6. Kết cấu đề tài
2.2.2.2.Phân tích nhân tố khám phá (EFA)
Việc phân tích nhân tố được tiến hành theo phương pháp trích yếu tố Principal Component Analist với phép xoay Varimax.
a.Biến phụthuộc
Bảng 2.15:Phân tích nhân tốbiến phụ thuộc
Yếu tốcần đánh giá Giá trị tương ứng Điều kiện Kết luận
HệsốKMO 0,628 0,5<KMO<1 Đạt yêu cầu
Sig. Kiểm định Bartlett's 0,000 < 0,05 Đạt yêu cầu
Giá trị Eigenvalues 1,976 > 1 Đạt yêu cầu
Phương sai trích
(Cumulative %) 65,878 > 50% Đạt yêu cầu
Trong bảng trên, so sánh với điều kiện phân tích nhân tố EFA ta thấy hệ số
KMO=0,628> 0,5 đủ điều kiện (0,5 ≤ KMO ≤1) điều này có nghĩa là phù hợp với dữ
liệu thực tế.
Kiểm định Kiểm định Bartlett's có mức ý nghĩa thống kê Sig = 0,000 < 0,05 vậy các biến quan sát có tương quan tuyến tính với nhân tố đại diện. Giá trị Eigenvalues = 1,976> 1, phương sai trích (Cumulative %) là 65,878% > 50% nên đạt tiêu chuẩn của
Bảng 2.16: Ma trận xoay của biến phụ thuộc Biến quan sát Nhân tố 1 SHL2 0,878 SHL3 0,836 SHL1 0,711 b. Các biến độc lập
Bảng 2.17: Phân tích nhân tố biến độc lập
Yếu tốcần đánh giá Giá trị tương ứng Điều kiện Kết luận
HệsốKMO 0,779 0,5<KMO<1 Đạt yêu cầu
Sig. Kiểm định Bartlett's 0,000 < 0,05 Đạt yêu cầu
Giá trịEigenvalues 1,979 > 1 Đạt yêu cầu
Phương sai trích
(Cumulative %) 71,174 > 50% Đạt yêu cầu
Sốliệu từbảng trên cho thấy, tất cả các yếu tốcần đánh giá của nhân tố độc lập
điều có các giá trị đạt với yêu cầu. Cụthể như sau:
Kiểm định tính thích hợp của mô hình phân tích nhân tố
Giá trị KMO = 0,779 thỏa mãnđiều kiện 0,5 ≤ KMO ≤1, như vậy phân tích nhân tốkhám phá EFA là thích hợp cho dữliệu thực tế.
Kiểm địnhtương quan giữa các biến quan sát Bartlett's có mức ý nghĩa thống kê Sig. = 0,000 < 0,05 nên ta kết luận rằng các biến quan sát có tương quan tuyến tính với nhau trong mỗi nhóm nhân tố.
Kiểm định phương sai trích của các yếu tố(% Cumulative variance)
Kết quả trên có 5 nhân tố có giá trị Eigenvalues >1, nhỏ nhất là 1,979 > 1, các nhân tố này sẽ được giữ lại trong mô hình. Ngoài ra trị số phương sai trích
(Cumulative %) là 71,174% điều này có nghĩa là 71,174% thay đổi của các nhân tố được giải thích bởi các biến quan sát. Như vậy, phương sai trích (Cumulative %) là
71,174% > 50% là có ý nghĩa nên mô hình EFA là phù hợp.
Tác giả sử dụng kích thước mẫu điều tra là 125 nên hệ số Factor loading cần > 0,5 (cỡ mẫu từ100-350). Sửdụng 24 biến quan sát đủ độtin cậy của 5 biến độc lập để (adsbygoogle = window.adsbygoogle || []).push({});
thực hiện kiểm định phân tích nhân tố, kết quảlà tất cảcác biến còn lại điều thỏa mãn
điều kiện phân tích nhân tố và được giữlại để phân tích trong bước tiếp theo.
Như vậy qua kiểm định chất lượng thang đo bằng phép kiểm định Cronbach’s
Alpha và kết quả phân tích nhân tố khám phá EFA với phương pháp trích nhân tốvà phép xoay nhân tốVarimax cho biến độc lập, mô hình nghiên cứu có 5 biến độc lập và 24 biến quan sátứng với 5 nhân tố đại diện cho các nhân tố ảnh hưởng đến chất lượng dịch vụ chăm sóc khách hàngtại Công ty Cổphần Đầu tư Phát Triển Lộc Đất Việt.
Bảng 2.18:Ma trận xoaycủa biến độc lập
Biến quan sát Nhân tố 1 2 3 4 5 MDDU5 0,908 MDDU6 0,883 MDDU3 0,873 MDDU1 0,841 MDDU2 0,817 MDDU4 0,798 MDTC3 0,965 MDTC5 0,964 MDTC4 0,961 MDTC2 0,712 MDTC1 0,689 NLPV4 0,898 NLPV2 0,869 NLPV1 0,856 NLPV3 0,774 NLPV5 0,704 MDDC4 0,855 MDDC3 0,854
Biến quan sát Nhân tố 1 2 3 4 5 MDDC2 0,829 MDDC1 0,814 CSVC4 0,855 CSVC3 0,793 CSVC1 0,755 CSVC2 0,526
Sau khi thực hiện phép xoay, các nhân tố có sự xáo trộn giữa các biến quan sát của các thành phần nên đặt lại tên cho các nhân tốmới nhưsau:
Nhân tố 1 gồm các biến MDDU5,
MDDU6,MDDU3,MDDU1,MDDU2,MDDU4 đặt tên nhân tốlà Mức độ đáp ứng X1 Nhân tố 2 gồm các biến MDTC3,MDTC5,MDTC4,MDTC2,MDTC1 đặt tên nhân tốlà Mức độtin cậy X2
Nhân tố 3 gồm các biến NLPV4,NLPV2,NLPV1,NLPV3,NLPV5 đặt tên nhân tố là Năng lực phục vụX3
Nhân tố 4 gồm các biến MDDC4,MDDC3,MDDC2,MDDC1 đặt tên nhân tố là Mức độ đồng cảm X4
Nhân tố 5 gồm các biến CSVC4,CSVC3,CSVC1,CSVC2 đặt tên nhân tố là Cơ
sởvật chất X5
2.2.3.Phân tích hồi quy tuyến tính
Phân tích hồi quy không phải chỉ là việc mô tả các dữ liệu quan sát được. Từ
các kết quả quan sát được trong mẫu ta phải suy rộng kết quảcho mối liên hệ giữa các biến trong tổng thể. Sựchấp nhận và diễn dịch kết quả hồi quy không thểtách rời các giả định cần thiết và sựchuẩn đón về sựvi phạm các giả định đó. Nếu các giả định bị
vi phạm thì các kết quả ước lượng được không đáng tin cậy nữa. Vì vậy, để đảm bảo sự diễn dịch từ kết quảhồi quy của mẫu cho tổng thểcó giá trị trong phần này sẽ tiến hàng kiểm định các giả định của hàm hồi quy:
Kiểm định hệsố tương quan
Để chạy mô hình hồi quy tuyến tính, thì phải xem các biến có phụ thuộc vào biến độc lập, và mối liên hệgiữa các biến tương quan tuyến tính hay không. Nếu hệsô
tương quan giữa các biến phụthuộc và biến độc lập lớn chứng tỏ có mối liên hệ tuyến tính với nhau và hồi quy có thểphù hợp.
Với giảthiết H0: Hệsố tương quan hạng của tổng bằng 0
H1: Có sự tương quan giữa các biến độc lập và biến phụthuộc Thông tin phântích tương quan giữa biến phụthuộc và các biến độc lập
Thực hiện tính toán các biến mới đại diện cho từng nhóm biến theo giá trị trung bình:
CSVC = (CSVC1 + CSVC2 + CSVC3 + CSVC4)/4
MDTC = (MDTC1 + MDTC2 + MDTC3 + MDTC4 + MDTC5)/5
MDDU = (MDDU1 + MDDU2 + MDDU3 + MDDU4 + MDDU5 + MDDU6)/6 NLPV = (NLPV1 + NLPV2 + NLPV3 + NLPV4 + NLPV5)/5
MDDC = (MDDC1 + MDDC2 + MDDC3 + MDDC4)/4 SHL = (SHL1 + SHL2 + SHL3)/3
Sau khi lập biến đại diện cho các nhóm nhân tố được phân chia từbảng ma trận xoay ở bước trước ta tiến hành phân tích tương quan. Hệ số tương quan cụ thể như
sau: (adsbygoogle = window.adsbygoogle || []).push({});
Bảng 2.19 : Hệ số tương quan giữa các biến
Biến phụthuộc Chỉtiêu Biến độc lập CSVC MDTC MDDU NLPV MDDC SHL Hệsố tương quan 0,277 0,354 0,419 0,432 0,285 Giá trị p (Sig.) 0,002 0,000 0,000 0,000 0,001 Số lượng mẫu 125 125 125 125 125
Bảng 2.20 :Ma trận tương quan Pearson Tên biến SHL CSVC MĐTC MDDU NLPV MDDC SHL 1 CSVC .277** 1 MĐTC .354** -.118 1 MDDU .419** .085 -.050 1 NLPV .432** -.121 .034 -.048 1 MDDC .285** .011 .103 -.198* .216* 1
**. Cótươngquan vớiđộ tin cậy 99% *. Cótươngquan vớiđộtin cậy 95%
Kết quảtại bảng trên cho thấy, các biến độc lập đều có giá trị p < 0,05 với biến phụthuộc, điều này có nghĩa là các biến độc lập có mối quan hệ tương quan tuyến tính với biến phụ thuộc. Trong đó, tương quan chặt chẽ nhất với biến phụ thuộc là biến NLPV (0,432), sau đó lần lượt là biến MDDU (0,419) và MDTC (0,354). Ít tương
quan nhất với biến phụ thuộc là biến CSVC (0,277). Như vậy các biến độc lập đều có ý nghĩa và có thể đưa được vào mô hình hồi quy để giải thích cho biến “SHL” trong bước tiếp theo.
Kiểm định mô hình
Bảng 2.21: Tóm tắt mô hình hồi quy tuyến tính
HệsốR HệsốR2 R2hiệu chỉnh Sai sốchuẩn
ước lượng
Hệsố
Durbin-Watson
0,825 0,681 0,668 0,188 1,865
Kết quảphân tích từbảng trên cho thấy, hệsốR2 hiệu chỉnh là 0,668, có nghĩa là các biến độc lập giải thích được 66,80% sựbiến thiên của biến phụ thuộc “SHL” còn
lại 33,2% là do các nhân tốngoài mô hình và các sai sốngẫu nhiên. Như vậy, mô hình
đưa ra là phù hợp với dữliệu mẫu.
Kiểm định F
Bảng2.22: Phân tích ANOVA vềsự phù hợp của mô hình hồi quy
ANOVA Mô hình Tổng bình phương Bật tựdo df Bìnhphương trung bình Giá trịthống kê F Giá trịp (Sig.) 1 Hồi quy 8,992 5 1,798 50,865 0,000 b Còn lại 4,208 119 0,035
Tổng 13,200 124
Sốliệu tại bảng trên cho thấy, giá trị của kiểm định F = 50,865, giá trị p = 0,000 < 0,05, chứng tỏ R2của tổng thể khác 0, nghĩa là các biến độc lập có ảnh hưởng đến biến phụ thuộc. Điều này đồng nghĩa với việc, mô hình hồi quy tuyến tính xây dựng
được phù hợp với tổng thểvà có thể đưa vào sửdụng.
2.2.3.1.Phân tích hồi quy
Sau khi phân tích nhân tố khám phá đểxác định cụthểtừng nhân tố tác động đến sự hài lòng về chất lượng dịch vụ. Mô hình hồi quy được áp dụng là mô hình hồi quy
đa biến (mô hình hồi quy bội). Phân tích hồi quy được thực hiện bởi 5 biến độc lập: Mức độ đáp ứng, Mức độ tin cậy, Năng lực phục vụ, Mức độ đồng cảm, Cơ sở vật chất. Giá trị các yếu tố được dùng để chạy hồi quy là giá trị trung bình của các biến
quan sát được kiểm định. Phân tích được thực hiện bằng phương pháp đưa vào cùng
một lúc (phương pháp enter) với phần mền SPSS 20.
Giảthiết ban đầu vềmô hình lý thuyết, ta có phương trình hồi quy tuyến tính như
sau: Y= β0 + β1*X1 + β2*X2 + β3*X3 + β4*X4 + β5*X5 Trong đó: (X1): Mức độ đáp ứng (X2): Mức độtin cậy (X3): Năng lực phục vụ (X4): Mức độ đồng cảm (X5): Cơ sởvật chất Và biến phụthuộc: Y: Sựhài lòng vềchất lượng dịch vụCSKH Gỉa thiết điều chỉnh như sau:
H0 : Các nhân tố không có tương quuan với chất lượng dịch vụ chăm sóc khách (adsbygoogle = window.adsbygoogle || []).push({});
hàng của Công ty Cổphần Đầu tư Phát triển Lộc Đất Việt
H1 : Nhân tố Mức độ đáp ứng có tương quuan với chất lượng dịch vụ chăm sóc
khách hàng của Công ty Cổphần Đầu tư Phát triển Lộc Đất Việt
H2 : Nhân tố Mức độ tin cậy có tương quan với chất lượng dịch vụ chăm sóc
H3 : Nhân tố Năng lực phục vụ có tương quuan với chất lượng dịch vụ chăm sóc
khách hàng của Công ty Cổphần Đầu tư Phát triển Lộc Đất Việt
H4: Nhân tố Mức đồng cảm có tương quuan với chất lượng dịch vụ chăm sóc
khách hàng của Công ty CổphầnĐầu tư Phát triển Lộc Đất Việt
H5: Nhân tố Cơ sở vật chất có tương quuan với chất lượng dịch vụ chăm sóc
khách hàng của Công ty Cổphần Đầu tư Phát triển Lộc Đất Việt
Phân tích hồi quy được thực hiện bởi 5 biến độc lập MDDU, MDTC, NLPV, MDDC, CSVC . Phân tích được thực hiện bằng phương pháp đưa vào cùng một lúc bằng phương pháp Enter để chọn lọc dựa trên tiêu chí cho những biến có mức ý nghĩa
Sig. < 0,05.
Các biến được đưa vào cùng lúc đểchọn lọc dựa trên tiêu ch chọn những biến có mức ý nghĩa Sig. <0,05. Kết quảphân tích hồi quy (lần 1) như sau:
Bảng 2.23 : Bảng kết quả mô hình hồi quy tuyến tính
Mô hình Nhân tố Hệsốhồi quy chuẩn hóa Thống kê t Giá trịp (Sig.) Thống kê cộng tuyến Độchấp nhận của biến (Tolerance) Hệsốphóngđại phươngsai (VIF) 1 CSVC 0,330 6,254 0,000 0,963 1,039 MDTC 0,378 7,204 0,000 0,975 1,026 MDDU 0,479 9,034 0,000 0,953 1,049 NLPV 0,430 8,045 0,000 0,938 1,066 MDDC 0,244 4,494 0,000 0,907 1,103 R2 0,681 R2hiệu chỉnh 0,668
Giá trị p trong Anova 0,000
Giá trịF trong Anova 50,865
HệsốDurbin - Watson 1,865
Phương trình hồi quy chuẩn hóa:
SHL = 0,479*MDDU + 0,430*NLPV + 0,378*MDTC + 0,330*CSVC + 0,244*MDDC
Kiểm tra hiện tượng đa cộng tuyến
Các hệsố VIF đều nhỏ hơn 2 => Không cóhiện tượng đa cộng tuyến
Biểu đồ phân tán giữa 2 biến giá trị phần dư (trên trục tung) và giá trị dự đoán
(trên trục hoành) cho thấy, phần dư được phân tán một cách ngẫu nhiên trong một
vùng xung quanh đi qua tung độ0 chứ không tạo thành một hình dạng nào, do đó giả định liên hệtuyến tính không bị vi phạm.
Kiểm tra giả định phân phối chuẩn của phần dư
Biểu đồ2.11:Biểuđồphân phốchuẩn của phần dư
Về mặt lý thuyết, phân phối chuẩn là phân phối có trung bình bằng 0 và phương
sai bằng 1. Qua hình cho thấy, phần dư chuẩn hóa phân bố theo hình dạng của phân phối chuẩn, biểu đồ Histogram cho thấy được một đường cong phân phối chuẩn được đặt chồng lên biểu đồ tần số. Đường cong này có dạng hình chuông phù hợp với dạng đồ thị của phân phổi chuẩn, có giá trị trung bình Mean = -1.465E-16 gần bằng 0, độ
lệch chuẩn Std. Dev = 0,980 gần bằng 1, như vậy phân phối phần dư xấp xỉchuẩn. Do (adsbygoogle = window.adsbygoogle || []).push({});
đó, có thểkết luận rằng: giảthiết phân phối chuẩn của phần dư không bị vi phạm.
Kiểm tra sự tương quan giữa các phần dư (còn gọi tính độc lập của sai số)
Hình 2.5: Quy tắc kiểm định d của Durbin- Watson
HệsốDurbin-Watson của mô hình là d = 1,865 và tra bảng hệsốDurbin-Watson với mức ý nghĩa 5% và số quan sát n = 125, số biến độc lập k = 5, ta được hệ số
dL=1,571; dU=1,780. Như vậy, giá trị d thuộc miền dU < d < 4-dU (1,780 < 1,865 < 2,220). Đây là miền chấp nhận giảthiết không có tương quan giữa các phần dư.