Phân tích hồi quy

2.2.5.1. Mô hình hồi quy tổng quát

 Mô hình hồi quy tổng quát Y = βo + β₁X₁+ β₂X₂+ β₃X₃+ ... + εᵢ Trong đó:

Y: Biến phụ thuộc

βo: Hệ số chặn (hằng số) βi: Hệ số hồi quy riêng

Xi: Các biến độc lập trong mô hình

εᵢ: biếnđộc lập ngẫu nhiên có phân phối chuẩn với trung bình là 0 và phương sai không đổi σ²

 Mô hình hồi quy ban đầu

Đại học kinh tế Huế

Sau khi đánh giá thang đo bằng hệ số Cronbach’s alpha và phân tích nhân tố khám phá EFA, ta đã xác định được 6 nhân tố ảnh hưởng đếnquyết định lựa chọn của khách hàng cá nhân đối với sản phẩm máy tính của công ty TNHH Lạc Việt. Đó là Giá cả (GC), Cấu hình, tính năng máy tính (CH), Thương hiệu, Dịch vụ bảo hành và chăm sóc khách hàng (BH), Khuyến mãi (KM), Nhóm tham khảo (NTK).

. Mô hình quyết định mua ban đầu được thể hiện như sau:

QDC = βo + β₁*GC + β₂*CH + β₃*TH + β₄*BH + β₅*KM + β₆*NTK + εᵢ

Trong đó: QDC là giá trị biến phụ thuộc: Quyết định chung của khách hàng cá nhân trong quyết định mua sản phẩm máy tính tại công ty TNHH Lạc Việt. Các giả thuyết cho mô hình:

Ho: Các nhân tố chính không có mối tương quan với quyết định chung của khách hàng cá nhân trong quyết định mua sản phẩm máy tính tại công ty TNHH Lạc Việt.

H₁: Nhân tố GC có tương quan với quyết định chung của khách hàng cá nhân trong quyết định mua sản phẩm máy tính tại công ty TNHH Lạc Việt.

H₂: Nhân tố CH có tương quan với quyết định chung của khách hàng cá nhân trong quyết định mua sản phẩm máy tính tại công ty TNHH Lạc Việt.

H₃: Nhân tố TH có tương quan với quyết định chung của khách hàng cá nhân trong quyết định mua sản phẩm máy tính tại công ty TNHH Lạc Việt.

H₄: Nhân tố BH có tương quan với định chung của khách hàng cá nhân trong quyết định mua sản phẩm máy tính tại công ty TNHH Lạc Việt

H_5:Nhân tố KM có tương quan với quyết định chung của khách hàng cá nhân trong quyết định mua sản phẩm máy tính tại công ty TNHH Lạc Việt

H_{6: :}Nhân tố NTK có tương quan với quyết định chung của khách hàng cá nhân trong quyết định mua sản phẩm máy tính tại công ty TNHH Lạc Việt

2.2.5.2. Kiểm định hệ số tương quan

Bước đầu tiên trong phân tích hồi quy tuyến tính, ta xem xét các mối quan hệ tương quan tuyến tính giữa biến phụ thuộc và từng biến độc lập, cũng như giữa các biến độc lập với nhau. Nếu hệ số tương quan giữa các biến ohuj thuộc và biến độc lập lớn chứng tỏ chúng có mối quan hệ tuyến tính với nhau và phân tích hồi quy tuyến tính có thể phù hợp.

Đại học kinh tế Huế

Mặt khác giữa các biến độc lập cũng có tương quan tuyến tính với nhau thì đó cũng là dấu hiệu cho biết giữa chúng có thể xảy ra hiện tượng đa cộng tuyến trong mô hình chúng ta đang xét.

Với giả thuyết: Ho là: Hệ số tương quan hạng của tổng thể bằng 0.

H₁: Có sự tương quan giữa các biến độc lập và biến phụ thuộc Bảng 2.10. Ma trận tương quan giữa các biến

