,
3.3.5. Phân tích hồi quy và kiểm định sự phù hợp của mô hình
Phân tích hồi quy sẽ xác định mối quan hệ nhân quả giữa biến phụ thuộc (SỰ HÀI LÒNG) với các biến độc lập (SỰ THUẬN TIỆN, SỰ HỮU HÌNH, HÌNH ẢNH, SỰ TIN CẬY, TIẾP XÚC KHÁCH HÀNG, GIÁ, PHONG CÁCH PHỤC VỤ, DANH MỤC SẢN PHẨM). Mô hình phân tích hồi quy sẽ mô tả hình thức của mối liên hệ và qua đó giúp ra dự đoán đƣợc mức độ của biến phụ thuộc khi biết trƣớc giá trị của biến độc lập.
Hệ số xác định R2 và R2 hiệu chỉnh đƣợc dùng để đánh giá sự phù hợp của mô hình. Vì R2 sẽ tăng khi đƣa thêm biến độc lập vào mô hình nên dùng
2
R hiệu chỉnh sẽ an toán hơn khi đánh giá sự phù hợp của mô hình. R2 hiệu chỉnh càng lớn thể hiện độ phù hợp của mô hình càng cao.
Bằng việc áp dụng phƣơng pháp chọn biến từng bƣớc, kết quả thu đƣợc nhƣ sau: 2
R hiệu chỉnh = 0.67 ; giá trị R2 hiệu chỉnh cho biết rằng mô hình có thể giải thích đƣợc 67% sự biến thiên của mức độ hài lòng của khách hàng cá nhân về chất lƣợng dịch vụ tín dụng của ACB- CN Thái Nguyên đƣợc giải thích bởi mối liên hệ tuyến tính của các biến độc lập gồm: sự thuận tiện, sự hữu hình, hình ảnh, sự tin cậy, tiếp xúc khách hàng, yếu tố giá, phong cách phục vụ và danh mục sản phẩm.
Bảng 3.23. Kết quả phân tích hồi qui
Tóm tắt mô hình
Mô hình R 2
R R2 hiệu chỉnh Std. Error of the Estimate 1 .828a .686 .670 .51806 ANOVA Mô hình Tổng bình phƣơng df Bình phƣơng trung bình F Sig. 1 Regression 96.067 8 12.008 44.742 .000b Residual 44.016 164 .268
(Nguồn: Tổng hợp của tác giả)
Để kiểm định sự phù hợp của mô hình hồi quy tổng thể, ta xem xét đến giá trị F từ bảng ANOVA, giá trị F = 44.742 , giá trị Sig = 0.000 rất nhỏ (< mức ý nghĩa). Nhƣ vậy, mô hình phù hợp với tập dữ liệu và có thể suy ra cho toàn tổng thể.