4. Phương pháp nghiên cứu
2.4.3 Phân tích hồi quy tuyến tính
Phân tích mối quan hệ tương quan giữa các biến
Sau khi phân tích nhân tố EFA và đánh giá độ tin cậy thang đo Cronbach¼s Alpha, tác giả nhận thấy sau khi loại các biến quan sát không đủ điều kiện thì các nhân tố còn lại đạt yêu cầu và tiến hành đặt tên biến mới phục vụ cho việc thực hiện phân tích hồi quy cho biến phụ thuộc “Đánh giá” thông qua các biến độc lập.
Để tiến hành phân tích hồi quy đạt kết quả như mong muốn thì cần thực hiện phân tích hệsố tương quan Pearson và kiểm định hai phía với mức ý nghĩa 0,05.Kiểm định hệ số tương quan Pearson dùng để kiểm tra mối quan hệtuyến tính giữa các biến độc lập và biến phụthuộc. Căn cứ vào hệsốnày ta sẽ có những biến độc lập cótương quan với biến phụ thuộc để đưa vào mô hình hồi quy. Vì một trong những điều kiện cần để phân tích hồi quy là biến độc lập phải có tương quan với biến phụ thuộc, nên nếuở bước phân tích tương quan này biến độc lập không có tương quan với biến phụ thuộc thì ta loại biến độc lập này ra khỏi phân tích hồi quy.
Kiểm định sựphù hợp của mô hình thông qua ma trận tương quan giữa các biến độc lập và biến phụthuộc.
Bả ng 20: Mô hình tư ơ ng quan
PV TD CT CS TC DG PV 1 0,287 0,387 0,234 0,394 0,611 TD 0,287 1 0,347 0,407 0,329 0,658 CT 0,387 0,347 1 0,296 0,346 0,597 CS 0,234 0,407 0,296 1 0,441 0,603 TC 0,394 0,329 0,346 0,441 1 0,666 DG 0,611 0,658 0,597 0,603 0,666 1 (Nguồn: Xửlí sốliệu SPSS 20.0)
Kết quả phân tích tương quan cho thấy hệ số tương quan giữa biến DG và các biến độc lập còn lại đều có giá trịsig < 0.05.Do đó, các biến độc lập: PV, TD, CT, CS, TC và biến phụthuộc DG có tương quan với nhau với mức ý nghĩa 5%. Hay nói cách khác có mối quan hệ tương quan tuyến tính giữa biến các biến độc lập và biến phụ
thuộc (DG).Từ đó có thể đưa 5 biến độc lập này vào mô hình để giải thích cho biến phụthuộc “Đánh giá”.Ngoài ra, ta thấy hệsố tương quan (r) giữa các biến độc lập với biến phụ thuộc càng tiến tới 1 nên có thểcho rằng giữa các biến độc lập và biến phụ thuộc tương quan mạnh với nhau.
Đánh giá sự phù hợp của mô hình
Bả ng 21:Đánh giá độ phù hợ p củ a mô hình
Model R2 R2hiệuchỉnh Độ lệch chuẩn Durbin - Watson
1 0,828 0,820 0,23307 1,793
(Nguồn: Xử lí số liệu SPSS 20.0)
Hệsố xác định R2và R2 hiệu chỉnh (Adjusted R square) được dùng để đánh giá độ phù hợp của mô hình. VìR2 sẽ tăng khi đưa thêm biến độc lập vào mô hình nên dùng R2hiệu chỉnh sẽ an toàn hơn khi đánh giá độphù hợp của mô hình.
Ý nghĩa của R2 điểu chỉnh = 0,820 là 82% thay đổi của đánh giá (DG) được giải thích bởi 5 nhân tố độc lập. Điều này tương đương với việc cho biết rằng các biến độc lập trong mô hình có thể giải thích được 82% sự thay đổi của biến phụthuộc hay 82% chất lượng dịch vụkhám chữa bệnh tại Bệnh viện 331 chịu sự ảnh hưởng của 5 nhân tốtrên.
Giả định về hiện tượng tự tương quan trong mô hình,ta dùng đại lượng thống kê Durbin-Watson để kiểm định, d có giá trịtừ 0 đến 4, giá trị d của mô hình hồi qui trên là 1,793 < 4.Giá trị này nằm trong khoảng cho phép.Như vậy có thể khẳng định không có hiện tượng tự tương quan xảy ra. Do đó có thểnói mô hình hồi quy xây dựng được là phù hợp, đảm bảo ý nghĩa thống kê, các biến độc lập giải thích tốt cho biến phụthuộc.
Kiểm tra hiện tượng đa cộng tuyến
Bả ng 22: Kiể m tra hiệ n tư ợ ng đa cộ ng tuyế n
Hằng số Độchấp nhậncủa biến Hệsố phóng đại phương sai(VIF)
PV 0,763 1,311 TD 0,722 1,385 CT 0,758 1,319 CS 0,756 1,322 TC 0,693 1,443 (Nguồn: Xử lí số liệu SPSS20.0)
Đa cộng tuyến là hiện tượng trong đó các biến độc lập có mối tương quan chặt chẽ với nhau và cung cấp cho mô hình những thông tin gần giống như nhau, mô hình khóđểtách raảnhhưởng của từng biến một. Do đó đểtránh hiện tượng này sảy ra làm sai lệch kết quả hồi quy so với thực tế thì ta cần phải xem xét hiện tượng cộng tuyến giữa các biến độc lập với nhau.
Dựa vào dấu hiệu độ chấp nhận của biến (Tolerances) và hệ số phóng đại phương sai (Variance inflation factor – VIF) để phát hiện hiện tượng đa cộng tuyến.Quy tắc là khi độ chấp nhận của biến <0.1 và hệ số phóng đại phương sai vượt quá 10 là dấu hiệu của đa cộng tuyến.Do đó, theo như kết quảkiểm tra thì ta có độ chấp nhận của biến khá cao, lớn hơn 0.1 và hệ số phóng đại phương sai (VIF) của từng nhóm yếu tố trong mô hình kiểm định có giá trị nhỏ hơn 10. Chứng tỏ mô hình hồi quy không vi phạm hiện tượng đa cộng tuyến, các biến độc lập có tương quan chặt chẽvới nhau, điều này cho phép tiếp tục đánh giá mô hình.
Kiểm định độ phù hợp của mô hình
Bả ng 23: Phân tích phư ơ ng sai ANOVA
Mô hình Tổng bình phương df Bình phương trung bình F Sig
Hồi quy 29,742 5 5,948 109,506 .000b
Phần dư 6,193 114 0,054
Tổng 35,935 119
(Nguồn: Xử lísố liệuSPSS 20.0)
Từ kết quả hồi quy thì ta thấy kiểm định F cho giá trị P – value (sig.) nhỏ hơn 0,05 đủ điều kiện chấp nhận. Chứng tỏ mô hình phù hợp với thực tế, các biến độc lập có tương quan tuyến tính vớibiến phụ thuộc.
Ý nghĩa các hệ số hồi quy riêng
Bả ng 24: Kế t quả mô hình hồ i quy tuyế n tính
Model
Hệ số hồi quy chưa chuẩn
hóa Hchuệ số hồi quyẩn hóa Giá trị
t Sig. Bêta ErrorStd Hệ số bêta
1 Hệ số chặn -0,343 0,168 -2,039 0,044 PV 0,222 0,036 0,272 6,116 0,000 TD 0,252 0,035 0,322 7,213 0,000 CT 0,195 0,040 0,218 4,881 0,000 CS 0,177 0,037 0,220 4,805 0,000 TC 0,241 0,040 0,280 5,994 0,000 (Nguồn: Xử lí số liệu SPSS 20.0)
Ta có phương trình hồi quy tuyến tính:
DG= -0,343+0,252TD+0,241TC+0,222PV+0,195CT+0,177CS
Trong đó:
CS: Cơ sở vật chất và phương tiện phục vụ người bệnh
TC: Sự tin tưởng bệnh viện
PV: Hiệu quả phục vụ
CT: Sự quan tâm chăm sóc
TD: Đội ngũ nhân viên
Kết quả hồi quy cho thấy mức độ ảnh hưởng của các nhân tố đến chất lượng dịch vụ khám chữa bệnh tại Bệnh viện 331.Tuy nhiên mức độ tác động và ý nghĩa từng nhân tố đếnchất lượng dịch vụ khám chữa bệnhlà khác nhau.
Đội ngũ nhân viên (TD) có hệ số hồi quy là 0,252 với mức ý nghĩa < 0,05 cho thấy điều kiện các nhân tố khác của mô hình không thay đổi, nếu điểm số của nhân tố này tăng lên 1% thì sự hài lòng của khách hàng tăng lên 25,2% và ngược lại.
Sự tin tưởng (TC) có hệ số hồi quy là 0,241 với mức ý nghĩa < 0,05 cho thấy điều kiệncác nhân tố khác của mô hình không thay đổi, nếu điểm số của nhân tố này tăng lên 1% thì sự hài lòng của khách hàng tăng lên 24,1% và ngược lại.
thấy điều kiện các nhân tố khác của mô hình không thayđổi, nếu điểm số của nhân tố này thay đổi 1% thì sự hài lòng của khách hàng thay đổi 22,2% và ngược lại.
Sự quan tâm chăm sóc (CT) có hệ số hồi quy là 0,195 với mức ý nghĩa < 0,05 cho thấy điều kiện các nhân tố khác của mô hình không thay đổi, nếu điểm số của nhân tố này tăng lên 1% thì sự hài lòng của khách hàng tăng lên 19,5% và ngược lại.
Cơ sở vật chất và phương tiện phục vụ (CS) có hệ số hồi quy là 0,177 với mức ý nghĩa < 0,05 cho thấy điều kiện các nhân tố khác của mô hình không thay đổi, nếu điểm số của nhân tố này tăng lên 1% thì sự hài lòng của khách hàng tăng lên 17,7% và ngược lại.