Phân tích hồi quy - Kết quả nghiên cứu - PHÂN TÍCH CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN QUYẾT ĐỊNH

CHƯƠNG II. PHÂN TÍCH CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN QUYẾT ĐỊNH

2.3 Kết quả nghiên cứu

2.3.4 Phân tích hồi quy

Trường Đại học Kinh tế Huế

2.3.4.1 Phân tích hồi quy để xác định mức độ ảnh hưởng của các yếu tố đến quyết định mua của khách hàng

Sau khi tiến hành phân tích nhân tố khám phá, nhóm các biến theo từng yếu tố, nghiên cứu tiếp tục tiến hành phân tích hồi quy. Mô hình hồi quy mà nghiên cứu áp dụng là mô hình hồi quy đa biến (mô hình hồi quy bội). Nghiên cứu muốn đo lường xem mức độ tác động của các nhân tố ảnh hưởng như thế nào đến “QUYẾT ĐỊNH MUA” củaKH, thông qua hồi quy dựa trên việc đo lường sự ảnh hưởng của các nhân tố được rút trích từ phân tích nhân tố EFA.

Mô hình hồi quy được lựa chọn xây dựng là mô hình hàm hồi quy tuyến tính bội có dạng:

Y = β0 + β1F1 + β2F2+…+βnFn + ei

Trong đó: Y là biến phụ thuộc, βk là các hệ số hồi quy riêng phần, Fi là các biến độc lập trong mô hình và ei là biến độc lập ngẫu nhiên. Các biến được sử dụng để phân tích hồi quy bao gồm:

- F1: Đặc tính sản phẩm và công ty - F2: Kinh nghiệm cá nhân

- F3: Tính dễsửdụng - F4: Tính hữu ích - F5: Rủi ro

Các giảthiết

- Ho: Các nhân tố ảnh hưởng không có tương quan với quyết định mua hàng trực tuyến của KH nước ngoài.

- H1: nhân tố F1 có tương quan với quyết định mua hàng trực tuyến của KH nước ngoài.

- H2: nhân tố F2 có tương quan với quyết định mua hàng trực tuyến của KH nước ngoài.

- H3: nhân tố F3 có tương quan với quyết định mua hàng trực tuyến của KH nước ngoài.

- H4: nhân tố F4 có tương quan với quyết định mua hàng trực tuyến của KH nước ngoài.

- H5: nhân tố F5 có tương quan với quyết định mua hàng trực tuyến của KH

Trường Đại học Kinh tế Huế

nước ngoài.

2.3.4.2 Ma trận hệsố tương quan giữa các biến

Thực hiện phân tích hệ số tương quan Pearson

Trước khi tiến hành hồi quy, chúng ta sẽphân tích hệsố tương quan cho 5 biến độc lập với 1 biến phụthuộc.

Các biến được đưa vào kiểm tra mối tương quan bao gồm 5 biến độc lập là“Đặc tính sản phẩm và công ty”, “Kinh nghiệm cá nhân”, “Tính dễ sửdụng”, “Tính hữu ích”,

“Rủi ro” và 1 biến phụ thuộc là “ Quyết định mua”. Nếu các biến độc lập này có mối tương quan với biến phụthuộc thì việc phân tích hồi quy mới có ý nghĩa thống kê.

Bảng 2.14: Hệ số tương quan Pearson

QDM DT KN DSD HI RR

QDM Pearson Correlation

1 0.524^** 0.422^** 0.314^** 0.298^** 0.341^**

Sig. (2-tailed)

0.000 0.000 0.000 0.001 0,000

(Nguồn: Tác giảxửlý SPSS từkết quảkhảo sát KHnăm2020) Từbảng trên có thểnhận thấy rằng tất cả5 biến được đưa vào kiếm định tương quan đều có giá trị Sig < 0.05. Như vậy cả 5 biến độc lập đều có mối tương quan với biến phụ thuộc “Quyết định mua” và sự tương quan này có ý nghĩa về mặt thống kê.

Tất cả5 nhân tố này đều được sửdụng đểthực hiện hồi quy.

2.3.4.3 Đánh giá mức độphù hợp của mô hình hồi quy tuyến tính bội

Để đánh giá độphù hợp của mô hình, ta sửdụng giá trị R² điều chỉnh và kiểm định ANOVA.

