Phân tích hồi quy

3.6.2.1 Đánh giá sự phù hợp của nhân tố Cường độ quan hệ (lần 2)

Bảng 3.24: Mô hình tóm tắt sử dụng phương pháp Enter cho Cường độ quan hệ R R2 R2 điều chỉnh Sai số chuẩn của ước lượng Hệ số Durbin-Watson

.756a .572 .563 0.28 1.749

Bảng 3.25: Bảng phân tích ANOVAb phương pháp Enter cho Cường độ quan hệ

Mô hình Tổng bình phương Df Trung bình bình phương F Mức ý nghĩa

1 Hồi quy 25.074 5 5.015 62.458 .000a

Phần dư 18.788 234 .080

Tổng 43.862 239

Bảng 3.26: Kết quả phân tích hồi qui tuyến tính theo phương pháp Enter cho Cường độ quan hệ

Hệ số hồi quy không chuẩn hoá Hệ số hồi qui chuẩn hoá Thống kê cộng tuyến Mô hình B Độ lệch chuẩn Beta T Mức ý

nghĩa Tolerance VIF

Hằng số SU_TC SU_TA KM_GP DU_NC CS_KH .942 .160 .182 .114 .144 .168 .075 .055 .040 .047 .044 .046 .201 .259 .139 .171 .204 5.386 2.932 4.497 2.422 3.258 3.660 .000 .004 .000 .016 .001 .000 .389 .554 .552 .668 .591 2.574 1.806 1.812 1.497 1.691

- Kết quả phân tích hồi quy tại Bảng 3.21 chỉ ra hệ số R2 = 0.572. Điều này nói rằng, 5 biến độc lập trong mô hình giải thích được 57.2% sự biến thiên cường độ quan hệ của khách hàng.

và mức ý nghĩa thống kê Sig=.000a (<0.05), do đó ta bác bỏ giả thiết H0 cho rằng tất cả các hệ số hồi qui bằng 0 (ngoại trừ hằng số), mô hình hồi qui tuyến tính bội đang xét phù hợp với tập dữ liệu và có thể sử dụng được.

- Giả định không có mối tương quan giữa các biến độc lập (Đo lường đa cộng tuyến): Để kiểm tra hiện tượng đa cộng tuyến, chỉ số thường dùng là hệ số phóng đại phương sai VIF (Variance Inflation Factor). Kết quả phân tích tại Bảng 3.21 cho thấy hệ số VIF đều nhỏ hơn 2.6, nhỏ hơn mức chấp nhận được 8.0 rất nhiều (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005) nên ta kết luận hiện tượng đa cộng tuyến không nghiêm trọng giữa các biến độc lập.

- Giả định về tính độc lập của sai số (hay không có tương quan giữa các phần dư): Đại lượng thống kê Durbin-Watson giúp ta thực hiện kiểm định của các sai số kề nhau. Kết quả phân tích tại Bảng 3.20 cho thấy giá trị thống kê Durbin-Watson = 1.749 xấp xỉ 2.0 nên có thể nhận định rằng hiện tượng tự tương quan là không xảy ra.

- Giả định phương sai của sai số không đổi: Nhận xét đồ thị phân tán Scatterplot (Hình 3.2) trên đây ta nhận thấy phần dư phân tán ngẫu nhiên quanh trục 0 (tức quanh giá trị trung bình của phần dư) trong một phạm vi không đổi. Như vậy, giả định phương sai của của sai số không đổi không bị vi phạm.

Ngoài ra, để thực hiện việc kiểm định phương sai của sai số không đổi bằng việc phân tích hồi quy giữa biến phụ thuộc là bình phương phần dư và biến độc lập là giá trị dự báo Cường độ quan hệ. Các giá trị này được tạo từ phần mềm SPSS:

PRE_1: giá tri dự báo sự thỏa mãn RES_1: giá trị phần dư.

Tạo biến phần dư bình phương ee = RES_1* RES_1

Kết quả tại Phụ lục kiểm định phương sai của sai số không đổi – Cường độ quan hệ cho thấy: R2 = 0.006, F = 1.540, Sig. = 0.216a >0.05 nên không bác bỏ giả thiết phương sai của sai số không đổi.

Ta có R2 = 0.006 với t = 0.355 không có ý nghĩa thống kê vì Sig. = 0.327>0.05 nên giả thiết R2≠0 là không phù hợp. Như vậy, giả định phương sai của của sai số không đổi không bị vi phạm.

