Phân tích tương quan hệ số Pearson
Bước đầu tiên khi phân tích hồi quy tuyến tính ta sẽ xem xét các mối tương quan tuyến tính giữa biến phụ thuộc và từng biến độc lập, cũng như giữa các biến độc lập với nhau. Hệ số tương quan giữa biến độc lập và biến phụ thuộc càng lớn chứng tỏ mối quan hệ tuyến tính càng lớn và phân tích hồi quy tuyến tính có thể phù hợp. Mặt khác, nếu giữa các biến độc lập cũng có tương quan lớn với nhau thì đó cũng là dấu hiệu cho biết giữa chúng có thể xảy ra hiện tượng đa cộng tuyến trong mô hình ta đang xét. Với các giả thuyết đặt ra:
H0: Không có sự tương quan giữa các nhân tố và sự hài lòng của khách hàng về dịch vụ thẻ của LienVietpostbank.
H1: Có sự tương quan giữa nhân tố “Sự tin cậy” và sự hài lòng của khách hàng về dịch vụ thẻ của LienVietpostbank.
H2: Có sự tương quan giữa nhân tố “Sự đáp ứng” và sự hài lòng của khách hàng về dịch vụ thẻ của LienVietpostbank.
H3: Có sự tương quan giữa nhân tố “Năng lực phục vụ” và sự hài lòng của khách hàng về dịch vụ thẻ của LienVietpostbank.
H4: Có sự tương quan giữa nhân tố “Sự đồng cảm” và sự hài lòng của khách hàng về dịch vụ thẻ của LienVietpostbank.
H5: Có sự tương quan giữa nhân tố “Phương tiện hữu hình” và sự hài lòng của khách hàng về dịch vụ thẻ của LienVietpostbank.
H6: Có sự tương quan giữa nhân tố “Giá dịch vụ” và sự hài lòng của khách hàng về dịch vụ thẻ của LienVietpostbank.
Bảng 4.7. Kiểm định mối tương quan giữa biến độc lập và biến phụ thuộc
TC DU NL DC HH GI Sự hài lòng (HL) Tương quan Pearson 0,411 (**) 0,409(**) 0,412(**) 0,481(**) 0,298(**) 0,328(**) Mức ý nghĩa 0,000 0,000 0,000 0,000 0,000 0,000 Nguồn: Xử lý số liệu bằng SPSS
Bảng 4.7, cho thấy tất cả các biến có mức ý nghĩa Sig. < 0,05,vì vậy các biến đều được giữ lại để tiếp tục hồi quy đa biến.
Phân tích hồi quy
Phân tích hồi quy sẽ xác định mối quan hệ nhân quả giữa biến phụ thuộc - sự hài lòng của khách hàng và các biến độc lập: (1) Sự tin cậy, (2) Sự đáp ứng, (3) Năng lực phục vụ, (4) Sự đồng cảm, (5) Phương tiện hữu hình, (6) Giá dịch vụ. Phân tích hồi quy sẽ mô tả mối quan hệ đó và giúp dự đoán được mức độ tác động của các biến độc lập lên biến phụ thuộc khi biết trước các giá trị của biến phụ thuộc. Để thực hiện phân tích hồi quy, đề tài sử dụng phương pháp hồi quy theo bước (Stepwise linear regression) nhằm xem xét một cách tổng hợp sự tác động của từng nhân tố lên sự hài lòng của khách hàng. Bằng cách đưa vào lần lượt từng biến số vào mô hình, từ đó xem xét mức độ ảnh hưởng của biến đưa vào đối với tổng thể mô hình. Mỗi lần một biến mới được đưa vào, sự thay đổi chỉ số R2 sẽ cho biết mức
độ ảnh hưởng của các biến số mới. Nếu R2 thay đổi càng nhiều thì mức độ ảnh hưởng của biến số đó càng lớn và ngược lại nếu mức độ thay đổi của R2 là không đáng kể thì mức độ ảnh hưởng của biến đó sẽ không lớn.
- Mô hình 1 gồm các biến: Sự hài lòng - Sự đồng cảm.
