2. CHƯƠNG 2: THỰC TRẠNG SỰ HÀI LÒNG CỦA KHÁCH HÀNG CÁ NHÂN VỀ
2.3.3.1 Kiểm định Mô hình nghiên cứu và các giả thuyết bằng phân tích hồi quy bội
bội
Sau khi qua giai đoạn phân tích nhân tố, có 6 nhân tố (bao gồm 5 nhân tố chất lượng dịch vụ và 1 nhân tố sự hài lòng) được đưa vào kiểm định mô hình. Theo giả thuyết của nghiên cứu là có mối quan hệ giữa các thành phần của chất lượng dịch vụ và sự hài lòng của khách hàng. Vấn đề đặt ra trong nghiên cứu này là có mối quan hệ tuyến tính cùng chiều giữa các thành phần chất lượng dịch vụ với sự hài lòng của khách hàng? Mức độ quan hệ như thế nào? Như vậy mô hình tuyến tính bội được sử dụng để phân tích và giải thích vấn đề.
Ta tiến hành phân tích hồi quy để xác định cụ thể trọng số của từng yếu tố tác động đến mức độ hài lòng của khách hàng. Phân tích hồi quy sẽ được thực hiện với 6 biến độc lập đó là Độ tin cậy, Đáp ứng, Năng lực phục vụ, Giá, Phương tiện hữu hình và một biến phụ thuộc là sự hài lòng của khách hàng. Giá trị nhân tố là trung bình của các biến quan sát thành phần thuộc nhân tố đó. Phân tích tương quan Pearson được sử dụng để xem xét sự phù hợp khi đưa các thành phần vào mô hình hồi quy. Kết quả của phân tích hồi quy sẽ được sử dụng để kiểm định các giả thuyết từ H1 đến H6. Và phân tích hồi quy được thực hiện bằng phương pháp hồi quy tổng thể các biến (phương pháp enter) với phần mềm SPSS 20
Phương trình hồi quy bội biểu diễn mối quan hệ giữa các nhân tố và sự thỏa mãn của khách hàng có dạng như sau:
Trong đó:
- Y là biến phụ thuộc thể hiện giá trị dự đoán về mức độ hài lòng của khách hàng
- βo: hằng số
- β1, β2, β3, β4, β5 là các trọng số hồi quy
- X1, X2, X3, X4, X5 là các biến độc lập theo thứ tự: Độ tin cậy, Đáp ứng, Phương tiện hữu hình, Giá, Đồng cảm.
- : sai số
Trước khi tiến hành phân tích hồi quy, ta phân tích hệ số tương quan của các biến để xem xét mối quan hệ giữa biến phụ thuộc và từng biến độc lập, cũng như giữa các biến độc lập với nhau. Nếu hệ số tương quan giữa biến phụ thuộc và các biến độc lập lớn chứng tỏ giữa chúng có quan hệ với nhau và phân tích hồi quy tuyến tính có thể phù hợp.
Phân tích tương quan hệ số Pearson
Người ta sử dụng một số thống kê có tên là Hệ số tương quan Pearson để lượng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến định lượng. Nếu giữa 2 biến có sự tương quan chặt thì phải lưu ý vấn đề đa cộng tuyến khi phân tích hồi quy. Trong phân tích tương quan Pearson, không có sự phân biệt giữa các biến độc lập và biến phụ thuộc mà tất cả đều được xem xét như nhau.
Đa cộng tuyến là trạng thái trong đó các biến độc lập có tương quan chặt chẽ với nhau. Vấn đề của hiện tượng cộng tuyến là chúng cung cấp cho mô hình những thông tin rất giống nhau, và rất khó tách rời ảnh hưởng của từng biến một đến biến phụ thuộc. Hiệu ứng khác của sự tương quan khá chặt giữa các biến độc lập là nó làm tăng độ lệch chuẩn của các hệ số hồi quy và làm giảm trị thống kê t của kiểm định ý nghĩa của chúng nên các hệ số có khuynh hướng kém ý nghĩa hơn khi không có đa cộng tuyến trong khi hệ số xác định R square vẫn khá cao. Trong quá trình phân tích hối quy bội, đa cộng tuyến được SPSS chuẩn đoán bằng lựa chọn Collinearity Diagnostic.
Bảng 2.23 : Ma trận tương quan giữa các biến tc1 du1 pthh1 gia1 dc1 hl1 tc1 1 du1 0.616 1 pthh1 0.649 0.467 1 gia1 0.626 0.581 0.54 1 dc1 0.643 0.728 0.468 0.638 1 hl1 0.679 0.704 0.503 0.654 0.869 1
Xem xét ma trận tương quan giữa các biến , Ma trận này sẽ cho thấy mối tương quan tuyến tính giữa biến Sự Hài lòng (biến phụ thuộc) với từng biến độc lập, cũng như tương quan tuyến tính gữa các biến độc lập với nhau. Biến Hài lòng có sự tương quan tuyến tính rất chặt chẽ với tất cả 5 biến độc lập (Độ tin cậy, Đáp ứng, Phương tiện hữu hình, Giá, Đồng cảm) với r (hệ số tương quan- Pearson Correlation)>0.3 và sig<1%. Giữa các biến độc lập (Độ tin cậy, Đáp ứng, Phương tiện hữu hình, Giá, Đồng cảm) đều có r >0.3 vì vậy cần phải xem xét kỹ trong phần phân tích hồi quy tuyến tính bội dưới đây nhằm tránh hiện tượng đa cộng tuyến giữa các biến độc lập.