7. Tổng quan tài liệu nghiên cứu
3.5.1.Đánh giá độ phù hợp của mô hình hồi quy tuyến tính bội
Mô hình hồi quy bội có dạng:
y = β0 + β1*x1 + β2*x2 + β3*x3 + β4*x4 + β5*x5 + β6*x6+ β7*x7 + β8*x8 + ε
Trong đó:
Y: biến phụ thuộc – Sự hài lòng của khách du lịch nội địa với Furama Đà Nẵng
71
x2: biến độc lập – Các dịch vụ x3: biến độc lập – Yếu tố hữu hình x4: biến độc lập – An toàn – An ninh x5: biến độc lập – Vệ sinh
x6: biến độc lập – Sự tiện lợi x7: biến độc lập – Giá cảm nhận x8: biến độc lập – Sự tín nhiệm
ε : Sai số của mô hình
Để tiến hành phân tích hồi quy tuyến tính bội, các biến đƣợc đƣa vào mô hình theo phƣơng pháp Enter. Tiêu chuẩn kiểm định là tiêu chuẩn đƣợc xây dựng vào phƣơng pháp kiểm định giá trị thống kê F và xác định xác suất tƣơng ứng của giá trị thống kê F, kiểm định mức độ phù hợp giữa mẫu và tổng thể thông qua hệ số xác định R2.
Công cụ chẩn đoán giúp phát hiện sự tồn tại của cộng tuyến trong dữ liệu đƣợc đánh giá mức độ cộng tuyến làm thoái hóa tham số ƣớc lƣợng là: Hệ số phóng đại phƣơng sai (Variance inflation factor – VIF). Quy tắc là khi VIF vƣợt quá 10, đó là dấu hiệu của đa cộng tuyến (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005, 218).
* Kết quả hồi quy lần đầu tiên (bảng biểu ở phụ lục)
Ta có:
- R bình phƣơng bằng 0.880, R bình phƣơng hiệu chỉnh là 0.877 => Mô hình hồi quy tuyến tính có độ phù hợp cao.
- Giá trị sig của phân tích Anova về sự phù hợp của mô hình hồi quy bằng 0.000 < 0,05, ta bác bỏ giả thiết H0, nghĩa là có mối quan hệ giữa các độc lập và biến phụ thuộc.
- Thống kê Durbin Watson bằng 1.884 nằm trong đoạn 1.5 đến 2.5 vì vậy mô hình không có hiện tƣợng tự tƣơng quan. (Với mức ý nghĩa α= 95%
72
thì thống kê miền bác bỏ giả thiết H0: Có hiện tƣợng tự tƣơng quan là T nằm trong đoạn (1,5 đến 2,5).
- Hệ số VIF nằm trong khoản 1.4 đến 3.2<4 nên không có hiện tƣợng đa cộng tuyến hoặc hiện tƣợng đang cộng tuyến xảy ra không đáng kể.
- Các biến x1 (nhân viên), x2 (các dịch vụ), x5 (vệ sinh), x6 (sự tiện lợi), x7 (giá cảm nhận), x8 (sự tín nhiệm) có hệ số hồi quy (β) lớn hơn 0 và Sig <0.05 nên đạt điều kiện có tham gia vào mô hình hồi quy.
- Nhân tố x3 (hữu hình), x4 (An toàn – An ninh) có Sig >0.05 nên không đủ điều kiện, bị loại ra khỏi mô hình hồi quy bội. Trên thực tế hai nhân tố này cũng có ảnh hƣởng đến sự hài lòng của khách du lịch đối với dịch vụ lƣu trú, điều này đã đƣợc các tác giả khác kiểm chứng ở nhiều nghiên cứu tƣơng tự. Tuy nhiên, có thể ở tại khu nghỉ mát Furama Đà Nẵng có những đặc điểm đặc thù riêng, hoặc tại thời điểm tác giả khảo sát các nhân tố này không ảnh hƣởng hoặc ảnh hƣởng không đáng kể đến sự hài lòng của khách hàng nội địa đối với khu nghỉ mát.
