Để kiểm định sự phù hợp giữa 7 thành phần ảnh hưởng đến biến phụ thuộc là sự hài lòng, hàm hồi qui tuyến tính bội với phương pháp đưa vào một lượt (Enter) được sử dụng. Nghĩa là phần mềm SPSS xử lý tất cả các biến đưa vào một lần và đưa ra các thông số thống kê liên quan đến các biến. Hệ số hồi qui riêng phần đã chuẩn hóa của thành phần nào càng lớn thì mức độ ảnh hưởng của thành phần đó đến biến phụ thuộc càng cao, nếu cùng dấu thì mức độ ảnh hưởng thuận chiều và ngược lại.
Kết quả phân tích hồi qui bội lần thứ nhất
Kết quả phân tích hồi qui bội lần thứ nhất tại bảng 4.4, các giá trị Sig. với các thành phần TINCAY, WEB, GIAOHANG, ANTOAN, THANHTOAN, GIACA đều rất nhỏ (nhỏ hơn 0.05). Biến INFO có trị Sig =0.831> 0.05 nên bị loại do không có ý nghĩa thống kê. Vì vậy, hồi quy bội lần thứ hai được thực hiện giữa 6 biến TINCAY, WEB, GIAOHANG, ANTOAN, THANHTOAN, GIACA và biến phụ thuộc HAILONG.
Bảng 4.4: Tóm tắt các hệ số hồi qui lần 1
Nguồn:Tổng hợp từ kết quả phân tích SPSS.
Mô
hình R2 R2 R2 hiệu chỉnh Sai số chuẩn Durbin-Watson
1 .772a .596 .586 .43139 1.877
Coefficientsa
Mô hình
Hệ số chưa
chuẩn hóa Hệ số chuẩn hóa
T Sig.
Collinearity Statistics
B Error Std. Beta Tolerance VIF
1 (Hằng số) -.258 .246 -1.050 .295 TINCAY .297 .045 .293 6.623 .000 .761 1.314 WEB .122 .045 .136 2.711 .007 .588 1.701 GIAOHANG .187 .050 .164 3.765 .000 .781 1.281 ANTOAN .153 .060 .124 2.553 .011 .632 1.581 THANHTOAN .084 .032 .123 2.647 .009 .691 1.447 INFO .008 .037 .009 .213 .831 .933 1.072 GIACA .215 .042 .268 5.158 .000 .551 1.814
Kết quả phân tích hồi qui bội lần thứ hai
Với kết quả phân tích hồi qui lần thứ 2 tại bảng 4.5, các giá trị Sig. tương ứng với các biến TINCAY, WEB, GIAOHANG, ANTOAN, THANHTOAN, GIACA đều nhỏ hơn 0.05. Vì vậy, có thể khẳng định lần nữa các biến này có ý nghĩa trong mô hình.
Bảng 4.5: Tóm tắt các hệ số hồi qui lần 2
Nguồn:Tổng hợp từ kết quả phân tích SPSS.
Mô
hình R R2 R2 hiệu chỉnh Sai số chuẩn Durbin-Watson
1 .772a .596 .587 .43064 1.877
Coefficientsa
Mô hình
Hệ số chưa
chuẩn hóa Hệ số chuẩn hóa
T Sig.
Collinearity Statistics
B Error Std. Beta Tolerance VIF
1 (Hằng số) -.234 .218 -1.075 .284 TINCAY .296 .044 .292 6.654 .000 .771 1.296 WEB .122 .045 .137 2.727 .007 .589 1.698 GIAOHANG .188 .049 .166 3.827 .000 .793 1.262 ANTOAN .152 .060 .123 2.549 .011 .634 1.577 THANHTOAN .083 .032 .122 2.643 .009 .698 1.432 GIACA .216 .041 .270 5.310 .000 .573 1.745
4.4.3.1. Kiểm định các giả định hồi quy
Từ các kết quả quan sát được trong mẫu, phải suy rộng kết luận cho mối liên hệ giữa các biến trong tổng thể. Sự suy rộng các kết quả của mẫu cho các giá trị của tổng thể phải trên cở sở các giả định cần thiết (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008) như sau:
Giả định liên hệ tuyến tính
Kiểm tra bằng biểu đồ phân tán scatter cho phần dư chuẩn hóa (Standardized residual) và giá trị dự doán chuẩn hóa (Standardized predicted value). Kết quả cho thấy phần dư phân tán ngẫu nhiên qua đường thẳng qua điểm 0, không tạo thành một hình dạng nào cụ thể. Như vậy, giả định liên hệ tuyến tính được thỏa mãn (Hình 4.2).