Bảng 2.15: Thống kê phân tích hệ số hồi quy (Model summary) Model Summary^b

Mô

hình R R² R²hiệu chỉnh Ước lượng độ

lệch chuẩn Durbin-Watson

1 .784^a 0.615 0.598 0.32572 1.621

(Nguồn: Tác giảxửlý SPSS từkết quảkhảo sát KHnăm 2020) Để đánh giá độphù hợp của mô hình ta sửdụng hệsố xác định R²đểkiểm tra.

Trường Đại học Kinh tế Huế

Sau khi chạy hồi quy tuyến tính bội với phương pháp đưa vào một lượt (Enter) ta có hệsốR² hiệu chỉnh = 0,598 > 0,5, điều này có nghĩa là độ phù hợp của mô hình là 59.8% hay 59.8% sự biên thiên của nhân tốphụthuộc“Quyết định mua” là do các nhân tố độc lập tác động vào, còn lại là tác động của các yếu tốkhác ngoài mô hình.

Bảng 2.16: Kiểm định độ phù hợp ANOVA ANOVA^a

Mô hình Tổng bình

phương df Trung bình

bình phương F Sig.

Hồi quy 19.305 5 3.861 36.392 0,000^b

Số dư 12.095 114 0.106

Tổng 31.399 119

(Nguồn: Tác giảxửlý SPSS từkết quảkhảo sát KHnăm 2020) Kiểm định F sửdụng trong bảng phương sai với giảthuyết:

 H0: Mô hình hồi quy tuyến tính là phù hợp (β₁ = β₂ = β₃ = β₄=0)

 H1: Mô hình hồi quy tuyến tính không phù hợp (tồn tại ít nhất 1 β khác 0) Nhìn vào kết quả phân tích ANOVA ở bảng trên cho thấy giá trị Sig. = 0,000 < 0,05 do vậy bác bỏ giả thuyết H₀. Như vậy, sự kết hợp giữa các biến độc lập giải thích được tốt các thay đổi của biến phụ thuộc “Quyết định mua”, mô hình hồi quy tuyến tính được xem là phù hợp.

2.3.4.4 Kiểm định các khiếm khuyết của mô hình hồi quy tuyến tính bội Kiểm định sự tự tương quan

Tra bảng thống kê Durbin-Watson với sốmẫu quan sát bằng 120 và 5 biến độc lập trong mô hình hồi quy ta có du = 1.621. Như vậy, điều kiện để không có hiện tượng tự tương quan trong mô hình là đại lượng đại lượng Durbin-Watson phải nằm trong khoảng (1<d<3) lúc này ta có thể kết luận các phần dư là độc lập với nhau. Kết quảkiểm định Durbin–Waston khi phân tích hồi quy cho giá trị d=1.621 rơi vào miền chấp nhận giảthuyết không có tương quan chuỗi bậc nhất (Theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc, trang 234, tập 1). Do đó, ta có thểkết luận không có hiện tượng tự tương quan trong mô hình.

Kiểm định phân phối chuẩn của sai số ei

Trường Đại học Kinh tế Huế

Với giảthuyết H₀: sai sốcó phân phối chuẩn

Từbiểu đồ ta thấy được, một đường cong phân phối chuẩn được đặt chồng lên biểu đồ tần số. Đường cong này có dạng hình chuông, phù hợp với dạng đồ thị của phân phối chuẩn. Giá trị trung bình Mean gần bằng 0, độlệch chuẩn là 0,979 gần bằng 1, như vậy có thể nói, phân phối phần dư xấp xỉ chuẩn. Do đó, có thể kết luận rằng:

Giảthiết phân phối chuẩn của phầndưkhông bị vi phạm.

Biểu đồ 1: Biểu đồ phân phối của phần dư

Kiểm tra đa cộng tuyến

Độ chấp nhận của biến (Tolerances) và hệ số phóng đại phương sai (Variance inflation factor – VIF) được dùng để phát hiện hiện tượng đa cộng tuyến. Quy tắc là khi VIF vượt quá 10 là dấu hiệu của đa cộng tuyến.

Tuy nhiên trên thực tếvới các đề tài nghiên cứu có mô hình + bảng câu hỏi sử dụng thang đo Likert thì VIF < 2 sẽ không có đa cộng tuyến, trường hợp hệsốnày lớn hơn hoặc bằng 2, khả năng cao đang có sự đa cộng tuyến giữa các biến độc lập. (Theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc).

