4. Kết quả thực tập theo đề tà
4.3.1 Phân tích mô hình
Nghiên cứu thực hiện chạy hồi quy tuyến tính đa biến với phƣơng pháp đƣa vào một lƣợt (phƣơng pháp Enter), trong đó:
Y: Sự hài lòng – biến phụ thuộc. Thang đo của nhân tố này từ 1 đến 5 (1: Hoàn toàn không đồng ý; 5: Hoàn toàn đồng ý). Biến Y gồm 5 biến quan sát là: Y1,Y2, Y3, Y4, Y5.
X1, X2, X3, X4, X5 là cá biến độc lập theo thứ tự sau: Sự tin cậy, Năng lực phục vụ, Sản phẩm, Dịch vụ hỗ trợ, An toàn
Bảng 4.7 Kiểm định độ phù hợp của mô hình
Mô hình Hệ số R Hệ số R bình phƣơng Hệ số R bình phƣơng hiệu chỉnh Sai số chuẩn ƣớc lƣợng Hệ số Durbin- Watson 1 .809a .655 .648 .22017 1.810
a. Dự báo: (Hằng số): Sự tin cậy, Năng lực phục vụ, Sản phẩm, Dịch vụ hỗ trợ, An toàn
b. Biến phụ thuộc: Y – Đánh giá chung về cảm nhận của khách hàng về các yếu tố Sự tin cậy, Năng lực phục vụ, Sản phẩm, Dịch vụ hỗ trợ, An toàn
Bảng 4.8 Thông số thống kê trong mô hình hồi qui bằng phương pháp Enter
Mô hình Hệ số chƣa chuẩn hóa Hệ số chuẩn hóa t Sig. Thống k đa cộng tuyến B Std. Error Beta Hệ số Tolerance Hệ số VIF 1 (Constant) 1.116 .125 8.896 .000 STC .171 .023 .351 7.360 .000 .623 1.606 NLPV .198 .022 .427 8.937 .000 .621 1.610 SP .097 .018 .203 5.376 .000 .996 1.004 DV .041 .015 .102 2.690 .008 .993 1.007 AT .156 .020 .303 8.012 .000 .991 1.009 Biến phụ thuộc: Y
Nguồn: Phân tích dữ liệu - phụ lục 3
Qua kết quả trên ta thấy mô hình không bị vi phạm hiện tƣợng đa cộng tuyến do hệ số phóng đại phƣơng sai các biến độc lập (VIF) đều nhỏ hơn 2 n n hiện tƣợng tƣơng quan chuỗi (Vấn đề đa cộng tuyến) không cần thiết phải xét đến. Nhƣ vậy không có hiện tƣợng đa cộng tuyến.
Hệ số Durbin – Watson = 1.810 nằm trong khoảng (1.5 – 2.5) cho thấy không có hiện tƣợng tự tƣơng quan.
Kiểm định F: Xem xét sự phù hợp của mô hình hồi quy tổng thể. So sánh giá trị sig. của trị thống kê F < 0.05.
- Kiểm nghiệm X1 với sig F = 0.00 < 0.05 cho thấy mô hình hồi quy tuyến tính bội đƣợc xây dựng phù hợp với tập dữ liệu.
- Kiểm nghiệm X2 với sig F = 0.00 < 0.05 cho thấy mô hình hồi quy tuyến tính bội đƣợc xây dựng phù hợp với tập dữ liệu.
- Kiểm nghiệm X3 với sig F = 0.00 < 0.05 cho thấy mô hình hồi quy tuyến tính bội đƣợc xây dựng phù hợp với tập dữ liệu.
- Kiểm nghiệm X4 với sig F = 0.008 < 0.05 cho thấy mô hình hồi quy tuyến tính bội đƣợc xây dựng phù hợp với tập dữ liệu.
- Kiểm nghiệm X5 với sig F = 0.00 < 0.05 cho thấy mô hình hồi quy tuyến tính bội đƣợc xây dựng phù hợp với tập dữ liệu.
Hệ số xác định R2: Trong thang đo thông thƣờng thì dùng Hệ số xác định R2 để xác định mức độ phù hợp của mô hình hồi quy tuyến tính đã xây dựng so với dữ liệu. Phƣơng trình hồi quy bội đƣợc xác định nhƣ sau:
Y = 0.351*X1 + 0.427*X2 + 0.203*X3 + 0.102*X4 + 0.303*X5 Hoặc
Đánh giá về cảm nhận của khách hàng = 0.351*(Sự tin cậy) + 0.427*(Năng lực phục vụ) + 0.203*(Sản phẩm) + 0.102*(Dịch vụ hỗ trợ) + 0.303*(An toàn)
Nhân tố Năng lực phục vụ có ảnh hƣởng cao nhất (β = 0.427), vị trí thứ hai với (β = 0.351) là nhân tố Sự tin cậy. Mức độ ảnh hƣởng của yếu tố An toàn xếp vị trí thứ 3 với (β = 0.303). Mức độ ảnh hƣởng của yếu tố Sản phẩm xếp vị trí thứ 4 với (β = 0.203). Cuối cùng là yếu tố Dịch vụ hỗ trợ với mức độ ảnh hƣởng ảnh hƣởng (β = 0.102).
Chấp nhận 5 giả thuyết đặt ra.