CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU
4.4. Phân tích hồi quy tuyến tính
Mối quan hệ tương quan giữa biến phụ thuộc và các biến độc lập được thể hiện trong bảng 4.9 ở mức tin cậy đến 99% (ký hiệu dấu **), hệ số Sig. đạt điều kiện cần nhỏ hơn 0,05 chứng tỏ mối tương quan này có ý nghĩa thống kê. Do đó, các biến có thể tiến hành thực hiện hồi quy mà không cần thực hiện loại bỏ biến.
Bảng 4.9. Ma trận hệ số tương quan Tương quan
EX EN SV CO SI PR QD
EX Tương quan Pearson
1 0,291** 0,300** 0,445** 0,324** -0,211** 0,565**
Sig. (2 đầu) <0,001 <0,001 <0,001 <0,001 <0,001 <0,001
Cỡ mẫu 326 326 326 326 326 326 326
EN Tương quan Pearson
0,291** 1 0,447** 0,351** 0,288** -0,302** 0,511**
Sig. (2 đầu) <0,001 <0,001 <0,001 <0,001 <0,001 <0,001
Cỡ mẫu 326 326 326 326 326 326 326
Nguồn: Kết quả phân tích dữ liệu của tác giả 4.4.2. Phân tích mô hình hồi quy
Trong hồi quy có hai hệ số hồi quy là B (chưa chuẩn hóa) và Beta (đã chuẩn hóa). Nghiên cứu sử dụng hệ số hồi quy chuẩn hóa Beta nhằm đưa tất cả các biến độc lập cần so sánh về cùng một hệ quy chiếu và xem xét tầm quan trọng của các biến độc lập. Kết quả trong bảng 4.10 cho thấy hệ số Sig. của các biến đều ở ngưỡng <0,001, đạt điều kiện cần nhỏ hơn 0,05, tức các biến đều có ý nghĩa thống kê trong kết quả hồi quy.
SV Tương quan Pearson
0,300** 0,447** 1 0,425** 0,347** -0,251** 0,542**
Sig. (2 đầu) <0,001 <0,001 <0,001 <0,001 <0,001 <0,001
Cỡ mẫu 326 326 326 326 326 326 326
CO Tương quan
Pearson 0,445** 0,351** 0,425** 1 0,412** -0,286** 0,617**
Sig. (2 đầu) <0,001 <0,001 <0,001 <0,001 <0,001 <0,001
Cỡ mẫu 326 326 326 326 326 326 326
SI Tương quan
Pearson 0,324** 0,288** 0,347** 0,412** 1 -0,317** 0,568**
Sig. (2 đầu) <0,001 <0,001 <0,001 <0,001 <0,001 <0,001
Cỡ mẫu 326 326 326 326 326 326 326
PR Tương quan Pearson
-0,211** -0,302** -0,251** -0,286** -0,317** 1 -0,506**
Sig. (2 đầu) <0,001 <0,001 <0,001 <0,001 <0,001 <0,001
Cỡ mẫu 326 326 326 326 326 326 326
QD Tương quan
Pearson 0,565** 0,511** 0,542** 0,617** 0,568** -0,506** 1 Sig. (2 đầu) <0,001 <0,001 <0,001 <0,001 <0,001 <0,001
Cỡ mẫu 326 326 326 326 326 326 326
Bảng 4.10. Hệ số hồi quy Hệ số hồi quy
Mô hình
Hệ số hồi quy chưa chuẩn hóa
Hệ số hồi quy
chuẩn
hóa t Sig.