-Giả định về phân phối chuẩn của phần dư: Để khảo sát sự vi phạm về giả định phân phối chuẩn của phần dư, tác giả sử dụng biểu đồ Histogram và đồ thị P-P plot trong phân tích SPSS 16. Biểu đồ Histogram (Hình 3.3) cho thấy một đường cong phân phối chuẩn được đặt chồng lên biểu đồ tần số. Phân phối phần dư xấp xỉ chuẩn (trung bình Mean gần bằng 0 và độ lệch chuẩn Std.Dev = 0.989 tức là gần bằng 1).

Hình 3.3: Đồ thị Histogram của Cường độ quan hệ

- Ngoài ra, nhìn vào đồ thị P-P plot (Hình 3.4), kết quả cho thấy các điểm quan sát không phân tán quá xa đường thẳng kỳ vọng. Do đó, có thể kết luận rằng giả thiết phân phối chuẩn không bị vi phạm

Hình 3.4 Đồ thị P-P plot cho Cường độ quan hệ

Cuối cùng, ta kiểm định giả thiết về ý nghĩa của các hệ số hồi quy riêng phần cho mô hình. Để đảm bảo các biến độc lập đều thực sự có ảnh hưởng đến biến phụ thuộc, ta tiến hành kiểm định t . Với giả thuyết H0 là hệ số hồi quy của các biến độc lập βk = 0, và với độ tin cậy 95% thì ta có thể bác bỏ giả thuyết H0 đối với tất cả các βk. Theo kết quả tính toán trong Bảng 3.23, giá trị t-value của các biến βk đều lớn hơn 2.4 và P- value < 0.05. Điều này có nghĩa là 5 nhân tố trong phương trình đều có ảnh hưởng đến cường độ quan hệ giữa khách hàng và nhân viên.

Như vậy mô hình hồi quy tuyến tính được xây dựng theo phương trình hồi qui ở trên không vi phạm các giả định cần thiết về hồi quy tuyến tính.

3.6.2.2 Đánh giá sự phù hợp của nhân tố Số lượng quan hệ

Bảng 3.27: Mô hình tóm tắt sử dụng phương pháp Enter cho Số lượng quan hệ

R R2 R2 điều chỉnh Sai số chuẩn của ước lượng Hệ số Durbin-Watson

.709a 0.503 0.490 0.32357 2.064

Bảng 3.28: Bảng phân tích ANOVAb phương pháp Enter cho Số lượng quan hệ

Mô hình Tổng bình phương Df Trung bình bình phương F Mức ý nghĩa

Hồi quy 24.704 6 4.117 39.325 .000a

Phần dư 24.395 233 .105

Bảng 3.29: Kết quả phân tích hồi quy tuyến tính theo phương pháp Enter cho

Số lượng quan hệ

Hệ số hồi quy không chuẩn hoá Hệ số hồi quy chuẩn hoá Thống kê cộng tuyến Mô hình B Độ lệch chuẩn Beta T Mức ý nghĩa Tolerance VIF Hằng số .901 .203 4.442 .000 SU_TC .128 .064 .152 2.013 .045 .374 2.673 SU_TA .107 .047 .144 2.276 .024 .532 1.881 KM_GP .170 .054 .197 3.119 .002 .536 1.860 DU_NC .103 .051 .116 2.040 .042 .665 1.503 QH_CC .115 .056 .132 2.045 .042 .513 1.947 CS_KH .153 .054 .175 2.835 .005 .558 1.793

- Kết quả phân tích hồi quy tại Bảng 3.24 chỉ ra hệ số R2 = 0.490. Điều này nói rằng, 6 biến độc lập trong mô hình giải thích được 49.% sự biến thiên đến số lượng quan hệ giữa khách hàng và nhân viên tại ngân hàng trong mẫu điều tra.

- Tiếp theo là cần kiểm định giả thuyết về độ phù hợp của mô hình (phân tích phương sai). Để đánh giá độ phù hợp của mô hình cần kiểm định giả thuyết H0: hệ số hồi quy của các biến độc lập βk=0. (R2 = 0), kiểm định F thông qua phân tích phương sai. Theo kết quả tính toán ở Bảng 3.24 và 3.25: hệ số xác định R2 = 0.490, F = 39.325 và mức ý nghĩa thống kê Sig =.000a (<0.05), do đó ta bác bỏ giả thiết H0 cho rằng tất cả các hệ số hồi qui bằng 0 (ngoại trừ hằng số), mô hình hồi qui tuyến tính bội đang xét phù hợp với tập dữ liệu và có thể sử dụng được.

- Giả định không có mối tương quan giữa các biến độc lập (Đo lường đa cộng tuyến): Để kiểm tra hiện tượng đa cộng tuyến, chỉ số thường dùng là hệ số phóng đại phương sai VIF (Variance Inflation Factor). Kết quả phân tích tại Bảng 3.26 cho thấy hệ số VIF đều nhỏ hơn 2.7, nhỏ hơn mức chấp nhận được 8.0 rất nhiều (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005) nên ta kết luận hiện tượng đa cộng tuyến không nghiêm trọng giữa các biến độc lập.

- Giả định về tính độc lập của sai số (hay không có tương quan giữa các phần dư): Đại lượng thống kê Durbin-Watson giúp ta thực hiện kiểm định của các sai số kề nhau. Kết quả phân tích tại Bảng 3.24 cho thấy giá trị thống kê Durbin-Watson = 2.064 xấp xỉ 2.0 nên có thể nhận định rằng hiện tượng tự tương quan là không xảy ra.

- Giả định phương sai của sai số không đổi: Nhận xét đồ thị phân tán Scatterplot (Hình 3.5) trên đây ta nhận thấy phần dư phân tán ngẫu nhiên quanh trục 0 (tức quanh giá trị trung bình của phần dư) trong một phạm vi không đổi. Như vậy, giả định phương sai của của sai số không đổi không bị vi phạm.

Hình 3.5: Đồ thị Scatterplot cho Số lượng quan hệ

Ngoài ra, để thực hiện việc kiểm định phương sai của sai số không đổi bằng việc phân tích hồi quy giữa biến phụ thuộc là bình phương phần dư và biến độc lập là giá trị dự báo sự thỏa mãn. Các giá trị này được tạo từ phần mềm SPSS:

PRE_2: giá tri dự báo sự thỏa mãn RES_2: giá trị phần dư.

Tạo biến phần dư bình phương sl = RES_2* RES_2

Kết quả tại Phụ lục kiểm định phương sai của sai số không đổi – Số lượng quan hệ cho thấy: R2 = 0.001, F = 0.126, Sig. = 0.723a >0.05 nên không bác bỏ giả thiết phương sai của sai số không đổi.

Ta có R2 = 0.001 với t = 0.355 không có ý nghĩa thống kê vì Sig. = 0.723>0.05 nên giả thiết R2≠0 là không phù hợp. Như vậy, giả định phương sai của của sai số không đổi không bị vi phạm.

phân phối chuẩn được đặt chồng lên biểu đồ tần số. Phân phối phần dư xấp xỉ chuẩn (trung bình Mean gần bằng 0 và độ lệch chuẩn Std.Dev = 0.987 tức là gần bằng 1).

Hình 3.6: Biểu đồ Histogram cho Số lượng quan hệ

- Ngoài ra, nhìn vào đồ thị P-P plot (Hình 3.7), kết quả cho thấy các điểm quan sát không phân tán quá xa đường thẳng kỳ vọng. Do đó, có thể kết luận rằng giả thiết phân phối chuẩn không bị vi phạm

Cuối cùng, ta kiểm định giả thiết về ý nghĩa của các hệ số hồi quy riêng phần cho mô hình. Để đảm bảo các biến độc lập đều thực sự có ảnh hưởng đến biến phụ thuộc, ta tiến hành kiểm định t . Với giả thuyết H0 là hệ số hồi quy của các biến độc lập βk = 0, và với độ tin cậy 95% thì ta có thể bác bỏ giả thuyết H0 đối với tất cả các βk. Theo kết quả tính toán trong Bảng 3.26, giá trị t-value của các biến βk đều lớn hơn 2. và P- value < 0.05. Điều này có nghĩa là 6 nhân tố trong phương trình đều có ảnh hưởng đến mối quan hệ giữa Số lượng quan hệ giữa khách hàng và nhân viên.

Như vậy mô hình hồi quy tuyến tính được xây dựng theo phương trình hồi qui ở trên không vi phạm các giả định cần thiết về hồi quy tuyến tính.

3.6.2.3 Đánh giá sự phù hợp của nhân tố Độ dài quan hệ

Bảng 3.30: Mô hình tóm tắt sử dụng phương pháp Enter cho Độ dài quan hệ

R R2 R2 điều chỉnh Sai số chuẩn của ước lượng

Hệ số Durbin-Watson

.702a .493 0.482 0.32038 2.065

Bảng 3.31: Bảng phân tích ANOVAb phương pháp Enter cho Độ dài quan hệ

Mô hình Tổng bình phương Df Trung bình bình phương F Mức ý nghĩa Hồi quy 23.370 5 4.674 45.538 .000a Phần dư 24.018 234 .103 Tổng 47.39 239

Bảng 3.32: Kết quả phân tích hồi qui tuyến tính theo phương pháp Enter cho

Độ dài quan hệ

Mô hình

Hệ số hồi qui không chuẩn hoá Hệ số hồi qui chuẩn hoá Thống kê cộng tuyến B Độ lệch chuẩn Beta T Mức ý nghĩa Tolerance VIF 1 Hằng số .892 .200 4.922 .000 SU_TC .192 .059 .232 3.255 .001 .428 2.338 KM_GP .129 .053 .152 2.448 .015 .565 1.771 DU_NC .103 .050 .118 2.069 .040 .670 1.492 QH_CC .167 .055 .195 3.058 .002 .535 1.870 CS_KH .160 .053 .187 2.997 .003 .558 1.793

a. Biến phụ thuộc: DD_QH

- Kết quả phân tích hồi quy tại Bảng 3.27 chỉ ra hệ số R2 = 0.493. Điều này nói rằng, 5 biến độc lập trong mô hình giải thích được 49.3% sự biến thiên đến độ dài mối quan hệ giữa khách hàng và nhân viên tại ngân hàng trong mẫu điều tra..

Tiếp theo là cần kiểm định giả thuyết về độ phù hợp của mô hình (phân tích phương sai). Để đánh giá độ phù hợp của mô hình cần kiểm định giả thuyết H0: hệ số hồi quy của các biến độc lập βk=0. (R2 = 0), kiểm định F thông qua phân tích phương sai. Theo kết quả tính toán ở Bảng 3.27 và 3.28: hệ số xác định R2 = 0.493, F = 45.538 và mức ý nghĩa thống kê Sig=.000a (<0.05), do đó ta bác bỏ giả thiết H0 cho rằng tất cả các hệ số hồi qui bằng 0 (ngoại trừ hằng số), mô hình hồi qui tuyến tính bội đang xét phù hợp với tập dữ liệu và có thể sử dụng được.

- Giả định không có mối tương quan giữa các biến độc lập (Đo lường đa cộng tuyến): Để kiểm tra hiện tượng đa cộng tuyến, chỉ số thường dùng là hệ số phóng đại phương sai VIF (Variace Inflation Factor). Kết quả phân tích tại Bảng 3.29 cho thấy hệ số VIF đều nhỏ hơn 2.4, nhỏ hơn mức chấp nhận được 8.0 rất nhiều (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005) nên ta kết luận hiện tượng đa cộng tuyến không nghiêm trọng giữa các biến độc lập.

- Giả định về tính độc lập của sai số (hay không có tương quan giữa các phần dư): Đại lượng thống kê Durbin-Watson giúp ta thực hiện kiểm định của các sai số kề nhau. Kết quả phân tích tại Bảng 3.27 cho thấy giá trị thống kê Durbin-Watson = 2.065 xấp xỉ 2.0 nên có thể nhận định rằng hiện tượng tự tương quan là không xảy ra.

-Giả định phương sai của sai số không đổi: Nhận xét đồ thị phân tán Scatterplot (Hình 3.8) trên đây ta nhận thấy phần dư phân tán ngẫu nhiên quanh trục 0 (tức quanh giá trị trung bình của phần dư) trong một phạm vi không đổi. Như vậy, giả định phương sai của của sai số không đổi không bị vi phạm.

PRE_3: giá tri dự báo sự thỏa mãn RES_3: giá trị phần dư.

Tạo biến phần dư bình phương dd = RES_3* RES_3

Kết quả tại Phụ lục kiểm định phương sai của sai số không đổi – Độ dài quan hệ cho thấy: R2 = 0.002, F = 0.4, Sig. = 0.528a >0.05 nên không bác bỏ giả thiết phương sai của sai số không đổi.

Ta có R2 = 0.002 với t = -0.633 không có ý nghĩa thống kê vì Sig. = 0.528>0.05 nên giả thiết R2≠0 là không phù hợp. Như vậy, giả định phương sai của của sai số không đổi không bị vi phạm.

Giả định về phân phối chuẩn của phần dư: Để khảo sát sự vi phạm về giả định phân phối chuẩn của phần dư, tác giả sử dụng biểu đồ Histogram và đồ thị P-P plot trong phân tích SPSS 16. Biểu đồ Histogram (Hình 3.9) cho thấy một đường cong phân phối chuẩn được đặt chồng lên biểu đồ tần số. Phân phối phần dư xấp xỉ chuẩn (trung bình Mean gần bằng 0 và độ lệch chuẩn Std.Dev = 0.989 tức là gần bằng 1).

Hình 3.9: Đồ thị Histogram cho Độ dài quan hệ

- Ngoài ra, nhìn vào đồ thị P-P plot (Hình 3.10), kết quả cho thấy các điểm quan sát không phân tán quá xa đường thẳng kỳ vọng. Do đó, có thể kết luận rằng giả thiết phân phối chuẩn không bị vi phạm.

Hình 3.10 Đồ thị P-P plot cho Độ dài quan hệ

Các nghiên cứu trên thế giới

MÔ HÌNH ĐỀ XUẤT VÀ CÁC GIẢ THUYẾT