e. Hành vi sau mua
2.4.3Phương pháp phân tích Hồi quy đa biến để tìm ra mối quan hệ giữa các thành
thành phần trong mô hình nghiên cứu lên quyết định mua BHNT:
Phân tích hồi quy là nghiên cứu sự phụ thuộc của một biến (biến phụ thuộc hay biến được giải thích) vào một hay nhiều biến khác (biến độc lập hay biến giải thích) với ý tưởng cơ bản là ước lượng hay dự đoán giá trị trung bình của biến phụ thuộc trên cơ sở đã biết của biến độc lập.
Các giả định khi xây dựng mô hình hồi quy:
Yi = B0+ B1 X1i+ B2 X2i+…+ Bn Xni + ei
Các giả định quan trọng khi phân tích hồi quy tuyến tính
- Giả thiết 1: Giả định liên hệ tuyến tính.
- Giả thiết 2: Phương sai có điều kiện không đổi của các phần dư. - Giả thiết 3: Không có sự tương quan giữa các phần dư.
- Giả thiết 4: Không xảy ra hiện tượng đa cộng tuyến. - Giả thiết 5: Giả thiết về phân phối chuẩn của phần dư.
Xây dựng mô hình hồi quy:
Bước 1: Xem xét ma trận hệ số tương quan
Để xem xét mối quan hệ giữa biến phụ thuộc và các biến độc lập thông qua xây dựng ma trận tương quan. Đồng thời ma trận tương quan là công cụ xem xét mối quan hệ giữa các biến độc lập với nhau nếu các biến này có tương quan chặt thì nguy cơ xảy ra hiện tượng đa cộng tuyến cao dẫn đến việc vi phạm giả định của mô hình.
Bước 2: Đánh giá độ phù hợp của mô hình
Thông qua hệ số R2 ta đánh giá độ phù hợp của mô hình xem mô hình trên giải
thích bao nhiêu % sự biến thiên của biến phụ thuộc.
TSS
R2 =
ESS
Trong đó:
ESS: tổng bình phương tất cả các sai lệch giữa giá trị dự đoán của Yi và giá trị trung bình của chúng.
TSS: tổng bình phương sai lệch giữa giá trị Yi và giá trị trung bình của chúng.
Khi đưa càng nhiều biến vào mô hình thì hệ số này càng cao. Tuy nhiên, R2 ở
hồi quy bội không phản ánh đúng sự phù hợp của mô hình như trong mô hình hồi quy
đơn. Lúc này, ta phải sử dụng R2 điều chỉnh để đánh giá sự phù hợp của mô hình.
k n n R R 1 (1 2) 1 2
Bước 3: Kiểm định sự phù hợp của mô hình
Sử dụng kiểm định F để kiểm định với giả thiết Ho: B1 = B2 = Bn = 0
Nếu giả thiết này bị bác bỏ thì ta có thể kết luận mô hình ta xây dựng phù hợp với tập dữ liệu.
Bước 4: Xác định tầm quan trọng của các biến
thông qua xem xét mức độ tăng của R2 khi một biến giải thích được đưa thêm vào mô hình. Nếu mức độ thay đổi này mà lớn thì chứng tỏ biến này cung cấp thông tin độc nhất về sự phụ thuộc mà các biến khác trong phương trình không có được. Ta đánh giá tầm quan trọng của một biến thông qua hai hệ số:
Hệ số tương quan từng phần: căn bậc hai của R2 change. Thể hiện mối tương
quan giữa biến Y và X mới đưa vào. Tuy nhiên, sự thay đổi của R2 không thể hiện tỉ lệ (adsbygoogle = window.adsbygoogle || []).push({});
phần biến thiên mà một mình biến đó có thể giải thích. Lúc này, ta sử dụng hệ số
tương quan riêng bằng căn bậc 2 của , với:
Bước 5: Lựa chọn biến cho mô hình
Đưa nhiều biến độc lập vào mô hình hồi quy không phải lúc nào cũng tốt vì những lý do sau (trừ khi chúng có tương quan chặt với biến phụ thuộc):
Mức độ tăng R2 quan sát không hẳn phản ảnh mô hình hồi quy càng phù hợp
hơn với tổng thể.
Đưa vào các biến không thích đáng sẽ làm tăng sai số chuẩn của tất cả các ước lượng mà không cải thiện được khả năng dự đoán.
Mô hình nhiều biến thì khó giải thích và khó hiểu hơn mô hình ít biến.
Ta sử dụng SPSS để giải quyết vấn đề trên. Các thủ tục chọn biến trên SPSS là dùng phương pháp đưa vào một lượt Enter.
Bước 6: Dò tìm sự vi phạm các giả các giả