4.4.2.1. Phân tích tương quan
Dữ liệu dùng trong phân tích hồi quy tương quan được người nghiên cứu lựa chọn là dữ liệu chuẩn hóa (được xuất ra từ phần mềm SPSS sau quá trình phân tích nhân tố khám phá). Để xác định mối quan hệ nhân quả giữa các biến trong mô hình, bước đầu tiên ta cần phân tích tương quan giữa các biến xem thử có mối liên hệ tuyến tính giữa biến độc lập và biến phụ thuộc hay không.
Ta sử dụng hệ số tương quan Pearson (ký hiệu r) để lượng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến định lượng, r có giá trị nằm trong đoạn [-1,1], giá trị tuyệt đối của r cho biết mức độ chặt chẽ của mối liên hệ tuyến tính.
+ Nếu r >0 thì mối liên hệ là tuyến tính thuận + Nếu r <0 thì mối liên hệ là tuyến tính nghịch
+ Nếu r=0 thì 2 biến không có mối liên hệ tuyến tính, ta có 2 trường hợp là không có mối liên hệ giữa 2 biến hoặc hai biến có mối liên hệ nhưng không phải tuyến tính tức là phi tuyến (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005 ).
Bảng 4.26. Ma trận hệ số tương quan Correlations LS DC DU PV HH TH TC HL Pearson Correlation 1 ,000 ,000 ,000 ,000 ,000 ,000 ,408** Sig. (2-tailed) 1,000 1,000 1,000 1,000 1,000 1,000 ,000 LS N 250 250 250 250 250 250 250 250 Pearson Correlation ,000 1 ,000 ,000 ,000 ,000 ,000 ,281** Sig. (2-tailed) 1,000 1,000 1,000 1,000 1,000 1,000 ,000 DC N 250 250 250 250 250 250 250 250 Pearson Correlation ,000 ,000 1 ,000 ,000 ,000 ,000 ,196** Sig. (2-tailed) 1,000 1,000 1,000 1,000 1,000 1,000 ,002 DU N 250 250 250 250 250 250 250 250
Pearson Correlation ,000 ,000 ,000 1 ,000 ,000 ,000 ,067 Sig. (2-tailed) 1,000 1,000 1,000 1,000 1,000 1,000 ,295 PV N 250 250 250 250 250 250 250 250 Pearson Correlation ,000 ,000 ,000 ,000 1 ,000 ,000 -,007 Sig. (2-tailed) 1,000 1,000 1,000 1,000 1,000 1,000 ,911 HH N 250 250 250 250 250 250 250 250 Pearson Correlation ,000 ,000 ,000 ,000 ,000 1 ,000 ,592** Sig. (2-tailed) 1,000 1,000 1,000 1,000 1,000 1,000 ,000 TH N 250 250 250 250 250 250 250 250 Pearson Correlation ,000 ,000 ,000 ,000 ,000 ,000 1 ,224** Sig. (2-tailed) 1,000 1,000 1,000 1,000 1,000 1,000 ,000 TC N 250 250 250 250 250 250 250 250 Pearson Correlation ,408** ,281** ,196** ,067 -,007 ,592** ,224** 1 Sig. (2-tailed) ,000 ,000 ,002 ,295 ,911 ,000 ,000 HL N 250 250 250 250 250 250 250 250
**. Correlation is significant at the 0.01 level (2-tailed).
Nguồn: Tính toán từ dữ liệu điều tra
Nhìn vào Bảng 4.26 ta thấy mô hình có: Các biến là tự tương quan. Tương quan cao nhất là giữa thang đo “Sự hài lòng chung” với thang đo “Uy tín thương hiệu” vì có r = 0,592 và Sig.= 0,000<5% thang đo này có ý nghĩa, còn giữa thang đo “Phương tiện hữu hình” có Sig.= 0,911>5% và thang đo “Năng lực phục vụ” có Sig.= 0,295>5% hai thang đo này không có mỗi tương quan với “Sự hài lòng” vì Sig.= 0,889>5% nên không có ý nghĩa thống kê. Các biến độc lập không có môi quan hệ tương quan với nhau vì Sig.= 1,000>5% do đó có thể sẽ không có hiện tượng đa cộng tuyến.
