Bảng 3 .9 Đặc điểm đối tượng khảo sát
Bảng 3. 12 Kết quả phân tích nhân tố phụ thuộc
số tải nhân tố < 0.5 không đảm bảo được độ hội tụ với các biến còn lại trong thang đo sẽ bị loại bỏ.
Hệ số KMO = 0,779> 0,5: phân tích nhân tố thích hợp với dữ liệu nghiên cứu.
Kết quả kiểm định Barlett’s là 1661 với mức ý nghĩa sig = 0,000 < 0,05, điều này chứng tỏ dữ liệu dùng để phân tích nhân tố là hoàn toàn thích hợp.
Kết quả cho thấy 4 biến quan sát ban đầu được nhóm thành 1 nhóm.
-Giá trị tổng phương sai trích = 63.176% > 50%: đạt yêu cầu; khi đó có thể nói rằng 1 nhân tố này giải thích 63.176% biến thiên của dữ liệu.
-Giá trị hệ số Eigenvalues của nhân tố lớn hơn 1.
Bảng 3. 12. Kết quả phân tích nhân tố phụ thuộc Component Component 1 HL1 0,830 HL4 0,821 HL3 0,774 HL2 0,752 KMO = 0,779 > 0,5
P-value (Barlett test) = 0,000 < 0,05,
Eigenvalues 2.572
c. Khẳng định mô hình nghiên cứu
Kết quả phân tích ở trên cho thấy các biến quan sát được phân biệt thành 4 nhân tố độc lập và 1 nhân tố phụ thuộc. Trong đó các biến độc lập trong mô hình được giữ nguyên. Do đó có thể nói kết quả phân tích nhân tố là phù hợp với mô hình nghiên cứu đã đề xuất ban đầu.
Sau khi tiến hành phân tích độ tin cậy của các thang đo thông qua hệ số Cronbach’s Alpha và phân tích nhân tố để xác định các nhân tố thu được từ các biến quan sát, có 4 nhân tố được đưa vào để kiểm định mô hình bao gồm Giá cả, Mạng lưới, Thái độ nhân viên, Tin cậy. Phân tích tương quan Pearson được sử dụng để xem xét sự phù hợp khi đưa các thành phần vào mô hình hồi quy. Kết quả phân tích hồi quy đa biến sẽ được sử dụng để kiểm định các giả thuyết của mô hình.
3.3.4 Phân tích hồi quy và kiểm định tính phù hợp của mô hình
3.3.4.1 Phân tích tương quan
Kiểm định hệ số tương quan Pearson dùng để kiểm tra mối liên hệ tuyến tính giữa các biến độc lập và biến phụ thuộc. Nếu các biến có tương quan chặt thì phải lưu ý đến vấn đề đa cộng tuyến khi phân tích hồi quy (giả thuyết H0: hệ số tương quan bằng 0).
Bảng 3.13. Ma trận tương quan giữa các thang đo trong mô hình
Correlations GC ML NV TC HL GC Pearson Correlation 1 0,117 -0,077 0,141 0,401** Sig, (2-tailed) 0,106 0,291 0,051 0,000 N 192 192 192 192 192 ML Pearson Correlation 0,117 1 0,040 0,089 0,467** Sig, (2-tailed) 0,106 0,582 0,220 0,000 N 192 192 192 192 192 NV Pearson Correlation -0,077 0,040 1 0,132 0,408** Sig, (2-tailed) 0,291 0,582 0,068 0,000 N 192 192 192 192 192 TC Pearson Correlation 0,141 0,089 0,132 1 0,412 **
N 192 192 192 192 192
HL
Pearson Correlation 0,401** 0,467** 0,408** 0,412** 1 Sig, (2-tailed) 0,000 0,000 0,000 0,000
N 192 192 192 192 192
**, Correlation is significant at the 0,01 level (2-tailed),
(Nguồn: Tổng hợp từ kết quả xử lý trên phần mềm SPSS 20)
Kết quả phân tích tương quan cho thấy các hệ số tương quan giữa biến độc lập và biến phụ thuộc đều có ý nghĩa (sig<0,05), do vậy các biến độc lập đưa vào phân tích hồi qui là phù hợp, Ngoài ra, kết quả cho thấy một số biến độc lập có sự tương quan với nhau, Do đó khi phân tích hồi quy cần phải chú ý đến vấn đề đa cộng tuyến.
3.3.4.2. Kiểm định giả thuyết
Ta tiến hành phân tích hồi quy để xác định cụ thể trọng số của từng thành phần tác động đến sự hài lòng của khách hàng, Phân tích hồi quy sẽ được thực hiện với 4 biến độc lập và một biến phụ thuộc, Phân tích được thực hiện bằng phương pháp hồi quy tổng thể của các biến (Enter) với phần mềm SPSS 20,0, Kết quả hồi quy thu được như sau:
Bảng tóm tắt các hệ số hồi quy:
Bảng 3.14 Kết quả phân tích hồi quy
Model R R Square Adjusted R Square Durbin-Watson
1 0,768a 0,59 0,581 2,056
Sum of Squares Mean Square F Sig,
Regression 37,278 9,32 67,318 ,000b
Residual 25,888 0,138
Total 63,167