* Kết quả phân tích hồi quy lần 2
Sau khi loại biến x3 (hữu hình) và x4 (An toàn – An ninh) ra khỏi mô hình ta có kết quả nhƣ sau:
Bảng 3.15. Hệ số phù hợp của mô hình hồi quy bội (lần 2)
Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 .938a .880 .877 .20729 1.882
Qua bảng trên ta thấy: R2 = 0.880, R2 hiệu chỉnh = 0.877. R2> R2 hiệu chỉnh nên dùng nó để đánh giá độ phù hợp của mô hình sẽ an toàn hơn vì nó không thổi phồng mức độ phù hợp của mô hình. Ta thấy hệ số phù hợp của
73
mô hình khá lớn. R2 hiệu chỉnh =0.877 (>0.5), nghĩa là 87,7% sự biến thiên của biến phụ thuộc là sự hài lòng của du khách đƣợc giải thích bởi biến thiên của các biến độc lập. Thống kê Durbin Watson bằng 1.882 nằm trong đoạn 1.5 đến 2.5 vì vậy mô hình không có hiện tƣợng tự tƣơng quan.
Phân tích Anova cho chúng ta biết đƣợc sự phù hợp của mô hình hồi quy, giả thuyết H0 đặt ra là không có mối quan hệ giữa các biến độc lập x1, x2, x3, x5, x6, x7, x8 và biến phụ thuộc sự hài lòng của khách du lịch. Ta có:
Bảng 3.16: Phân tích ANOVA về sự phù hợp của phân tích hồi quy
ANOVAb
Model Sum of Squares df Mean Square F Sig. (adsbygoogle = window.adsbygoogle || []).push({});
1 Regression 88.469 6 14.745 343.149 .000a
Residual 12.117 282 .043
Total 100.587 288
Giá trị sig của phân tích Anova về sự phù hợp của mô hình hồi quy bằng 0.000 < 0,05, ta bác bỏ giả thiết H0, nghĩa là có mối quan hệ giữa các độc lập và biến phụ thuộc.
Bảng 3.17: Hệ số hồi quy và thống kê đa cộng tuyến
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std.
Error Beta Tolerance VIF
1 (Constant) .115 .093 1.245 .214
74 x2 .259 .033 .279 7.769 .000 .332 3.012 x5 .103 .020 .122 5.059 .000 .740 1.351 x6 .084 .028 .095 3.033 .003 .435 2.297 x7 .114 .021 .148 5.330 .000 .556 1.799 x8 .275 .030 .322 9.165 .000 .346 2.894
Dựa vào số liệu bảng trên ta thấy các hệ số Beta điều khác 0, Sig.<0.05 nên các thành phần đều tham dự vào mô hình hồi quy bội và đảm bảo về mặt thống kê. Hệ số VIF nằm trong khoản 1.351 – 3.012 <4 nên không có hiện tƣợng đa cộng tuyến xảy ra trong mô hình.
Từ kết quả kết quả trên ta xây dựng đƣợc mô hình hồi quy bội nhƣ sau: - Mô hình chƣa chuẩn hóa:
y = 0.115 + 0.146*x1 + 0.259*x2 + 0.103*x5 + 0.084*x6+ 0.114*x7 + 0.275*x8
- Mô hình hồi quy đã chuẩn hóa
y = 0.171*x1 + 0.279*x2 + 0.122*x5 + 0.095*x6+ 0.148*x7 + 0.322*x8
hay:
Sự hài lòng = 0.171*nhân viên + 0.259*các dịch vụ + 0.122*vệ sinh + 0.095*sự tiện lợi + 0.148*giá cảm nhận + 0.322*tín nhiệm
Dựa vào mô hình hồi quy đã chuẩn hóa ta thấy nhân tố tín nhiệm ảnh hƣởng nhiều nhất đến sự hài lòng của khách du lịch nội địa đối với khu nghỉ mát Furama Đà Nẵng với hệ số β = 0.322, ảnh hƣởng lớn thứ nhì là yếu tố các dịch vụ với β = 0.279, yếu tố nhân viên (β = 0.171) và giá cảm nhận (β = 0.148) cũng có ảnh hƣởng khá lớn đối với sự hài lòng của khách du lịch. Yếu tố vệ sinh và sự tiện lợi có ảnh hƣởng ít hơn các nhân tố khác trong mô hình.
Ngoài các biến số thuộc chất lƣợng dịch vụ, giá cảm nhận, tín nhiệm trong mô hình hồi quy thì sự hài lòng của khách du lịch còn chịu ảnh hƣởng bởi những yếu tố thuộc chính bản thân du khách nhƣ độ tuổi, giới tính, nghề
75
nghiệp, chức vụ, mức thu nhập.