Kiểm định sự phù hợp của mô hình

Khóa Luận Tốt Nghiệp GVHD: PGS.TS. Nguyễn Văn Phát

SVTH: Phan Thị Thu Hiền 62 đến sựcảm nhận của khách hàng vềgiá trị thương hiệu của công ty LION.

2.2.5.3. Phân tích hồi quy

Phân tích hồi quy tuyến tính sẽgiúp chúng ta biết được chiều hướng và cường độ ảnh hưởng của các biến độc lập lên biến phụ thuộc. Trong giai đoạn phân tích hồi quy, nghiên cứu chọn phương pháp Enter, chọn lọc dựa trên tiêu chí chọn những nhân tố có mức ý nghĩa Sig. < 0,05. Những nhân tố nào có giá trị Sig. > 0,05 sẽbị loại khỏi mô hình và không tiếp tục nghiên cứu nhân tố đó.

Kết quảphân tích hồi quy được thểhiện qua các bảng sau:

Bảng 2.18: Hệ số phân tích hồi quy Hệ số chưa chuẩn hóa Hệ số chuẩn hóa

T Sig. VIF

B Độ lệch chuẩn Beta

Hằng số 0,959 0,315 3,048 0,003

NBTH 0,302 0,076 0,325 3,960 0,00 1,813

CLGC 0,179 0,072 0,205 2,493 0,014 1,812

CLCS 0,176 0,073 0,193 2,409 0,018 1,732

TTTH 0,150 0,047 0,168 1,976 0,043 1,767

LTTH 0,204 0,079 0,210 2,575 0,011 1,784

(Nguồn: sử lý số liệu bằng spss) Giá trịSig. tại các phép kiểm định của các biến độc lập được đưa vào mô hình:

“Nhận biết thương hiệu”, “chất lượng giá cả”, “chất lượng chăm sóc” “trung thành thương hiệu”, “liên tưởng thương hiệu”.đều nhỏ hơn 0,05 chứng tỏcác biến độc lập này có ý nghĩa thống kê trong mô hình.

Như vậy, phương trình hồi quy được xác định như sau:

GTTH = 0,325NBTH + 0,205CLGC + 0,193CLCS + 0,168TTTH + 0,210LTTH + ei Nhìn vào mô hình hồi quy, ta có thể xác định rằng: có 5 nhân tố đó là “nhận biết thương hiệu”, “chất lượng giá cả”, “chất lượng chăm sóc” “trung thành thương hiệu”, “liên tưởng thương hiệu” ảnh hưởng đến “giá trị thương hiệu” đối với công ty Lion

Đềtài tiến hành giải thích ý nghĩa các hệsốbê-ta như sau:

Hệsố β1 = 0,325có nghĩalà khi biến“nhận biết thương hiệu”thay đổi 1 đơn vịtrong khi các biến khác không đổi thì

Trường Đại học Kinh tế Huế

Khóa Luận Tốt Nghiệp GVHD: PGS.TS. Nguyễn Văn Phát

0,325 đơn vị. Tương tự với các biến còn lại cũng giải thích như vậy. Hệ số β2 = 0,205có nghĩa là khi biến“chất lượng giá cả”thay đổi 1 đơn vịtrong khi các biến khác không đổi thì “giá trị thương hiệu”biến động cùng chiều 0,205 đơn vị. Hệsố β3 = 0,193có nghĩa là khi biến“chất lượng chăm sóc” thay đổi 1 đơn vịtrong khi các biến khác không đổi thì “Giá trị thương hiệu” biến động cùng chiều 0,193đơn vị. Hệ số β4 =0,168có nghĩa là khi biến “trung thành thương hiệu” thay đổi 1 đơn vịtrong khi các biến khác không đổi thì“giá trị thương hiệu”biến động cùng chiều 0,168 đơn vị. β5= 0,210 có nghĩa là khi biến “liên tưởng thương hiệu” thay đổi 1 đơn vị trong khi các biến khác không đổi thì “giá trị thương hiệu” biến động cùng chiều 0,210 đơn vị. Có một điểm chung các biến độc lập này là đều ảnh hưởng thuận chiều đến biến phụthuộc là“giá trị thương hiệu”.

