của kiểm định t ≤ α (mức ý nghĩa) thì ở đây có sự khác biệt có ý nghĩa về trung bình của 2 tổng thể. Mức ý nghĩa thông thường là 0,05.
Nếu Sig. > α (mức ý nghĩa) thì sẽ không có sự khác biệt có ý nghĩa về trung bình của 2 tổng thể.
2.5.6.3. One-way ANOVA
Do Independent T-Test chỉ có thể so sánh giữa hai nhóm đối tượng trong khi nhóm nghiên cứu cần kiểm định sự khác biệt có ý nghĩa thống kê giữa nhiều nhóm đối tượng nên lệnh phân tích phương sai một yếu tố ANOVA đã được nhóm lựa chọn để giải quyết vấn đề này.
Kết quả kiểm định gồm ba phần:
Phần 1:Levene Test: Dùng để kiểm định phương sai bằng nhau hay không giữa các nhóm.
H0: “Phương sai bằng nhau”
Sig <= 0,05: bác bỏ H0
Sig > 0,05: chấp nhận H0, đủ kiều kiện để phân tích tiếp ANOVA Phần 2:ANOVA Test: Kiểm định ANOVA
H0: “Trung bình bằng nhau”
Sig <= 0,05: bác bỏ H0, đủ điều kiện để khẳng định có sự khác biệt giữa các nhóm đối với biến phụ thuộc.
Sig > 0,05: chấp nhận H0, chưa đủ điều kiện để khẳng định có sự khác biệt giữa các nhóm đối với biến phụ thuộc.
Phần 3: Khi có sự khác biệt thì có thể phân tích sâu hơn để tìm ra sự khác biệt như thế nào giữa các nhóm quan sát bằng các kiểm định Tukey, LSD, Bonferroni, Duncan. Kiểm định sâu ANOVA gọi là kiểm định Post-Hoc.