Qua phân tích về tương quan, mô hình hồi quy bội được xem xét trong nghiên cứu chính thức có dạng:
Y = αααα + β1*KV&KS + β2*YT + β3*TD + β4*XH + β5*AHM + ε (1.1)
Để đánh giá mức độ tác động của các thành phần lên ý định mua túi thân thiện với môi trường của người tiêu dùng, tác giả sử dụng hàm hồi quy tuyến tính bội với thủ tục chọn biến theo phương pháp ENTER (đồng thời), bởi vì mục tiêu của nghiên cứu này là muốn khẳng định tính đúng đắn của mô hình lý thuyết đã đưa ra và trong nghiên cứu tác giả đã giả thuyết rằng nhân tố thái độ đối với sản phẩm túi thân thiện, ý thức trách nhiệm, kỳ vọng vào cuộc sống tốt đẹp trong tương lai, ảnh hưởng xã hội, nhận thức về môi trường, ảnh hưởng của hoạt động marketing xanh tác động đến ý định mua túi thân thiện với môi trường.
Bảng 4.4: Hệ số xác định R-Square Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the
Estimate Durbin-Watson
1 .596a .355 .347 .80825861 1.938
Nguồn : Tính toán từ dữ liệu điều tra của tác giả. Kết quả hồi quy tuyến tính có hệ số xác định R2 là 0,355 và hệ số xác định R2 điều chỉnh là 0,347. Ta sử dụng R2 điều chỉnh để đánh giá độ phù hợp của mô hình hồi qui đa biến (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008). Điều này nói lên rằng độ thích hợp của mô hình là 0,347 hay nói cách khác là 34,7% độ biến thiên của biến ý định mua túi thân thiện của người tiêu dùng được giải thích chung bởi các biến trong mô hình, có thể thấy, mức độ phù hợp của mô hình là tương đối tốt. Kiểm định
Durbin-Watson có giá trị 1,938 xấp xỉ bằng 2 như vậy không có hiện tượng tự tương quan của phần dư.
Tuy nhiên sự phù hợp này chỉ đúng với dữ liệu mẫu. Để kiểm định xem có thể suy diễn mô hình cho tổng thể thực hay không ta phải kiểm định độ phù hợp của mô hình. Trong bảng phân tích phương sai ANOVA, trị số thống kê F được tính từ giá trị R2 có giá trị sig. rất nhỏ (sig = 0,000) cho thấy sự thích hợp của mô hình hồi qui tuyến tính với tập dữ liệu phân tích (xem bảng 4.5).
Bảng.4.5: Phân tích Anova ANOVAb
Model Sum of
Squares
df Mean Square F Sig.
1 Regression 145.421 5 29.084 44.520 .000a
Residual 264.579 405 .653
Total 410.000 410
Nguồn: Tính toán từ dữ liệu điều tra của tác giả.
Bảng 4.6: Hệ số hồi quy Coefficientsa
Biến Hệ số hồi quy chưa chuẩn hóa Hệ số hồi qui chuẩn hóa t sig Collinearity Statistics Hệ số B Độ lệch chuẩn
Beta Tolerance VIF
(Constant) 6.397E-16 .040 .000 1.000 KV&KS .222 .046 .222 4.775 .000 .740 1.352 YT .340 .049 .340 6.899 .000 .657 1.523 TD .029 .044 .029 .654 .514 .814 1.229 XH .039 .049 .039 .800 .424 .673 1.485 AMH .168 .043 .168 3.860 .000 .843 1.186 a. Dependent Variable: ý định
Nguồn: Tính toán từ dữ liệu điều tra của tác giả. Kết quả phân tích cũng cho thấy, không có giá trị VIF nào cao hơn 2,0, như vậy các biến độc lập không có sự tương quan với nhau hay không có hiện tượng đa cộng tuyến giữa các biến độc lập trong mô hình.