Sản phẩm dịch vụ Giá cả Phân phối Xúc tiến Con người Phương tiện hữu hình Quá trình dịch vụ Quyết Tương định quan 0,385** 0,284** 0,261** 0,304** 0,271** 0,172* 0,268** lựa Peason chọn Sig. (2- 0,000 0,000 0,001 0,000 0,001 0,035 0,001 tailed) N 150 150 150 150 150 150 150
(Nguồn: Kết quả xử lý của tác giả năm 2019) Qua bảng trên, có thể thấy biến phụ thuộc và 7 biến độc lập gồm: “Sản phẩm dịch vụ”, “Giá cả”, “Phân phối ”, “Xúc tiến”, “Con người”, “Phương tiện hữu hình” và “Quá trình dịch vụ”, giá trị Sig. < 0.05 Tức là các biến trên có sự tương quan đối với biến phụ thuộc “Quyết định lựa chọn”, cho thấy sự tương quan có ý nghĩa về mặt thống kê.
3.3.3.2. Phân tích hồi quy
Trên cơ sở dữ liệu đã thu thập được liên quan đến quyết định lựa chọn dịch vụ của khách hàng từ 3 nhà mạng…, nghiên cứu này tiến hành phân tích hồi quy về quyết định lựa chọn nhà mạng với 7 biến dự đoán (biến độc lập) là “Sản phẩm dịch vụ”, “Giá cả”, “Phân phối ”, “Xúc tiến”, “Con người”, “Phương tiện hữu hình” và “Quá trình dịch vụ”.
Mô hình hồi quy:
QD=β0+β1DV+β2GC+β3PP+β4XT+β5CN+β6HH+β7QT +ei Trong đó:
βi: Là hệ số hồi quy riêng tương ứng với từng biến độc lập
QD: Là giá trị của biến phụ thuộc “Quyết định sử dụng”
DV: Là giá trị của biến độc lập “Sản phẩm dịch vụ”
GC: Là giá trị của biến độc lập “Giá cả”
PP: Là giá trị của biến độc lập “Phân phối”
XT: Là giá trị của biến độc lập “Xúc tiến”
CN: Là giá trị của biến độc lập “Con người”
HH: Là giá trị của biến độc lập “Phương tiện hữu hình”
QT: Là giá trị của biến độc lập “Quá trình sử dụng”
β0: Hệ số chặn
ei: Là sai số ngẫu nhiên
Phân tích hồi quy được thực hiện bằng phương pháp Stepwise. Phương pháp chọn từng bước ( Stepwise selection). Là phương pháp đưa từng biến vào tới khi có được mô hình tốt nhất. Phương pháp này không cho cái nhìn tổng quan về các kiểm định t cho từng biến độc lập. Sử dụng phương pháp đưa biến vào nào phụ thuộc vào tính chất của cuộc nghiên cứu. Và phương pháp được sử dụng nhiều nhất là phương pháp chọn từng bước (stepwise selection).
Giá trị Tolerances và VIF ở bảng (Coefficients) cho thấy không hiện tượng đa cộng tuyến của các biến, chỉ số VIF đều bé hơn 10 từ đó tiếp tục đánh giá mô hình.
Đánh giá độ phù hợp của mô hình:
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 R2 hiệu chỉnh sẽ an toàn hơn khi đánh giá độ phù hợp của mô hình. R2 hiệu chỉnh càng lớn thể hiện độ phù hợp của mô hình càng cao.
Kết quả phân tích hồi quy được thể hiện qua bảng sau: