Ở các phần trước, ta đã xác định được các biến quan sát sử dụng đểđo lường các thành phần trong thang đo và hiệu chỉnh mô hình lý thuyết cho phù hợp với thực tế. Trong phần này, mô hình nghiên cứu và các giả thuyết nghiên cứu sẽ được kiểm định đểđảm bảo tính đúng đắn của mô hình.
4.3.1 Phân tích tương quan hệ số Pearson
Người ta sử dụng một hệ 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 hai biến định lượng có sự tương quan chặt chẽ thì phải lưu ý đến vấn đề đa cộng tuyến khi phân tích hồi quy.
Vấn đề của hiện tượng đa 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. Trong quá trình phân tích hồi quy bội, đa cộng tuyến được SPSS chuẩn
Bảng 4.9: Ma trận tương quan giữa các biến thông qua hệ số Pearson DICH VU THONG TIN TAI CHINH XA HOI CONG TAC THICH UNG HAI LONG DICHVU Hệ số tương quan
Pearson 1 .428
**
.463** .333** .330** .273** .439**
Mức ý nghĩa (2 chiều) .000 .000 .000 .000 .001 .000
Kích thước mẫu 150 150 150 150 150 150 150
THONGTIN Hệ số tương quan
Pearson .428
**
1 .355** .742** .661** .586** .647**
Mức ý nghĩa (2 chiều) .000 .000 .000 .000 .000 .000
Kích thước mẫu 150 150 150 150 150 150 150
TAICHINH Hệ số tương quan
Pearson .463
**
.355** 1 .271** .233** .249** .383**
Mức ý nghĩa (2 chiều) .000 .000 .001 .004 .002 .000
Kích thước mẫu 150 150 150 150 150 150 150
XAHOI Hệ số tương quan
Pearson .333
** .742** .271** 1 .573** .597** .668**
Mức ý nghĩa (2 chiều) .000 .000 .001 .000 .000 .000
Kích thước mẫu 150 150 150 150 150 150 150
CONGTAC Hệ số tương quan
Pearson .330
** .661** .233** .573** 1 .672** .560** (adsbygoogle = window.adsbygoogle || []).push({});
Mức ý nghĩa (2 chiều) .000 .000 .004 .000 .000 .000
Kích thước mẫu 150 150 150 150 150 150 150
THICHUNG Hệ số tương quan
Pearson .273
**
.586** .249** .597** .672** 1 .644**
Mức ý nghĩa (2 chiều) .001 .000 .002 .000 .000 .000
Kích thước mẫu 150 150 150 150 150 150 150
HAILONG Hệ số tương quan
Pearson .439
**
.647** .383** .668** .560** .644** 1 Mức ý nghĩa (2 chiều) .000 .000 .000 .000 .000 .000
Kích thước mẫu 150 150 150 150 150 150 150
Xét ma trận tương quan ở bảng 4.11, ta thấy có sự tương quan chặt chẽ giữa biến phụ thuộc và các biến độc lập trong mô hình. Mặt khác, giữa các biến độc lập cũng có sự tương quan với nhau, đối với vấn đề này ta cần chú ý hiện tượng đa cộng tuyến giữa các biến độc lập khi tiến hành kiểm định mô hình.
4.3.2 Phân tích hồi quy
Các giá trị của các biến quan sát ở mỗi nhân tốđược tính tổng để hình thành các biến tương ứng đểđưa vào mô hình hồi quy bội. Các biến mới hình thành tương
ứng với các nhân tố như sau:
Nhân tố Tên biến Diễn giải
1 DICHVU Sựtrao đổi dịch vụ
2 THONGTIN Sựtrao đổi thông tin 3 TAICHINH Sựtrao đổi tài chính 4 XAHOI Sựtrao đổi xã hội 5 CONGTAC Sựcộng tác 6 THICHUNG Sựthích ứng
Mô hình hồi quy
HAILONG = β0 + β1DICHVU + β2THONGTIN + β3TAICHINH +
β4XAHOI+ β5CONGTAC + β6THICHUNG + e
Trong đó βi là các hệ số hồi quy riêng phần và e là một biến độc lập ngẫu nhiên có phân phối chuẩn với trung bình là 0 và phương sai không đổi σ2 .
4.3.2.1 Lựa chọn biến cho mô hình
Phương pháp đưa vào tất cả (Enter) được sử dụng để đưa các biến vào mô hình.
Bảng 4.10: Các biến đưa vào mô hình Mô hinh Các biến đưa vào Các biến loại bỏ Phương pháp 1 THICHUNG, TAICHINH, DICHVU, XAHOI, CONGTAC, THONGTINa . Enter Bảng 4.11: Tóm lược mô hình Bảng 4.12: Các hệ số hồi quy Mô hình Hệ số hồi quy Hệ số hồi quy đã chuẩn hóa t Mức ý nghĩa B Độ lệch chuẩn Beta 1 (Constant) -.728 .369 -1.972 .051 DICHVU .181 .080 .143 2.256 .026 THONGTIN .166 .115 .131 1.443 .151 TAICHINH .144 .082 .107 1.757 .081 XAHOI .361 .101 .297 3.587 .000 CONGTAC .025 .081 .025 .312 .755 THICHUNG .267 .067 .307 4.007 .000
a. Dependent Variable: HAILONG
Mô hình R R2 R2 điều chỉnh
Ước lượng sai (adsbygoogle = window.adsbygoogle || []).push({});
số chuẩn Durbin-Watson
4.3.2.2 Đánh giá sự phù hợp của mô hình hồi quy
Hệ số xác định R2 điều chỉnh (Adjusted R Square) được sử dụng đểđánh giá sự phù hợp của mô hình. Hệ số này được tính toán thông qua phần mềm SPSS và
được trình bày ở bảng 4.11.
