4. Phương pháp nghiên cứu
2.2.4Phân tích hồi quy tuyến tính
2.2.4.1 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 Cronbach's
Alpha, tác giảnhận 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 phụthuộc “ĐGC” 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 sẽcó những biến độc lập có tương
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
Bảng 2. 13: Phân tích tương quan Pearson ĐGC CTĐT CTHC CSVC TCĐT ĐNGV CSHP Tương quan Pearson 1 0,360** 0,347 ** 0,201** 0,351** 0,312** 0,337** Sig.(2-tailed) 0,000 0,000 0,013 0,000 0,000 0,000 N 150 150 150 150 150 150 150
(Nguồn: Kết quả xử lý số liệu điều tra SPSS)
Kết quả phân tích tương quan Pearson cho thấy hệsố tương quan giữa biến ĐGC
và các biến độc lập còn lại đều có giá trị sig < 0.05. Do đó, các biến độc lập: CTĐT, CTHC, CSVC, TCĐT, ĐNGV, CSHP và biến phụthuộc ĐGC 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 (ĐGC).Từ đó có thể đưa 6 biến độc lập này vào mô hình để giải thích cho biến phụ thuộc. Ngoài ra, ta thấy hệ số 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 phụthuộc tương quan mạnh với nhau.
2.2.4.2 Đánh giá sự phù hợp của mô hình
Bảng 2. 14: Đánh giá độ phù hợp của mô hình
Model R R2 R2hiệu chỉnh Độ lệch chuẩn Durbin -
Watson
1 0,790a 0,624 0,609 0,62555607 1,495
(Nguồn: Kết quả xử lý số liệu điều tra SPSS)
Hệ số xác định R2 và R2 hiệu chỉnh (Adjusted R square) được dùng để đánh giá độ phù hợp của mô hình. Vì R2 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 điều chỉnh = 0,609 là 60,9% thay đổi của đánh giá chung (ĐGC) được giải thích bởi 6 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 60,9% sự thay đổi của biến phụ
thuộc hay 60,9% chất lượng dịch vụ đào tại tại Trung tâm Đào tạo và Tư vấn Hồng
Giả định vềhiện tượng tự tương quan trong mô hình, ta dùngđại lượng thống kê
Durbin Watson đểkiểm định, 4 có giá trị từ 0 đến 4, giá trị d của mô hình hồi qui trên là 1,495 < 4. Giá trị này nằm trong khoảng cho phép. Như vậy có thể khẳng định không có hiện tượng tự tương quanxảy ra. Do đó có thể nói 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.
2.2.4.3 Kiểm định độ phù hợp của mô hình
Bảng 2. 15: Phân tích phương sai ANOVA Mô hình Tổng bình phương df Bình phương trung bình F Sig. 1 Hồi quy 93,041 6 15,507 39,627 0,000b Phần dư 55,959 143 0,391 Tổng 149,000 149
(Nguồn: Kết quả xử lý số liệu điều tra SPSS)
Từkết quảhồi quy thì ta thấy kiểm định F cho giá trị P–Value (Sig.) nhỏ hơn 0,05 đủ điều kiện chấp nhận. Chứng tỏmô hình phù hợp với thực tế, các biến độc lập có tương
quan tuyến tính với biến phụthuộc.
Bảng 2. 16: Hệ số phân tích hồi quy
Model
Hệ số hồi quy chưa chuẩn hóa
Hệ số hồi quy
chuẩn hóa Giá trị t Sig.
Bêta Std Error Hệ số Beta
1 Hệ số chặn -2,002E0- 16 0,051 0,000 1,000 ĐNGV 0,312 0,051 0,312 6,080 0,000 TCĐT 0,351 0,051 0,351 6,850 0,000 CSVC 0,201 0,051 0,201 3,930 0,000 CTHC 0,347 0,051 0,347 6,780 0,000 CTĐT 0,360 0,051 0,360 7,020 0,000 CSHP 0,337 0,051 0,337 6,571 0,000
(Nguồn: Kết quả xử lý số liệu điều tra SPSS)
Ta có phương trình hồi quy tuyến tính:
ĐGC = 0,312ĐNGV + 0,351TCĐT + 0,201CSVC + 0,347CTHC + 0,360CTĐT + 0,337CSHP Trong đó: ĐNGV: Đội ngũ giảng viên TCĐT: Tổchức đào tạo CSVC: Cơ sở vật chất CTHC: Công tác hành chính CTĐT: Chương trìnhđào tạo CSHP: Chính sách học phí
Kết quảhồi quy cho thấy mức độ ảnh hưởng của các nhân tố đến chất lượng dịch
đào tạo tại Trung tâm Đào tạo và Tư vấn Hồng Đức.Tuy nhiên mức độ tác động và ý nghĩa từng nhân tố đến chất lượng dịch vụ đào tạo là khác nhau.
Đội ngũ giảng viên (ĐNGV) có hệ sốhồi quy là 0,312 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 chất lượng dịch vụ đào tạo tăng lên 31,2% và ngược lại.
Tổchức đào tạo (TCĐT) có hệ sốhồi quy là 0,351 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 chất lượng dịch vụ đào tạo tăng lên 35,1% và ngược lại.
Cơ sở vật chất (CSVC) có hệ số hồi quy là 0,201 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 thay đổi 1% thì chất lượng dịch vụ đào tạo thay đổi 20,1% và ngược lại.
Công tác hành chính (CTHC) có hệsố hồi quy là 0,347 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 chất lượng dịch vụ đào tạotăng lên 34,7% và ngược lại.
Chương trìnhđào tạo (CTĐT) có hệsốhồi quy là 0,360 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 chất lượng dịch vụ đào tạotăng lên 36,0% và ngược lại.
Chính sách học phí (CSHP) có hệ số hồi quy là 0,337 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 chất lượng dịch vụ đào tạotăng lên 33,7% và ngược lại.