Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. 95,0% Confidence Interval for B Correlations B Std. Error Beta Lower Bound Upper Bound Zero- order Partial Part 1 (Constant) 1,040 ,112 9,283 ,000 ,820 1,260 OCF1 ,219 ,032 ,220 6,772 ,000 ,155 ,282 ,527 ,223 ,173 MPF1 ,306 ,027 ,355 11,279 ,000 ,252 ,359 ,576 ,356 ,288 MPF2 ,187 ,026 ,222 7,268 ,000 ,137 ,238 ,494 ,238 ,185 a. Dependent Variable: PF
Độ phù hợp của mô hình cũng không thay đổi R2= 0,428, nhưng các hệ số của hàm hồi quy mẫu đủ độ tin cậy thống kê 95%.
Phương trình hàm tương quan tuyến tính mẫu giữa PF và các biến độc lập OCF1, MPF1, MPF2 là:
Câu 5: Kiểm định các giả thuyết của hàm tương quan đa biến.
Năm giả thuyết của hàm hồi quy đa biến:
Các biến độc lập không có mối quan hệ tương quan cao với nhau (nếu có sẽ xuất hiện đa cộng tuyến)
Phương sai của các sai lệch ngẩu nhiên không thay đổi (xuất hiện hiện tượng heteroskedascity)
Quan hệ giữa x và y là quan hệ tuyến tính (xuất hiện hàm phi tuyến)
Các sai lệch ngẩu nhiên hoàn toàn độc lập với nhau về phương diện thống kê (xuất hiện hiện tượng liên quan theo chuổi thời của các giá trị sai lệch-auto correlation or serial correlation).
Các sai lệch ngẩu nhiên có phân phối chuẩn
5.1Kiểm định hiện tƣợng đa công tuyến (Collinearity Diagnostics):
Hiện tượng đa cộng tuyến xuất hiện khi giữa các biến độc lập có sự tương quan cao với nhau. Điều này sẽ làm việc giải thích các hệ số của hàm tương quan không chính xác.
Các công cụ giúp chúng ta nhận dạng đa cộng tuyến: - Khi giá trị R2
cao trong khi các giá trị kiểm định t thấp
- Hệ số tương quan của các biến độc lập cao: thường là trên 0.80 - Sử dụng yếu tố điều chỉnh sự gia tăng của phương sai (VIF)