Các yếu tố ảnh hưởng đến hành vi mua sách trực tuyến- chương 4: Kết quả (Phần 2)

  4.4. Phân tích hồi quy bội MLR (Multiple Linear Regression)

4.4.1. Ma trận hệ số tương quan giữa các biến

Bước đầu tiên khi tiến hành phân tích hồi quy bội là xem xét các mối 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 biến phụ thuộc và các biến độc lập lớn chứng tỏ giữa chúng có mối quan hệ với nhau và phân tích hồi quy có thể phù hợp. Vì thế, ta xem xét bảng ma trận hệ số tương quan giữa các biến (Bảng 4.12) được trình bày dưới đây

  Kết quả từ Bảng 4.12 cho thấy, các biến độc lập có tương quan với biến phụ thuộc, đồng thời các biến độc lập đạt giá trị phân biệt. Vì thế, tác giả tiếp tục đưa tất cả các biến vào phân tích hồi quy bội để phân tích sự tác động của các biến độc lập đến biến phụ thuộc.

4.4.2. Xây dựng mô hình hồi quy

Phương pháp được dùng để kiểm định mô hình nghiên cứu và các giả thuyết nghiên cứu là phương pháp phân tích hồi quy bội. Phân tích hồi quy bội sẽ giúp chúng ta biết được cường độ tác động của các biến độc lập lên biến phụ thuộc.

Kết quả phân tích hồi quy bội bằng phần mềm xử lý thống kê SPSS 20.0 với phương pháp Enter (đồng thời) được thể hiện trên Bảng 4.13, 4.14 và 4.15 như sau:

Xem thêm:  Hồi quy tuyến tính trên SPSS

4.4.2.1. Kiểm định mức độ phù hợp của mô hình

Trong mô hình hồi quy bội, vì có nhiều biến độc lập nên chúng ta phải dùng hệ số xác định điều chỉnh R2 (Adjusted R Square) để đánh giá độ phù hợp của mô hình. Kết quả tóm tắt mô hình hồi quy bội được thể hiện trên Bảng 4.13 cho thấy, hệ số xác định R2 = 0,773 (≠ 0) và R2 hiệu chỉnh = 0,768. Kiểm định F (Bảng 4.14 phân tích phương sai ANOVA) cho thấy mức ý nghĩa Sig = 0,000. Kiểm định đa cộng tuyến (Bảng 4.15), chúng ta nhận thấy VIF (Variance Inflation Factor) của các biến độc lập đều nhỏ hơn 2. Như vậy, mô hình hồi quy phù hợp. Hay nói cách khác, các biến độc lập giải thích được 76,8% phương sai của biến phụ thuộc ý định mua sách trực tuyến của người tiêu dùng TP. HCM (IN).

4.4.2.2. Xác định tầm quan trọng của các biến trong mô hình

Bảng trọng số hồi quy (Bảng 4.15) cho thấy, trong sáu biến được đưa vào mô hình hồi quy thì có năm biến có tác động có ý nghĩa đến ý định mua sách trực tuyến của người tiêu dùng TP. HCM đó là sự tin tưởng (TR), nhận thức sự thích thú (EN), nhận thức tính hữu ích (PU), ảnh hưởng xã hội (SI) và sự tiện lợi (CO) vì cả năm biến đều có Sig. = 0,000. Còn yếu tố nhận thức rủi ro (PR) tác động không có ý nghĩa đến ý định mua sách trực tuyến của người tiêu dùng TP. HCM (Sig = 0,107 > 0,05).

Về cường độ ảnh hưởng (tầm quan trọng) của các biến độc lập lên biến phụ thuộc được so sánh thông qua hệ số Beta chuẩn hóa. Căn cứ vào kết quả trên Bảng 4.15 cho chúng ta thấy có năm yếu tố tác động đến ý định mua sách trực tuyến được xếp theo thứ tự quan trọng giảm dần như sau: sự tin tưởng (β=0,323); nhận thức sự thích thú (β=0,307); nhận thức tính hữu ích (β=0,295); ảnh hưởng xã hội (β=0,159); và cuối cùng là sự tiện lợi (β=0,144).