Giá trị R2 điều chỉnh bằng 0,582 chứng tỏ biến độc lập đã giải thích được 58,2% biến thiên của biến phụ thuộc.
4.3.2.3 Kiểm định độ phù hợp của mô hình hồi quy
Kiểm định F sử dụng trong bảng phân tích phương sai (ANOVA) là phép kiểm định giả thiết vềđộ phù hợp của mô hình hồi quy tuyến tính tổng thể. Ởđây sẽ
xem xét biến phụ thuộc HAILONG có liên hệ tuyến tính với toàn bộ các biến độc lập hay không. Giả thuyết kiểm định là:
Ho: β1 = β2 = β3 = β4 = β5 = β6 = 0
Giá trị F của mô hình đầy đủ các biến được trích từ tính toán của phần mềm SPSS:
Bảng 4.13: Bảng phân tích phương sai ANOVA
Mô hình Tổng bình phương df Trung bình bình phương Kiểm định F Mức ý nghĩa 1 Hồi quy 44.101 6 7.350 35.591 .000a Phần dư 29.532 143 .207 Tổng 73.633 149
a. Biến độc lập: (hệ số), THICHUNG, DICHVU, XAHOI b. Biến phụ thuộc:: HAILONG
Kết quả của hồi quy cho biết thông tin về sự biến thiên của dữ liệu được giải thích bởi mô hình. Kết quả của phần dư cho biết biến thiên của dữ liệu không được giải thích bởi mô hình. Một mô hình với Tổng bình phương của Hồi quy lớn hơn so với Tổng bình phương của Phần dư cho thấy mô hình giải thích hầu hết phương sai của biến phụ thuộc. Ởđây ta thấy mô hình đã giải thích hầu hết phương sai của biến phụ thuộc HAILONG. Nói cách khác, bảng này nói rõ hơn về ý nghĩa của R2 ở
bảng Tóm lược ở trên.
Giá trị Mức ý nghĩa rất nhỏ cho thấy sẽ an toàn khi bác bỏ giả thuyết Ho. Nói cách khác là các hệ số hồi quy sẽ khác 0 và mô hình hồi quy tuyến tính bội ở đây phù hợp với tập dữ liệu và có thể sử dụng được.
4.3.2.4 Kết luận về các giả thiết được đặt ra
Bảng 4.14: Bảng tổng hợp các kết luận các giả thiết được đặt ra Nhân tố Beta Giá trị t Mức ý nghĩa Kết luận
Dichvu 0,143 2,256 0,026 Giả thiết H1 không bị bác bỏ
Thongtin 0,131 1,443 0,151 Giả thiết H2 bị bác bỏ
Taichinh 0,107 1,757 0,081 Giả thiết H3 bị bác bỏ
Xahoi 0,297 3,587 0,000 Giả thiết H4 không bị bác bỏ
Congtac 0,025 0,312 0,755 Giả thiết H5 bị bác bỏ
Thichung 0,307 4,007 0,000 Giả thiết H6 không bị bác bỏ
Hệ số hồi quy riêng phần của mỗi biến là giá trị Beta tương ứng với từng biến trong mô hình ở bảng Coefficients. Ý nghĩa của hệ số hồi quy riêng phần là nó
đo lường sự thay đổi trong giá trị trung bình của biến phụ thuộc khi mỗi biến độc lập thay đổi một đơn vị trong khi các biến độc lập còn lại không đổi. Các hệ số hồi quy riêng phần được tính từ phần mềm SPSS và được thể hiện trong bảng 4.14.
Các hệ số hồi quy riêng phần được kiểm định giả thuyết H0: βi = 0. Với mức ý nghĩa của các biến độc lập ở trên cho ta thấy có ba nhân tố tác động lên sự hài lòng của khách hàng là sự trao đổi dịch vụ, sự trao đổi xã hội và sự thích ứng.
4.3.2.5 Dò tìm sự vi phạm các giả định
Việc dò tìm sự vi phạm các giảđịnh cần thiết trong mô hình hồi quy đã được thực hiện, bao gồm: giảđịnh phân phối chuẩn của phần dư, giảđịnh về tính độc lập của sai số, và giảđịnh không có mối tương quan giữa các biến độc lập (đo lường đa cộng tuyến).
Giả định phân phối chuẩn của phần dư (adsbygoogle = window.adsbygoogle || []).push({});
Biểu đồ tần số Q-Q Plot được dùng để xem phần dư có phân phối chuẩn hay không. Hồi quy được thực hiện và sao lưu giá trị của phần dư chuẩn hóa (Standardized residual) vào biến zre_1 và sau đó vẽ biểu đồ tầns ố Q-Q plot của biến zre_1 này. Kết quảđược minh họa trong biểu đồ 4.1 dưới đây.
Trên biểu đồ, các giá trị phần dư phân tán tập trung sát đường chéo của biểu
đồ. Điều này cho thấy phần dư có phân phối chuẩn (normal distribution). Nói cách khác, giảđịnh phân phối chuẩn của phần dư không bị vi phạm.
Biểu đồ 4.1:Biểu đồ tần số Q-Q Plot của phần dư chuẩn hóa
Giả định về tính độc lập của sai số
Như đã trình bày ở mô hình hồi quy trên đây, sai số e là một biến độc lập ngẫu nhiên có phân phối chuẩn với trung bình là 0 và phương sai không đổi σ2. Đại lượng thống kê Durbin-Watson được sử dụng để kiểm định tương quan của các sai số kề nhau (tương quan chuỗi bậc nhất). Giả thiết kiểm định là H0: Hệ số tương quan tổng thể của các phần dư bằng 0. Nếu các phần dư không có tương quan