- Mô hình 2 gồm các biến: Sự hài lòng - Sự đồng cảm, năng lực phục vụ.
- Mô hình 3 gồm các biến: Sự hài lòng - Sự đồng cảm, năng lực phục vụ, sự tin cậy.
- Mô hình 4 gồm các biến: Sự hài lòng - Sự đồng cảm, năng lực phục vụ, sự tin cậy, sự đáp ứng.
- Mô hình 5 gồm các biến: Sự hài lòng - Sự đồng cảm, năng lực phục vụ, sự tin cậy, sự đáp ứng, giá dịch vụ.
- Mô hình 6 gồm các biếnSự hài lòng - Sự đồng cảm, năng lực phục vụ, sự tin cậy, sự đáp ứng, giá dịch vụ, phương tiện hữu hình.
Bảng 4.8. Tóm tắt mô hình hồi quy sự hài lòng của khách hàng
Mô hình R R2 R2 điều chỉnh Giá trị F Sig.
1 0,481 0,231 0,228 76,300 0,000 2 0,578 0,334 0,328 63,364 0,000 3 0,632 0,400 0,393 55,941 0,000 4 0,670 0,449 0,440 51,036 0,000 5 0,699 0,489 0,479 47,850 0,000 6 0,726 0,526 0,515 46,135 0,000 Nguồn: Xử lý số liệu bằng SPSS
Bảng 4.8, cho thấy mức độ ảnh hưởng của các biến độc lập đến biến phụ thuộc trong mô hình nghiên cứu. Hệ số xác định R2 tăng dần khi đưa thêm các biến vào mô hình qua các bước. Khi đưa biến Sự đồng cảm (DC) vào mô hình tại bước 1, chỉ số R2 là 0,231 (23,1%). Đưa thêm biến năng lực phục vụ (NL) vào mô hình tại bước 2 chỉ số R2 là 0,334 (33,4%). Đưa thêm biến sự tin cậy (TC) vào mô hình tại bước 3 chỉ số R2 là 0,400 (40,0%). Đưa thêm biến sự đáp ứng (DU) vào mô hình tại bước 4 chỉ số R2 là 0,449 (44,9%). Tương tự, khi đưa thêm lần lượt các biến giá dịch vụ (GI) tại bước 5 thì chỉ số R2 là 0,489 (48,9%). Cuối cùng, biến phương tiện hữu hình (HH) được đưa thêm vào mô hình làm cho hệ số xác định R2 đạt 0,526 (52,6%). Tuy nhiên, mô hình thường không phù hợp với số liệu thực tế như giá trị R2 thể hiện vì chỉ số R2 hiệu chỉnh nhỏ hơn (0,515). Do đó, sử dụng R2 hiệu chỉnh để đánh giá sự phù hợp của
mô hình sẽ an toàn hơn vì nó sẽ không phóng đại mức độ phù hợp của mô hình hồi quy tuyến tính đa biến. Như vậy, bảy biến độc lập đưa vào mô hình giải thích được 51,5% sự thay đổi của biến phụ thuộc - sự hài lòng của khách hàng.
Hệ số tương quan R = 0,726 cho thấy các biến đưa vào mô hình (Sự đồng cảm, năng lực phục vụ, sự tin cậy, sự đáp ứng, giá dịch vụ, phương tiện hữu hình) có mối tương quan chặt chẽ với sự hài lòng của khách hàng.
Kiểm định F được sử dụng trong phân tích phương sai là phép kiểm định giả thuyết về sự phù hợp của mô hình hồi quy tuyến tính, F = 46,135 và Sig. rất nhỏ chứng tỏ mô hình hồi quy tuyến tính bội là phù hợp với tập dữ liệu và có thể sử dụng được.