Như vậy, kết quả kiểm định các giả thuyết nghiên cứu chính thức (với mức ý nghĩa 0,05) được thể hiện trong bảng 4.16 như sau:

4.4.2.3. Dò tìm sự vi phạm các giả định cần thiết trong hồi quy tuyến tính

Kiểm tra giả định liên hệ tuyến tính: Phương pháp được sử dụng là đồ thị Scatterplot với giá trị phần dư chuẩn hóa (Standardized Residual) trên trục tung và giá trị dự đoán chuẩn hóa (Standardized Predicted Value) trên trục hoành. Nếu giả định liên hệ tuyến tính và phương sai bằng nhau được thỏa mãn, thì ta sẽ không nhận thấy có liên hệ gì giữa các giá trị dự đoán và phần dư, chúng sẽ phân tán rất ngẫu nhiên (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008, tập 1, trang 224).

Quan sát hình 4.1, ta thấy các phần dư phân tán ngẫu nhiên chứ không tạo thành một hình dạng nào. Điều này có nghĩa là giả định liên hệ tuyến tính không bị vi phạm.

Kiểm tra giả định về phân phối chuẩn của phần dư: Phần dư có thể không tuân theo phân phối chuẩn vì những lý do như: sử dụng sai mô hình, phương sai không phải là hằng số, số lượng các phần dư không đủ nhiều để phân tích… (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008, tập 1, trang 228). Chúng ta sẽ sử dụng các biểu đồ tần số (Histogram, P-P plot) của các phần dư (đã được chuẩn hóa) để kiểm tra giả định này.

Kết quả biểu đồ tần số Histogram của phần dư được thể hiện trong Hình 4.2 cho thấy phân phối phần dư xấp xỉ chuẩn (trung bình Mean = 9,54*10-7 gần bằng 0 và độ lệch chuẩn Std. Dev. = 0,988 tức là gần bằng 1). Điều này có nghĩa là giả định về phân phối chuẩn của phần dư không bị vi phạm.

Kết quả biểu đồ tần số P-P plot được thể hiện trong Hình 4.3 cho thấy các điểm quan sát không phân tán quá xa đường thẳng kỳ vọng, nên ta có thể kết luận là giả định về phân phối chuẩn của phần dư không bị vi phạm.

 Kiểm tra giả định về tính độc lập của sai số (không có tương quan giữa các phần dư): Ta dùng đại lượng thống kê Durbin-Watson (d) để kiểm định tương quan của các sai số kề nhau (tương quan chuỗi bậc nhất). Giả thuyết khi tiến hành kiểm định này là:

H0: hệ số tương quan tổng thể của các phần dư = 0

Đại lượng d có giá trị biến thiên trong khoảng từ 0 đến 4. Nếu các phần dư không có tương quan chuỗi bậc nhất với nhau, giá trị d sẽ gần bằng 2 (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008, tập 1, trang 232-233). Theo kết quả từ Bảng 4.13, giá trị d = 1,913 < 2 có nghĩa là giá trị d tính được rơi vào miền chấp nhận giả thuyết không có tương quan chuỗi bậc nhất. Như vậy, ta có thể kết luận là không có tương quan giữa các phần dư.

Kiểm tra giả định không có mối tương quan giữa các biến độc lập (đo lường Đa cộng tuyến): Cộng tuyến là trạng thái trong đó các biến độc lập có tương quan chặt chẽ với nhau (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008, tập 1, trang 235). Các công cụ chuẩn đoán giúp ta phát hiện sự tồn tại của cộng tuyến trong dữ liệu và đánh giá mức độ cộng tuyến làm thoái hóa các tham số được ước lượng là: Độ chấp nhận của biến (Tolerance), hệ số phóng đại phương sai (Variance Inflation Factor - VIF). Nếu độ chấp nhận của một biến nhỏ, thì nó gần như là một kết hợp tuyến tính của các biến độc lập khá, và đó là dấu hiệu của Đa cộng tuyến. Hệ số phóng đại phương sai VIF là nghịch đảo của độ chấp nhận biến (Tolerance). Khi Tolerance nhỏ thì VIF lớn, quy tắc là khi VIF vượt quá 10, đó là dấu hiệu của Đa cộng tuyến (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008, tập 1, trang 251 - 252).

Nhìn kết quả từ Bảng 4.15 cho thấy, các hệ số phóng đại phương sai VIF của các biến độc lập khá nhỏ, cao nhất là 1,572 < 2, trong khi đó hệ số VIF của một biến độc lập > 10 mới được xem là có hiện tượng đa cộng tuyến. Do đó, ta có thể bác bỏ giả thuyết mô hình đa cộng tuyến. Điều này có nghĩa là không có mối tương quan giữa các biến độc lập hoặc không có hiện tượng đa cộng tuyến.