Bảng 2.17: Coefficients^a

Model Tolerances VIF

Đặc tính 0.920 1.086

Kinh nghiệm 0.954 1.048

Tính dễsửdụng 0.963 1.039

Tính hữu ích 0.947 1.056

Rủi ro 0.945 1.058

Trường Đại học Kinh tế Huế

Kết quả phân tích hồi quy cho thấy hệ số VIF nhỏ hơn 2 và độ chấp nhận của biến (Tolerance) lớn hơn 0,1 nên có thể bác bỏ giả thuyết mô hình bị đa cộng tuyến.

(Theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc).

Từ đó, mô hình hồi quy được viết lại như sau:

Quyết định mua= (0.406xĐặc tính) + (0.365xKinh nghiệm) + ( 0.315xDễ sử dụng) + (0.209xHữu ích) + (0.255xRủi ro)

Từkết quả chạy phân tích EFA cho ra 5 biến độc lập như đã trình bàyở trên, khi đưa vào hồi quy thì cả5 yếu tố đều được giữlại.

Thông qua hệ số β trong mô hình hồi quy, ta biết được mức độquan trọng của các nhân tố tham gia vào phương trình. Các hệ số β đều có giá trị dương chứng tỏcác biến độc lập đều có tác động cùng chiều đến biến phụthuộc.

Nhìn chung, có tất cả 5 nhân tố có ảnh hưởng đến biến phụ thuộc. Và bất cứ một sự thay đổi nào của một trong 5 nhân tố trên đều có thểtạo nên sự thay đổi đối với quyết định mua hàng trực tuyến của KH.

2.3.4.5 Giải thích ý nghĩa của các hệsốtrong mô hình

Từ phương trình hồi quy tuyến tính, ta có thể thấy được quyết định mua hàng trực tuyến của KHnước ngoài chịuảnh hưởng chính của năm yếu tố:

Biến “Đặc tính sản phẩm và công ty” có tác động lớn nhất đến biến phụ thuộc với giá trị β = 0,406 có nghĩa trong điều kiện các biến khác không thay đổi khi biến “Đặc tính sản phẩm và công ty” tăng lên 1 đơn vị thì“Quyết định mua” sẽ tăng lên 0,406 đơn vị.

Biến “Kinh nghiệm cá nhân” có tác động lớn thứ2 với gái trị β = 0,365 có nghĩa là trong điều kiện các biến khác không thay đổi khi biến “Kinh nghiệm cá nhân”

tăng lên 1 đơn vịthì“Quyết định mua”sẽ tăng lên 0,365 đơn vị.

Biến “Dễ sử dụng” có tác động lớn thứ 3 với gái trị β = 0,315 có nghĩa là trong điều kiện các biến khác không thay đổi khi biến“Dễsửdụng”tăng lên 1 đơn vịthì

“Quyết định mua”sẽ tăng lên 0,315 đơn vị.

Biến “Hữu ích” có tác động lớn thứ4 với gái trị β = 0,209có nghĩa là trong điều kiện các biến khác không thay đổi khi biến“Hữu ích”tăng lên 1 đơn vịthì “Quyết định mua”sẽ tăng lên 0,209 đơn vị.

Biến “Rủi ro” có tác động lớn thứ 5 với gái trị β = 0,255 có nghĩa là trong điều kiện các biến khác không thay đổi khi biến “Rủi ro”tăng lên 1 đơn vị thì “Quyết định mua”sẽ tăng lên 0,255 đơn vị.

Nói tóm lại, các yếu tố trên đều có tác động khác nhau tới quyết định mua của

Trường Đại học Kinh tế Huế

KH. Chính vì thếtùy theo mức độ tác động như thế nào mà cần đưa ra những sự điều chỉnh cho hợp lý để làm tăng doanh sốbán hàng.

2.3.5 Kiểm định giá trị trung bình để đánh giá mức độ tác động của các yếu tố đến

Trong tài liệu PHÂN TÍCH CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN QUYẾT ĐỊNH MUA HÀNG TRỰC TUYẾN CỦA KHÁCH HÀNG NƯỚC NGOÀI THÔNG QUA MÔ HÌNH DROPSHIPPING TẠI CÔNG TY TNHH MTV THIẾT KẾ VGROUP (Trang 78-84)