Bảng 3.5: Ma trận xoay nhân tố
|
Component
|
1
|
2
|
3
|
4
|
V1.4
|
.845
|
|
|
|
V1.7
|
.829
|
|
|
|
V1.2
|
.818
|
|
|
|
V1.1
|
.788
|
|
|
|
V1.6
|
.778
|
|
|
|
V1.3
|
.723
|
|
|
|
V1.5
|
.720
|
|
|
|
V3.2
|
|
.834
|
|
|
V3.4
|
|
.818
|
|
|
V3.5
|
|
.794
|
|
|
V3.6
|
|
.785
|
|
|
V3.3
|
|
.769
|
|
|
V3.1
|
|
.769
|
|
|
V3.7
|
|
.719
|
|
|
V4.3
|
|
|
.885
|
|
V4.1
|
|
|
.874
|
|
V4.2
|
|
|
.873
|
|
V4.4
|
|
|
.819
|
|
V2.2
|
|
|
|
.866
|
V2.3
|
|
|
|
.842
|
V2.1
|
|
|
|
.770
|
Dựa vào kết quả Bảng 3.6 cho thấy tất cả các biến quan sát đều có hệ số tải nhân tố lớn hơn 0,5 nên các biến quan sát tiếp tục được sử dụng trong mô hình nghiên cứu. Bên cạnh đó, thông qua việc phân tích nhân tố thu được kết quả là các biến quan sát trong thang đo không tách thành những nhóm yếu tố mới, điều này đồng nghĩa với các thang đo đạt tiêu chuẩn, có độ tin cậy cao.
-
Mô hình hồi quy tuyến tính đa biến
3.1.3.1. Giới thiệu mô hình hồi quy tuyến tính đa biến
Để xác định, đo lường và đánh giá mức độ ảnh hưởng của 04 nhóm yếu tố thu được từ phần phân tích nhân tố khám phá (EFA), tác giả tiến hành phân tích mô hình hồi quy tuyến tính đa biến bằng công cụ phần mềm SPSS version 16.0 với X1 (Đặc điểm cố định của Trường ĐHTG), X2 (Nỗ lực giao tiếp của Trường ĐHTG), X3 (Đặc điểm bản thân học sinh), X4 (Cá nhân có ảnh hưởng đến quyết định chọn Trường ĐHTG) là các nhóm yếu tố độc lập và V (Quyết định chọn Trường ĐHTG) là biến phụ thuộc.
Bảng 3.6: Mã hóa các nhóm yếu tố ảnh hưởng đến quyết định chọn
Trường ĐHTG
Nhóm yếu tố
|
Bao gồm các biến quan sát
|
Biến
mã hóa
|
Đặc điểm cố định của Trường ĐHTG
|
V1.1, V1.2, V1.3, V1.4, V1.5, V1.6, V1.7
|
X1
|
Nỗ lực giao tiếp của Trường ĐHTG
|
V2.1, V2.2, V2.3
|
X2
|
Đặc điểm bản thân học sinh
|
V3.1, V3.2, V3.3, V3.4
|
X3
|
Cá nhân có ảnh hưởng đến quyết định chọn Trường ĐHTG
|
V4.1, V4.2, V4.3, V4.4, V4.5, V4.6, V4.7
|
X4
|
Mô hình nghiên cứu:
Quyết định chọn Trường ĐHTG = α + β1. X1 + β2.X2 + β3. X3 + β4 . X4
|
Với X1: Đặc điểm cố định của Trường ĐHTG
X2: Nỗ lực giao tiếp của Trường ĐHTG
X3: Đặc điểm bản thân học sinh
X4: Cá nhân có ảnh hưởng
-
Kiểm tra hiện tượng Đa cộng tuyến
Hệ số Sig. = 0.00 cho thấy mô hình hồi quy phù hợp với dữ liệu. Mặt khác, 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. Do đó, hệ số phóng đại phương sai (VIF) của từng nhóm yếu tố trong mô hình kiểm định có giá trị nhỏ hơn 10 chứng tỏ mô hình hồi quy không vi phạm hiện tượng đa cộng tuyến, các biến độc lập có tương quan chặt chẽ với nhau, điều này cho phép tiếp tục đánh giá mô hình. Kết quả kiểm tra hiện tượng Đa cộng tuyến được trình bày trong bảng sau:
Bảng 3.7: Kiểm tra hiện tượng Đa cộng tuyến
Model
|
|
Collinearity Statistics