Như vậy, mô hình hồi quy bội được xây dựng không vi phạm các giả định cần thiết trong hồi quy tuyến tính.

4.5. Kiểm định sự khác biệt về ý định mua sách trực tuyến của người tiêu dùng TP. HCM theo các đặc điểm cá nhân người tiêu dùng

Sau khi thực hiện phân tích hồi quy bội, tác giả tiến hành kiểm định sự khác biệt về ý định mua sách trực tuyến của người tiêu dùng TP. HCM để tìm kiếm khám phá dữ liệu theo các biến định tính: giới tính, độ tuổi, thu nhập, trình độ học vấn, nghề nghiệp.

4.5.1. Kiểm định sự khác biệt theo giới tính

Để đánh giá sự khác biệt giữa các nhóm người tiêu dùng phân theo giới tính, tác giả sử dụng phép kiểm định Independent-Sample T-test cùng mức ý nghĩa 5% (tức là độ tin cậy 95%), tác giả thu được kết quả như sau:

Kết quả tại Bảng 4.17 cho thấy trong kiểm định Levene, giá trị Sig. của IN bằng 0,110 > 0,05 thì phương sai giữa 2 nhóm giới tính của người tiêu dùng không khác nhau. Tác giả sẽ sử dụng kết quả kiểm định t ở phần giả định phương sai bằng nhau, với Sig. của IN bằng 0,619 > 0,05. Do đó, tác giả có thể kết luận rằng: Ở độ tin cậy 95%, không có sự khác biệt có ý nghĩa thống kê về ý định mua sách trực tuyến của người tiêu dùng TP. HCM giữa hai nhóm người tiêu dùng nam và nữ.

4.5.2. Kiểm định sự khác biệt theo độ tuổi

Để đánh giá sự khác biệt giữa các nhóm người tiêu dùng phân theo độ tuổi, tác giả tiến hành phân tích phương sai ANOVA với mức ý nghĩa = 5% (tức là độ tin cậy 95%), tác giả thu được kết quả như sau:

Kết quả kiểm định ANOVA từ SPSS 20.0 cho thấy: kiểm định Levene về phương sai đồng nhất không có ý nghĩa (Sig. = 0,812 > 0,05; Bảng 4.18), nghĩa là không có sự khác biệt về phương sai của các nhóm. Tiếp theo, kết quả kiểm định sự khác biệt giữa các nhóm cũng cho thấy không có sự khác biệt giữa các nhóm (Sig. = 0,376 > 0,05; Bảng 4.19). Vậy, ta có thể kết luận: Ở độ tin cậy 95% không có sự khác biệt có ý nghĩa thống kê về ý định mua sách trực tuyến giữa bốn nhóm người tiêu dùng có độ tuổi khác nhau.

4.5.3. Kiểm định sự khác biệt theo thu nhập

Để đánh giá sự khác biệt giữa các nhóm người tiêu dùng phân theo mức thu nhập, tác giả tiến hành phân tích phương sai ANOVA với mức ý nghĩa = 5% (tức là độ tin cậy 95%), tác giả thu được kết quả như sau:

Kết quả kiểm định ANOVA từ SPSS 20.0 cho thấy: kiểm định Levene về phương sai đồng nhất không có ý nghĩa (Sig. = 0,849 > 0,05; Bảng 4.20), nghĩa là không có sự khác biệt về phương sai của các nhóm. Tiếp theo, kết quả kiểm định sự khác biệt giữa các nhóm cũng cho thấy không có sự khác biệt giữa các nhóm (Sig. = 0,737 > 0,05; Bảng 4.21). Vậy, ta có thể kết luận: Ở độ tin cậy 95% không có sự khác biệt có ý nghĩa thống kê về ý định mua sách trực tuyến giữa bốn nhóm người tiêu dùng có thu nhập khác nhau.

4.5.4. Kiểm định sự khác biệt theo trình độ học vấn

Để đánh giá sự khác biệt giữa các nhóm người tiêu dùng phân theo trình độ học vấn, tác giả tiến hành phân tích phương sai ANOVA với mức ý nghĩa = 5% (tức là độ tin cậy 95%), tác giả thu được kết quả như sau:

Kết quả kiểm định ANOVA từ SPSS 20.0 cho thấy: kiểm định Levene về phương sai đồng nhất không có ý nghĩa (Sig. = 0,584 > 0,05; Bảng 4.22), nghĩa là không có sự khác biệt về phương sai của các nhóm. Tiếp theo, kết quả kiểm định sự khác biệt giữa các nhóm cũng cho thấy không có sự khác biệt giữa các nhóm (Sig. = 0,554 > 0,05; Bảng 4.23). Vậy, ta có thể kết luận: Ở độ tin cậy 95% không có sự khác biệt có ý nghĩa thống kê về ý định mua sách trực tuyến giữa ba nhóm người tiêu dùng có trình độ học vấn khác nhau.

