Sau khi rút trích được các nhân tố từ phân tích nhân tố khám phá EFA, tiến hành phân tích hồi quy bội. Đó là một kỹ thuật thống kê có thể được sử dụng để phân tích mối quan hệ giữa một biến phụ thuộc và nhiều biến độc lập. Mục tiêu của phân tích hồi quy bội là mô tả mối liên hệ và qua đó giúp ta dự đoán được mức độ của biến phụ thuộc khi biết trước giá trị của biến độc lập.
Khi chạy hồi quy cần chú ý đến những thông số:
Hệ số Beta: Hệ số hồi quy chuẩn hóa cho phép so sánh trực tiếp giữa các hệ số dựa trên mối quan hệ giải thích của chúng với biến phụ thuộc.
Hệ số khẳng định R2: Đánh giá phần thay đổi của biến phụ thuộc được giải thích bởi các biến dự báo hay biến độc lập. Hệ số này được thay đổi từ 0 đến 1.
Hệ số R2 điều chỉnh: Vì hệ số khẳng định R2 được chứng minh là hàm không giảm theo số biến độc lập được đưa ra mô hình, chúng ta càng đưa thêm biến độc lập vào mô hình thì R2 càng tăng, tuy nhiên điều này cũng được chứng minh rằng
không phải phương trình càng nhiều biến sẽ càng phù hợp. Bằng cách so sánh hệ số R2 .
Quá trình phân tích hồi qui tuyến tính được thực hiện qua các bước:
Bước 1: Kiểm tra tương quan giữa các biến độc lập với nhau và với biến phụ
thuộc thông qua ma trận hệ số tương quan. Theo đó, điều kiện để phân tích hồi qui là phải có tương quan giữa các biến độc lập với nhau và với biến phụ thuộc. Tuy nhiên, theo Nguyễn Đình Thọ (2008), khi hệ số tương quan < 0,85 thì có khả năng đảm bảo giá trị phân biệt giữa các biến. Nghĩa là, nếu hệ số tương quan > 0,85 thì cần xem xét vai trò của các biến độc lập, vì có thể xảy ra hiện tượng đa cộng tuyến (một biến độc lập này có được giải thích bằng một biến khác).
Bước 2: Xây dựng và kiểm định mô hình hồi qui
Dựa vào kết quả nghiên cứu định tính, cơ sở lý thuyết và các nghiên cứu trước, mô hình nghiên cứu chính thức có dạng tổng quát như sau:
CN= B0 + β1*TG + β2*TT + β3*TC + β4*CH + β5*TN + β6*NĐ
Trong đó:
- TG: Sự tham gia của lãnh đạo (X1) - TT: Sự tập trung hóa (X2)
- TC: Ảnh hưởng của phòng tài chính (X3) - CH: Sự chuẩn hóa (X4)
- TN: Truyền thông nội bộ (X5)
- NĐ: Sự năng động của sản phẩm-thị trường (X6) - CN: Mức độ ứng dụng BSC (Y)
β0: Hằng số cũng chính là sự chấp nhận của Y nếu các yếu tố khác bằng 0 β1,β2….β6: Hệ số của các biến độc lập
ɛ : Sai số của mô hình
Thứ nhất: Đánh giá độ phù hợp của mô hình hồi quy thông qua hệ số xác định R2 và R2 có hiệu chỉnh. Hệ số R2 hiệu chỉnh (Adjusted coefficient of determination): Đo lường mức ý nghĩa giải thích của các biến độc lập đối với biến phụ thuộc trong mô hình.
Thứ hai: Kiểm định giả thuyết về độ phù hợp của mô hình. Giá trị Sig< 0,05 thì mô hình có ý nghĩa thống kê (Hoàng Trọng & Chu Nguyễn Mộng Ngọc 2008).
Thứ ba: Kiểm định giả thuyết về ý nghĩa của từng hệ số hồi quy. Thứ tư: Kiểm định hiện tượng đa cộng tuyến trong mô hình hồi quy.
Thứ năm: Xác định mức độ ảnh hưởng của các nhân tố tác động đến sự hài lòng của khách hàng đối với CLDV ngân hàng tại HDBank khu vực Hồ Chí Minh: Hệ số β (Standardizeed Beta Coefficent) nói lên mức độ tác động của các biến độc lập đối với biến phụ thuộc với giá trị kiểm định ý nghĩa của hệ số β là Sig<0,05. Hệ số β của nhân tố nào càng lớn thì nhân tố đó có mức độ ảnh hưởng cao hơn các nhân tố khác trong mô hình nghiên cứu.
Bước 3: Kiểm tra vi phạm các giả định hồi qui
Mô hình hồi qui được xem là phù hợp với tổng thể nghiên cứu khi không vi phạm các giả định. Vì thế, sau khi xây dựng được phương trình hồi qui, cần phải kiểm tra các vi phạm giả định cần thiết sau đây:
Có liên hệ tuyến tính giữa các biến độc lập với biến phụ thuộc. Phần dư của biến phụ thuộc có phân phối chuẩn.
Phương sai của sai số không đổi
Không có tương quan giữa các phần dư (tính độc lập của các sai số).
Không có tương quan giữa các biến độc lập (không có hiện tượng đa cộng tuyến).
Trong đó:
Công cụ để kiểm tra giả định liên hệ tuyến tính là đồ thị phân tán phần dư chuẩn hóa (Scatter) biểu thị tương quan giữa giá trị phần dư chuẩn hóa (Standardized Residual) và giá trị dự đoán chuẩn hóa (Standardized Pridicted Value).
Công cụ để kiểm tra giả định phần dư có phân phối chuẩn là đồ thị tần số Histogram, hoặc đồ thị tần số P-P plot.
Công cụ để kiểm tra giả định sai số của biến phụ thuộc có phương sai không đổi là đồ thị phân tán của phần dư và giá trị dự đoán hoặc kiểm định Spearman’s rho.
Công cụ được sử dụng để kiểm tra giả định không có tương quan giữa các phần dư là đại lượng thống kê d (Durbin - Watson), hoặc đồ thị phân tán phần dư chuẩn hóa. Công cụ được sử dụng để phát hiện tồn tại hiện tượng đa cộng tuyến là độ chấp nhận của biến (Tolerance) hoặc hệ số phóng đại phương sai (Variance inflation factor - VIF). Theo Nguyễn Đình Thọ và Nguyễn Thị Mai Trang (2011), khi VIF > 2 cần phải cẩn trọng hiện tượng đa cộng tuyến.