5. Kết cấu luận văn
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
Bảng 3.15: Hệ số hồi quy Unstandardized Coefficients Standardized Coefficients Sig, B Beta VIF (Constant) 0,219 0,26 GC 0,213 0,346 0,000 1,042 ML 0,248 0,386 0,000 1,021 NV 0,249 0,383 0,000 1,029 TC 0,202 0,279 0,000 1,047
(Nguồn: Tổng hợp từ kết quả xử lý trên phần mềm SPSS 20)
Phân tích ANOVA cho thấy thông số F = 67,318 với sig = 0,000, chứng tỏ mô hình hồi quy xây dựng là phù hợp với bộ dữ liệu thu thập được, và các biến đưa vào đều có ý nghĩa về mặt thống kê với mức ý nghĩa 5%, Như vậy các biến độc lập trong mô hình có quan hệ với biến phụ thuộc,
Đo lường đa cộng tuyến: Hệ số phóng đại phương sai VIF của các biến là nhỏ hơn 2, Do đó, hiện tượng đa cộng tuyến giữa các biến độc lập trong mô hình này là nhỏ, không có ảnh hưởng đáng kể đến kết quả hồi quy.
Từ kết quả hồi quy ta cũng thấy, Adjusted R2
mẫu = 0,581 là ở mức cao, Điều này cho thấy mồ hình hồi quy tuyến tính này phù hợp với tập dữ liệu của mẫu ở mức 58,1%, tức là các biến độc lập giải thích được 58,1% biến thiên của biến phụ thuộc.
Phương trình hồi quy đã chuẩn hóa của mô hình:
Hài lòng = 0,386*Mạng lưới + 0,383* Nhân viên + 0,346* Giá cả + 0,279* Tin cậy
Như vậy sự hài lòng của khách hàng chịu ảnh hưởng cùng chiều với các nhân tố trong mô hình, trong đó, yếu tố mạnh lưới tác động nhiều nhất với hệ số 0,386, tiếp theo là yếu tố nhân viên với hệ số 0,383, thứ ba là yếu tố giá cả với hệ số 0,346, và thứ tư là yếu tố tin cậy với hệ số 0,279,