Tải bản đầy đủ
3 PHÂN TÍCH HỒI QUI

3 PHÂN TÍCH HỒI QUI

Tải bản đầy đủ

48

Bảng 4.4 Ma trận hệ số tương quan
qd
Hệ số tương quan
Pearson

Sig. (1-tailed)

N

ha

cl

tg

ns

cx

xh

qd

1.000

.189

.553

.579

.496

.619

.609

ha

.189

1.000

.047

.154

.106

.096

.101

cl

.553

.047

1.000

.601

.600

.504

.502

tg

.579

.154

.601

1.000

.563

.464

.523

ns

.496

.106

.600

.563

1.000

.568

.446

cx

.619

.096

.504

.464

.568

1.000

.532

xh

.609

.101

.502

.523

.446

.532

1.000

qd

.

.001

.000

.000

.000

.000

.000

ha

.001

.

.228

.007

.045

.061

.053

cl

.000

.228

.

.000

.000

.000

.000

tg

.000

.007

.000

.

.000

.000

.000

ns

.000

.045

.000

.000

.

.000

.000

cx

.000

.061

.000

.000

.000

.

.000

xh

.000

.053

.000

.000

.000

.000

.

qd

258

258

258

258

258

258

258

ha

258

258

258

258

258

258

258

cl

258

258

258

258

258

258

258

tg

258

258

258

258

258

258

258

ns

258

258

258

258

258

258

258

cx

258

258

258

258

258

258

258

xh

258

258

258

258

258

258

258

4.3.2 Xây dựng phương trình hồi qui
Hồi qui tuyến tính bội thường được dùng để kiểm định và giải thích lý thuyết
nhân quả. Ngoài chức năng là một công cụ mô tả, hồi qui tuyến tính bội cũng được
sử dụng như một công cụ kết luận để kiểm định các giả thuyết và dự báo các giá trị
của tổng thể nghiên cứu. Như vậy đối với nghiên cứu này, hồi qui tuyến tính bội là
phương pháp thích hợp để kiểm định các giả thuyết nghiên cứu.

49

Phân tích hồi qui sẽ xác định phương trình hồi qui tuyến tính với hệ số beta
tìm được để khẳng định mối quan hệ nhân quả giữa biến phụ thuộc (QĐ) và các
biến độc lập (HA, CL, NS, CX, XH, TG), qua đó, xác định mức độ ảnh hưởng của
từng yếu tố đến quyết định mua của khách hàng. Giả định các yếu tố ảnh hưởng đến
quyết định mua của khách hàng có tương quan tuyến tính, ta có phương trình hồi
qui như sau:
QĐ = β0 + β1 HA + β2 CL + β3 XH + β4 TG + β5 NS + β6 CX + ei
βk : Các hệ số hồi qui riêng phần của các biến độc lập
ei

: Phần dư
QĐ : Quyết Định Mua Máy Tính Bảng Của Khách Hàng
HA : Giá Trị Hình Ảnh
CL : Giá Trị Chất Lượng

Trong đó

NS : Giá Trị Nhân Sự
CX : Giá trị Cảm xúc
XH : Giá trị Xã Hội
TG : Giá Trị Tính Theo Giá Cả

Dựa trên kết quả phân tích nhân tố, tác giả tiến hành phân tích hồi qui để xác
định cụ thể trọng số của từng yếu tố ảnh hưởng đến quyết định mua máy tính bảng
của khách hàng. Phân tích hồi qui sẽ được thực hiện với 6 biến độc lập là HA, CL,
NS, CX, XH, TG và một biến phụ thuộc là QĐ. Giá trị của các yếu tố được dùng để
phân tích hồi qui là giá trị trung bình của các biến quan sát đã được kiểm định.
4.3.3

Đánh giá và kiểm định mức độ phù hợp của mô hình

Đầu tiên, tác giả kiểm định các giả định của mô hình hồi qui tuyến tính, không
có giả định nào vi phạm:
-

Không có hiện tượng đa cộng tuyến.

-

Phương sai phần dư không đổi.

50

-

Các phần dư có phân phối chuẩn.

-

Không có hiện tượng tương quan giữa các phần dư .

Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008, trang 238 – 239) khi
đánh giá mô hình hồi qui tuyến tính bội, hệ số R Square được dùng để đánh giá
độ phù hợp của mô hình nghiên cứu. Hệ số xác định R Square được chứng minh
là hàm không giảm theo số lượng biến đưa vào mô hình. Hệ số R Square có xu
hướng tăng thuận chiều với số lượng biến đưa vào mô hình. càng đưa thêm biến
độc lập vào mô hình thì R square càng tăng, tuy nhiên điều này cũng được
chứng minh rằng không phải phương trình càng có nhiều biến sẽ càng phù hợp
hơn với dữ liệu (tức là tốt hơn). Như vậy R square có khuynh hướng là một ước
lượng lạc quan của thước đo sự phù hợp của mô hình đối với dữ liệu trong
trường hợp có hơn 1 biến giải thích trong mô hình. Mô hình thường không phù
hợp với dữ liệu thực tế như giá trị R square thể hiện. Do đó, hệ số R Square điều
chỉnh cũng được sử dụng để phản ánh sát hơn mức độ phù hợp của mô hình hồi
qui tuyến tính đa biến vì nó không phụ thuộc vào độ lệch phóng đại của R
Square
Bảng 4.5: Chỉ tiêu đánh giá độ phù hợp của mô hình
Tóm tắt mô hình
R Bình


hình
1

R
.749

a

Change Statistics

phương

Sai số

R Bình

hiệu

chuẩn của

R Square

F

phương

chỉnh

ước lượng

Change

Change

.561

.551

.43155

.561

53.500

df1

df2
6

251

Sig. F

Durbin-

Change

Watson

.000

1.659

Kết quả phân tích hồi qui được trình bày ở bảng 4.5 cho thấy hệ số xác định
R Square là 0,561 và hệ số Square điều chỉnh là 0.551, nghĩa là mô hình xây dựng
đã phù hợp với tập dữ liệu đến mức 55.1% hay mô hình đã giải thích được 55.1%
sự biến thiên của biến phụ thuộc quyết định mua của khách hàng, 44.9% còn lại do
các yếu tố ngoài mô hình giải thích. Hay nói cách khác, khoảng 55,1% sự thay đổi
của quyết định mua của khách hàng được giải thích bởi sáu biến độc lập gồm : Giá

51

trị hình ảnh, Giá trị chất lượng, Giá trị tính theo giá cả, Giá trị nhân sự, Giá trị cảm
xúc và Giá trị xã hội
Kiểm định F sử dụng trong bảng phân tích phương sai vẫn là một phép kiểm
định giả thuyết về độ phù hợp của mô hình hồi qui tuyến tính tổng thể. Trị giá F
trong bảng 4.4 là 53.500, trị số này được tính từ giá trị R2 đầy đủ, mức ý nghĩa quan
sát Sig. = 0.00 rất nhỏ cho thấy sẽ an toàn khi bác bỏ giả thuyết H0 cho rằng là β1 =
β2 = β3 = β4 = β5 = β6 = 0. Với số liệu này, mô hình hồi qui tuyến tính đưa ra là phù
hợp với dữ liệu và có thể sử dụng được.
Bảng 4.6 Kết quả phân tích hồi qui:
Thống kê đa cộng

Hệ số
Hệ số chưa chuẩn hóa chuẩn hóa

tuyến

Sai số
Mô hình
1

B
(Constant)

GIÁ TRỊ HÌNH ẢNH

GIÁ TRỊ CHẤT

chuẩn hóa
.076

.088

Beta

.220

t

Sig.

.346

.730

Dung sai

VIF

.039

.096

2.269

.024

.969 1.032

.066

.147

2.492

.013

.504 1.986

.053

.201

3.477

.001

.523 1.911

.057

-.006

-.109

.913

.510 1.961

.056

.308

5.544

.000

.568 1.761

.046

.260

4.814

.000

.600 1.665

.165

LƯỢNG
GIÁ TRỊ THEO GIÁ

.186

CẢ
GIÁ TRỊ NHÂN SỰ

GIÁ TRỊ CẢM XÚC

GIÁ TRỊ XÃ HỘI

-.006

.312

.224

Biến phụ thuộc: QĐM

Thông qua hệ số Beta chuẩn hoá trong kết quả phân tích hồi qui cho thấy tầm
quan trọng của các nhân tố tác động đến quyết định mua theo mô hình đã đưa ra. Vì
độ lớn của các hệ số phụ thuộc vào đơn vị đo lường của các biến nên chỉ khi nào tất

