7. Bố cục đề tài nghiên cứu:
3.3.4.3 Phân tích hồi quy
Sử dụng phân tích hồi quy để phân tích tác động của các biến độc lập với các biến phụ thuộc. Kết quả phân tích hồi quy sẽ đƣợc dùng để đánh giá độ phù hợp của mô hình hiệu chỉnh theo EFA và kiểm định các giả thyết nêu trên.
Khi kết luận đƣợc hai biến có liên hệ chặt chẽ với nhau, đồng thời giả định rằng đã cân nhắc kỹ bản chất của mối liên hệ tiềm ẩn giữa hai biến, và xem nhƣ đã xác định đúng hƣớng của mối quan hệ nhân quả có thật giữa chúng thì ta có thể mô hình hóa mối quan hệ nhân quả của chúng bằng mô hình hồi quy tuyến tính trong đó một biến đƣợc gọi là biến phụ thuộc (hay biến đƣợc giải thích - Y) và biến kia là biến độc lập (hay biến giải thích - X). Mô hình này sẽ mô tả hình thức của mối liên hệ và qua đó giúp ta dự đoán đƣợc mức độ của biến phụ thuộc (với độ chính xác trong phạm vi giới hạn) khi biết trƣớc giá trị của biến độc lập.
Mô hình hồi quy bội mở rộng mô hình hồi quy hai biến bằng cách thêm vào một số biến độc lập để giải thích tốt hơn cho biến phụ thuộc.
Yi=01X1i 2X2i ...pXpi ei
Trong đó:
Xpi: giá trị của biến độc lập thứ p tại quan sát thứ i.
k
: hệ số hồi quy riêng phần thứ k
ei: biến độc lập ngẫu nhiên ( có phân phối chuẩn với trung bình là 0 và phƣơng sai
không đổi 2)
Mô hình hồi quy tuyến tính bội giả định rằng biến phụ thuộc có phân phối chuẩn đối với bất kỳ kết hợp nào của các biến độc lập trong mô hình.
Đánh giá độ phù hợp của mô hình hồi quy tuyến tính bội:
Hệ số xác định R2
(coefficient of determination) thƣờng đƣợc dùng là thƣớc đo sự
phù hợp của mô hình hồi quy tuyến tính. Công thức tính R2
xuất phát từ ý tƣởng: toàn bộ biến thiên quan sát đƣợc của biến phụ thuộc đƣợc chia thành hai phần – phần biến thiên do hồi quy và phần biến thiên không do hồi quy hay còn gọi là phần dƣ. Ngƣời ta sử dụng
R2 theo quy tắc R2 càng gần 1 thì mô hình đã xây dựng càng thích hợp, càng gần 0 thì
mô hình càng kém phù hợp với tập dữ liệu mẫu.
Vì R2 đƣợc chứng minh là hàm không giảm theo số biến độc lập đƣợc đƣa vào mô
hình. Do đó, càng đƣa thêm nhiều biến độc lập vào mô hình thì R2
càng tăng. Điều này không có nghĩa là phƣơng trình càng có nhiều biến thì sẽ càng phù hợp hơn với tập dữ liệu.
Kiểm định giả thuyết về độ phù hợp của mô hình:
Hệ số xác định R2
chỉ thể hiện sự phù hợp giữa mô hình với tập dữ liệu mẫu. Để kiểm định độ phù hợp của mô hình hồi quy tổng thể, ta sử dụng kiểm định F trong bảng phân tích phƣơng sai để kiểm định giả thuyết về sự phù hợp của mô hình hồi quy tuyến tính tổng thể. Ở đây, ta xem xét liệu biến phụ thuộc có liên hệ tuyến tính với toàn bộ tập hợp các biến độc lập hay không. Ta lần lƣợt đặt giả thuyết cho các 1,2,3,4,…=0 và kỳ vọng rằng giả thuyết này bị bác bỏ vì nếu có nào bằng 0 thì yếu tố đó (biến độc lập)
Khi kiểm định các giả thuyết trên, để rút ra các kết luận, ta so sánh mức ý nghĩa
quan sát sig. với mức ý nghĩa ta chọn cho kiểm định là 5% (p = 0.05). Nếu các giá trị
khác 0 và sig < 0,05 thì những giá trị đó có ý nghĩa về mặt thống kê. Và ngƣợc lại nếu
các giá trị khác 0 và sig > 0,05 thì những giá trị đó không có ý nghĩa về mặt thống
kê.
Xác định tầm quan trọng của các biến trong mô hình:
Trong hồi quy bội có nhiều biến độc lập ta có thể muốn xác định với các biến đã đƣa vào mô hình, biến nào có vai trò quan trọng hơn trong việc dự đoán giá trị lý thuyết của Y hay chúng quan trọng nhƣ nhau.
Theo Pindick, Rubinfeld (1991),căn cứ vào trị số tuyệt đối của hệ số beta đã chuẩn hóa (standardized coefficients) hoặc hệ số tƣơng quan riêng phần (Part Correlations) ta có thể xác định đƣợc biến nào có vai trò quan trọng hơn trong việc dự đoán giá trị lý thuyết của Y hay chúng quan trọng nhƣ nhau.
Tóm tắt chƣơng 3:
Chƣơng này trình bày phƣơng pháp nghiên cứu gồm hai bƣớc chính: nghiên cứu sơ bộ và nghiên cứu chính thức. Nghiên cứu sơ bộ đƣợc thực hiện bằng nghiên cứu định tính thông qua thảo luận nhóm và phỏng vấn thử. Nghiên cứu chính thức đƣợc thực hiện bằng nghiên cứu định lƣợng. Chƣơng này cũng trình bày kế hoạch phân tích dữ liệu thu thập đƣợc. Chƣơng tiếp theo trình bày cụ thể kết quả kiểm định.
CHƢƠNG 4: KẾT QUẢ NGHIÊN CỨU
Trong tổng số 500 bảng câu hỏi phát ra, thu về 465 bảng, sau khi kiểm tra xử lý sơ bộ cho kết quả: 450 bảng hợp lệ và 15 bảng không hợp lệ vì thiếu thông tin hoặc thông tin không chính xác (không đúng phạm vi nghiên cứu hoặc đối tƣợng nghiên cứu). Dữ liệu sau khi đƣợc nhập vào phần mềm SPSS 16.0 sẽ tiến hành làm sạch và phát hiện, xử lý các giá trị khuyết (missing) bằng cách sử dụng bảng tần số để tiến hành rà soát tất cả các biến nhằm phát hiện các sai sót trong quá trình nhập dữ liệu do nhập sai nội dung hoặc thiếu mục trả lời. Kết quả, không phát hiện sai sót nào, không có giá trị khuyết, các bảng câu hỏi có đầy đủ thông tin hợp lệ. Nhƣ vậy, toàn bộ dữ liệu sau khi đƣợc kiểm tra tính hợp lệ sẽ đƣa vào phân tích phục vụ cho quá trình nghiên cứu.