Phân tích hồi quy giúp xác định được nhân tố nào đóng góp nhiều/ít hay không đóng góp vào biến phụ thuộc, để từ đó đưa ra các giải pháp cần thiết và kinh tế nhất.
Để thực hiện hồi quy đa biến ta thao tác các bước như sau:
Vào Analyze -> Regression -> Linear…
Khi hộp thoại xuất hiện, đưa biến phụ thuộc vào ô Dependent và tất cả biến độc lập vào ô Independent.
Ở mục Statistics: tick vào các mục Collinearity dianotics và Durbin- Watson
Để kiểm tra các giả định hồi quy ta vào Plots: đưa *ZRESID vào ô Y và *ZPRED vào ô X
Căn cứ vào mô hình nghiên cứu lý thuyết, ta có phương trình hồi quy đa biến diễn tả các nhân tố về chất lượng dịch vụ ảnh hưởng đến sự hài lòng của khách hàng The Coffee House như sau:
SHL= B0 + B1*DTC + B1*KNDU + B3*NLPV + B4*MDDC + B5*YTHH + B6*CLSP
Trong đó:
Các biến độc lập (Xi) = DTC, KNDU, NLPV, MDDC, YTHH, CLSP Biến phụ thuộc: SHL
Hệ số hồi quy riêng phần đó đến biến phụ thuộc càng cao, nếu cùng dấu thì mức độ tác động là thuận chiều và ngược lại
Bảng kết quả phân tích hồi quy
Bảng 2. : Bảng kết quả phân tích hồi quy
Biến
Hệ số chưa chuẩn hóa
Hệ số chuẩn hóa t Sig Hệ số đa cộng tuyến B Sai số chuẩn Beta To lerance VI F Hằng số 1.828 0.525 3.484 0.00 1 DTC 0.143 0.086 0.109 1.672 0.09 6 0.977 1.032 MDDC 0.112 0.065 0.112 1.710 0.08 9 0.976 1.024 YTHH 0.190 0.073 0.170 2.600 0.01 0 0.973 1.028 CLSP 0.109 0.063 0.113 1.711 0.08 8 0.957 1.045 Biến phụ thuộc: SHL R2 hiệu chỉnh: 0.066 Thống kê F (ANOVA): 4.979
Mức độ ý nghĩa (Sig. Của ANOVA): 0.001 Hệ số Durbin – Watson: 1.877 Qua bảng phân tích kết quả hồi ở trên, ta thấy được:
Qua lần chạy hồi quy này, SPSS đã tự động loại các biến: KNDU và NLPV ra khỏi mô hình, còn lại 4 nhân tố chính tác động đến SHL. Kết quả ở bảng hồi quy
Sig.t = 0,010 < 0,05 điều này khẳng định biến YTHH có ý nghĩa trong mô hình. Nhìn vào hệ số B, có thể giải thích như sau: hệ số B của YTHH là 0.190, nghĩa là khi biến YTHH tăng 1 đơn vị thì biến SHL tăng 0.190 đơn vị. Tuy nhiên các biến còn lại là DTC, MDDC, CLSP lần lượt giá trị Sig.t là 0.096, 0.089, 0.088 nên không có ý nghĩa thống kê trong mô hình.
Về mức độ phù hợp của mô hình (model summary): Hệ số R2 đã hiệu chỉnh bằng 0,066 có nghĩa là 6.6% sự biến thiên của SHL được giải thích bởi sự biến thiên của 4 biến: DTC, MDDC, YTHH, CLSP. Phần còn lại 93.4% được giải thích bởi các biến ngoài mô hình và sai số ngẫu nhiên. Qua kết quả này ta thấy được ý nghĩa mô hình nghiên cứu là yếu.
