4.5.1. Kiểm định mức độ phù hợp của mơ hình
Việc phân tích hồi quy tuyến tính giúp chúng ta xác định được sự tác động của các biến độc lập đối với biến phụ thuộc. Phương trình tổng quát được tác giả xây dựng như sau:
HL= β0 + β1TC + β2DU + β3PV + β4DC + β5HH + ei Trong đó:
- HL: Sự hài lòng (Biến phụ thuộc) - TC: Tính đáng tin cậy - DU: Sự đáp ứng - PV: Năng lực phục vụ - DC: Sự đồng cảm - HH: Yếu tố hữu hình - ei: Sai số.
Giả thiết rằng: H0: R2 = 0 (Mơ hình ước lượng khơng phù hợp); H1: R2 0 (Mơ hình ước lượng phù hợp)
Nếu kết quả thu được có giá trị Sig. < mức ý nghĩa 5% thì bác bỏ H0, chấp nhận H1 có nghĩa là mơ hình ước lượng là phù hợp với dữ liệu khảo sát.
Tất cả các biến được đưa vào phân tích bằng phần mềm SPSS 23, bao gồm biến độc lập và biến phụ thuộc. Kết quả phân tích hồi quy như sau:
Bảng 4. 19 Model Summary Mơ Mơ hình R Hệ số xác định R2 Hệ số xác định hiệu chỉnh Sai số chuẩn của các ước tính Trị số Durbin- Watson 1 0,729a 0,531 0,519 0,63675 1,828
a. Predictors: (Constant), HH, PV, DU, TC, DC b. Dependent Variable: HL
Từ bảng 4.19 cho thấy, hệ số xác định R2 hiệu chỉnh = 0,519 nghĩa là các biến độc lập (HH, PV, DU, TC, DC) đưa vào phân tích hồi quy ảnh hưởng 51,9% sự thay đổi của biến phụ thuộc (HL). Đồng thời, R2 0 cho phép ta kết luận, mơ hình ước lượng là phù hợp cũng như mơ hình khơng bị hiện tượng tự tương quan (vì trị số Durbin – Watson = 1,828 nằm trong khoảng từ 1 đến 3).
Bảng 4. 20 Coefficientsa Model Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std.
Error Beta Tolerance VIF
1 (Constant) -0,652 0,282 -2,317 0,022 TC 0,387 0,059 0,369 6,575 0,000 0,766 1,306 DU 0,209 0,056 0,204 3,750 0,000 0,812 1,231 PV 0,183 0,060 0,168 3,051 0,003 0,799 1,252 DC 0,178 0,066 0,153 2,701 0,008 0,753 1,329 HH 0,197 0,054 0,191 3,630 0,000 0,869 1,151 a. Dependent Variable: HL
Với kết quả phân tích như trên, tác giả rút ra các nhận định đó là:
- Giá trị ý nghĩa thống kê - Sig. của kiểm định t hệ số hồi quy đều nhỏ hơn 0,05, tức là các biến độc lập đều có ý nghĩa giải thích cho biến phụ thuộc, và khơng có biến nào bị loại khỏi mơ hình;
- Hệ số VIF (giá trị phóng đại phương sai) đều nhỏ hơn 10 do đó mơ hình khơng có hiện tượng đa cộng tuyến;
- Hệ số hồi quy của các biến độc lập đều lớn hơn 0, chứng tỏ tất cả biến độc lập đưa vào mơ hình nghiên cứu đều có tác động cùng chiều đến biến phụ thuộc. Căn
cứ vào giá trị của hệ số hồi quy chuẩn hóa (Beta), ta có thể sắp xếp thứ tự ảnh hưởng của các biến từ mạnh nhất đến yếu nhất như sau: TC (0,369) > DU (0,204) > HH (0,191) > PV (0,168) > DC (0,153). Tương ứng với:
+ Biến “Tính đáng tin cậy” tác động mạnh nhất đến sự hài lòng của hành khách. Giá trị Beta = 0,369 với mức ý nghĩa rất thấp (Sig. < 0,001) thì khi tăng yếu tố này lên một đơn vị (theo thang đo Likert) thì mức độ hài lịng của hành khách đối với chất lượng dịch vụ theo đó tăng thêm 0,369 đơn vị.
