6. Tổng quan tài liệu nghiên cứu
3.4.3. Xây dựng mô hình hồi quy
a. Xem xét ma trận hệ số tương quan
Với kết quả của kiểm định Pearson (xem chi tiết Bảng 5, Phụ lục 4) ta có thể thấy các giá trị Sig. giữa các biến độc lập và biến phụ thuộc đều đạt yêu cầu (0.000<0.05) nên ta có thể kết luận đƣợc là các biến độc lập có tƣơng quan với biến phụ thuộc và có thể đƣa vào mô hình để giải thích cho biến phụ thuộc. Tuy nhiên, kết quả phân tích tƣơng quan Pearson cũng cho thấy một số biến độc lập có sự tƣơng quan với nhau. Do đó, khi phân tích hồi quy cần chú ý đến vấn đề đa cộng tuyến.
b. Đánh giá độ phù hợp của mô hình
Bảng 3.7. Kết quả hệ số R2 hiệu chỉnh
Model Summaryb Model R R Square Adjusted R
Square Std. Error of the Estimate Durbin-Watson 1 .819a .671 .661 .468 1.901 a. Predictors: (Constant), DT, GCDV, CSVC, NV, CLGC, GTCX b. Dependent Variable: GTCN
Dựa vào Bảng 3.7 ta thấy, hệ số R2
= 0.819 và R2 hiệu chỉnh (Adjusted R Square) = 0.671. R2 hiệu chỉnh = 0.671 nghĩa là các biến độc lập trong mô hình (giá trị của cơ sở vật chất, giá trị của nhân viên, chất lƣợng giá cả, giá cả dịch vụ, giá trị cảm xúc và danh tiếng) giải thích đƣợc 67.1% sự thay đổi của biến phụ thuộc (biến giá trị cảm nhận tổng quát).
R2 hiệu chỉnh phản ánh sát hơn mức độ phù hợp của mô hình hồi quy tuyến tính bội vì R2
hiệu chỉnh không phụ thuộc vào độ lệch phóng đại của R2 nó không thổi phồng mức độ phù hợp của mô hình7
.
c. Kiểm định độ phù hợp của mô hình
Sử dụng kiểm định F để kiểm định giả thiết về độ phù hợp của mô hình hồi quy tuyến tính, xem biến phụ thuộc có liên hệ tuyến tính với toàn bộ tập hợp các biến độc lập hay không. Giá trị F đƣợc lấy từ bảng phân tích phƣơng
sai ANOVA của SPSS. Giả thiết kiểm định là:
H0: β1= β2 = β3 = β4 = β5 = β6 = 0 H1: Tồn tại ít nhất một β ≠ 0
Bảng 3.8. Kết quả phân tích phương sai ANOVA
ANOVAa
Model Sum of
Squares
df Mean Square F Sig.
1 Regression 86.337 6 14.390 65.681 .000b Residual 42.283 193 .219 Total 128.620 199 a. Dependent Variable: GTCN b. Predictors: (Constant), DT, GCDV, CSVC, NV, CLGC, GTCX
Dựa vào Bảng 3.8 ta thấy, kết quả kiểm định trị thống kê F = 65.681 với giá trị sig = 0.000 (<0.05) => Bác bỏ giả thiết H0
Nhƣ vậy mô hình hồi quy tuyến tính bội xây dựng đƣợc phù hợp với tập dữ liệu, các biến độc lập trong mô hình có quan hệ với biến phụ thuộc => mô hình có thể sử dụng đƣợc.
d. Các hệ số hồi quy riêng phần trong mô hình
Bảng 3.9: Hệ số hồi quy của mô hình nghiên cứu Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Toleran
ce
VIF
1
(Constant) -1.656 .271 -6.103 .000
Giá trị của cơ sở vật
chất .318 .056 .263 5.642 .000 .782 1.279
Giá trị của nhân viên .339 .052 .279 6.537 .000 .938 1.066
Chất lƣợng giá cả .325 .050 .321 6.451 .000 .689 1.451
Giá cả dịch vụ .166 .045 .180 3.668 .000 .709 1.410
Giá trị cảm xúc .250 .050 .229 5.051 .000 .832 1.202
Danh tiếng .112 .053 .099 2.113 .036 .769 1.300
a. Dependent Variable: Giá trị cảm nhận tổng quát
hệ số độ dốc β1, β2, β3, β4, β5, β6 của các biến độc lập đều khác 0 và mức ý nghĩa quan sát đƣợc (giá trị Sig) của sáu biến này cũng đều nhỏ hơn 0.05 nên các biến độc lập đều có ý nghĩa thống kê trong mô hình.
Hệ số hồi quy đã chuẩn hóa đều khác 0 cho thấy các nhân tố đều thực sự có ảnh hƣởng đến giá trị cảm nhận của khách hàng, các hệ số này đều có giá trị dƣơng (> 0) và có mức ý nghĩa sig = 0.000 ≤ 0.05. Nhƣ vậy, xét trên tổng thể các biến giá trị của cơ sở vật chất (CSVC), giá trị của nhân viên (NV), chất lƣợng giá cả (CLGC), giá cả dịch vụ (GCDV), giá trị cảm xúc (GTCX) và danh tiếng (DT) đều có tác động cùng chiều đến giá trị cảm nhận của khách hàng.
Từ những kết quả trên ta có thể xây dựng phƣơng trình hồi quy chƣa chuẩn hóa và phƣơng trình hồi quy chuẩn hóa nhƣ sau:
Phƣơng trình hồi quy chƣa chuẩn hóa đƣợc viết lại có dạng:
GTCN = -1.656 + 0.318*CSVC + 0.339*NV + 0.325*CLGC + 0.166*GCDV + 0.250*GTCX + 0.112*DT + εi
Phƣơng trình hồi quy đã chuẩn hóa đƣợc viết lại có dạng:
GTCN = 0.263*CSVC + 0.279*NV + 0.321*CLGC + 0.180*GCDV + 0.229*GTCX + 0.099*DT