Thống kê cộng tuyến
B Sai số
chuẩn Beta Dung sai VIF
1
(Hằng số) 0,925 0,243 3,808 <0,001
EX 0,262 0,037 0,251 7,021 <0,001 0,760 1,317 EN 0,160 0,039 0,150 4,120 <0,001 0,731 1,369 SV 0,164 0,036 0,170 4,552 <0,001 0,695 1,440 CO 0,231 0,040 0,223 5,769 <0,001 0,650 1,538 SI 0,206 0,034 0,219 6,075 <0,001 0,745 1,341 PR -0,226 0,033 -0,231 -6,767 <0,001 0,835 1,198
Nguồn: Kết quả phân tích dữ liệu của tác giả Dựa vào hệ số Beta ở bảng 4.10, bước đầu xác định phương trình hồi quy:
QD = 0,251*EX + 0,150*EN + 0,170*SV + 0,223*CO + 0,219*SI - 0,231PR + ε 4.4.3. Kiểm định mô hình hồi quy
+ Kiểm định độ phù hợp tổng quát của mô hình
Hệ số phóng đại phương sai VIF từ bảng 4.10 được sử dụng để phát hiện đa cộng tuyến. Hệ số VIF của các biến dao động trong khoảng 1,198 đến 1,538. Nếu VIF < 10 và thậm chí là < 2 trong trường hợp này, nghĩa là các biến độc lập trong mô hình không có tương quan với nhau, do đó không xảy ra hiện tượng đa cộng tuyến.
Bảng 4.11 cho thấy hệ số xác định tổng thể R2 = 0,690, hệ số này tiến về 1 (trong mức dao động từ 0 - 1) thể hiện các biến độc lập giải thích càng nhiều cho biến phụ thuộc. R2 hiệu chỉnh càng lớn thể hiện độ phù hợp của mô hình càng cao.
R2 hiệu chỉnh = 0,684, nên các biến độc lập giải thích được khoảng 68,4% sự biến
thiên của biến phụ thuộc. Hệ số Durbin-Watson ở mức 2,031, nằm trong khoảng từ 1 đến 3, thể hiện tính độc lập của sai số và không có hiện tượng tự tương quan.
Bảng 4.11. Tổng hợp kết quả mô hình Tổng hợp kết quả mô hình
Mô hình R R2 R2 hiệu chỉnh Sai số chuẩn của
ước lượng Durbin-Watson
1 0,831 0,690 0,684 0,42157 2,031
Nguồn: Kết quả phân tích dữ liệu của tác giả Giá trị F ở bảng 4.12 được dùng để kiểm định độ phù hợp của mô hình hồi quy tuyến tính đa bội. Giá trị F = 118,274 lớn và Sig. của trị F ở mức rất nhỏ là
<0,001, tức đạt điều kiện nhỏ hơn mức ý nghĩa 0,05 cho thấy mô hình phù hợp với tập dữ liệu.
Bảng 4.12. Kết quả phân tích phương sai ANOVA
Mô hình Tổng các bình
phương df Bình phương
trung bình F Sig.
1 Hồi quy 126,117 6 21,020 118,274 <0,001
Phần dư 56,692 319 0,178
Tổng 182,810 325
Nguồn: Kết quả phân tích dữ liệu của tác giả + Kiểm định phân phối chuẩn của phần dư
Phân phối chuẩn của phần dư có thể được xác định qua biểu đồ tần số Histogram, được dùng cho biến định lượng liên tục nhằm biểu diễn phân phối của tập dữ liệu. Cụ thể trong hình 4.1, Mean = 2,99E-16 = 2,99*10-16 xấp xỉ gần bằng 0, độ lệch chuẩn là 0,991 gần bằng 1. Ngoài ra, biểu đồ Normal P-P trong hình 4.2 thể hiện các điểm dữ liệu phần dư tập trung khá sát với đường chéo. Như vậy kết luận, phân phối phần dư xấp xỉ chuẩn, giả định phân phối chuẩn của phần dư không
Hình 4.1. Biểu đồ Histogram
Nguồn: Kết quả phân tích dữ liệu của tác giả
Hình 4.2. Biểu đồ Normal P-P
Nguồn: Kết quả phân tích dữ liệu của tác giả
+ Kiểm định phương sai nhiễu thay đổi
Để kiểm tra vi phạm giả định liên hệ tuyến tính và phương sai của sai số không đổi có thể sử dụng biểu đồ phương sai nhiễu thay đổi theo dạng phân tán (Scatter Plot). Quan sát hình 4.3, các điểm ảnh phân bố xung quanh tung độ 0 và có xu hướng tạo thành đường thẳng hàm ý giả định liên hệ tuyến tính không bị vi phạm. Đồng thời, các điểm dữ liệu phần dư trong đồ thị dao động chủ yếu trong đoạn từ -3 đến 3 được xem như là điều kiện tốt xác nhận không xảy ra phương sai thay đổi.
Hình 4.3. Biểu đồ phương sai nhiễu thay đổi