QDC GC CH TH BH KM NTK

QDC Hệ số tương quan 1 0,417^** 0,417^** 0,844^** 0,265^** 0,347^** 0,320^**

Giá trị sig 0,000 0,000 0,000 0,000 0,000 0,000

N 150 150 150 150 150 150 150

GC Hệ số tương quan 0,417^** 1 1,000^** 0,442^** 0,437^** 0,337^** 0,387^**

Giá trị sig 0,000 0,000 0,000 0,000 0,000 0,000

N 150 150 150 150 150 150 150

CH Hệ số tương quan 0,417^** 1,000^** 1 0,442^** 0,437^** 0,337^** 0,387^**

Giá trị sig 0,000 0,000 0,000 0,000 0,000 0,000

N 150 150 150 150 150 150 150

TH Hệ số tương quan 0,844^** 0,442^** 0,442^** 1 0,387^** 0,417^** 0,406^**

Giá trị sig 0,000 0,000 0,000 0,000 0,000 0,000

N 150 150 150 150 150 150 150

BH Hệ số tương quan 0,265^** 0,437^** 0,437^** 0,387^** 1 0,451^** 0,347^**

Giá trị sig 0,000 0,000 0,000 0,000 0,000 0,000

N 150 150 150 150 150 150 150

KM Hệ số tương quan 0,347^** 0,337^** 0,337^** 0,417^** 0,451^** 1 0,322^**

Giá trị sig 0,000 0,000 0,000 0,000 0,000 0,000

N 150 150 150 150 150 150 150

NTK Hệ số tương quan 0,320^** 0,387^** 0,387^** 0,406^** 0,347^** 0,322^** 1

Giá trị sig 0,000 0,000 0,000 0,000 0,000 0,000

N 150 150 150 150 150 150 150

(Nguồn: Xử lý số liệu spss) Với mức ý nghĩa 0,01, giá trị Sig. của các nhân tố “GC”, “CH”, “TH”, “BH”,

“KM”, “NTK” đều nhỏ hơn 0,01, điều này cho thấy các nhân tố này đều tương quan khá

Đại học kinh tế Huế

mạnh với biến quyết định chung của khách hàng cá nhân đối với sản phẩm máy tính của công ty TNHH Lạc Việt.

Cụ thể, mối tương quan giữa biến Quyết định chung (QDC) và biến Giá cả (GC) là 0,417; tương quan giữa biến Quyết định chung (QDC) và biến Cấu hình, tính năng máy tính (CH) là 0,417; tương quan giữa biến Quyết định chung (QDC) và biến Thương hiệu (TH) là 0,844; tương quan giữa biến Quyết định chung (QDC) và biến dịch vụ bảo hành và chăm sóc khách hàng (BH) là 0,265; tương quan giữa biến Quyết định chung (QDC) và biến Khuyến mãi (KM) là 0,347; tương quan giữa biến Quyết định chung (QDC) và biến Nhóm tham khảo (NKT) là 0,320.

2.2.5.3. Đánh giá độ phù hợp của mô hình

Mô hình thường không phù hợp với dữ liệu thực tế như giá trị R²thể hiện. Trong tình huống này R² hiệu chỉnh (Adjusted R Square) từ R² được sử dụng để phản ánh sát hơn mức độ phù hợp của mô hình hồi quy tuyến tính đa biến.

Như vậy, để đánh giá độ phù hợ của mô hình, ta dùng dùng hệ số xác định R² hiệu chỉnh. R²hiệu chỉnh càng lớn, thể hiện độ phù hợp mô hình càng cao.

Bảng 2.11. Mô hình hồi quy tóm tắt Mô

hình R R bình phương

R bình phương hiệu chỉnh

Sai số chuẩn của ước lượng

Durbin-Watson

0,851^a 0,724 0,718 0,31635 2,068

(Nguồn: Xử lý số liệu spss) Mô hình hồi quy được xây dựng với hệ số R bình phương hiệu chỉnh bằng 0,718 cho biết trong mô hình các biến độc lập giải thích được 71,8% sự thay đổi của biến phụ thuộc. Sự phù hợp của mô hình được kiểm định ở phần sau. Điều đó cho thấy biến phụ thuộc chịu ảnh hưởng tương đối bởi các biến độc lập.

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.

Bước tiếp theo trong phân tích mô hình hồi quy là kiểm định F về độ phù hợp của mô hình hồi quy tuyến tính tổng thể.

Giả thuyết:

Đại học kinh tế Huế

Ho: β_{1 =}β_{2 =}β_{3 =}β_{4 =}0: Các biến “GC”, “CH”, “TH”, “BH”, “KM”, “NTK” không giải thích được sự thay đổi của biến quyết định chung (QDC)

H1: β_i # 0: Có ít nhất một biến độc lập trong mô hình giải thích được sự thay đổi của biến quyết định chung (QDC)

Kết quả kiểm định:

Bảng 2.12. Kiểm định sự phù hợp của mô hình hồi quy

Mô hình

Tổng bình

phương Df

Trung bình

bình phương F Sig,

1 Hồi quy 58,790 5 11,758 117,487 0,000^a

Phần dư 22,418 144 0,100

Tổng 81,208 149

(Nguồn: Xử lý số liệu spss) Kết luân:

Sig=0,00 < 0,05, nên với mức độ tin cậy là 95%, có thể khẳng định rằng mô hình hồi quy tuyến tính bội của ta phù hợp với tập dữ liệu và có thể suy rộng ra cho tổng thể.

2.2.5.4. Kiểm định phân phối chuẩn của phần dư

Đại học kinh tế Huế

(Nguồn: Xử lý số liệu spss) Ta có: Đồ thị có dạng phân phối chuẩn, có Mean gần bằng 0 và Std.Deviation =1.

