- Các số liệu thứ cấp qua các năm đã được công bố trên các phương tiện
3.3.PHÂN TÍCH NHÂN TỐ ẢNH HƯỞNG 1 Phân tích tương quan
3.3.1 Phân tích tương quan
Phân tích tương quan để kiểm tra liên hệ giữa các biến thông qua hệ số tương quan Pearson ( ký hiệu là r). Trị tuyệt đối của r cho biết mức độ chặt chẽ của mối liên hệ tuyến tính. Giá trị của r tiến gần đến 1 khi hai biến có mối tương quan tuyến tính chặt chẽ. Khi giá trị r bằng không chỉ ra 2 biến không có mối liên hệ tuyến tính.
Bảng 3.10 Ma trận tương quan của các nhân tố (Correlations)
Tên biến PTSXKD ĐĐDN QMDNTTLN NTKT QĐCVV NTPL PTSXKD 1.000 .332 .486 .112 .188 .104 ĐĐDN .332 1.000 .000 .000 .000 .000 QMDNTTLN .486 .000 1.000 .000 .000 .000 NTKT .112 .000 .000 1.000 .000 .000 QĐCVV .188 .000 .000 .000 1.000 .000 NTPL .104 .000 .000 .000 .000 1.000 PTSXKD . .000 .000 .034 .001 .045 ĐĐDN .000 . .500 .500 .500 .500 QMDNTTLN .000 .500 . .500 .500 .500 NTKT .034 .500 .500 . .500 .500 QĐCVV .001 .500 .500 .500 . .500 NTPL .045 .500 .500 .500 .500 . PTSXKD 265 265 265 265 265 265 ĐĐDN 265 265 265 265 265 265 QMDNTTLN 265 265 265 265 265 265 NTKT 265 265 265 265 265 265 QĐCVV 265 265 265 265 265 265 NTPL 265 265 265 265 265 265
Ở bảng 3.10 cho chúng ta thấy PTSXKD có quan hệ tuyến tính với 5 biến ĐĐDN, QMDNTTLN, NTKT, QĐCVV, NTPL và hệ số Pearson Correlation của biến PTSXKD với các biến lần lượt là 0.332; 0.486; 0.112; 0.118; 0.104.
3.3.2 Phân tích hồi quy đa biến
Mô hình phân tích hồi quy đa biến có dạng sau:
YPTSX(1) = C0i+α 1iĐĐDN+α 2iQMDN+α 3iNTKT+α 4iQĐCVV+α 5iNTPL+ ε(i) với - (i=1,2,3,4 … n)
- C0i là hệ số cắt
- α 1i,α 2i,α 3i, α 4i, α 5i là hệ số hồi quy riêng - ε(i) là hạng nhiễu nhẫu nhiên
- i là qian sát thứ i
- n được xem là quy mô toàn bộ tổng thể
Phân tích hồi quy là nghiên cứu mối liên hệ phụ thuộc với ý tưởng ước lượng, hoặc dự đoán giá trị trung bình (tổng thể) của biến phụ thuộc trên cơ sở giá trị biết trước (trong mẫu) của các biến độc lập (theo tác giả Hoàng Trọng và Chu Nguyễn Mộng ngọc, 2008). Khi tiến hành phân tích hồi quy ta cần chú ý đến những chỉ tiêu sau đây:
+ Hệ số Beta: hệ số hồi quy chuẩn hóa cho phép so sánh trực tiếp giữa các hệ số dựa trên mối quan hệ giải thích của chúng với biến phụ thuộc.
+ Hệ số R2 (R Square): đánh giá biến động của biến phụ thuộc được giải thích bởi các biến dự báo hay các biến độc lập, hệ số này có thể thay đổi từ 0 đến 1.
+ Hệ số R2 hiệu chỉnh (Adjust R Square): hệ số này được sử dụng để phản ánh sát thực hơn mức độ phù hợp của mô hình hồi quy tuyến tính đa biến. R2 có hiệu chỉnh không nhất thiết phải tăng lên khi có nhiều biến được tăng lên vào trong phương trình, nó là thước đo phù hợp được sử dụng cho tình huống hồi quy tuyến tính đa biến vì nó không phụ thuộc vào độ lệch phóng đại của R2.
+ Độ chấp nhận của biến (Tolerance) thường được sử dụng để đo lường hiện tượng đa cộng tuyến.
+ Hệ số phóng đại phương sai (Variance inflation factor – VIF) có liên hệ gần với độ chấp nhận. Thực tế nó là nghịch đảo của độ chấp nhận. Khi độ chấp nhận biến (Tolerance) nhỏ thì hệ số phóng đại phương sai (VIF) lớn, quy tắc là khi (VIF) vượt quá 10 đó là dấu hiệu của đa cộng tuyến.
Kết quả phân tích mô hình hồi quy bội (multi Regession) với phương pháp enter thực hiện đối với các nhóm nhân tố độc lập tác động đến nhân tố phụ thuộc PTSXKD được thể hiện ở bảng 3.11 như sau:
Model Summaryb Change Statistics R Square Change F Change df1 df2 Sig. F Change dim ension0 1 .637a .406 .395 .77813028 .406 35.403 5 259 .000 2.088 a. Predictors: (Constant), NTPL, QĐCVV, NTKT, QMDNTTLN, ĐĐDN b. Dependent Variable: PTSXKD
Bảng 3.12: Bảng phân tích phương sai (ANOVAb )
Model Sum of Squares df Mean Square F Sig.
1 Regression 107.179 5 21.436 35.403 .000a
Residual 156.821 259 .605
Total 264.000 264
a. Predictors: (Constant), NTPL, QĐCVV, NTKT, QMDNTTLN, ĐĐDN b. Dependent Variable: PTSXKD
Ta nhận thấy ở bảng 3.11 có chỉ số R2 hiệu chỉnh là 0,395, như vậy, có 39.5% thay đổi của biến PTSXKD được giải thích bởi các biến độc lập của mô hình. Số liệu ở bảng 3.11 có F = 35.403 và Sig. < 0.001 nên chúng ta có thể khẳng định rằng có mối quan hệ giữa các nhân tố biến độc lập có sự tác động đến nhân tố biến phụ thuộc, điều đó ta khẳng định rằng mô hình hồi quy là phù hợp (xem thêm Phụ lục