+ “Sự đáp ứng” tác động mạnh thứ hai đến sự hài lòng của hành khách. Hệ số Beta = 0,204; mức ý nghĩa Sig. < 0,001. Hệ số này cho thấy, khả năng đáp ứng đối với nhu cầu của hành khách càng cao thì mức độ hài lòng của hành khách với chất lượng dịch vụ của cảng hàng không càng lớn.
+ “Yếu tố hữu hình” ảnh hưởng thứ ba đến sự hài lịng của hành khách. Với hệ số Beta = 0,191; mức ý nghĩa < 0,05, nếu cảng hàng không trang bị thêm hoặc nâng cao cơ sở vật chất, hạ tầng,… thì mặc nhiên sự hài lòng của hành khách đối với chất lượng dịch vụ khi đi đến cảng hàng không cũng tăng lên.
+ “Năng lực phục vụ” có Beta = 0,168 với mức ý nghĩa < 0,05 tác động mạnh thứ tư đến sự hài lịng của hành khách; chất lượng của q trình phục vụ tăng lên làm cho đánh giá của hành khách về chất lượng dịch vụ cũng tăng.
+ “Sự đồng cảm” ít tác động nhất đến sự hài lịng của hành khách: có giá trị Beta = 0,153, mức ý nghĩa < 0,05. Dù xếp thứ tự khơng cao trong nhóm các tiêu chí được đánh giá, tuy nhiên, ảnh hưởng của Sự đồng cảm vẫn mang giá trị tác động dương.
Như vậy, 5 giả thuyết từ H1 tới H5 tác giả xây dựng ban đầu (tại mục 2.5 của đề tài này) đều được chấp nhận. Khi đó, phương trình hồi quy chuẩn hóa được mơ tả như sau:
HL = 0,369*TC + 0,204 * DU + 0,191 * HH + 0,168 * PV + 0,153 * DC + ei
Việc kiểm định tính chuẩn hóa của phần dư là q trình khơng thể thiếu trong phân tích hồi quy tuyến tính. Trong đề tài này, tác giả sử dụng biểu đồ Histagram và biểu đồ P-P Plot.
Hình 4. 1 Biểu đồ tần số Histagram
Từ biểu đồ ta thấy có một đường cong phân phối chuẩn dạng hình chng, đặt chồng lên biểu đồ tần số.
Mật độ phân tán của phần dư tuân theo luật phân phối chuẩn vì giá trị trung bình Mean gần bằng 0 và độ lệch chuẩn của phần dư (0,987) gần bằng 1. Như vậy có thể thấy được, phân phối phần dư gần đạt chuẩn, đồng nghĩa với giả thiết về phân phối chuẩn của phần dư khơng bị vi phạm.
Hình 4. 2 Biểu đồ phần dư chuẩn hóa Normal P-P Plot
Theo biểu đồ P-P Plot các điểm phân vị trong phân phối của các biến tập trung sát đường thẳng kỳ vọng. Điều này chứng tỏ, tập dữ liệu nghiên cứu của mơ hình là tốt, phần dư chuẩn hóa có phân phối gần với phân phối chuẩn.
4.5.4. Kiểm định mối liên hệ tuyến tính
Giả định liên hệ tuyến tính được kiểm định bằng biểu đồ phân tán scatterplot. Trục tung là giá trị phần dư chuẩn hóa, cịn trục hồnh là giá trị dự báo chuẩn hóa (chính là giá trị chuẩn hóa biến phụ thuộc).
Hình 4. 3 Đồ thị phân tán Scatterplot
Ta thấy, phần dư phân tán ngẫu nhiên không theo quy luật nào trong một vùng xung quanh đường đi qua tung độ 0 và phân tán trong phạm vi không đổi (từ -3 đến 3). Do vậy, giả định liên hệ tuyến tính cũng như giả định phương sai của sai số khơng đổi khơng bị vi phạm.
Mơ hình ước lượng hồi quy bội bằng phương pháp bình phương tối thiểu thấp nhất (OLS: Ordinary Least Square) không bị vi phạm các giả thiết (hiện tượng đa cộng tuyến, phương sai sai số thay đổi, hiện tượng tự tương quan, và tính phân phối chuẩn của phần dư). Do đó, mơ hình ước lượng của các tham số hồi quy đảm bảo tính chất BLUE (Best Linear Unbias Estimators - Ước lượng tuyến tính khơng chênh tốt nhất).