Phân tích hồi quy sẽ xác định mối quan hệ giữa biến phụ thuộc (sự đánh giá của khách hàng đối với CLDV) và các biến độc lập (độ tin cậy, tính đáp ứng, sự
đồng cảm, năng lực phục vụ, phƣơng tiện hữu hình).
Mô hình phân tích hồi quy sẽ mô tả hình thức của mối liên hệ và qua đó giúp dự đoán đƣợc mức độ của biến phụ thuộc khi biết trƣớc giá trị của biến độc lập.
Phƣơng pháp phân tích đƣợc chọn lựa là phƣơng pháp chọn từng bƣớc Stepwise (từng bƣớc) hoặc phƣơng pháp Enter (đƣa vào một lƣợt), đây là 2 phƣơng pháp đƣợc sử dụng rộng rãi nhất.
Giả định: Biến phụ thuộc là mức độ hài lòng về chất lƣợng dịch vụ giao dịch. Biến độc lập bao gồm: Độ tin cậy, tính đáp ứng, sự đồng cảm, năng lực phục vụ và phƣơng tiện hữu hình.
Hình dạng phƣơng trình hồi quy:
Y = β1X1 + β2X2 + β3X3 + β4X4+ β5X5
Trong đó:
X1: Phƣơng tiện hữu hình X2: Năng lực phục vụ X3: Tính đáp ứng X4: Độ tin cậy X5: Sự đồng cảm
Mức ý nghĩa đƣợc xác lập cho các kiểm định và phân tích là 5% (độ tin cậy 95%). Các kết luận dựa trên hàm hồi quy tuyến tính thu đƣợc chỉ có ý nghĩa khi hàm hồi quy đó phù hợp với dữ liệu mẫu và các hệ số hồi quy khác 0 có ý nghĩa, đồng thời các giả định của hàm hồi quy tuyến tính cổ điển về phƣơng sai, tính độc lập của phần dƣ đƣợc đảm bảo. Vì thế, trƣớc khi phân tích kết quả hồi quy ta thực hiện các kiểm định về độ phù hợp của hàm hồi quy, kiểm định ý nghĩa của các hệ số hồi quy và đặc biệt là kiểm định các giả định của hàm hồi quy.
Tiêu chuẩn chấp nhận sự phù hợp của mô hình tƣơng quan hồi quy là: - Kiểm định F phải có giá trị sigα< 0.05
- Tiêu chuẩn chấp nhận các biến có giá trịTolerance > 0,0001
- Đại lƣợng chuẩn đoán hiện tƣợng đa cộng tuyết với hệ số phóng đại phƣơng sai VIF(VarianceInflation Factor)<10