4.4.2.2. Phân tích hồi quy
Phân tích hồi quy tuyến tính sẽ giúp chúng ta biết được cường độ ảnh hưởng của các biến độc lập lên biến phụ thuộc. Để tiến hành phân tích hồi quy tuyến tính bội, các biến đưa vào mô hình theo phương pháp Enter. Tiêu chuẩn kiểm định là tiêu chuẩn được xây dựng vào phương pháp kiểm định giá trị thống kê F và xác định xác suất tương 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 được đánh giá mức độ cộng tuyến làm thoái hóa tham số ước lượng là hệ số phóng đại phương sai (Variance inflation factor - VIF). Quy tắc khi VIF vượt quá 10, đó là dấu hiệu của đa cộng tuyến (Nguyễn Đình Thọ, 2010)
Các nhân tố mới hình thành gồm có: 7 biến độc lập (Sự tin cậy, năng lực phục vụ, Sự đồng cảm, Sự đáp ứng, Phương tiện hữu hình, Lãi suất, Uy tín thương hiệu và 1 biến phụ thuộc (Sự hài lòng chung) được đưa vào phân tích hồi qui. Do vậy cần có sự điều chỉnh về giả thuyết và mô hình nghiên cứu sau phép phân tích nhân tố. Ta có phương trình tổng quát được xây dựng như sau:
HL = β0 + β1*LS + β2*DC + β3*DU + β4*PV + β5*HH + β6*TH+ β7*TC
Trong đó:
Biến phụ thuộc: HL (Sự thỏa mãn chung ).
Các biến độc lập là:
LS: Lãi suất
DC: Sự đồng cảm
DU: Sự đáp ứng
PV: Năng lực phục vụ
HH: Phương tiện hữu hình
TH: Uy tín thương hiệu
TC: Sự tin cậy
Dựa vào cơ sở lý thuyết và kết quả phân tích ở trên, ta sẽ đưa tất cả các biến độc lập trong mô hình hồi quy đã điều chỉnh bằng phương pháp đưa vào cùng một lúc Enter để chọn lọc dựa trên tiêu chí chọn những biến có mức ý nghĩa < 0.05.
Bảng 4.27. Hệ số R-Square từ kết quả phân tích hồi quy
Model Summaryb
Mode
l R R Square Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
1 0,830a 0,689 0,680 0,56527043 2,012
a. Predictors: (Constant), TC, TH, HH, PV, DU, DC, LS b. Dependent Variable: HL
Nguồn: Tính toán từ dữ liệu điều tra
Nhìn vào Bảng 4.27 ta thấy mô hình có hệ số tương quan R=0,830 cho thấy mối tương quan giữa các biến là thuận và rất chặt chẽ. Với hệ số xác định R2đã được điều chỉnh là 0,680 cho thấy 7 nhân tố được dùng làm biến độc lập giải thích được 68% mô hình, còn lại 32% do các yếu tố khác ngoài mô hình giải thích.
Kiểm định Tính độc lập của phần dư Ta dùng đại lượng thống kê Durbin-
Watson d) để kiểm định. Đại lượng d này có giá trị từ 0 đến 4. Trong thực tế, khi tiến hành kiểm định Durbin- Watson người ta thường áp dụng quy tắc kiểm định đơn giản như sau: nếu 1 < d < 3 thì kết luận mô hình không có tương quan; nếu 0 < d <1 thì kết luận mô hình có sự tương quan dương; nếu 3 < d < 4 thì kết luận mô hình có sự tương quan âm (Hoàng Trọng & Chu Nguyễn Mộng Ngọc (2005). Theo bảng 4.29 thì đại lượng thống kê Durbin-Watson (d) = 2,012 nên các phần dư trong mẫu không có tương quan với nhau.
Nhìn vào biểu đồ Histogram (Xem phụ lục 7) ta thấy phần dư có phân phối chuẩn với giá trị trung bình gần bằng 0 và độ lệch chuẩn của nó gần bằng SD (= 0,986).
Nhìn vào đồ thị P-P plot (Xem phụ lục 7) các phần dư cho thấy phần dư phân phối xấp xỉ chuẩn (trung bình Mean = -2,08E-17 và độ lệch chuẩn SD = 0,986, tức gần bằng 1). Do đó, có thể kết luận rằng giả thuyết phân phối chuẩn không bị vi phạm (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005)
Bảng 4.28. Kiểm định F từ kết quả phân tích hồi quy
ANOVAb
Model Sum of Squares df Mean Square F Sig.
Regression 171,674 7 24,525 76,753 0,000a
Residual 77,326 242 ,320
1
Total 249,000 249
a. Predictors: (Constant), TC, TH, HH, PV, DU, DC, LS b. Dependent Variable: HL
Nguồn: Tính toán từ dữ liệu điều tra
Nhìn vào Bảng 4.28 ta thấy kiểm định F là một phép kiểm định giả thuyết về độ phù hợp của mô hình. Theo kết quả bảng ANOVA , ta thấy kiểm định F có Sig = 0,000a, chứng tỏ mô hình hồi quy tuyến tính bội là phù hợp với tập dữ liệu và có thể sử dụng được.
Bảng 4.29. Hệ số hồi quy chuẩn hóa của phương trình Coefficientsa Unstandardized Coefficients Standardized Coefficients Collinearity Statistics Model B Std.
