Để đánh giá mức độ tác động của các thành phần chất lượng dịch vụ đến sự hài lòng của khách hàng tác giả sử dụng hàm hồi quy tuyến tính bội với thủ tục chọn biến theo phương pháp ENTER (đồng thời). Sau khi phân tích hồi quy, tác giả đã tiến hành kiểm tra các giả thuyết của mô hình hồi quy tuyến tính, đặc biệt là giả thuyết về phân phối chuẩn của phần dư, đa cộng tuyến và phương sai thay đổi. Kết quả phân tích hồi quy tuyến tính cho các biến số được thể hiện qua như sau:
Bảng 3. 18. Đánh giá mức độ phù hợp của mô hình
Mô hình R R2 R2 hiệu chỉnh Sai số chuẩn của ước lượng Hệ số Durbin- Watson 1 0.755a 0.570 0.556 0.25253 1.908
Nguồn: Phân tích từ số liệu điều tra thực tế năm 2021
Kết quả 3.18 cho thấy mô hình có hệ số R=0,755 cho thấy mối tương quan giữa các biến trong mô hình là mối tương quan thuận và chặt chẽ .Với hệ số xác định đã được điều chỉnh là 0,556 điều này nói lên rằng độ thích hợp của mô hình là 55,6% hay nói cách khác 6 yếu tố trong mô hình được sử dụng làm biến độc lập giải thích được 55,6% sự biến thiên của biến phụ thuộc, còn lại 44,4% do các yếu tố khác ngoài mô hình giải thích.
Mô hình Tổng bìnhphương Df SquareMean F Sig.
1
Hồi quy 15.137 6 2.523 39.562 0.000b
Phần dư 11.415 179 0.064
Tổng 26.551 185
Nguồn: Phân tích từ số liệu điều tra thực tế năm 2021
Kết quả bảng 3.19 cho thấy giá trị thống kê F là một kiểm định giả thuyết về mức độ phù hợp của mô hình hồi quy tuyến tính tổng thể. Kiểm định F với sig <0,05 nên bác bỏ giả thuyết cho rằng tất cả các hệ số hồi quy bằng 0, nghĩa là mô hình hồi quy phù hợp với dữ liệu nghiên cứu (có ý nghĩa về mặt thống kê với mức ý nghĩa 5%) và có thể sử dụng được.
Kết quả bảng 3.20 cho thấy mức ý nghĩa t (Sig) của 6 thành phần chất lượng dịch vụ đều đạt yêu cầu Sig < 0,05 cho thấy 6 thành phần này có ý nghĩa trong mô hình, nghĩa là sự biến thiên tăng hay giảm hệ số của từng yếu tố này đều ảnh hưởng đến yếu tố phụ thuộc F.
Hệ số phóng đại phương sai VIF của các yếu tố đều nhỏ hơn 2 cho thấy các biến độc lập không có mối quan hệ chặt chẽ với nhau nên không có hiện tượng đa cộng tuyến.
Bảng 3. 20. Các thông số thống kê trong mô hình
Mô hình Hệ số hồi quy chưa chuẩn hóa
Hệ số hồi quy đã chuẩn hóa t Sig Thống kê cộng tuyến B Sai số chuẩn Beta Độ chấp nhận VIF TC 0,149 0,033 0,223 40,491 0,000 0,973 1,028 DU 0,115 0,031 0,188 30,775 0,000 0,963 1,038 NL 0,150 0,030 0,259 50,041 0,000 0,908 1,102 DC 0,261 0,035 0,385 70,454 0,000 0,902 1,109 PT 0,130 0,031 0,219 40,242 0,000 0,904 1,106 AT 0,113 0,036 0,164 30,167 0,002 0,899 1,112
Nguồn: Phân tích từ số liệu điều tra thực tế năm 2021
Từ kết quả phân tích hồi quy rút ra được phương trình hồi quy về sự tác động của các thành phần CLDV tại Trung tâm ô tô đến sự hài lòng của khách
hàng như sau:
HL = 0,233*TC+ 0,188*DU + 0,259*NL + 0,385*DC + 0,219*PT+ 0,164*AT + e + 0,164*AT + e
Để tìm sự vi phạm giả định phân phối chuẩn của phần dư ta sẽ sử dụng hai công cụ vẽ của phần mềm SPSS là biểu đồ Histogram và đồ thị P-Plot.
Nhìn vào biểu đồ Histogram (hình 3.1) ta thấy phần dư có phân phối chuẩn với giá trị trung bình gần bằng 0 và độ lệch chuẩn của nó SD =0,983 gần bằng 1. Nhìn vào đồ thị P-Plot (hình 3.2) biểu diễn các điểm quan sát thực tế tập trung khá sát đường chéo của giá trị kỳ vọng, nghĩa là giá trị phần dư có phân phối chuẩn.
Kiểm tra bằng đồ thị (hình 3.3) mô tả mối quan hệ giữa phần dư chuẩn hóa và giá trị ước lượng, ta nhận thấy các phần dư phân bố tương đối đều xung quanh giá trị trung bình (giá trị trung bình của phần dư bằng không). Do vậy, hiện tượng phương sai thay đổi không xuất hiện trong mô hình hồi quy này. Như vậy, qua kiểm tra các giả định của mô hình hồi quy tuyến tính với kết quả là các giả định đều không bị vi phạm. Do đó, các kết quả của mô hình hồi quy là đáng tin cậy. Kết quả cho thấy các phần dư tuân theo quy luật phân phối chuẩn, vì giá trị trung bình (Mean) của phần dư xấp xỉ bằng 0 và phương sai xấp xỉ bằng 1. (xem hình 3.2).
Hình 3. 3. Đồ thị phân tán giữa phần dư chuẩn hóa và giá trị ước lượng