2.2.5.4.Đánh giá độ phù hợp của mô hình

Bảng2.19: Đánh giá độ phù hợp của mô hình

Model R R

Square

Adjusted R Square

Std. Error of the Estimate

Durbin – Watson

1 0,759 0,576 0,558 0,30041 1,727

(Nguồn: Sử lý số liệu bằng spss) Dựa vào bảng kết quả phân tích, mô hình 3 biến độc lập có giá trị R Square hiệu chỉnh là 0,558 tức là: độ phù hợp của mô hình là 55,8%. Hay nói cách khác 55,8% độbiến thiên của biến phụthuộc“giá trị thương hiệu”được giải thích bởi 5 yếu tố được đưa vào mô hình. Bên cạnh đó, ta nhận thấy giá trị R Square hiệu chỉnh là 0,576 khá là cao ( > 50%), nghĩa là mối quan hệ giữa biến độc lập và biến phụthuộc được coi là gần chặt chẽ.

2.2.5.5. Kiểm định sự phù hợp của mô hình

Bảng 2.20: Kiểm định ANOVA ANOVA

Model Sum of Squares Df Mean Square F Sig.

13,999 5 2,800 31,022 0,000

Residual 10,288 114 0,090

Total 24,287 119

(nguồn: sử lý số liệu bằng spss)

Trường Đại học Kinh tế Huế

SVTH: Phan Thị Thu Hiền 64 Kết quả từ bảng ANOVA cho thấy giá trị Sig. = 0,000 rất nhỏ, cho phép nghiên cứu bác bỏ giả thiết rằng “Hệ số xác định R bình phương = 0” tức là mô hình hồi quy phù hợp. Như vậy mô hình hồi quy thu được rất tốt, các biến độc lập giải thích được khá lớn sự thay đổi của biến phụthuộc “giá trị thương hiệu”

Dò tìm các vi phạm giả định cần thiết

Xem xét tự tương quan

Đại lượng Durbin – Watson được dùng để kiểm định tương quan của các sai số kềnhau. Dựa vào kết quả thực hiện phân tích hồi quy cho thấy, giá trị Durbin – Watson là 1,727 thuộc trong khoảng chấp nhận (1,6 đến 2,6). Vậy có thểkết luận là mô hình không xảy ra hiện tượng tự tương quan.

Xem xét đa cộng tuyến

Mô hình hồi quy vi phạm hiện tượng đa cộng tuyến khi có giá trị hệsốphóng đại phương sai (VIF –Variance Inflation Factor) lớn hơn hay bằng 10.

Từ kết quả phân tích hồi quy ở trên, ta có thể thấy rằng giá trị VIF của mô hình nhỏ (trên dưới giá trị 2) nên nghiên cứu kết luận rằng mô hình hồi quy không vi phạm hiện tượng đa cộng tuyến.

Kiểm định phân phối chuẩn của phần dư

Phần dư có thểkhông tuân theo phân phối chuẩn vì những lý do như: sửdụng sai mô hình, phương sai không phải là hằng số, số lượng các phần dư không đủ nhiều đểphân tích. Vì vậy chúng ta phải tiến hành kiểm định phân phối chuẩn của phần dư đểxem xét sựphù hợp của mô hìnhđưa ra.

Từbiểu đồ trích từkết quảphân tích hồi quy, ta có thểthấy rằng phần dư tuân theo phân phối chuẩn. Với giá trịMean xấp xỉ -2,60E-15 và giá trịStd.Dev là 0,979.

Trường Đại học Kinh tế Huế

Khóa Luận Tốt Nghiệp GVHD: PGS.TS. Nguyễn Văn Phát

Biểu đồ2.6: Biểu đồ tần số Histogram của phần dư chuẩn hóa

(Nguồn: sử lý số liệu bằng spss)