CHƯƠNG 4. KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
4.5 Phân tích hồi quy
Mô hình hồi quy bội mẫu được xây dựng như sau:
QĐ = β0 + β1 × AH + β2 × GC + β3 × TC + β4 × HI + β5 × DSD + β6 + ɛ Bảng 4.8 Mô hình hồi quy
Model Summaryb Mô
hình R hiệu chỉnh
Sts. Error ước tính
Hệ số Durbin- Watson
1 .833 .693 .687 .37419 1.954
a. Dự đoán: (Hằng số) AH, GC, TC, HI, DSD b. Biến phụ thuộc: QĐ
Nguồn: Kết quả từ SPSS của tác giả Kết quả R (hệ số tương quan đa biến) là 0.833, thể hiện được rằng mức độ tương quan tổng thể giữa biến độc lập và biến phụ thuộc trong mô hình là mạnh và có sự ảnh hưởng đáng kể của các biến độc lập lên biến phụ thuộc.
Kết quả 𝑅2 hiệu chỉnh là 0.687 cho thấy 68.7% sự biến thiên của biến phụ thuộc được giải thích bởi các biến độc lập của mô hình. Hay nói cách khác các biến độc lập AH, GC, TC, HI, DSD ảnh hưởng lên đến 68.7% sự thay đổi của biến phụ thuộc QĐ Hệ số Durbin-Watson (hiện tượng tương quan của phần dư) có giá trị là 1.954 nằm trong khoảng từ 1.5 đến 2.5. Điều này có nghĩa không có sự tương quan đáng kể
giữa các phần dư trong mô hình. Chính vì vậy, kết quả không vi phạm giả định về tương quan chuỗi bậc nhất.
Bảng 4.9 Kết quả kiểm định ANOVA ANOVAa
Mô hình Tổng bình
phương df Trung bình
bình phương F Sig.
1
Hồi quy 75.713 5 15.143 108.148 .000
Phần dư 33.464 239 .140
Tổng cộng 109.176 244 a. Biến phụ thuộc: QĐ
b. Dự đoán: (Hằng số) AH, GC, TC, HI, DSD
Nguồn: Kết quả từ SPSS của tác giả Kết quả từ bảng 4.15 cho thấy hệ số kiểm định F có giá trị là 108.148, thêm vào đó, giá trị Sig. của kiểm định F = 0.000 < 0.05. Do đó, kết luận được rằng mô hình hồi quy tuyến tính phù hợp với dữ liệu nghiên cứu và có ý nghĩa thống kê
Bảng 4.10 Kết quả phân tích hồi quy tuyến tính Mô hình Hệ số chưa chuẩn
hóa
Hệ số chuẩn
hóa t Sig. Thống kê đa cộng tuyến
B Std.
Error Beta Tolerance VIF
1 (Hằng số) -.030 .167 -.177 .859
AH .299 .039 .312 7.578 .000 .759 1.318
GC .252 .038 .273 6.581 .000 .747 1.339
TC .178 .036 .203 4.991 .000 .772 1.296
HI .227 .037 .248 6.085 .000 .770 1.298
DSD .147 .037 .163 3.953 .000 .754 1.326
Nguồn: Kết quả từ SPSS của tác giả Dựa vào kết quả ở Bảng 4.10, hệ số hồi quy của 5 biến độc lập AH, GC, TC, HI, DSD đều có ý nghĩa thống kê (Sig < 0,05). Ngoài ra, hệ số beta chuẩn hóa của cả 5 yếu tố đều có giá trị hệ số lạm phát phương sai (VIF) dưới 2, cho thấy không có vấn đề đa cộng tuyến. Vì vậy, tác giả kết luận các biến độc lập AH, GC, TC, HI, DSD đều có tác động đến biến phụ thuộc QD. Như vậy, mô hình hồi quy các yếu tố ảnh hưởng đến quyết định mua hàng trực tuyến của thế hệ Gen Z tại Thành phố HCM thông qua kênh phát trực tiếp trên ứng dụng TikTok được xây dựng bằng cả phương trình hồi quy chuẩn hóa và phương trình hồi quy chuẩn hóa như sau:
Phương trình hồi quy chưa chuẩn hóa: QĐ = -0.345 + 0.299 × AH + 0.252 × GC + 0.178 × TC + 0.227 × HI + 0.147 × DSD + ɛ
Phương trình hồi quy đã chuẩn hóa: QĐ = -0.345 + 0.312 × AH + 0.273 × GC + 0.203 × TC + 0.248× HI + 0.163 × DSD + ɛ
4.5.1 Kiểm định phân phối chuẩn phần dư
Hình 4.1. bên dưới cho thấy giá trị trung bình Mean =-4.37E-15 có phân phối dư xấp xỉ bằng 0 và Std. Dev gần bằng 1. Do đó, có thể kết luận được rằng phân phối phần dư có độ xấp xỉ chuẩn và không bị vi phạm.
Hình 4.1. Biểu đồ phân phối chuẩn Histogram
Nguồn: Kết quả từ SPSS của tác giả
Ngoài ra, theo Biểu đồ P-P, nếu các điểm dữ liệu của phần dư bám chặt vào đường chéo thì phần dư thể hiện sự phân bố chuẩn hơn. Ngược lại, nếu các điểm phân vị lệch đáng kể so với đường chéo thì sự phân bố sẽ kém chuẩn hơn.
Hình 4.2 Biểu đồ phần dư chuẩn hóa Normal P-P Plot
Nguồn: Kết quả từ SPSS của tác giả
4.5.2 Kiểm định liên lạc tuyến tính
Hình 4.3 Biểu đồ Scatter Plot kiểm tra giả định liên hệ tuyến tính
Nguồn: Kết quả từ SPSS của tác giả Kết quả từ hình 4.3 cho thấy sự phân rã điểm của các phần dư được phân phối ngẫu nhiên xung quanh tọa độ 0, do đó có thể kết luận rằng mô hình hồi quy không bị vi phạm giả định quan hệ tuyến tính