4.5.5. Kiểm định sự khác biệt theo nghề nghiệp

Để đánh giá sự khác biệt giữa các nhóm người tiêu dùng phân theo nghề nghiệp, tác giả tiến hành phân tích phương sai ANOVA với mức ý nghĩa = 5% (tức là độ tin cậy 95%), tác giả thu được kết quả như sau:

Kết quả kiểm định ANOVA từ SPSS 20.0 cho thấy: kiểm định Levene về phương sai đồng nhất có ý nghĩa (Sig. = 0,015 < 0,05; Bảng 4.24), nghĩa là có sự khác biệt về phương sai của các nhóm. Tiếp theo, kết quả kiểm định sự khác biệt giữa các nhóm cho thấy không có sự khác biệt giữa các nhóm (Sig. = 0,507 > 0,05; Bảng 4.25). Tiếp theo, tác giả dùng phép kiểm định hậu ANOVA (ANOVA Post Hoc tests) đối với yếu tố ý định mua sách trực tuyến vì do phương sai khác nhau (Sig. = 0,015 < 0,05; Bảng 4.24). Phương pháp kiểm định được sử dụng trong trường hợp này là Tamhane’s T2 (kiểm định t từng cặp trường hợp phương sai khác nhau) (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008, tập 1, trang 152). Qua kết quả ở bảng kiểm định Post Hoc ý định mua sách trực tuyến của người tiêu dùng TP. HCM (Bảng 4.26) cho thấy không có sự khác biệt có ý nghĩa thống kê về ý định mua sách trực tuyến giữa ba nhóm người tiêu dùng có nghề nghiệp khác nhau vì mức ý nghĩa Sig. giữa các nhóm đều lớn hơn 0,05.

Tóm tắt chương 4

Với mục đích kiểm định các thang đo, kiểm định mô hình lý thuyết và các giả thuyết nghiên cứu đã được xây dựng ở chương 2, chương 4 này tiến hành lấy mẫu nghiên cứu gồm 259 người tiêu dùng và thực hiện phân tích Cronbach’s alpha; phân tích nhân tố khám phá; phân tích hồi quy bội, kiểm định T-Test và ANOVA.

Kết quả cho thấy, mô hình các yếu tố tác động đến ý định mua sách trực tuyến của người tiêu dùng TP. HCM gồm năm yếu tố được xếp theo mức độ quan trọng giảm dần như sau: sự tin tưởng (β=0,323); nhận thức sự thích thú (β=0,307); nhận thức tính hữu ích (β=0,295); ảnh hưởng xã hội (β=0,159); và cuối cùng là sự tiện lợi (β=0,144).

Mô hình nghiên cứu giải thích được 76,8% sự biến thiên của biến phụ thuộc ý định mua sách trực tuyến của người tiêu dùng TP. HCM. Nội dung tiếp theo (chương 5) sẽ thảo luận kết quả kiểm định này.

Kết quả kiểm định sự khác biệt về ý định mua sách trực tuyến của người tiêu dùng TP. HCM theo các đặc điểm cá nhân của người tiêu dùng (giới tính, độ tuổi, thu nhập, trình độ học vấn và nghề nghiệp) cho thấy, không có sự khác biệt có ý nghĩa thống kê về ý định mua sách trực tuyến của người tiêu dùng TP. HCM với độ tin cậy 95%.

Xem phần tiếp theo: https://kholuanvan.hotronghiencuu.com/2022/09/mua-sach-truc-tuyen-12.html

Trung tâm Hỗ trợ nghiên cứu

Email: dichvuspss@hotronghiencuu.com / phantichso247@gmail.com
Phone 24/7: 086 978 6862 (Mr Hùng)
Viết luận văn thuê trọn gói 0924 04 03 88 (Ms. Bông) Email: Bong.4388@gmail.com

***Dịch vụ SPSS- AMOS- SmartPLS***

Hotline, zalo: 086 978 6862.

Quét mã QR để kết bạn ZALO.Vui lòng kết bạn trước khi nhắn tin. Để có phản hồi nhanh nhất hãy gọi thẳng số điện thoại bên trên 24/7