Mô hình hồi quy là mô hình hồi quy tuyến tính bội với hệ số β chưa hiệu chỉnh có dạng:
LTT = β0 + β1CLHH + β2CLVH + β3STM + β4RCCD + β5SLC+ β6TQ Trong đó:
LTT: biến phụ thuộc (Lòng trung thành của khách hàng cá nhân đối với ngân hàng BIDV Đồng Nai).
β0 : Hệ số chặn.
βi: Hệ số hồi quy thứ i (i = 1,..,6): phản ảnh mức độ tăng (giảm) của Chất lượngcảm nhận hữu hình (CLHH); Chất lượng cảm nhận vô hình (CLVH); Sự thỏa mãn của khách hàng (STM); Rào cản chuyển đổi (RCCD); Sự lựa chọn (SLC); Thói quen lựa chọn (TQ) thay đổi.
a. Kiểm định tương quan giữa các biến
Kiểm định tương quan nhằm xem xét mối quan hệ giữa các biến độc lập và biến phụ thuộc, đồng thời phản ảnh tương quan giữa các biến độc lập với nhau.
Hệ số tương quan: mối tương quan giữa các biến được đo bằng hệ số tương quan. Hệ số tương quan Pearson (Pearson Correlation) được tính bằng cách chia hiệp phương sai của biến với tích độ lệch chuẩn của chúng.
+ Nếu hệ số tương quan > 0 : tương quan thuận + Nếu hệ số tương quan < 0 : tương quan nghịch
+ Nếu hệ số tương quan tiến đến: +1 hoặc -1: tương quan càng chặt chẽ. Các hệ số tương quan được tập hợp qua ma trận tương quan.
Kiểm định Hệ số tương quan [12]:
H0 : không tồn tại mối tương quan giữa 2 biến H1 : tồn tại mối tương quan giữa 2 biến
Với Mức ý nghĩa kiểm định là 5%: + Nếu Sig. ≤ 0,05: Bác bỏ H0
+ Nếu Sig. > 0,05: Chưa có cơ sở Bác bỏ H0
b. Kiểm định hiện tượng đa cộng tuyến
Hiện tượng đa cộng tuyến (Multicollinearity) là hiện tượng các biến độc lập trong mô hình phụ thuộc tuyến tính lẫn nhau. Nói cách khác hiện tượng đa cộng tuyến xảy ra khi có mối tương quan tuyến tính hiện hữu giữa ít nhất 2 biến độc lập trong mô hình. Khi đó sẽ dẫn đến các vấn đề sau: Hạn chế giá trị của R2 (thường sẽ làm tăng R2); Làm sai lệch/ đổi dấu các hệ số hồi quy.
Có rất nhiều cách phát hiện sự tồn tại của đa cộng tuyến trong mô hình hồi quy như: R2 cao nhưng tỉ số t thấp; tương quan cặp giữ các biến giải thích cao; hồi quy phụ; …
Kiểm tra hiện tượng đa cộng tuyến:
- Sử dụng ma trận tương quan Pearson. Nếu hệ số tương quan của các biến độc lập với nhau nhỏ hơn 0,5 có thể chấp nhận không có hiện tượng đa cộng tuyến.
- Sử dụng hệ số VIF (variance inflation factor – hệ số phóng đại phương sai)
Trong bài này sử dụng hệ số phóng đại phương sai (VIF) để phát hiện đa cộng tuyến. Trong các mô hình hồi quy VIF (Hệ số phóng đại phương sai VIF) đều nhỏ hơn 10 chứng tỏ không có đa cộng tuyến xảy ra (Hoàng Trọng – Chu Nguyễn Mộng Ngọc).
c. Kiểm định độ phù hợp của mô hình
Dựa vào hệ số R2 để xác định mức độ giải thích của các yếu tố ảnh hưởng đến lòng trung thành của khách hàng cá nhân đối với Ngân hàng TMCP Đầu tư và Phát triển Việt Nam – Chi nhánh Đồng Nai, hệ số R2 càng lớn mức độ giải thích càng lớn.
Trong nghiên cứu này, tác giả sẽ dựa vào hệ số R2 hiệu chỉnh để phản ánh mức độ phù hợp của mô hình hồi quy tuyến tính bội vì R2 không phụ thuộc vào độ lệch phóng đại của R2. R2 hiệu chỉnh thường nhỏ hơn R2 vì nó không phóng đại mức độ phù hợp của mô hình.
Kiểm định F trong bảng phân tích phương sai là phép kiểm định về độ phù hợp của mô hình hồi quy tuyến tính tổng thể, xem xét biến phụ thuộc có liên hệ tuyến tính với toàn bộ tập hợp các biến độc lập hay không.
- Cặp giả thuyết nghiên cứu:
Giả thuyết H0: Không có mối quan hệ giữa các biến độc lập và biến phụ thuộc. Giả thuyết H1: Tồn tại mối quan hệ giữa các biến độc lập và biến phụ thuộc.
- Nguyên tắc chấp nhận giả thuyết với mức ý nghĩa 5%: Nếu Sig ≤ 5%: Bác bