Mô hình nghiên cứu đã được điều chỉnh sau khi phân tích nhân tố khám phá (EFA) và các giả thuyết nghiên cứu cần phải được kiểm định bằng phương pháp phân tích hồi quy. Phương pháp thực hiện hồi quy là phương pháp đưa vào lần lượt (Enter) đây là phương pháp mặc định trong chương trình. Mô hình hồi quy cần thực hiện là mô hình hồi quy bội nhằm xác định vai trò quan trọng của từng nhân tố trong việc đánh giá mối quan hệ của chất lượng dịch vụ đối với sự hài lòng của khách hàng khi sử dụng dịch vụ.
Năng lực đáp ứng (Nldu)
Phương tiện hữu hình (Huuhinh) Mức độ đồng cảm(Dongcam) Mức độ tin cậy(Tincay) Sự hài lòng của khách hàng (Hailong) H1(+) H2(+) H3(+) H4(+)
Để đánh giá độ phù hợp của mô hình, các nhà nghiên cứu sử dụng hệ số xác định R² để đánh giá mức độ phù hợp của mô hình nghiên cứu, hệ số xác định R² được chứng minh là hàm không giảm theo số biến độc lập được đưa vào mô hình. Tuy nhiên không phải phương trình càng có nhiều biến sẽ càng phù hợp hơn với dữ liệu, R² có khuynh hướng là một yếu tố lạc quan của thước đo sự phù hợp của mô hình đối với dữ liệu trong trường hợp có 1 biến giải thích trong mô hình (Hoàng Trọng và Mộng Ngọc, 2009).
Do vậy, trong hồi quy tuyến tính bội thường dùng hệ số R-quare điều chỉnh để đánh giá độ phù hợp của mô hình vì nó không thổi phồng mức độ phù hợp của mô hình. Bên cạnh đó, cần kiểm tra hiện tượng tương quan bằng hệ số Durbin – Watson (1< Durbin-Watson < 3) và hiện tượng đa cộng tuyến bằng hệ số phóng đại phương sai VIF (VIF <10). Hệ số Beta chuẩn hoá được dùng để đánh giá mức độ quan trọng của từng nhân tố, hệ số Beta chuẩn hoá của biến nào càng cao thì mức độ tác động của biến đó vào sự thỏa mãn khách hàng càng lớn (Hoàng Trọng và Mộng Ngọc, 2005).
Kết quả hồi quy tuyến tính bội cho thấy hệ số xác định R² là 0.521 và R² điều chỉnh là 0.514. Mô hình này giải thích được 51.4% sự thay đổi của biến phụ thuộc sự hài lòng của khách hàng (Hailong) là do các biến độc lập trong mô hình tạo ra, còn lại 48.6% biến thiên được giải thích bởi các biến khác ngoài mô hình. Điều này có nghĩa là chất lượng dịch vụ càng cao thì khách hàng hài lòng về nhà cung cấp dịch vụ càng nhiều. Và giá tri Durbin-Watson là 1.971, giá trị này lớn hơn 1 và nhỏ hơn 3 và các hệ số VIF đều nhỏ hơn 5 nên không có hiện tượng tự tương quan và đa cộng tuyến. Như vậy mô hình hồi quy bội là phù hợp với mô hình và dữ liệu nghiên cứu. Kết quả phân tích hồi quy được trình bày trong bảng dưới.
Bảng 4-8: Hệ số Durbin-Watson, Beta, Sig và hệ số đa cộng tuyến VIF R R2 R2 hiệu chỉnh Hệ số Durbin- Watson 1 .722a 0.521 0.514 1.971 Hệ số chưa chuẩn hóa Hệ số chuẩn hóa
t Sig Đa cộng tuyến
B Sai số chuẩn Beta Độ chấp nhận biên Hệ số phóng đại phương sai VIF Hằng số 0.735 0.201 3.663 0.000 NLDU 0.375 0.074 0.350 5.095 0.000 0.385 2.595 HH 0.217 0.070 0.202 3.099 0.002 0.427 2.344 DC 0.206 0.052 0.240 3.970 0.000 0.497 2.014 TC 0.027 0.053 0.029 0.504 0.614 0.562 1.781
Kết quả cho thấy trong 4 biến tác động đưa vào mô hình phân tích hồi quy có 3 biến tác động có mối quan hệ tuyến tính với biến Sự hài lòng (Hailong). Đó là các biến Năng lực đáp ứng (NLDU) với Sig. = 0.000, Phương tiện hữu hình
(HH) với Sig. = 0.002, Mức độ đồng cảm (DC) với Sig. = 0.000. Biến còn lại là biến Mức độ tin cậy (TC) không có ý nghĩa thống kê vì có giá trị Sig. > 0.05. Do đó bác bỏ giả thuyết H4, ba giả thuyết còn lại là H1, H2, H3 được chấp nhận.
Phân tích hồi quy cho ta phương trình hồi quy tuyến tính đã chuẩn hóa như sau :
Y = 0.35X1 + 0.202X2 + 0.24X3
Trong đó :
Y : Sự hài lòng (HL)
X1 : Năng lực đáp ứng (NLDU) X2 : Phương tiện hữu hình (HH) X3 : Mức độ đồng cảm (DC)