CHƯƠNG 3: KẾT QUẢ NGHIÊN CỨU
3.5. KIỂM ĐỊNH MÔ HÌNH NGHIÊN CỨU VÀ CÁC GIẢ THUYẾT
3.5.1. Kiểm định hệ số tương quan Pearson
Kiểm định hệ số tương quan Pearson dùng để kiểm tra mối liên hệ tuyến tính giữa các biến độc lập và biến phụ thuộc. Nếu các biến có tương quan chặt chẽ thì phải lưu ý đến vấn đề đa cộng tuyến khi phân tích hồi quy (giả thuyết H0: hệ số tương quan bằng 0).
Ma trận tương quan giữa các biến:
NIEMTIN GIA HINHTHUC SUCKHOE CHATLUONG ANTOAN YDINH Pearson Correlation 1 ,175* ,203** ,328** ,360** ,246** ,441**
NIEMTIN
Sig. (2-tailed) ,013 ,004 ,000 ,000 ,000 ,000
Pearson Correlation ,175* 1 ,324** ,301** -,037 -,006 ,470**
GIA
Sig. (2-tailed) ,013 ,000 ,000 ,599 ,938 ,000
Pearson Correlation ,203** ,324** 1 ,248** ,021 ,217** ,416**
HINHTHUC
Sig. (2-tailed) ,004 ,000 ,000 ,772 ,002 ,000
Pearson Correlation ,328** ,301** ,248** 1 ,268** ,099 ,568**
SUCKHOE
Sig. (2-tailed) ,000 ,000 ,000 ,000 ,162 ,000
Pearson Correlation ,360** -,037 ,021 ,268** 1 ,140* ,345**
CHATLUONG
Sig. (2-tailed) ,000 ,599 ,772 ,000 ,048 ,000
Pearson Correlation ,246** -,006 ,217** ,099 ,140* 1 ,375**
ANTOAN
Sig. (2-tailed) ,000 ,938 ,002 ,162 ,048 ,000
Pearson Correlation ,441** ,470** ,416** ,568** ,345** ,375** 1 YDINH
Sig. (2-tailed) ,000 ,000 ,000 ,000 ,000 ,000
*. Correlation is significant at the 0.05 level (2-tailed).
**. Correlation is significant at the 0.01 level (2-tailed).
(Nguồn: Kết quả xử lý SPSS)
Mức độ tương quan giữa biến độc lập và biến phụ thuộc – ý định mua rau an toàn thể hiện qua hệ số tương quan Pearson với mức ý nghĩa 1%. Qua kết quả ở bảng 3.18 cho thấy có sự tương quan giữa biến phụ thuộc (ý định mua) với các biến độc lập.
Trong đó:
- Yếu tố ý thức sức khỏe (hệ số Pearson = 0,568), yếu tố niềm tin (hệ số Pearson = 0,441), yếu tố giá (hệ số Pearson = 0,470) và yếu tố hình thức rau an toàn (hệ số Pearson = 0,416) có tương quan đáng kể với ý định mua rau an toàn.
- Yếu tố chất lượng cảm nhận (hệ số Pearson = 0,345) và yếu tố mối quan tâm về an toàn thực phẩm (hệ số Pearson = 0,375) có tương quan yếu với ý định mua rau an toàn.
Như vậy, các biến độc lập trong mô hình hồi quy có quan hệ tuyến tính với biến phụ thuộc và có thể đưa các biến độc lập này vào mô hình hồi quy để giải thích cho sự thay đổi của biến “Ý định mua”.
3.5.2. Phân tích hồi quy tuyến tính bội
a. Kiểm tra hiện tượng đa cộng tuyến và tự tương quan Bảng 3.19: Mô hình hồi quy tuyến tính bội
Hệ số chưa chuẩn hóa
Hệ số đã chuẩn hóa
Đo lường đa cộng tuyến Mô hình
B Sai số
chuẩn β
t
Sig.