|
Tolerance
|
VIF
|
1
|
Constant
|
|
|
|
X1
|
.852
|
1.173
|
|
X2
|
.817
|
1.223
|
|
X3
|
.958
|
1.044
|
|
X4
|
.880
|
1.136
|
-
Đánh giá độ phù hợp của mô hình
Hệ số xác định R2 và R2 hiệu chỉnh (Adjusted R square) được dùng để đánh giá độ phù hợp của mô hình. Vì R2 sẽ tăng khi đưa thêm biến độc lập vào mô hình nên dùng R2 hiệu chỉnh sẽ an toàn hơn khi đánh giá độ phù hợp của mô hình. R2 hiệu chỉnh càng lớn thể hiện độ phù hợp của mô hình càng cao. Kết quả hồi quy có giá trị R2 = 0.616, giá trị này cho biết các biến độc lập trong mô hình có thể giải thích được 61,6% sự thay đổi của biến phụ thuộc, hay 61,6% quyết định chọn Trường ĐHTG của HS THPT trên địa bàn tỉnh Tiền Giang chịu sự ảnh hưởng bởi 4 nhóm tố trên. Do đó có thể kết luận mức độ phù hợp của mô hình tương đối cao.
Bảng 3.8: Kiểm định mức độ phù hợp của mô hình
a Predictors: (Constant), X4, X3, X1, X2
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.
-
Kiểm định độ phù hợp của mô hình
Giả thuyết H0: β1 = β2 = β3 = β4 = 0.
Để kiểm định độ phù hợp của mô hình hồi quy tuyến tính đa bội ta dùng giá trị F ở bàng phân tích ANOVA sau:
Bảng 3.9: Phân tích Anova
ANOVA(e)
Model
|
|
Sum of Squares
|
df
|
Mean Square
|
F
|
Sig.
|
1
|
Regression
|
73.200
|
1
|
73.200
|
91.817
|
.000(a)
|
|
Residual
|
277.440
|
348
|
.797
|
|
|
|
Tổng
|
350.640
|
349
|
|
|
|
2
|
Regression
|
103.073
|
2
|
51.536
|
72.236
|
.000(b)
|
|
Residual
|
247.567
|
347
|
.713
|
|
|
|
Tổng
|
350.640
|
349
|
|
|
|
3
|
Regression
|
120.030
|
3
|
40.010
|
60.029
|
.000(c)
|
|
Residual
|
230.610
|
346
|
.667
|
|
|
|
Tổng
|
350.640
|
349
|
|
|
|
4
|
Regression
|
123.471
|
4
|
30.868
|
46.879
|
.000(d)
|
|
Residual
|
227.169
|
345
|
.658
|
|
|
|
Tổng
|
350.640
|
349
|
|
|
|
a Predictors: (Constant), X1
b Predictors: (Constant), X1, X4
c Predictors: (Constant), X1, X4, X2
d Predictors: (Constant), X1, X4, X2, X3
e Dependent Variable: V
Giá trị Sig. của trị F của mô hình rất nhỏ (< mức ý nghĩa), nên bác bỏ giả thuyết H0. Điều đó cho thấy mô hình phù hợp với tập dữ liệu và có thể suy rộng ra cho toàn tổng thể.
-
Ý nghĩa các hệ số hồi quy riêng từng phần trong mô hình
Bảng 3.10: Xác định mức độ phù hợp của mô hình hồi quy
Model
|
|
Unstandardized Coefficients
|
Standardized Coefficients
|
t
|
Sig.
|
B
|
Std. Error
|
Beta
|
1
|
Constant
|
-.706
|
.325
|
|
-2.172
|
.031
|
|
X1
|
.419
|
.064
|
.309
|
6.586
|
.000
|
|
X2
|
.306
|
.061
|
.241
|
5.029
|
.000
|
|
X3
|
.126
|
.055
|
.101
|
2.286
|
.023
|
|
X4
|
.337
|
.069
|
.226
|
4.892
|
.000
|
Phương trình hồi quy tuyến tính đa biến có thể viết như sau:
Quyết định chọn Trường ĐHTG = - 0.706 + 0.419. X1 + 0.306. X2 + 0.126. X3
Chia sẻ với bạn bè của bạn: |