Nên phần dư có phân phối chuẩn.

2.2.5.5. Kiểm định hiện tượng đa cộng tuyến

Bảng 2.13. Kiểm định hiện tượng đa cộng tuyến

Mô hình Đo lường đa cộng tuyến

Độ chấp nhận Hệ số phóng đại phương sai (VIF)

GC 0,832 1,202

CH 0,772 1,295

TH 0,895 1,117

BH 0,797 1,254

KM 0,838 1,193

NTK 0,768 1,303

(Nguồn: Xử lý số liệu spss) Với độ chấp nhận (Tolerance) lớn và hệ số phóng đại phương sai (Variance Inflation Factor – VIF) của các biến nhỏ, mô hình hồi quy không vi phạm hiện tượng đa cộng tuyến. Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008 mô hình hồi quy vi phạm hiện tượng đa cộng tuyến khi có giá trị VIF lớn hơn 2.

2.2.5.6. Kết quả phân tích hồi quy đa biến

Bảng 2.14. Kết quả phân tích hồi quy đa biến

Mô hình

Hệ số Beta chưa chuẩn hóa

Hệ số Beta chuẩn hóa

t Sig,

B Std, Error Beta

1 (Constant) 0,557 0,299 1,863 0,064

GC 0,381 0,075 0,381 5,096 0,000

CH 0,166 0,075 0,166 2,224 0,028

TH 0,176 0,072 0,200 2,439 0,016

BH -0,007 0,068 -0,006 -0,100 0,921

KM 0,308 0,075 0,260 4,124 0,000

NTK 0,200 0,055 0,229 3,644 0,000

(Nguồn: Xử lý số liệu spss) Như vậy, dựa vào bảng trên, ta thấy 5 biến độc lập là GC, CH, TH, KM, NTK có giá trị Sig. < 0,05 nên cả năm biến này giải thích được sự biến thiên về quyết định chung của khách hàng cá nhân đối với việc mua máy tính tại công ty TNHH Lạc Việt. Tuy

Đại học kinh tế Huế

nhiên, biến độc lập BH có giá trị Sig = 0,921 > 0,05 do đó chúng không có ý nghĩa thống kê.

Kết quả của mô hình hồi quy dựa vào giá trị của hệ số Beta chuẩn hóa. Hệ số Beta chuẩn hóa được dùng để đánh giá mức độ quan trọng của từng nhân tố, hệ số Beta chuẩn hóa của biến nào càng cao thì mức độ tác động của biến đó về quyết định chung của khách hàng cá nhân đối với việc mua máy tính tại công ty TNHH Lạc Việt.

Ta có mô hình hồi quy như sau:

QDC = 0,557+ 0,381*GC + 0,166*CH + 0,2*TH + 0,26*KM +0,229*NTK

 Hệ số β₁ = 0,381 nghĩa là khi mức độ đánh giá đối với cấu hình và tính năng của máy tăng lên một đơn vị sẽ giúp cho quyết định mua sản phẩm máy tính của công ty tăng lên trung bình 0,381 đơn vị, trong trường hợp không có sự ảnh hưởng của các biến độc lập khác.

 Hệ số β₂ = 0,166 nghĩa là khi mức độ đánh giá đối với giá cả tăng lên một đơn vị sẽ giúp cho quyết định mua sản phẩm máy tính của công ty tăng lên trung bình 0,166 đơn vị, trong trường hợp không có sự ảnh hưởng của các biến độc lập khác.

 Hệ số β₃ = 0,2 nghĩa là khi mức độ đánh giá về thương hiệu và chính sách khuyến mãi tăng lên một đơn vị sẽ giúp cho quyết định mua sản phẩm máy tính của công ty tăng lên trung bình 0,2 đơn vị, trong trường hợp không có sự ảnh hưởng của các biến độc lập khác.

 Hệ số β₄ = 0,26 nghĩa là khi mức độ đánh giá về tác động của nhóm tham khảo tăng lên một đơn vị sẽ giúp cho quyết định mua sản phẩm máy tính của công ty tăng lên trung bình 0,26 đơn vị, trong trường hợp không có sự ảnh hưởng của các biến độc lập khác

 Hệ số β₅ = 0,229 nghĩa là khi mức độ đánh giá về dịch vụ bảo hành và chăm sóc khách hàng tăng lên một đơn vị sẽ giúp cho quyết định mua sản phẩm máy tính

Trong tài liệu NGHIÊN CỨU CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN QUYẾT ĐỊNH LỰA CHỌN MUA CỦA KHÁCH HÀNG CÁ NHÂN ĐỐI VỚI SẢN PHẨM MÁY TÍNH TẠI CÔNG TY TNHH LẠC VIỆT (Trang 74-80)