8. Kết cấu luận văn
3.4.2.2. Kiểm định sự phù hợp của mô hình hồi qui
Mô hình hồi qui tuyến tính bội được xây dựng trên các giả định cần thiết sau [Hoàng Trọng & Mộng Ngọc, 2008):
(1) Giả định liên hệ tuyến tính: có mối quan hệ tuyến tính giữa biến phụ thuộc với các biến độc lập.
(2)Giả định Phương sai của sai số không đổi. (3)Giả định về phân phối chuẩn của phần dư.
(4)Giả định về tính độc lập của sai số (không có tương quan giữa các phần dư). (5)Giả định không có mối tương quan giữa các biến độc lập (đo lường Đa cộng
tuyến).
14Khi phân tích nhân tố khám phá (EFA)bằng phần mềm SPSS, ta dùng “Save as Variables” nên các nhân tố
(biến) rút ra được lưu một cách tự động và đã được chuẩn hóa. Khi sử dụng các biến chuẩn hóa này để phân tích
Nếu các giả định trên vi phạm, thì kết quả ước lượng sẽ không còn chính xác nữa. Kiểm tra sự vi phạm các giả định được thực hiện như sau:
(1)Mối quan hệ tuyến tính giữa biến phụ thuộc và biến độc lập: Xem biểu đồ phân tán ScatterPlot (phụ lục 11) giữa phần dư chuẩn hóa (Standardized residual) trên trục tung và giá trị dự đoán chuẩn hóa (Standardized predicted value) trên trục hoành. Ta nhận thấy không có liên hệ gì giữa các giá trị dự đoán và phần dư, chúng phân tán rất ngẫu nhiên. Phần dư phân tán ngẫu nhiên trong một vùng xung quanh đường đi qua tung độ 0 không tạo thành một hình dạng nào, nên giả định tuyến tính được thỏa mản.
(2)Kiểm tra giả định Phương sai của sai số không đổi, hay phần dư không tương quan với các biến độc lập trong mô hình. Ta có thể dùng đồ thị Scatter ở trên để kiểm tra xem giả định phương sai của sai số không đổi có bị vi phạm không. Qua đồ thị Scatter thể hiện mối quan hệ giữa biến dự đoán và phần dư, ta thấy các quan sát phân tán ngẫu nhiên. Các phần dư phân tán ngẫu nhiên quanh trục 0 (tức quanh giá trị trung bình của phần dư) trong một phạm vi không đổi. Chúng ta sẽ sử dụng một loại kiểm định khá đơn giản là kiểm định tương quan hạng Spearman. Biến mới ABScuare là giá trị tuyệt đối của phần dư chuẩn hóa. Thực hiện kiểm định tương quan hạng Spearman giữa trị tuyệt đối của phần dư (ABScuare) với từng biến Thương hiệu,Chính sách giá, Năng lực phục vụ, Tin cậy tín dụng_Đáp ứng, Tin cậy chung_Đồng cảm ta có các hệ số tương quan hạng với giá trị Sig. của kiểm định lần lượt là 0.391, 0.065, 0.123, 0.093, 0.598 lớn hơn mức ý nghĩa 5%. Kết quả kiểm định cho thấy chúng ta không thể bác bở giả thuyết Ho: hệ số tương quan hạng của tổng thể bằng 0, như vậy giả thuyết phương sai của sai số thay đổi bị bác bỏ.
(3)Kiểm tra giả định về phân phối chuẩn của phần dư: thông qua biểu đồ tần số Histogram để khảo sát phân phối của phần dư (phụ lục 11). Qua biểu đồ cho thấy phần dư có phân phối chuẩn xấp xỉ chuẩn (Trung bình Mean (
0 và độ lệch chuẩn Std.Dev = 0,95 tức là gần bằng 1). Do đó có thể kết luận rằng giả thiết phân phối chuẩn không bị vi phạm.
(4)Kiểm tra giả định về tính độc lập của sai số (không có tương quan giữa các phần dư): trị số thống kê Durbin–Watson là một thống kê kiểm định được sử
dụng để kiểm tra xem có hiện tương tự tương quan (autocorrelation) hay không trong phần dư (residuals) của một phép phân tích hồi quy (estimation). Kiểm định Durbin – Watson có giá trị 1,928 gần bằng 2, có thể kết luận các phần dư không có tương quan chuỗi bậc nhất với nhau. Cách khác tra bảng: với n=263; K=5; α = 5%, ta có dL = 1,57; dU=1,78; 4-dU = 2,22;
Nhận xét: 1,78 < DW= 1,928<2,22. Như vậy, giả định tương quan giữa các phần dư không bị vi phạm, hay nói cách khác không có sự tự tương quan trong phần dư.
(5)Kiểm tra hiện tượng đa cộng tuyến: các hệ số tương quan giữa các biến độc lập trong mô hình thấp (bằng 0) với mức ý nghĩa thống kê >5% (bảng 3.17), khả năng hiện tượng đa cộng tuyến xảy ra thấp. Mặt khác hệ số phóng đại phương sai (Variance Inflation Factor – VIF) của các biến độc lập trong mô hình bằng 1 nhỏ hơn 2 (Bảng 3.19), nên ta có thể kết luận mối liên hệ giữa các biến độc lập này hầu như không đáng kể, chứng tỏ không vi phạm giả định Đa cộng tuyến. Như vậy, các giả thuyết của phân tích hồi qui tuyến tính không bị vi phạm. Kết quả phân tích hồi qui là đáng tin cậy.