Hình 4.2: Đồ thị phân tán phần dư chuẩn hóa và giá trị dự đoán chuẩn hóa
Nguồn:Tổng hợp từ kết quả phân tích SPSS.
Giả định phương sai của sai số không đổi
Kết quả kiểm định tương quan hạng Spearman (xem Phụ lục 8)cho thấy giá trị sig của các biến TINCAY, WEB, GIAOHANG, ANTOAN, THANHTOAN, GIACA với giá trị tuyệt đối của phần dư khác không. Điều này cho thấy chúng ta không thể bác bỏ giả thuyết Ho, nghĩa là phương sai của sai số không đổi. Như vậy, giả định phương sai của sai số không đổi không bị vi phạm.
Giả định phần dư có phân phối chuẩn
Kiểm tra biểu đồ phân tán của phần dư cho thấy phân phối phần dư xấp xỉ chuẩn (trung bình mean gần bằng 0 và độ lệch chuẩn Std. = 0.98915 tức là gần bằng 1). Như vậy, giả định phần dư có phân phối chuẩn không bị vi phạm (Hình 4.3).
Giả định không có tương quan giữa các phần dư
Đại lượng thống kê Durbin-Watson (d) được dùng để kiểm định tương quan của các sai số kề nhau với d có giá trị từ 0 đến 4. Kết quả phân tích hồi quy bội cho thấy d = 1.877 (bảng 4.5) nằm trong vùng chấp nhận nên không có tương quan giữa các phần dư. Như vậy, giả định không có tương quan giữa các phần dư không bị vi phạm. Vì vậy, mô hình hồi quy tuyến tính trên có thể sử dụng được.
Hình 4.3: Biểu đồ tần số Histogram
Nguồn:Tổng hợp từ kết quả phân tích SPSS.
4.4.3.2. Đánh giá độ phù hợp, kiểm định độ phù hợp của mô hình và hiện tượng đa cộng tuyến
Đánh giá độ phù hợp của mô hình
Hệ số R2 điều chỉnh (Adjusted R square) = 0.587 (bảng 4.5). Điều này nói lên rằng mô hình hồi quy tuyến tính bội đã xây dựng phù hợp với tập dữ liệu đến mức 58.70% hay mô hình đã giải thích được 58.70% sự biến thiên của biến sự hài lòng khách hàng.
Kiểm định độ phù hợp của mô hình
Kết quả kiểm định trị thống kê F, với giá trị sig = 0.000 (nhỏ hơn 0.001) từ bảng phân tích phương sai ANOVA (bảng 4.6) cho thấy mô hình hồi quy tuyến tính bội đã xây dựng phù hợp với tập dữ liệu nên có thể sử dụng được.
Bảng 4.6:Kết quả kiểm định ANOVAb
Nguồn:Tổng hợp từ kết quả phân tích SPSS.
Model Sum of Squares Df Mean Square F Sig.
1 Regression 74.530 6 12.422 66.982 .000a
Residual 50.442 272 .185
Total 124.972 278
Hiện tượng đa cộng tuyến
Đo lường đa cộng tuyến được thực hiện, kết quả cho thấy hệ số phóng đại phương sai (VIF) có giá trị nhỏ hơn 2 (bảng 4.5) đạt yêu cầu (VIF < 10). Vậy mô hình hồi quy
tuyến tính bội không có hiện tượng đa cộng tuyến, mối quan hệ giữa các biến độc lập không ảnh hưởng đến kết quả giải thích của mô hình.
4.4.3.3. Phương trình hồi quy tuyến tính bội
Với tập dữ liệu thu được trong phạm vi nghiên cứu của đề tài và dựa vào bảng kết quả hồi quy tuyến tính bội (bảng 4.5 - Coefficientsa), phương trình hồi quy tuyến tính bội thể hiện các nhân tố ảnh hưởng đến sự hài lòng của khách hàng như sau:
HAILONG = -0.234 + 0.296*TINCAY + 0.122WEB + 0.188GIAOHANG + 0.152ANTOAN + 0.083*THANHTOAN + 0.216*GIACA
Hoặc phương trình hồi quy với hệ số Beta chuẩn hóa như sau:
HAILONG = 0.292*TINCAY + 0.137*WEB + 0.166*GIAOHANG + 0.123*ANTOAN + 0.122*THANHTOAN + 0.270*GIACA
Trong đó:
- Các biến độc lập (Xi): TINCAY, WEB, GIAOHANG, ANTOAN, THANHTOAN, GIACA.
- Biến phụ thuộc (HAILONG): Sự hài lòng của khách hàng.