(p_
value) Hệ số
chấp nhận VIF (Constant) -1,282 ,388 -3,299 ,001
NIEMTIN ,091 ,040 ,119 2,299 ,023 ,759 1,317
GIA ,230 ,037 ,312 6,256 ,000 ,815 1,227
HINHTHUC ,160 ,052 ,152 3,056 ,003 ,822 1,217 SUCKHOE ,352 ,056 ,321 6,298 ,000 ,781 1,281 CHATLUONG ,212 ,056 ,189 3,783 ,000 ,818 1,223 1
ANTOAN ,228 ,042 ,256 5,386 ,000 ,896 1,116 (Nguồn: Kết quả xử lý SPSS)
Bảng 3.20: Bảng Model Summary
Mô hình R R2 R2 điều chỉnh Sai số chuẩn của ước lượng
1 ,779a ,606 ,594 ,73524
(Nguồn : Kết quả xử lý SPSS)
Kết quả trên cho thấy hệ số chấp nhận (Tolerance) đều nhỏ hơn 1 và hệ số phóng đại phương sai VIF rất nhỏ (< 5) nên cho thấy các biến độc lập trong mô hình nghiên cứu không có quan hệ chặt chẽ với nhau nên không có hiện tượng đa cộng tuyến xảy ra. Điều này cho thấy, mối quan hệ giữa các biến độc lập không ảnh hưởng đáng kể đến kết quả giải thích của mô hình hồi quy.
b. Kiểm định độ phù hợp của mô hình
Qua bảng 3.20 ta có hệ số R2 điều chỉnh bằng 0,594 nghĩa là mô hình hồi quy tuyến tính bội đã xây dựng phù hợp với tập dữ liệu là 59,4%; tức là các biến độc lập giải thích được 59,4% biến thiên của biến phụ thuộc ý định mua rau an toàn.
R2 điều chỉnh chỉ cho biết sự phù hợp của mô hình hồi quy với tập dữ liệu mà vẫn chưa thể biết được mô hình hồi quy vừa xây dựng được có phù hợp với tổng thể hay không. Vì thế cần phải kiểm định F qua bảng phân tích ANOVA để kiểm tra sự phù hợp của mô hình hồi quy vừa xây dựng với tổng thể nghiên cứu.
Bảng 3.21: Bảng ANOVA Mô hình Tổng bình
phương df Bình phương
trung bình F Sig.
Hồi quy 161,361 6 26,894 49,750 ,000a
Phần dư 104,871 194 ,541
1
Tổng 266,232 200
(Nguồn: Kết quả xử lý SPSS)
Qua kết quả ở bảng 3.21 ta thấy giá trị Sig. = 0,000 < 0,5; điều này cho thấy mô hình hồi quy bội vừa xây dựng là phù hợp với tổng thể nghiên cứu và có thể sử dụng được.
Đo lường đa cộng tuyến: Hệ số phóng đại phương sai VIF của các biến là nhỏ (lớn nhất là VIF NIEMTIN = 1,317 < 2). Do đó, hiện tượng đa cộng tuyến giữa các biến độc lập trong mô hình này là nhỏ, không có ảnh hưởng đáng kể đến kết quả hồi quy.
c. Kiểm định các giả thuyết trong mô hình
Từ mô hình phân tích hồi qui, ta có thể đi đến bác bỏ hoặc chấp nhận các giả thuyết thống kê với mức ý nghĩa là 5%. Sau đây là bảng tổng hợp việc kiểm định các giả thuyết thống kê:
Bảng 3.22: Bảng kết quả kiểm định các giả thuyết của mô hình
STT Giả thuyết beta p_value
Kết luận(tại mức ý nghĩa
5%) 1 H1: “Niềm tin” có quan hệ dương (+) với
“Ý định mua rau an toàn”. ,119 ,023 Chấp nhận 2 H2: “Nhận thức về giá” có quan hệ dương
(+) với “Ý định mua rau an toàn”. ,312 ,000 Chấp nhận 3
H3: “Hình thức của rau an toàn” có quan hệ dương (+) với “Ý định mua rau an toàn”.
,152 ,003 Chấp nhận
4 H4: “Chất lượng cảm nhận” có quan hệ
dương (+) với “Ý định mua rau an toàn”. ,321 ,000 Chấp nhận 5 H5: “Ý thức sức khỏe” có quan hệ dương
(+) với “Ý định mua rau an toàn”. ,189 ,000 Chấp nhận 6
H6: “Mối quan tâm về an toàn thực phẩm”
có quan hệ dương (+) với “Ý định mua rau an toàn”.
,256 ,000 Chấp nhận
Kết luận:
Từ tất cả các kiểm định trên ta có thể thấy rằng mô hình hồi quy được lựa chọn là phù hợp. Kết quả mô hình hồi quy như sau:
BI = 0,119*SN + 0,312*PBC + 0,152*PQ+ 0,321* PV + 0,189* PK + 0,256* BA
Trong đó:
- BI: Ý định mua - SN: Niềm tin
- PBC: Nhận thức về giá - PQ: Hình thức rau an toàn - PV: Chất lượng cảm nhận - PK: Ý thức sức khỏe
- BA: Mối quan tâm về an toàn thực phẩm