Về mối quan hệ của biến phụ thuộc và biến độc lập: Kiểm định F được sử dụng để xem xét biến phụ thuộc (SHL) có mối liên hệ tuyến tính với toàn bộ tập biến hay không. Kết quả kiểm định trị thống kê F từ bảng phân tích phương sai ANOVA với giá trị Sig. = 0,001 (< 0,05), điều này cho thấy mô hình hồi quy đa biến đã xây dựng phù hợp với tập dữ liệu ở độ tin cậy 95%. Hay nói cách khác các biến độc lập có mối tương quan tuyến tính với biến phụ thuộc.
Về kiểm định tương quan của các sai số kề nhau Durbin-Watson (tương quan chuỗi bật nhất): hệ số Durbin Watson dùng để kiểm định tương quan chuỗi bậc nhất cho thấy mô hình không vi phạm khi sử dụng phương pháp hồi quy vì giá trị đạt được là 1.877 (gần bằng 2) và chấp nhận giả thuyết không có sự tương quan chuỗi bậc nhất trong mô hình. Như vậy, mô hình hồi quy bội thỏa mãn các điều kiện đánh giá và kiểm định độ phù hợp cho việc rút ra các kết quả nghiên cứu.
Về kiểm định hiện tượng đa cộng tuyến: Đa cộng tuyến là hiện tượng các biến độc lập có tương quan mạnh với nhau. Để kiểm tra đa cộng tuyến, ta thông qua nhân tố phóng đại phương sai (VIF), theo quy tắc VIF < 2 là dấu hiệu cho thấy không có hiện tượng đa cộng tuyến. Kết quả cho thấy tất cả các VIF có giá trị nhỏ hơn mức giới hạn (VIF của cả 4 yếu tố là DTC: 1.032, MDDC: 1.024, YTHH: 1.028, CLSP: 1.045) đều đạt yêu cầu. Vậy mô hình hồi quy đa biến không có hiện
tượng đa cộng tuyến, mối quan hệ giữa các biến độc lập không ảnh hưởng đến kết quả giải thích của mô hình.
Hình 2. : Biểu đồ tần số dư chuẩn hóa
Biểu đồ Histogram: giả định phân phối chuẩn của phần dư, ta thấy phần dư chuẩn hóa phân bố theo dạng của phân phối chuẩn. Có một đường cong hình chuông trên hình là đường phân phối chuẩn. Thêm vào đó, giá trị trung bình Mean của phần dư chuẩn hóa là 6.59E - 16 rất nhỏ, gần như bằng 0 và có độ lệch chuẩn là 0,987 gần bằng 1. Như vậy, ta có thể khẳng định giả định phân phối chuẩn của phần dư không bị vi phạm.
Hình 2. : Biểu đồ tần số Normal P-P Plot
Biểu đồ tần số Normal P-P Plot được sử dụng để giả định phân phối chuẩn của phần dư. Xem biểu đồ … phía trên, có thể thấy các trị số quan sát và trị số mong đợi đều nằm gần trên đường chéo chứng tỏ phần dư chuẩn hóa có phân phối chuẩn.
Hình 2. : Biểu đồ phân tán Scatterplot
Về giả định liên hệ tuyến tính, phương pháp được sử dụng là biểu đồ phân tán Scatterplot. Giá trị phần dư chuẩn hóa (Standardized Residual) ở trục hoành và giá trị dự đoán chuẩn hóa (Predicted Value) nằm ở trục tung. Nhìn vào HÌNH… , ta thấy các điểm phân bố của phần dư phân tán ngẫu nhiên xung quanh đường tung độ 0 và không tạo ra được một hình dạng nào khác. Điều này chứng tỏ giả định quan hệ tuyến tính không bị vi phạm.
Qua kết quả phân tích hồi quy, chúng ta có phương trình hồi quy đa biến của mô hình khi đã chuẩn hóa diễn ra các nhân tố về chất lượng dịch vụ ảnh hưởng đến sự hài lòng của khách hàng tại The Coffee House như sau:
SHL = 0.170*YTHH Trong đó:
YTHH: Yếu tố hữu hình
Tóm lại mô hình tác động đến các nhân tố về chất lượng dịch vụ ảnh hưởng đến sự hài lòng của khách hàng tại The Coffee House như sau: