Ngu n:X lý t d li u đi u tra c a tác gi
HAILO NG NHANV IEN_C DAPUN G_C TINCAY _C GIACA_ C VANPH ONG_C CONGN GHE_C Pearson Correlation HAILONG 1,000 NHANVIEN_C 0,379 1,000 DAPUNG_C 0,593 0,540 1,000 TINCAY_C 0,505 0,356 0,582 1,000 GIACA_C 0,547 0,422 0,545 0,543 1,000 VANPHONG_C 0,609 0,524 0,526 0,526 0,543 1,000 CONGNGHE_C 0,613 0,358 0,541 0,512 0,415 0,524 1,000 Sig. (1-tailed) HAILONG . NHANVIEN_C 0,000 . DAPUNG_C 0,000 0,000 . TINCAY_C 0,000 0,000 0,000 . GIACA_C 0,000 0,000 0,000 0,000 . VANPHONG_C 0,002 0,000 0,000 0,000 0,000 . CONGNGHE_C 0,002 0,000 0,000 0,000 0,000 0,000 .
Ma tr n t i b ng 4.5 này cho th y m i t ng quan gi a bi n ph thu c HAILONG v i t ng bi n đ c l p, c ng nh t ng quan gi a các bi n đ c l p v i nhau. H s t ng quan gi a bi n s th a mãn v i các bi n khác đ u l n h n 0,3. Nhìn s b , ta có th k t lu n các bi n đ c l p (bi n NHANVIEN_C, bi n DAPUNG_C, bi n TINCAY_C, bi n GIACA_C, bi n VANPHONG_C và bi n CONGNGHE_C) có th đ a vƠo mô hình đ gi i thích cho bi n ph thu c (bi n HAILONG). Ngoài ra, h s t ng quan gi a các bi n đ c l p (bi n NHANVIEN_C, bi n DAPUNG_C, bi n TINCAY_C, bi n GIACA_C, bi n VANPHONG_C và bi n CONGNGHE_C) đ u l n h n 0,3 nên m i quan h gi a các bi n này c n ph i xem xét k trong ph n phân tích h i quy nh m tránh hi n t ng đa c ng tuy n gi a các bi n đ c l p.
4.6. Phân tích h i quy
Ph ng pháp th c hi n h i quy lƠ ph ng pháp đ a vƠo l n l t (Enter). Ph ng trình h i quy c n th c hi n là h i quy b i, nh m xác đ nh vai trò quan tr ng c a t ng nhân t trong vi c đánh giá m i quan h gi a s hài lòng c a khách hàng khi s d ng d ch v đ i v i các thành ph n ch t l ng d ch v và giá c .
đánh giá đ phù h p c a mô hình, trong h i quy tuy n tính b i th ng dùng h s RỬ đi u ch nh (Adjusted R-Square) vì nó không th i ph ng m c đ phù h p c a mô hình. Bênh c nh đó, c n ki m tra hi n t ng t ng quan b ng h s Durbin ậ Watson (1< Durbin-Watson < 3 ) và không có hi n t ng đa c ng tuy n b ng h s phóng đ i ph ng sai VIF (VIF < 2.5). H s Beta chu n hoá đ c dùng đ đánh giá m c đ quan tr ng c a t ng nhân t , h s Beta chu n hoá c a bi n nào càng cao thì m c đ tác đ ng c a bi n đó vƠo s th a mãn khách hàng càng l n (Hoàng Tr ng và M ng Ng c, 2005).
K t qu h i quy tuy n tính b i cho th y h s xác đ nh RỬ đi u ch nh (Adjusted R-Square) là 0,459, ngh a lƠ mô hình tuy n tính đƣ xơy d ng phù h p v i t p d li u đ n m c 45,9% (hay mô hình đƣ gi i thích đ c 45,9% s bi n thiên c a bi n ph thu c s hài lòng c a khách hàng). Ngoài ra, m c Ủ ngh a Sig = 0,002; h s Durbin ậ Watson = 2,036 (th a 1 < 2,036 < 3 ). Nh v y, mô hình h i quy tuy n tính b i đ a ra lƠ phù h p v i mô hình và d li u nghiên c u.
K t qu phân tích h i quy đ c trình bày trong b ng 4.6 (xem thêm Ph l c