Mô hình phân tích hồi quy sẽ mô tả hình thức của mối liên hệ giữa biến phụ thuộc và các biến độc lập, qua đó giúp chúng ta dự đoán được mức độ của biến phụ thuộc khi biết trước giá trị của biến độc lập.
4.2.5.1. Kiểm định độ phù hợp của mô hình
Bảng 4.15. Kết quả thống kê các thông số hồi quy Model Summaryb
Model R R Square Adjusted R
Square
Std. Error of the Estimate
Durbin-Watson
1 .850a .722 .714 .33278 2.166
a. Predictors: (Constant), DC, DU, DB, TC, PT b. Dependent Variable: CLDV
Nguồn: Kết quả phân tích từ SPSS của tác giả
Theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc (2008), R2 hiệu chỉnh (Adjusted R Square) từ R2 được sử dụng để phản ánh sát hơn độ phù hợp của mô hình. Từ kết quả bảng 4.15, ta thấy R2 hiệu chỉnh = 0.714 nghĩa là mô hình hồi quy tuyến tính bội trên đã xây dựng phù hợp với tập dữ liệu đến 71.4%. Con số này cho thấy rằng có 71.4% khác biệt về chất lượng dịch vụ thẻ có thể giải thích bởi các biến độc lập đã đưa vào, phần biến thiên còn lại phụ thuộc vào các nhân tố ngoài mô hình.
4.2.5.2. Kiểm định tự tương quan
Bên cạnh đó, để kiểm định hiện tượng tự tương quan, tác giả sử dụng kiểm định Durbin – Watson với giả thuyết (mức ý nghĩa α = 5%, độ tin cậy 95%):
H0: không có hiện tượng tự tương quan
H1: có hiện tượng tự tương quan
Kết quả hồi quy cho thấy hệ số Durbin-Watson có giá trị 2.166 nằm trong khoảng (dU; 1- dU) hay (1.802 < 2.166 < 2.198), như vậy chấp nhận H0, mô hình không có tự tương quan bậc nhất.
4.2.5.3. Kiểm định hệ số hồi quy riêng
giả thuyết (mức ý nghĩa α =5%, độ tin cậy 95%): H0: β1 =β2=β3=β4=β5=0
H1: có ít nhất một trong các hệ số hồi quy riêng bằng 0
Bảng 4.16. Phân tích phương sai ANOVA
ANOVAa
Model Sum of Squares Df Mean Square F Sig.
1
Regression 48.565 5 9.713 87.708 .000b
Residual 18.715 169 .111
Total 67.280 174
a. Dependent Variable: CLDV
b. Predictors: (Constant), DC, DU, DB, TC, PT
Nguồn: Kết quả phân tích từ SPSS của tác giả
Phân tích ANOVA cho thấy thông số F = 87.708 có Sig. trong bảng 4.16 bằng 0.000 nhỏ hơn mức ý nghĩa 5% chứng tỏ có thể bác bỏ giả thuyết H0: tất cả các hệ số hồi quy riêng đều bằng 0, như vậy mô hình hồi quy xây dựng là phù hợp với bộ dữ liệu thu thập được, các biến đưa vào đều có ý nghĩa về mặt thống kê với mức ý nghĩa 5%. Do đó, các biến độc lập trong mô hình có quan hệ đối với biến phụ thuộc.
4.2.5.4. Kiểm định đa cộng tuyến
Bảng 4.17. Kết quả phân tích hồi quy Coefficientsa
Model
Unstandardized Coefficients Standardize d Coefficients
t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) -.808 .214 -3.775 .000 DB .159 .046 .153 3.425 .001 .820 1.219 DU .203 .043 .206 4.737 .000 .870 1.150 PT .147 .048 .148 3.090 .002 .720 1.389 TC .310 .044 .332 6.996 .000 .729 1.372 DC .382 .042 .404 9.023 .000 .821 1.218 a. Dependent Variable: CLDV
Ở phần phân tích tương quan, nghiên cứu cho thấy có thể có sự tương quan thấp giữa các nhân tố độc lập. Do đó, phần này khẳng định chính xác hơn liệu có hay không hiện tượng đa cộng tuyến. Để kiểm định có xảy ra trường hợp đa cộng tuyến hay không, tác giả sử dụng giá trị nhân tử phóng đại phương sai VIF. Trên thực tế, VIF < 2 thì có thể cho rằng không có hiện tượng đa cộng tuyến xảy ra trong mô hình (Nguyễn Đình Thọ, 2012). Từ bảng kết quả phân tích ANOVA, giá trị VIF của từng nhân tố đều nhỏ hơn 2. Như vậy, mô hình không có hiện tượng đa cộng tuyến hay mối quan hệ giữa các biến độc lập không ảnh hưởng đến kết quả của mô hình hồi quy.
4.2.5.5. Kiểm định phương sai của sai số thay đổi
Bảng 4.18. Kết quả kiểm định SPEARMAN
ABScuare DB DU PT TC DC
Corelation Coeficient -.071 .005 .011 .019 -.055
Sig. (2-tailed) .347 .944 .884 .799 .472
N 175 175 175 175 175
Nguồn: Kết quả phân tích từ SPSS của tác giả
Trong phần này, tác giả sử dụng kiểm định SPEARMAN để kiểm tra giữa từng biến độc lập có ý nghĩa thống kê với giá trị tuyệt đối của số dư được chuẩn hóa (ABS – Absolute of Standardized residuals). Kết quả cho thấy các hệ số tương quan hạng SPEARMAN có mức ý nghĩa từ 0.347 đến 0.944 đều lớn hơn mức ý nghĩa 0.05. Như vậy, có thể kết luận rằng mô hình hồi quy không có hiện tượng phương sai thay đổi (Phụ lục 4 – Mục 4.4).
4.2.5.6. Kết quả phân tích hồi quy
Dựa vào bảng kết quả phân tích hồi quy (bảng 4.17) để xác định mức độ ảnh hưởng của nhân tố có hệ số β. Hệ số β càng lớn thì biến quan sát đó có mức ảnh hưởng càng cao so với các nhân tố khác trong mô hình nghiên cứu. Bên cạnh đó, Sig. của từng biến độc lập đều có giá trị nhỏ hơn 5% nên có thể bác bỏ giả thiết hệ số β của các biến độc lập bằng 0 và khẳng định năm biến: Sự đảm bảo; Sự đáp ứng; Sự đồng
cảm; Sự tin cậy; Phương tiện hữu hình đều có ý nghĩa trong mô hình. Với các hệ số của các biến nhân tố vừa tìm được, ta xây dựng phương trình hồi quy cho mô hình này như sau:
Các hệ số hồi quy đều mang dấu dương thể hiện các nhân tố này trong mô hình hồi quy trên ảnh hưởng tỷ lệ thuận với biến độc lập chất lượng dịch vụ thẻ. Trong đó, nhân tố Sự đồng cảm có ảnh hưởng lớn nhất đến chất lượng dịch vụ thẻ, nghĩa là nhân tố Sự đồng cảm tăng lên 1 đơn vị thì biến chất lượng dịch vụ thẻ tăng lên 0.382 đơn vị, kế đến là các biến Sự tin cậy (β = 0.310), Sự đáp ứng (β = 0.203), Sự đảm bảo (β = 0.159) và cuối cùng là biến Phương tiện hữu hình (β = 0.147).