CHUONG 4: CHUONG 4: PHAN TICH KET QUA NGHIEN CUU
4.4 Phân tích nhân tố khám phá EFA
4.5.2 Phân tích hồi quy bội
Phân tích tương quan đã chứng minh được rằng, giữa các biến có mối tương quan với nhau, hệ số tương quan có giá trị thấp. Tuy nhiên, việc kiểm tra hiện tượng đa cộng tuyến là cần thiết, nhằm hạn chế những hậu quả nếu xảy ra hiện tượng này.
Thực hiện phân tích hồi quy nhằm nghiên cứu mối liên hệ phụ thuộc của một biến (gọi là biến phụ thuộc) vào nhiều biến khác (gọi là biến độc lập), với ý tưởng ước lượng và/hoặc dự đoán giá trị trung bình (tổng thể) của biến phụ thuộc trên cở sở giá trị biết trước (trong mẫu) của các biến độc lập. (Trọng & Ngọc 2008)
Phương pháp thực hiện hồi quy là phương pháp đưa vàp lần lượt (Enter). Dé danh giá mức độ phù hợp của mô hình nghiên cứu, các nhà nghiên cứu sử dụng hệ số xác định R:(R Square). Hệ số R›được chứng minh là hàm không giảm theo số biến độc lập được đưa
39
vào mô hình, tuy nhiên không phải phương trình càng có nhiều biến sẽ càng phù hợp hơn với dữ liệu, R› có khuynh hướng là một yếu tổ lạc quan của thước đo sự phù hợp của mô hình đối với dữ liệu trong trường hợp có một biến giải thích trong mô hình và 0 < R:< I.
Như vậy, trong hồi quy tuyến tính bội thường dùng hệ số R Square hiệu chỉnh (Adjusted R Square) đê đánh giá độ phù hợp của mô hình vì nó không thôi phồng mức độ phù hợp của mô hình.
Hệ số Beta chuân hóa được dùng đề đánh giá mức độ quan trọng của từng nhân tố, hệ sô Beta chuân hóa của biến nào cảng cao thì mức độ tác động của biến đó vào sự thoả mãn chất lượng dịch vụ của khách hàng càng lớn. (Trọng & Ngọc 2008)
Kiểm định Anova được sử dụng để kiêm tra tính phù hợp của mô hình với tập dữ
liệu gốc. Nếu mức ý nghĩa của kiêm định < 0.05 thì có thê kết luận mô hình hồi quy phù
hợp với tập dữ liệu.
Sau khi tìm ra các nhân tố tác động đến mức độ hài lòng của tô chức, cá nhân nộp thuế bằng phân tích Cronbach Alpha và EFA, nghiên cứu đã tìm ra 06 nhân tô tác động đến Quyết định mua hàng nền tảng short form thông qua TikTok. 06 nhân tổ này với 25 biến quan sát đạt tiêu chuẩn tiếp tục được đưa vào mô hình hồi quy bội để phân tích, xác định cụ thê trọng số của từng nhân tô tác động đến sự hài lòng của người nộp thuế.
Phương trình hồi quy bội biểu diễn mối quan hệ giữa các yếu tô tác động quyết định mua sản phẩm thông qua short-form video trên TikTok của sinh viên như sau:
Y = B0+BI.XI + 2.X2 + B3.X3 + B4.X4 + B5.X5 + B6.X6
VỚI:
- YiàHữuÍch
- 0, BI, B2, B3, B4, B5, B6 là các hệ số hồi quy.
- XL, X2, X3, X4, X5, Mô hình lần lượt là các biến độc lập theo thứ tự Tin Cậy, Khuyến Mãi, Sự Phản Hồi, Xã Hội, Quyết Định.
Bảng 4.10: Kết quả phân tích hồi quy bội
Model | R R Adjusted R Std. Error of the Durbin-
Square |Square Estimate Watson
.272 | .074 .046 43944 1.533
a. Predictors: (Constant), QD, SPH, KM, XH, TC b. Dependent Variable: HI
Model Sum of Squares df Mean Square F Sig
1 | Regression 2.590 5 518 2.683 | .023
Residual 32.443 168 |.193
Total 35.033 173
a. Dependent Varianble: HI
b. Predictors: (Constant), QD, SPH, KM, XH, TC
Model Unstandardized | Standardized |t Sig. | Collinearity
Coefficients Coefficients Statistics
B Std. Beta Tolerance | VIF
Error
1 | (Constant) | 4.062 | .438 9.279 | .000
TC .187 |.066 255 2.832 | .005 | .679 1.472
KM 047 | .073 051 641 | 522 | 882 1.133
SPH -.032 | .075 -.034 -.423 | .673 | .864 1.157
XH 117 |.071 148 1.659 | .099 | .693 1.443
QD -.212 | .087 -.235 - 016 | 594 1.683
2.435
41
Kết quả phân tích hồi quy bội cho thấy:
- _ Mô hình hồi quy tuyến tính bội là phù hợp.
Kiểm định F là một phép kiêm định giả thuyết về độ phù hợp của mô hình hồi quy tuyến tính tông thê. Giả thuyết Ho được đặt ra là B= B= B.= .= .=B.=0. Nếu giả thuyết này bị bác bỏ thì chúng ta có thể kết luận rằng kết hợp của các biến hiện có trong mô hình có thể giải thích được thay đôi của Y, điều này nghĩa là mô hình xây dựng phù hợp với tập
dữ liệu. Theo kết quả tính toán được, trị thống kê F của mô hình có giá trị Sig. = 0.000 rất
nhỏ cho thấy ta sẽ an toàn khi bác bỏ giả thuyết Ho. Vì vậy, mô hình hồi quy tuyến tính
bội của ta phù hợp với tập dữ liệu và có thé str dụng được.
- _ Ý nghĩa của các hệ số hồi quy riêng phần trong mô hình
Hệ số hồi quy riêng phần đo lường sự thay đôi giá trị trung bình của biến phụ thuộc khi một biến độc lập thay đối, giữ nguyên các biến độc lập còn lại. Các hệ số hồi quy riêng phân của tổng thê cần được thực hiện kiểm định giả thuyết Ho: B= 0. Kết quả hồi quy cho thay, gia thuyết Ho đối với hệ số hồi quy các thành phần TC, QD bac bé voi gia tri Sig. rat nhỏ (nhỏ hơn 0.05). Riêng 3 thành phần Khuyến Mãi (ký hiệu biến KM) có giá trị Sig là 0.522 lớn hơn 0.05, thành phần ,% Phản /Tôi (ký hiệu SPH) có giá trị Sig. =0.673 và thành phần Xã Hội (ký hiệu XH) có giá trị Sig. = 0.099. Do đó, ta không thê bác bỏ giả thuyết
Ho: B=0, B= 0 và J.= 0 với mức ý nghĩa 5%. Tức là không có mối quan hệ tuyến tính giữa biến Khuyến Mãi và Hữu Ích, và cũng không có môi quan hệ tuyên tính giữa biến Sự Phản Hồi ( hay Xã Hội) và Hữu Ích.
Một thước đo nữa để đánh giá sự phù hợp của mô hình tuyến tính thường dùng là hệ số R2 hiệu chỉnh. Hệ số này cảng cao chứng tỏ mô hình càng phù hợp. Kết quả hồi quy tuyến tính cho thấy, hệ số R2 hiệu chỉnh trong nghiên cứu này là 0.46. Điều đó chứng tỏ mô hình này giải thích được 46% sự khác biệt cua Hitu Ich.
Như đã đề cập từ lúc đầu, do mỗi tương quan chặt giữa các biến độc lập trong mô hình nên cần phải chủ ý đến hiện tượng đa cộng tuyến có thê xảy ra trong mô hình. Một trong những cách để phát hiện hiện tượng đa cộng tuyến là sử dụng nhân tử phóng đại phương sai VIF (Variance Inflation Factor). Trong trường hợp các biến
độc lập tương quan chặt chẽ với nhau và chúng cung cấp cho mô hình những thông tin rất giống nhau, khó tách ảnh hưởng của từng biến riêng rẻ thì sẽ dẫn đến diễn giải sai lệch kết quả hồi quy so với thực tế. Theo quy tắc kinh nghiệm, khi VIF > 10 thì mức độ đa cộng tuyến được xem là cao. Tuy nhiên, các hệ số VIF trong kết quả phân tích này khá nhỏ, từ 1.133 đến 1.683 nên ta có thể khăng định rằng mối tương quan giữa các biến độc lập ảnh
hưởng không đáng kê đến kết quả giải thích của mô hình hôi quy.
Hệ số Durbin — Watson ding dé kiém định tương quan chuỗi bậc nhất cho thấy mô hình không vi phạm khi sử dụng phương pháp hồi quy bội vì giá trị Durbin — Watson đạt được là 1.553 (nằm trong khoảng từ 0 đến 4) và chấp nhận giả thuyết không có sự tương quan chuỗi bậc nhất trong mô hình. Như vậy, mô hình hồi quy bội thỏa các điều kiện đánh giá và kiêm định độ phù hợp cho việc rút ra các kết quả nghiên cứu.
Ngoài ra, theo biểu đồ phân tán giữa hai biến giá trị dự đoán chuẩn hoá (Standardized Predicted Value) va phan du chuan hoa (Standardized Residual) cho thay phần dư phân tán ngẫu nhiên. Vì vậy giả định liên hệ tuyến tính không bi vi phạm.
Scatterplot Dependent Variable: HI
Regression Standardized Residual
T T T T
Regression Standardized Residual
Hình 4.2: Biểu đồ phân tán
43
Charts
Histogram Dependent Variable: HI
Mean = -1 07E-15 40ơ Std. Dev. = 0.98S
N=174
Frequency
“2 0 2 Regression Standardized Residual
Từ kết quả của biểu đô 4.2 và biểu đồ 4.3 cho thấy phân phối của phần dư là phân phối chuẩn. Như vậy giả định về phân phối chuẩn của phần dư không bị vi phạm.
Như vậy hàm hồi quy tuyến tính bội có thể được viết như sau:
HL = 4.062 + 0.187*TC - 0.212*QD
Trong do:
TC: Tinh Tin Cay QD: Tinh Quyét Dinh
Các hệ số hồi quy B mang dấu dương(âm) thể hiện các thành phần trong mô hình hồi quy trên ảnh hưởng theo chiều hướng tỷ lệ thuận(nghịch) với Hữu Ích, trong đó thành phần Tin Cay cd tac động mạnh nhất đến Hữu Ích. Ngược lại Tính Quyết Định có dấu âm
thê hiện đồng nghịch chiều lên biến Hữu Ích (Phụ lục 6b) Giải thích phương trình hồi quy như sau:
44
Trong điều kiện các yếu tô khác không đổi, khi Mức độ fin cậy được tăng cao thì Khách hàng sẽ hài lòng hơn vì đồng dấu ( dương).
Trong điều kiện các yếu tô khác không đôi, khi Tính quyết định được tăng cao thì cũng sẽ không ảnh hưởng nhiều đến sự hài lòng vì nghịch dấu (âm).
4.6 Phân tích ANOVA
Phân tich ANOVA (Analysis of Variance) còn gọi là phân tích phương sai là phương pháp kiêm định giả thuyết về sự bằng nhau của hai trung bình hay nhiều hơn dựa trên đại lượng thống kê F. Mục đích của phương pháp này là nhằm kiêm định sự khác biệt về mức độ hải lòng về chất lượng dịch vụ nộp thuế điện tử giữa các nhóm đáp viên khác nhau theo
các đặc điểm nhân khẩu học như: Giới tính, Độ tuôi, Chức vụ, Thời gian sử dụng Tiktok.
Phương pháp phân tích ANOVA ở đây là phân tích ANOVA một nhân tố (Onc- Way ANOVA) với biến độc lập (nhân tổ) là từng biến nhân khẩu học, còn biến phụ thuộc chính là sự hài lòng.
Bảng 4.11: Thống kê kết quả phân tích ANOVA
BQS | Điểm Linkert|1|2|3 |4 |5 | ĐiễmTB HII 0|0|s |s3 |86 |447 HI2 0|0|4 |81 |59 |449 HI3 0|0|4 |79 |91L |45 HI4 0|0|5 |85 |84 | 4.45 Tổng 0018 |328 |320
4.48 Tỷ lệ (%) 002.6 |47.1 |50.3
Như vậy qua kết quả phân tích ANOVA, có sự khác biệt có ý nghĩa thống kê về đánh giá của khách hàng giữa Yếu tỔ mua hàng thông qua TiMokshop với nhóm chức vụ (do giá trị Sig. trong kiêm định Levene test > 0.05 nên kết quả ANOVA có thê được sử dụng, giá trị Sig. trong bảng ANOVA bằng <0.05 nên có sự khác biệt có ý nghĩa thống kê).
45
Tức là với mức ý nghĩa là 5% thì có thê nói rằng có sự khác biệt có ý nghĩa thống kê về sự đánh giá tầm quan trọng của Yếu /Ố mua hàng thông qua Tiktokshop giữa những nhóm người có chức vụ khác nhau. (Phụ lục 7)
Ngoài ra 3 nhân tố còn lại đều co hé s6 Sig. trong bang ANOVA >0.05 nén ta co
thê kết luận là chưa thấy có sự khác biệt về mặt thống kê khi xét đến các nhóm yếu tố giới
tính, độ tuôi và thời gian sử dụng Internet.
Kết quả này mở ra hướng mới trong nghiên cứu yếu tố mua hàng thông qua Tiktokshop với các yếu tố nhân khâu học khác nhau.