V nđ nghiên cu
3.4.2 Hi quy tu yn tính
3.4.2.1 Mô hình h i qui
Sau khi thang đo c a các y u t kh o sát đã đ c ki m đnh, chúng tôi s ti n hành ch y h i quy tuy n tính theo mô hình:
Y = β0 + β1X1 + β2X2 + β3X3 + β4X4 +β5X5 + β6X6 + β7X7 + ε Trong đó: + Y: Xu h ng tiêu dùng đ i v i t m th ch cao V nh T ng + X1 – X7: Các y u t nh h ng đ n xu h ng tiêu dùng + β0 - β7: H ng s và các h s h i qui + ε: Sai s 3.4.2.2 Ki m đnh vi ph m gi thuy t OLS
Thông th ng chúng ta không bi t tr c đ c mô hình sau khi phân tích h i quy có thích h p hay không. Mô hình ch a th k t lu n là t t n u ch a ki m đnh vi c vi ph m các gi thuy t OLS đ c l ng các h s h i qui là không thiên l ch, nh t quán và hi u qu nh t.
− Hi n t ng đa c ng tuy n:
a c ng tuy n là m t hi n t ng trong đó các bi n đ c l p có t ng quan ch t ch v i nhau. V n đ c a hi n t ng đa c ng tuy n là chúng cung c p cho mô hình nh ng thông tin r t gi ng nhau, và r t khó tách nh h ng c a t ng bi n m t. i v i hi n t ng đa c ng tuy n, h s phóng đ i ph ng sai VIF ( Variance inflation factor) ho c đ ch p nh n (Tolerance) đ c s d ng. Khi VIF t ng thì ph ng sai c a h s h i qui c ng t ng theo. VIF <=10 ngh a là các bi n đ c l p không có t ng quan tuy n tính v i nhau, hi n t ng đa c ng tuy n không nh h ng đáng k đ n k t qu .
− Ph ng sai c a sai s thay đ i:
Trong mô hình h i qui t t, các s h ng sai s uI có phân ph i gi ng nhau v i tr trung bình b ng 0 và ph ng sai σ2
nh nhau. Ph ng sai thay đ i là hi n t ng ph ng sai c a các s h ng này không gi ng nhau (có ngh a là phân tán không nh nhau). Khi ph ng sai c a các sai s thay đ i, mô hình nghiên c u s không còn hi u qu khi ki m đnh gi thuy t, các ki m đnh t và F không còn tin c y. th ph n d student hoá và giá tr d đoán (hay lý thuy t) chu n hóa ph n ánh s khác bi t ph ng sai c a sai s th c c a các quan sát. N u đ l n c a ph n d student hóa t ng ho c gi m theo giá tr d đoán thì có kh n ng gi thuy t ph ng sai không đ i b vi ph m.
− T ng quan chu i (t t ng quan):
T ng quan chu i (hay còn g i là t t ng quan) th ng xu t hi n nhi u b d li u chu i th i gian, trong đó các s h ng sai s cho các th i đo n không quá cách xa có th t ng quan. ây là m t d ng vi ph m các gi thuy t c b n v s h ng nhi u. H qu khi b qua s t t ng quan là các d báo và c l ng v n không thiên l ch và nh t quán, nh ng không hi u qu . Ki m đnh Durbin-Watson là ki m
đnh ph bi n nh t cho t ng quan chu i b c nh t.
Sau khi ki m tra k t qu cho th y các gi thuy t OLS không b vi ph m thì có th k t lu n là c l ng các h s h i qui là không thiên l ch, nh t quán và hi u qu . Các k t lu n rút ra t phân tích h i qui là đáng tin c y.
K t qu c a mô hình s giúp chúng ta xác đnh đ c m c đ nh h ng c a các y u t đ n xu h ng tiêu dùng c a s n ph m. Y u t nào có h s β càng l n thì m c
đ nh h ng càng cao.
Tóm t t ch ng 3
“ o l ng nh h ng c a thông tin th ng hi u lên xu h ng tiêu dùng
c a khác hàng” tác gi th c hi n thông qua 2 b c: Nghiên c u đnh tính đ khám
phá, đi u ch nh và b sung các bi n quan sát dùng đ đo l ng các khái ni m nghiên c u và nghiên c u đnh l ng đ c th c hi n đ đánh giá v đ tin c y và giá tr c a
K th a thang đo c a tác gi Hoàng Tr ng và Chu Nguy n M ng Ng c, tác gi xây d ng thang đo Liker 5 m c đ cho 8 bi n quan sát: u t th ng hi u, rõ ràng, nh t quán, tin c y, Ch t l ng c m nh n, r i ro c m nh n, Chi phí tìm ki m thông tin và Xu h ng tiêu dùng.
ng th i trong ch ng này, tác gi xin g i thi u m u nghiên c u, mô hình h i quy và ki m đnh vi c vi ph m các gi thuy t OLS đ c l ng các h s h i qui là không thiên l ch, nh t quán và hi u qu nh t.