Sau khi thực hiện phân tích nhân tố khám phá (EFA), mô hình nghiên cứu điều chỉnh từ EFA cần phải đƣợc kiểm định bằng phƣơng pháp phân tích hồi quy để tìm hiểu tác động của các biến độc lập đến biến phụ thuộc là nhƣ thế nào. Trong phần phân tích hồi quy này, phƣơng pháp sử dụng là phƣơng pháp đồng thời (Enter). Phƣơng pháp này dùng để kiểm định các giả thuyết khi mục tiêu nghiên cứu của chúng ta là kiểm định lý thuyết khoa học (Nguyễn Đình Thọ, 2011, trang 500).
Để đánh giá độ phù hợp của mô hình nghiên cứu, ta sử dụng hệ số xác định R2 (R-Square). Tuy nhiên, các nhà nghiên cứu thƣờng sử dụng hệ số xác định R2 điều chỉnh (Adjust R-Square) vì nó phản ánh sát hơn mức độ phù hợp của mô hình hồi quy tuyến tính đa biến. R2 điều chỉnh không nhất thiết tăng lên khi nhiều biến đƣợc thêm vào phƣơng trình, nó là thƣớc đo sự phù hợp đƣợc sử dụng cho tình huống hồi quy tuyến tính đa biến vì nó không phụ thuộc vào độ lệch
H5 H4 H3 H2 DAPUNG HUUHINH TINCAY GIACA CHAMSOC HAILONG H1
phóng đại của R2
. Ngoài ra, sử dụng nó sẽ an toàn hơn vì nó không thổi phồng mức độ phù hợp của mô hình (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008, trang 239, tập 1).
Bên cạnh đó, chúng ta cũng cần phải kiểm định hiện tƣợng tƣơng quan của các sai số kề nhau (tƣơng quan chuỗi bậc nhất) bằng hệ số Durbin-Watson (1 < Durbin-Watson < 3) và kiểm định hiện tƣợng đa cộng tuyến bằng hệ số phóng đại phƣơng sai VIF. Trong thực tế, nếu VIF > 2 chúng ta cần cản thận trong diễn giải các trọng số hồi quy (Nguyễn Đình Thọ, 2011, trang 497).
Trong kết quả của phân tích hồi quy do phần mềm SPSS chạy ra, có hai loại trọng số hồi quy đó là chƣa chuẩn hóa (unstandardized coefficients) và chuẩn hóa (standardized coefficients). Trọng số hồi quy chƣa chuẩn hóa, giá trị của nó phụ thuộc vào thang đo nên không thể dùng chúng để so sánh mức độ tác động của các biến độc lập vào biến phụ thuộc đƣợc. Vì vậy, trọng số hồi quy chƣa chuẩn hóa chỉ dùng để so sánh các mẫu với nhau.
Còn trọng số hồi quy chuẩn hóa là trọng số đã chuẩn hóa các biến. Vì vậy, nó đƣợc dùng để so sánh mức độ tác động của các biến độc lập vào biến phụ thuộc. Biến độc lập nào có trọng số này càng lớn thì biến đó có tác động mạnh vào biến phụ thuộc (Nguyễn Đình Thọ, 2011, trang 501).
Kết quả hồi quy của mô hình nghiên cứu cho thấy hệ số xác định R2 là 0.589 và hệ số xác định R2 điều chỉnh là 0.581, có sự tƣơng quan chặt chẽ và các biến độc lập đã giải thích đƣợc 58.1% biến phụ thuộc. Hệ số tƣơng quan Durbin- Watson 1 < 1.856 < 3, nghĩa là mô hình không tự tƣơng quan. Hệ số phóng đại phƣơng sai VIF của các biến đều nhỏ hơn 2, chứng tỏ không có hiện tƣợng đa cộng tuyến trong mô hình nghiên cứu này. (Xem phụ lục 6)
Bảng 2-15: Các thông số của biến độc lập của phƣơng trình hồi quy Biến Hệ số chƣa chuẩn hóa Hệ số chuẩn hóa t Sig. Beta Std. Error Beta 1 (Hằng số) 0.348 0.191 1.822 0.069 CHAMSOC (X1) 0.194 0.049 0.208 3.980 0.000 HUUHINH (X2) 0.171 0.047 0.186 3.635 0.000 TINCAY (X3) 0.246 0.055 0.235 4.448 0.000 GIACA (X4) 0.280 0.038 0.325 7.284 0.000 DAPUNG (X5) 0.063 0.044 0.066 1.436 0.152 Biến phụ thuộc: HAILONG (Y)
Từ bảng 2-8 ta có thể thấy các nhân tố của thành phần chất lƣợng dịch vụ và cảm nhận giá cả đều có tác động dƣơng đối với sự hài lòng của khách hàng đối với chất lƣợng dịch vụ Internet Banking của Ngân hàng TMCP Sài Gòn (hệ số beta dƣơng) với mức ý nghĩa Sig = 0.000 là rất nhỏ, ngoại trừ hằng số và biến DAPUNG không có ý nghĩa thống kê. Ngoài ra đồ thị phần dƣ theo dạng phân phối chuẩn do hệ số trung bình gần bằng 0, cho thấy an toàn khi bác bỏ các giả thuyết H0. Do đó, có thể kết luận rằng các giả thuyết H1, H2, H3, H4, H5 đều đƣợc chấp nhận. Phƣơng trình hồi quy của các biến có hệ số chuẩn hóa nhƣ sau:
Y = 0.208 X1 + 0.186 X2 + 0.235 X3 + 0.325 X4
Trong đó:
Y: Sự hài lòng của khách hàng (HAILONG) X1: Sự chăm sóc (CHAMSOC)
X2: Phƣơng tiện hữu hình (HUUHINH) X3: Sự tin cậy (TINCAY)