CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ BÀN LUẬN
4.4 Phân tích hồi quy đa biến
4.4.1 Mô hình hồi quy tổng thể
Để xem xét mối quan hệ giữa các biến độc lập và biến phụ thuộc, nghiên cứu sử dụng mô hình hồi quy đa biến như sau:
DVKT =β1DACTHU + β2LIDN + β3GIAPHI + β4TINCAY + β5CHUYENMON +β6THUONGHIEU +
Trong đó:
DVKT: Biến phụ thuộc (Quyết định lựa chọn DVKT của DNPM TP. HCM) Các biến độc lập: DACTHU, LIDN, GIAPHI, TINCAY,
CHUYENMON,THUONGHIEU.
- DACTHU: Tính chất đặc thù của DNPM - LIDN: Lợi ích
- GIAPHI: Giá phí dịch vụ - TINCAY: Độ tin cậy
- CHUYENMON: Trình độ chuyên môn - THUONGHIEU: Thương hiệu
Kết quả cho thấy hệ số R2 điều chỉnh = 57.9% > 50% (Bảng 4.9), đồng thời, kiểm định F trong bảng ANOVA (Bảng 4.10) cho thấy giá trị này có ý nghĩa thống kê với Sig. < 0.05. Từ đó kết luận mô hình là phù hợp, các biến độc lập (Tính chất đặc thù của DNPM, Lợi ích , Giá phí dịch vụ, Độ tin cậy, Trình độ chuyên môn, Thương hiệu) giải thích được 57.9% sự thay đổi của biến phụ thuộc (Quyết định lựa chọn DVKT của các DNPM TP. HCM), phần còn lại được giải thích bởi các yếu tố không được xem xét trong mô hình.
Bảng 4.9: Bảng tóm tắt mô hình hồi quy
Mô hình Hệ sốR Hệ sốR2 Hệ số R2 - hiệu chỉnh
Sai số chuẩn của ước lượng
Durbin-Watson
1 .770a .592 .579 .13712 1.864
(Nguồn: Kết quả phân tích SPSS)
Bảng 4.10:Bảng ANOVA
Mô hình Tổng bình phương
Bậc tự do
Trung bình bình phương
F Sig.
1 Hồi quy 4.970 6 .828 44.057 .000b
Phần dư 3.422 182 .019
Tổng 8.392 188
(Nguồn: Kết quả phân tích SPSS) 4.4.3 Kiểm định trọng số hồi quy
Dựa vào kết quả trong bảng trọng số hồi quy (Bảng 4.11), cho thấy giá trị Sig của các biến độc lập DACTHU, LIDN, GIAPHI, TINCAY, CHUYENMON, THUONGHIEU đều nhỏ hơn 0.05, từ đó tác giả kết luận các biến độc lập tương quan và có ý nghĩa với biến phụ thuộc DVKT.
Mô Hình
Hệ số chưa chuẩn hóa
Hệ số chuẩn hóa
t Sig.
Thống kê đa cộng tuyến
B Sai số
chuẩn Beta
Hệ số Tolerance
Hệ số VIF
1 (Constant) 1.276 .172 7.415 .000
DACTHU .067 .020 .175 3.349 .001 .823 1.216
LIDN .087 .017 .252 5.070 .000 .908 1.101
GIAPHI .083 .016 .254 5.229 .000 .948 1.054
TINCAY .213 .043 .298 4.972 .000 .623 1.606
CHUYENMON .097 .016 .282 5.879 .000 .971 1.030
THUONGHIEU .135 .028 .259 4.769 .000 .758 1.319
(Nguồn: Kết quả phân tích SPSS) Từ kết quả trong bảng trọng số hồi quy (bảng 4.11), xác định được phương trình hồi quy như sau:
Phương trình hồi quy:
DVKT = 0.175DACTHU + 0.252LIDN + 0.254GIAPHI + 0.298TINCAY + 0.282CHUYENMON + 0.259THUONGHIEU
4.4.4 Kiểm định hiện tượng đa cộng tuyến.
Đa cộng tuyến là hiện tượng các biến độc lập có sự tương quan hoàn toàn với nhau. Để kiểm tra hiện tượng đa công tuyến, chỉ số thường dùng là hệ số phóng đại phương sai VIF. Kết quả trong bảng 4.11 cho thấy hệ số VIF của các biến độc lập (tính chất đặc thù của DNPM; Lợi ích, Giá phí dịch vụ; Độ tin cậy; Trình độ chuyên môn;
Thương hiệu)đều nhỏ hơn 2, từ đó kết luận mô hình nghiên cứu các nhân tố Tính chất đặc thù của DNPM, Lợi ích , Giá phí dịch vụ, Độ tin cậy, Trình độ chuyên môn, Thương hiệu ảnh hưởng đến quyết định lựa chọn DVKT không có hiện tượng đa cộng tuyến (Nguyễn Đình Thọ, 2011).
Tự tương quan là hiện tượng các sai số ngẫu nhiên có mối liên hệ tương quan nhau, khi đó có thể xảy ra hiện tượng tự tương quan.
Sử dụng hệ số Durbin-Watson để kiểm định tự tương quan của các sai số kề nhau, hệ số có giá trị biến thiên trong khoảng từ 0 đến 4; nếu các phần sai số không có tương quan chuỗi bậc nhất với nhau thì giá trị sẽ gần bằng 2. Dựa vào kết quả bảng 4.8, cho thấy d được chọn rơi vào miền chấp nhận giả thuyết không có tương quan chuỗi bậc nhất (d = 1.864). Như vậy, kết luận không có hiện tượng tự tương quan giữa các phần dư trong mô hình, mô hình có ý nghĩa.
4.4.6 Kiểm định về phân phối chuẩn của phần dư.
Mô hình hồi quy tuyến tính chỉ thực sự phù hợp với các dữ liệu quan sát khi phần dư có phân phối chuẩn với trung bình bằng 0 và phương sai không đổi. Để kiểm định về phân phối chuẩn của phần dư, ta sử dụng biểu đồ Histogram và biểu đồ P– P Plot.
Kết quả trong biểu đồ tần số Histogram (Hình 4.1) cho thấy một đường cong phân phối chuẩn đặt chồng lên biểu đồ tần số, với độ lệch chuẩn Std.Dev = 0,984 và Mean gần bằng 0, ta có thể kết luận rằng, giả thiết phân phối chuẩn của phần dư không bị vi phạm.
Hình 4.1 Đồ thị Histogram của phần dư đã chuẩn hóa (Nguồn: Kết quả phân tích SPSS)
Để củng cố cho kết luận này, cần xem thêm biểu đồ P-P Plot (Hình 4.2) của phần dư chuẩn hóa, các điểm quan sát không phân tán xa đường chéo kỳ vọng, nên ta có thể kết luận giả thuyết phân phối chuẩn của phần dư không bị vi phạm.
Hình 4.2 Đồ thị P-P Plot của phần dư đã chuẩn hóa (Nguồn: Kết quả phân tích SPSS)
4.4.7 Kiểm định giải định phương sai của sai số (phần dư) không đổi
Kết quả xử lý trong đồ thị phân tán (Hình 4.3) cho thấy thấy các phần dư phân tán ngẫu nhiên quanh trục O (là quanh giá trị trung bình của phần dư) trong một phạm vi không đổi. Điều này có nghĩa là phương sai của sai số (phần dư) không đổi.