Mô hình nghiên cứu điều chỉnh sau khi phân tích nhân tố khám phá (EFA) và các giả thuyết cần đƣợc kiểm định bằng phƣơng pháp hồi quy. Mô hình hồi quy tuyến tính bội giả định rằng biến phụ thuộc có phân phối chuẩn đối với bất kỳ kết hợp nào của biến độc lập trong mô hình. Một giả định quan trọng đối với mô hình hồi quy tuyến tính là không có biến giải thích nào có thể đƣợc biểu thị dƣới dạng tổ hợp tuyến tính với những biến giải thích còn lại. Nếu tồn tại một quan hệ tuyến tính nhƣ vậy, khi đó
xảy ra hiện tƣợng đa cộng tuyến. Bƣớc đầu tiên khi tiến hành phân tích hồi quy tuyến tính bội cũng là xem xét các mối tƣơng quan tuyến tính giữa tất cả các biến. Ở mô hình hồi quy tuyến tính đơn ta chỉ cần xem mối quan hệ giữa biến độc lập với một biến phụ thuộc, còn ở đây có nhiều biến nên ta phải xem xét tổng quan giữa tất cả các biến cho mục đích này.
Để đánh giá sự phù hợp với mô hình, các nhà nghiên cứu sử dụng hệ số xác định R2 (R-square) để đánh giá mức độ phù hợp của mô hình nghiên cứu, hệ số xác định mô hình R2 đƣợc xác định là hàm không giảm theo số biến độc lập đƣợc đƣa vào mô hình, tuy nhiên không phải phƣơng trình càng có nhiều biến sẽ càng phù hợp hơn với dữ liệu, R2 có khuynh hƣớng là một yếu tố lạc quan của thƣớc đo sự phù hợp của mô hình đối với dữ liệu trong trƣờng hợp có một biến giải thích trong mô hình. Nhƣ vậy, trong hồi quy tuyến tính bội thƣờng dùng hệ số R-square 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 tƣợng tƣơng quan bằng hệ số Durbin – Whatson (1 < Durbin – Whatson < 3) và không có hiện tƣợng đa cộng tuyến bằng hệ số phóng đại phƣơng sai VIF (VIF < 2.5). Hệ số Beta chuẩn hóa đƣợc dùng để đánh giá mức độ quan trọng của từng nhân tố, hệ số Beta chuẩn hóa 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, 2008).
Sau khi rút trích đƣợc các nhân tố từ phân tích nhân tố khám phá EFA, dò tìm các vi phạm giả định cần thiết trong mô hình hồi quy tuyến tính bội nhƣ kiểm tra phần dƣ chuẩn hóa, kiểm tra hệ số phóng đại phƣơng sai VIF (Variance inflation factor – VIF). Nếu các giả định không bị vi phạm, mô hình hồi quy tuyến tính bội đƣợc xây dựng. Khi đó hệ số R2 đã đƣợc điều chỉnh (adjusted R square) cho biết mô hình hồi quy đƣợc xây dựng phù hợp đến mức nào.
Chƣơng này trình bày phƣơng pháp nghiên cứu gồm hai bƣớc chính: nghiên cứu sơ bộ và nghiên cứu chính thức. Nghiên cứu sơ bộ đƣợc thực hiện bằng nghiên cứu định tính thông qua thảo luận nhóm và phỏng vấn thử. Nghiên cứu chính thức đƣợc thực hiện bằng nghiên cứu định lƣợng. Chƣơng này cũng trình bày sáu đo đã đƣợc mã hóa và trình bày kế hoạch phân tích dữ liệu thu thập đƣợc. Chƣơng tiếp theo trình bày cụ thể kết quả nghiên cứu.
CHƢƠNG 4: KẾT QUẢ NGHIÊN CỨU