TRƯỜNG ĐẠI HỌC KINH TẾ THÀNH PHỐ HỒ CHÍ MINH NGÀNH KINH DOANH THƯƠNG MẠI Đề tài thuyết trình: Phân tích đa biến Chủ đề: Phân tích hồi quy kiểm định giả thuyết hàm tương quan Giảng viên hướng dẫn: TS Nguyễn Hùng Phong Nhóm trình bày: Nhóm Bùi Thị Kim Yến Nguyễn Thị Như Ý Nguyễn Đan Thanh Huỳnh Thị Phương Trinh Tan Sophat TP.HCM, 05/2016 Phân tích đa biến PHÂN TÍCH HỒI QUY VÀ KIỂM ĐỊNH GIẢ THUYẾT CỦA HÀM TƯƠNG QUAN A DỮ LIỆU - Bộ liệu HBAT: 200 - Công cụ phân tích SPSS: 16.0 - Yêu cầu:  Chạy Hồi quy biến X19 với biến độc lập tìm từ phân tích EFA, kiểm định giả thuyết  Đặt biến giả Dummy (X1: Customer Type) Chạy hồi quy với biến giả Viết phương trình hồi quy Y(X19) = F(F1, F2, F3, F4, D1, D2)  Giải thích kết B PHẦN TRÌNH BÀY Chạy Hồi quy biến X19 với biến độc lập tìm từ phân tích EFA, kiểm định giả thuyết  Chạy EFA để tìm bốn biến độc lập Sau chạy phân tích nhân tố khám phá EFA ta có kết sau:  Bảng KMO: KMO and Bartlett's Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy Bartlett's Test of Sphericity Approx Chi-Square df Sig .672 1.072E3 45 000 Đặt giả thuyết: H0: Không có tương quan biến quan sát (Độ tương quan biến quan sát 0) Trang Phân tích đa biến H1: Có tương quan biến quan sát Kết luận: - KMO = 0.672 >0.5  Vậy phân tích nhân tố thích hợp - Bartlett’s Test có Sig < 0.05  Vậy ta bác bỏ giả thuyết H0 – tức biến quan sát có tương quan với liệu dùng để phân tích nhân tố phù hợp  Bảng TOTAL VARIANCE EXPLAINED Total Variance Explained Extraction Sums of Squared Initial Eigenvalues Comp onent Total Loadings % of Cumulative Variance % Total Rotation Sums of Squared Loadings % of Cumulative Variance % Total % of Cumulative Variance % 3.358 33.580 33.580 3.358 33.580 33.580 2.590 25.901 25.901 1.855 18.552 52.132 1.855 18.552 52.132 2.306 23.060 48.961 1.632 16.316 68.448 1.632 16.316 68.448 1.857 18.568 67.529 1.056 10.560 79.009 1.056 10.560 79.009 1.148 11.480 79.009 855 8.553 87.562 514 5.142 92.704 284 2.839 95.543 188 1.878 97.421 149 1.489 98.909 10 109 1.091 100.000 Extraction Method: Principal Component Analysis Kết luận: Dựa vào giá trị Eigenvalues để định giữ lại yếu tố Ta có: - EigenValues: nhân tố có giá trị Eigenvalues Total >1 Các nhân tố lại có giá trị Eigenvalues 0.3, vào để xác định việc lựa chọn biến cho nhân tố phù hợp Sau vào giá trị Factor loading điều kiện lựa chọn biến, nhóm tiến hành phương pháp loại biến để tìm biến độc lập Phương pháp loại theo thứ tự: X11, X17, X13 Kết cuối cho biết: Rotated Component Matrixa Component X9 - Complaint Resolution 931 X18 - Delivery Speed 930 X16 - Order & Billing 877 X12 - Salesforce Image 914 X7 - E-Commerce 877 X10 - Advertising 785 X8 - Technical Support 953 X14 - Warranty & Claims 944 X15 - New Products 781 X6 - Product Quality 716 Extraction Method: Principal Component Analysis Rotation Method: Varimax with Kaiser Normalization a Rotation converged in iterations Trang Phân tích đa biến Dựa vào bảng ý nghĩa biến, nhóm đặt tên cho nhân tố rút sau: TÊN NHÓM Service F1 Promotion F2 After-Sales Service F3 Product F4 BIẾN QUAN SÁT MÔ TẢ X9 X18 X16 X12 X7 X10 X8 X14 X15 X6 Complaint Resolution Delivery Speed Order & Billing Salesforce Image E-Commerce Advertising Techinical support Warranty & Claims New Products Product Quality Trang Phân tích đa biến  Phân tích hồi quy Với nhân tố (F1, F2, F3, F4) rút trên, nhóm thực chạy hồi quy với biến X19 Kết cho sau:  Bảng CORRELATION: Correlations X19 - F2 - Satisfaction Pearson Correlation X19 - Satisfaction sales Service F4 - Product 539 362 198 417 F1 - Service 539 1.000 000 000 000 F2 - Promotion 362 000 1.000 000 000 198 000 000 1.000 000 417 000 000 000 1.000 000 000 002 000 F1 - Service 000 500 500 500 F2 - Promotion 000 500 500 500 002 500 500 500 F4 - Product 000 500 500 500 X19 - Satisfaction 200 200 200 200 200 F1 - Service 200 200 200 200 200 F2 - Promotion 200 200 200 200 200 200 200 200 200 200 200 200 200 200 200 Service F4 - Product X19 - Satisfaction F3 - After-sales Service N Promotion 1.000 F3 - After-sales Sig (1-tailed) F1 - Service F3 - After- F3 - After-sales Service F4 - Product Trang Phân tích đa biến - Dựa bảng Correlation ta thấy, biến F1, F2, F4 có mối tương quan thuận với biến X19, hệ số tương quan chúng với biến X19 > 0.3, F1 có mối tương quan với X19 cao (0.539) F3 có hệ số tương quan thấp với biến X19 (0.198) xem xét tổng thể, giá trị Sig < 0.05 – có ý nghĩa thống kê nên ta giữ lại mô hình hồi quy - Giữa biến độc lập có hệ số tương quan = 0, nghĩa chúng không tương quan - Sig biến có giá trị nhỏ 0.05 Kết luận: Các biến độc lập có ý nghĩa đưa vào mô hình hồi quy để giải thích cho biến X19  Bảng MODEL SUMMARY Model Summaryb Std Error of the Model R R Square 797a Adjusted R Square 635 628 Estimate Durbin-Watson 7575 2.094 a Predictors: (Constant), F4 - Product, F3 - After-sales Service, F2 - Promotion, F1 - Service b Dependent Variable: X19 - Satisfaction Kết quả: Tham số R bình phương hiệu chỉnh (Adjusted R Square) cho biết mức độ (%) biến thiên biến phụ thuộc giải thích biến thiên đồng thời biến độc lập  Có thể nói 62.8% biến thiên X19 giải thích biến thiên đồng thời tất biến độc lập F1, F2, F3, F4 - Giá trị Durbin-Watson = 2.094 >2  Nghĩa tự tương quan biến độc lập Trang Phân tích đa biến  Bảng ANOVA Bảng để kiểm định độ phù hợp mô hình Đặt giả thuyết H0: β1= β2 = β3 = β4 = ANOVAb Model Sum of Squares df Mean Square Regression 194.659 48.665 Residual 111.880 195 574 Total 306.539 199 F 84.819 Sig .000a a Predictors: (Constant), F4 - Product, F3 - After-sales Service, F2 - Promotion, F1 - Service b Dependent Variable: X19 - Satisfaction Kết luận Giá trị Sig bảng ANOVA dùng để đánh giá phù hợp (tồn tại) mô hình Giá trị Sig phải 2  Nghĩa mô hình tự tương quan Trang 12 Phân tích đa biến  Bảng ANOVA ANOVAb Model Sum of Squares Regression Residual Total df Mean Square 219.072 36.512 87.468 193 453 306.539 199 F Sig .000a 80.565 a Predictors: (Constant), Dummy 2, F2 - Promotion, F3 - After-sales Service, F1 - Service, F4 - Product, Dummy b Dependent Variable: X19 - Satisfaction Kết quả: Sig = 0.000 10 nhận xét có tượng đa cộng tuyến Tuy nhiên theo số nhà nghiên cứu, VIF>5 xảy tượng đa cộng tuyến  VIF biến < => tượng đa cộng tuyến xảy Trang 15 [...].. .Phân tích đa biến và nhận giá trị là 0 nếu ngược lại Nói như vậy có nghĩa là, các biến giả đưa vào phân tích hồi quy chỉ nhận một trong hai giá trị là 1 hoặc 0 - Xác định số biến giả đưa vào mô hình: Số biến giả đưa vào mô hình bằng số biểu hiện của biến thuộc tính trừ đi 1 Giả sử biến thuộc tính muốn đưa vào mô hình có k biểu hiện, số biến giả đưa vào mô hình sẽ là (k – 1) biến Với bài tập này, biến. .. Trang 11 Phân tích đa biến Dựa bảng Correlation ta thấy, các biến F1, F2, F3, F4 đều có mối tương quan thuận với biến X19, hệ số tương quan của chúng với X19 tương tự như trong mô hình hồi quy chỉ có 4 biến (F1,F2,F3,F4) - F3 vẫn có hệ số tương quan khá thấp với biến X19 (0.198) nhưng xem xét trong tổng thể, giá trị Sig của nó < 0.05 – có ý nghĩa thống kê nên ta vẫn giữ lại trong mô hình - Biến giả D1... với sản phẩm và công ty - Giá trị Sig của tất cả các tham số đều bằng 0.000 < 0.05 Vậy các tham số này (hệ số hồi quy) đều có ý nghĩa Tức là các biến này có quan hệ hồi quy tuyến tính với nhau Phương trình hồi quy tương ứng: X19 = 6.249 + 0.364 F1 + 0.426 F2 + 0.160 F3 + 0.286 F4 + 0.876 D1 + 1.242 D2 Trang 14 Phân tích đa biến - Giải thích mô hình: Phương trình hồi quy bội cho thấy sự hài lòng về dịch... D1 có hệ số tương quan thấp với X19, nhưng nó vẫn đảm bảo ý nghĩa thống kế (Sig < 0.05) nên vẫn được giữ lại trong mô hình hồi quy - Giữa các biến F1, F2, F3, F4 vẫn có hệ số tương quan = 0, nghĩa là chúng không tương quan nhau Nhưng khi mô hình được đưa thêm biến định tính vào (đã được gán biến giả D1, D2) thì sự tương quan giữa F1, F2, F2, F4 với D1, D2 bắt đầu xuất hiện Những tương quan như vậy... Satisfaction Trang 13 Phân tích đa biến - Hệ số hồi quy riêng B: Bk đo lường sự thay đổi trong giá trị trung bình Y khi Xk thay đổi 1 đơn vị với điều kiện các biến độc lập còn lại không thay đổi Trong hồi quy tuyến tính được thêm vào 2 biến giả D1 và D2, sự thay đổi của F1, F2, F3, F4 có khả năng tác động đến sự thay đổi giá trị trung bình của X19 đã giảm xuống Trong khi đó sự thay đổi của D1, D2 có tác... bảng giá trị các biến giả như sau: Nhóm khách hàng D1 D2 Less than 1 year 0 0 1 to 5 years 1 0 Over 5 years 0 1 Như vậy, phạm trù “Less than 1 year” được gọi là phạm trù cơ sở Mọi so sánh về sự thỏa mãn của khách hàng giữa các nhóm căn cứ vào kết quả hồi quy là so sánh với nhóm khách hàng “Less than 1 year” Trang 10 Phân tích đa biến 2.2 Chạy hồi quy biến X19 với F1, F2, F3, F4 và 2 biến giả D1, D2 vừa... tương quan giữa F1, F2, F2, F4 với D1, D2 bắt đầu xuất hiện Những tương quan như vậy có thể ảnh hưởng đến kết quả phân tích hồi quy, ví dụ gây ra hiện tượng đa cộng tuyến - Sig của các biến đều có giá trị nhỏ hơn 0.05 Kết luận: Các biến này có thể được đưa vào mô hình hồi quy để giải thích cho biến X19  Bảng MODEL SUMMARY Model Summaryb Std Error of the Model R 1 R Square 845a Adjusted R Square 715 706... 1 b Dependent Variable: X19 - Satisfaction - Giá trị R2 hiệu chỉnh = 0.706  Có thể nói 70% biến thiên của X19 có thể giải thích bởi sự biến thiên đồng thời của tất cả các biến độc lập F1, F2, F3, F4, D1, D2 - Giá trị Durbin-Watson = 2.053 >2  Nghĩa là mô hình không có sự tự tương quan Trang 12 Phân tích đa biến  Bảng ANOVA ANOVAb Model Sum of Squares 1 Regression Residual Total df Mean Square 219.072... thấy sự hài lòng về dịch vụ, chiêu thị, dịch vụ sau bán hàng, sản phẩm và loại khách hàng có tác động tỷ lệ thuận với sự hài lòng chung Trong đó sự hài lòng của nhóm khách hàng gắn kết trên 5 năm có tác động mạnh nhất đến sự hài lòng - Kiểm tra giả định về hiện tượng đa cộng tuyến (tương quan giữa các biến độc lập) thông qua giá trị của độ chấp nhận (Tolerance) hoặc hệ số phóng đại phương sai VIF (Variance... “1 to 5 years” và “Over 5 years” Vậy số biến đưa vào mô hình sẽ là 3 – 1 = 2 biến giả - Gán giá trị cho biến giả: Biến X1 có 3 giá trị: 1 = “Less than 1 year” 2 = “1 to 5 years” 3 = “Over 5 years” Nhóm lựa chọn:  D1 = 1 nếu khách hàng thuộc nhóm “1 to 5 years”  D1 = 0 nếu khách hàng thuộc các nhóm còn lại  D2 = 1 nếu khách hàng thuộc nhóm “Over 5 years”  D2 = 0 nếu khách hàng thuộc các nhóm còn lại