Sửa lỗi kiểm định pearson sig quá lớn năm 2024

Trước khi phân tích hồi quy, ta cần phải phân tích hệ số tương quan. Hệ số tương quan được sử dụng để lượng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến định lượng.

Ta thực hiện phân tích hệ số tương quan như sau:

Correlations HL TH CL GC CK HL Pearson Correlation

1 .644** .740** .691** .546**

Sig. (2-tailed) .000 .000 .000. N 350 350 350 350 350 TH Pearson Correlation

.644** 1 .775** .579** .329**

Sig. (2-tailed) .000 .000 .000. N 350 350 350 350 350 CL Pearson Correlation

.740** .775** 1 .656** .419**

Sig. (2-tailed) .000 .000 .000. N 350 350 350 350 350 GC Pearson Correlation

.691** .579** .656** 1 .530**

Sig. (2-tailed) .000 .000 .000. N 350 350 350 350 350 CK Pearson Correlation

.546** .329** .419** .530** 1

Sig. (2-tailed) .000 .000 .000. N 350 350 350 350 350 **. Correlation is significant at the 0 level (2-tailed).

Bảng Ma trận hệ số tương quan

Phân tích hệ số tương quan Pearson để kiểm tra mối liên hệ giữa biến phụ thuộc và các biến độc lập. Qua kết quả phân tích của bảng trên, ta thấy các hệ số Sig. đều nhỏ hơn 0, và tương quan giữa các biến phụ thuộc và biến độc lập dao động từ 0,392 đến 0,775. Vì vậy, các cặp biến đều tương quan và có ý nghĩa thống kê, tức là các yếu tố tác động đến sự hài lòng của khách hàng có độ tuổi từ 15 đến 60 tại TP khi sử dụng kem đánh

răng COLGATE có quan hệ chặt chẽ với nhau. Theo ma trận tương quan, các biến đều có sự tương quan và có ý nghĩa ở mức 0,01. Do đó các biến nghiên cứu này sẽ được đưa vào

phân tích hồi quy. Ngoài ra sự tương quan giữa các biến độc lập dao động từ 0,329 đến 0,775 (<0,85). Điều này cho thấy các biến độc lập có nhiều khả năng giải thích cho biến phụ thuộc, cộng thêm ít có xảy ra hiện tượng đa cộng tuyến. Nhưng điều này chỉ là dự đoán, cần phải tiến hành phân tích hồi quy để kiểm tra giá trị VIF có tạo nên hiện tượng đa cộng tuyển hay không.

Ta dự đoán mô hình quy bội có dạng sau:

HL = β0 + β1TH + β2CL + β3GC + β4CK + εi

Với:

 HL là biến phụ thuộc Sự hài lòng  TH,CL,GC,CK lần lượt là biến độc lập Thương hiệu, Chất lượng, Giá cả, Chiết khấu. Các biến độc lập này ảnh hưởng đến biến phụ thuộc (HL).  β là hệ số hồi quy  εi là sai số ngẫu nhiên có phân phối chuẩn, trung bình bằng 0, độc lập và phương sai không đổi.

1. Phân tích hồi quy
2. Kiểm định độ phù hợp của mô hình hồi quy

Model Summaryb Mode l R

R

Square

Adjusted R Square

Std. Error of the Estimate

Durbin- Watson 1 .779a .606 .602 .40921 1. a. Predictors: (Constant), CK, TH, CL, GC b. Dependent Variable: HL Bảng tóm tắt mô hình hồi quy

Kết quả cho thấy mô hình hồi quy đưa ra tương đối phù hợp với mức ý nghĩa 0,05 với R bình phương hiệu chỉnh = 0. Có nghĩa là 4 biến độc lập CK, TH, GC, CL giải thích được 60,2% sự thay đổi của biến phụ thuộc HL.

1. Phân tích ANOVA

Ngoài ra, các kiểm định khác về mức độ phù hợp của mô hình như kiểm định đa cộng

tuyến VIF cho kết quả dao động từ 1 đến 2 (<10), bên cạnh đó Hệ số độ chấp

nhận (Tolerance) đều nhỏ hơn 1 cho nên sẽ không xảy ra hiện tượng đa cộng tuyến với

mô hình đang nghiên cứu.

Kết quả của mô hình nghiên cứu được thể hiện qua phương trình sau: HL = 0 + 0 + 0 + 0 Ý nghĩa hệ số hồi quy:  Với CL tăng/giảm lên 1 đơn vị, HL tăng/giảm trung bình 0 đơn vị. (điều kiện: các yếu tố khác không đổi)  Với GC tăng/giảm lên 1 đơn vị, HL tăng/giảm trung bình 0 đơn vị (điều kiện: các yếu tố khác không đổi)  Với CK tăng/giảm lên 1 đơn vị, HL tăng/giảm trung bình 0 đơn vị (điều kiện: các yếu tố khác không đổi) Tóm lại, 3 yếu tố trên đều tỉ lệ thuận với sự hài lòng của khách hàng. Mức độ tác động của các yếu tố trên đến sự hài lòng của người dân độ tuổi từ 15 đến 60 sống tại địa bàn TP khi sử dụng kem đánh răng COLGATE sẽ được xác định qua hệ số Beta. Biến có hệ số Beta càng lớn thì càng tác động đến sự hài lòng. Qua đó có thể thấy CL (chất lượng) là yếu tố tác động mạnh mẽ nhất đến sự hài lòng của khách hàng với hệ số β=0, thứ hai là yếu tố GC (Giá cả) với hệ số β=0, và cuối cùng là CK (chiết khấu) với hệ số β=0. 2. Kiểm định giả định phần dư có phân phối chuẩn

Biểu đồ trên cho ta thấy các điểm dữ liệu trong phân phối của phần dư bám sát vào đường, điều này càng khẳng định phần dư càng có phân phối chuẩn.

1. Kiểm định khác biệt về sự hài lòng theo các đặc điểm
2. Kiểm định theo giới tính

Group Statistics Câu 1: Anh/chị vui lòng cho biết giới tính của mình? N Mean

Std. Deviation

Std. Error Mean

HL Nam 176 4 .72481.

Nữ 174 4 .74443.

Kết quả phân tích One Way ANOVA của bảng trên cho thấy Sig = 0 > 0, vì vậy nhóm kết luận không có sự khác biệt về sự hài lòng giữa các khách hàng tại TP có nghề nghiệp khác nhau.

1. Kiểm định theo mức chi tiêu

Test of Homogeneity of Variances HL

Levene Statistic df1 df2 Sig. 2 2 347.

Kết quả phân tích kiểm định Levene của bảng trên cho ta thấy Sig = 0 < 0, chứng tỏ giả thuyết phương sai đồng nhất giữa các nhóm giá trị biến định tính đã bị vi phạm. Do đó, ta chuyển qua phân tích KRUSKAL-WALL.