Error Beta t Sig. Tolerance VIF
(Constant) -7,912E-17 ,036 0,000 1,000 LS 0,408 0,036 0,408 11,391 0,000 1,000 1,000 DC 0,281 0,036 0,281 7,848 0,000 1,000 1,000 DU 0,196 0,036 0,196 5,477 0,000 1,000 1,000 PV 0,067 0,036 0,067 1,857 0,065 1,000 1,000 HH -0,007 0,036 -0,007 -,199 0,842 1,000 1,000 TH 0,592 0,036 0,592 16,532 0,000 1,000 1,000 1 TC 0,224 0,036 0,224 6,255 0,000 1,000 1,000 a. Dependent Variable: HL
Nhìn vào Bảng 4.29 ta thấy hệ số phóng đại phương sai VIF (Variance inflation factor – VIF) rất nhỏ bằng 1 cho thấy các biến độc lập này không có quan hệ chặt chẽ với nhau nên không có hiện tượng đa cộng tuyến.
Kết quả trên cũng cho thấy mối quan hệ tuyến tính của các yếu tố với sự hài lòng đều có ý nghĩa thống kê (Sig.<0,05). Tuy nhiên, có biến Phương tiện hữu hình có sig.= 0,842 > 0,05 và Biến Năng lực phục vụ có sig=0,065>0,05 vậy hai biến này không có ý nghĩa thống kê. Nên ta sẽ loại khỏi mô hình nghiên cứu biến Phương tiện
hữu hình và biến năng lực phục vụ.
Như vậy, Giả thuyết H3: Năng lực phục vụ có tác động dương đến sự hài lòng của khách hàng bị bạc bỏ
Giả thuyết H5: Phương tiện hữu hình có tác động dương đến sự hài lòng của khách hàng bị bác bỏ
Phương trình hồi quy thể hiện mối quan hệ giữa biến phụ thuộc Sự hài lòng đối với dịch vụ tín dụng khách hàng cá nhân với 5 biến độc lập được giải thích qua mô hình sau:
HL = 0,408*LS + 0,281*DC + 0,196*DU + 0,592*TH + 0,224*TC
Kết quả trên cho thấy yếu tố Uy tín thương hiệu (TH) có hệ số Beta chuẩn hóa cao nhất (= 0,592) nên có tác động mạnh nhất đến sự hài lòng. Kế tiếp là các yếu tố
Lãi suất (LS) (= 0,408), Sự đồng cảm (DC) (= 0,281) đến yêu tố Sự tin cậy (TC)
(=0,224) yếu tố tác động yếu nhất đến sự hài lòng là yếu tố Sự đáp ứng (DU) (=0,196).
Qua phương trình hồi qui chúng ta thấy:
+ Nhóm yếu tố “Uy tín thương hiệu” có mức ảnh hưởng lớn nhất đến sự hài lòng , với hệ số β6 = 0,592, nghĩa là nếu sự sự hài lòng đối với Uy tín thương hiệu tăng lên 1 điểm thì sự hài lòng tăng lên 0,592 điểm nếu các biến độc lập còn lại không đổi. Vì vậy, việc xây dưng một thương hiệu mạnh, uy tin, là điểm đến của người dân sẽ góp phân nâng cao sự hài lòng của khách hàng.
Như vậy, Giả thuyết H7: Uy tín thương hiệu có tác động dương đến sự hài lòng của khách hàng được chấp nhận
+ Tiếp theo là nhóm yếu tố ‘‘Lãi suất” cũng có mức độ ảnh hưởng khá lớn đến sự thỏa mãn công việc, do có hệ số β1 = 0,408. Nếu sự hài lòng về lãi suất tăng lên 1 điểm thì sự hài lòng tăng len 0,408 điểm nếu các biến độc lập còn lại không đổi
Như vậy, Giả thuyết H6: Sự kỳ vọng về lãi suất có tác động dương đến sự hài lòng của khách hàn được chấp nhận.
+ Kế đến là nhóm gồm yếu tố “Sự đồng cảm” có mức độ ảnh hưởng yếu hơn với hệ số β2 = 0,281. Nếu sự hài lòng về sự đồng cảm tăng lên 1 điểm thì sự hài long chung tăng lên 0,281 điểm nếu các biến độc lập còn lại không đổi.
Như vậy, Giả thuyết H4: Sự đồng cảm có tác động dương đến sự hài lòng của khách hàng được chấp nhận.
+ Kế đến là nhóm gồm yếu tố “Sự tin cậy” có mức độ ảnh hưởng yếu hơn với hệ số β6 = 0,224. Nếu sự hài lòng về sự tin cậy tăng lên 1 điểm thì sự hài lòng chung tăng lên 0,224 điểm nếu các biến độc lập còn lại không đổi.
Như vậy, Giả thuyết H1: Sự tin cậy có tác động dương đến sự hài lòng của khách hàng được chấp nhận.
+ Nhóm yếu tố tác động yếu nhất là “Sự đáp ứng” với hệ số B3=0,196 Nếu sự hài lòng về sự đáp ứng tăng lên 1 điểm thì sự hài lòng chung tăng lên 0,196 điểm nếu các biến độc lập còn lại không đổi.
Như vậy, Giả thuyết H2: Sự đáp ứng có tác động dương đến sự hài lòng của khách hàng được chấp nhận.