Bảng 4.9. Kết quả mô hình hồi quy các nhân tố ảnh hưởng đến sự hài lòng
Mô hình Hệ số chưa chuẩn hóa Hệ số chuẩn hóa Sig. VIF B Độ lệch chuẩn Beta (Hằng số) -0,885 0,257 0,001 Sự đồng cảm 0,259 0,047 0,259 0,000 1,176 Năng lực phục vụ 0,237 0,052 0,210 0,000 1,122 Sự tin cậy 0,211 0,041 0,234 0,000 1,113 Sự đáp ứng 0,213 0,044 0,224 0,000 1,117 Giá dịch vụ 0,166 0,035 0,209 0,000 1,046 Phương tiện hữu hình 0,163 0,037 0,197 0,000 1,042
Biến phụ thuộc: Sự hài lòng
Nguồn: Xử lý số liệu bằng SPSS
Bảng 4.9, cho thấy Sig. của các biến đều rất nhỏ nên ta có thể bác bỏ giả thuyết β1 = β2 = β3 = β4 = β5 = β6 = 0. Bên cạnh đó, hệ số phóng đại phương sai VIF (Variance Inflation Factor) của các biến độc lập trong mô hình đều nhỏ hơn 2, vì vậy các biến này không có quan hệ chặt chẽ với nhau nên không có hiện tượng đa cộng tuyến xảy ra, đều này phù hợp với giả định của nghiên cứu này là các biến số được dự báo là độc lập nhau (Phụ lục 7).
Như vậy, có thể xác định phương trình hồi quy tuyến tính đa biến cho mô hình nghiên cứu như sau:
Sự hài lòng = 0,259*Sự đồng cảm + 0,210*Năng lực phục vụ + 0,234*Sự tin cậy + 0,224*Sự đáp ứng + 0,209*Giá dịch vụ + 0,197*Phương tiện hữu hình
Kiểm định các giả thuyết
Mô hình dùng để kiểm định nhóm giả thuyết về mối quan hệ giữa sự hài lòng và các nhân tố ảnh hưởng đến sự hài lòng của khách hàng gồm 7 biến độc lập.
Nhóm giả thuyết này gồm có:
H1: Sự đồng cảm càng cao thì sự hài lòng của khách hàng càng cao. H2: Năng lực phục vụ càng tốt thì sự hài lòng của khách hàng càng cao. H3: Sự tin cậy càng cao thì sự hài lòng của khách hàng càng cao.
H4: Sự đáp ứng càng tốt thì sự hài lòng của khách hàng càng cao. H5: Giá dịch vụ càng cao thì sự hài lòng của khách hàng càng cao.
H6: Phương tiện hữu hình càng tốt thì sự hài lòng của khách hàng càng cao. Bảng 4.9, biểu diễn kết quả hồi quy theo phương pháp Stepwise cho thấy có 6 nhân tố (biến) ảnh hưởng đến sựhài lòng của khách hàng về dịch vụ thẻ của LienVietpostbank, bao gồm: Sự đồng cảm (hệ số Beta chuẩn hóa là 0,259), Năng lực phục vụ (hệ số Beta chuẩn hóa là 0,210), Sự tin cậy (hệ số Beta chuẩn hóa là 0,234), Sự đáp ứng (hệ số Beta chuẩn hóa là 0,224), Giá dịch vụ (hệ số Beta chuẩn hóa là 0,209), Phương tiện hữu hình (hệ số Beta chuẩn hóa là 0,197). Sáu nhân tố đều có hệ số Beta chuẩn hóa dương nên các biến này tác động cùng chiều với sự hài lòng của khách hàng. Mặt khác, 6 nhân tố ảnh hưởng đến sự hài lòng của khách hàng đều có mức ý nghĩa Sig. nhỏ hơn 0,05 vì vậy chúng có tác động đáng kể đến sự hài lòng của khách hàng, trong đó yếu tố tác động mạnh nhất là sự đồng cảm (β1=0,259).
Kết quả này đã khẳng định các giả thuyết về mối quan hệ giữa sự hài lòng và các nhân tố ảnh hưởng đến sự hài lòng nêu ra trong mô hình nghiên cứu (từ giả thuyết H1 đến giả thuyết H6) được chấp nhận và kiểm định phù hợp. Từ đó, LienVietpostbank Long An cần chú trọng cải tiến hơn nữa những nhân tố này để nâng cao sự hài lòng của khách hàng.
Hình 4.2. Mô hình nghiên cứu khẳng định theo số liệu nghiên cứu
Nguồn: Xử lý số liệu bằng SPSS