52

cả các biến độc lập đều có cùng đơn vị đo lường thì các hệ số của chúng mới có thể
so sánh trực tiếp với nhau. Một cách để làm cho các hệ số hồi qui có thể so sánh
được với nhau là tính trọng số beta, đó là hệ số của biến độc lập khi tất cả dữ liệu
trên các biến được biểu diễn bằng đơn vị đo lường độ lệch chuẩn.
Mô hình cho thấy các biến độc lập thuộc các yếu tố: Giá trị hình ảnh, Giá trị chất
lượng, Giá trị tính theo giá cả, Giá trị cảm xúc, Giá trị xã hội có ảnh hưởng đến
quyết định mua máy tính bảng của khách hàng với mức ý nghĩa nhỏ hơn 0.05. Hệ số
Beta chuẩn hóa dùng để đánh giá mức độ quan trọng của các yếu tố ảnh hưởng đến
quyết định mua máy tính bảng của khách hàng. Hệ số Beta chuẩn hóa của yếu tố
nào càng cao thì mức độ quan trọng của nhân tố đó tác động đến quyết định mua
càng cao. Như vậy, theo kết quả nghiên cứu từ bảng 4.6, yếu tố Giá trị cảm xúc tác
động mạnh nhất. Mô hình cho thấy với các yếu tố khác không đổi, nếu Giá trị cảm
xúc tăng thêm 1 đơn vị thì quyết định mua của khách hàng tăng thêm 0.308 tiếp đến
là Giá trị xã hội với hệ số Beta chuẩn hoá 0.260. Tiếp đến là Giá trị tính theo giá cả,
Giá trị chất lượng và Giá trị hình ảnh, có hệ số Beta (chuẩn hoá) lần lượt là 0.201,
0.147 và 0.096. Tác động của “Giá trị nhân sự” không có ý nghĩa thống kê (sig >
0.05).
4.3.4 Kiểm định các giả thuyết nghiên cứu
Dựa vào kết quả Sig và giá trị trong bảng trên, tác giả có kết quả kiểm định cho
từng giả thuyết:
Giả
Thuyết
H1
H2
H3
H4
H5
H6

Nội dung

Giá trị β

Giá trị hình ảnh có tác động cùng chiều đến quyết
0.096
định mua máy tính bảng của khách hàng
Giá trị chất lượng sản phẩm có tác động cùng chiều
0.147
đến quyết định mua máy tính bảng của khách hàng
Giá trị tính theo giá cả có tác động cùng chiều đến
0.201
quyết định mua máy tính bảng của khách hàng
Giá trị nhân sự có tác động cùng chiều đến quyết định
-0.006
mua máy tính bảng của khách hàng
Giá trị cảm xúc có tác động cùng chiều đến quyết
0.308
định mua máy tính bảng của khách hàng
Giá trị xã hội có tác động cùng chiều đến quyết định
0.26
mua máy tính bảng của khách hàng

Sig

Chấp nhận hay
không chấp

0.024

Chấp nhận

0.013

Chấp nhận

0.01

Chấp nhận

0.913

Không chấp
nhận

0

Chấp nhận

0

Chấp nhận

53

4.4 PHÂN TÍCH SỰ ẢNH HƯỞNG CỦA CÁC BIẾN ĐỊNH TÍNH ĐẾN
QUYẾT ĐỊNH MUA MÁY TÍNH BẢNG CỦA KHÁCH HÀNG
4.4.1 Ảnh hưởng của giới tính đến quyết định mua máy tính bảng của
khách hàng
Báo cáo tiến hành xem xét có sự khác biệt giữa nam và nữ đối với quyết định mua
máy tính bảng hay không. Kết quả bảng 4.7 cho thấy, giá trị Sig trong kiểm định
Levene >0.05, phương sai giữa 2 giới tính là giống nhau. Giá trị Sig trong kiểm
định t>0.05 chứng tỏ rằng chưa có sự khác biệt có ý nghĩa về trị trung bình giữa
nam và nữ. Kết quả bảng “Group statistic” cho thấy trị trung bình của quyết định
mua máy tính bảng giữa nam và nữ là 3.4096 và 3.3848 là không có sự khác biệt
đáng kể.
Bảng 4.7: Bảng kết quả kiểm định T-Test ảnh hưởng của giới tính đến quyết định
mua máy tính bảng
Group Statistics

Q

Gioitinh

Mẫu

Trung bình

Độ lệch chuẩn

Sai số trung bình

Nam

130

3.4096

.64475

.05655

Nu

128

3.3848

.64517

.05703

D

54

Independent Samples Test
Kiểm
địnhLevene

F

Kiểm định t-test

Sig.

t

df

Sig. (2- Sai lệch
Sai lệc S.E
tailed) trung bình

Độ tin cậy 95%
Dưới

Giả định
phương
sai bằng
nhau
QD

0.001

0.97

Giả định
phương
sai khác
nhau

Trên

0.309

256 0.757

0.02485

0.08031

-0.1333

0.183

0.309

255.9 0.757

0.02485

0.08031

-0.1333

0.183

4.4.2 Ảnh hưởng của độ tuổi đến quyết định mua máy tính bảng của khách
hàng
Đối với biến độ tuổi, sau khi tiến hành kiểm định Anova, ta có kết quả như sau
Bảng 4.8: Bảng kết quả kiểm định ảnh hưởng của độ tuổi đến quyết định mua máy
tính bảng
QD

Thống kê Levene df1

df2

Sig.

.558

253

.693

4

ANOVA
QD

Tổng bình

Bình phương

phương

df

trung bình

F

Sig.

Giữa các nhóm

.805

4

.201

.482

.749

Trong nhóm

105.723

253

.418

Tổng

106.528

257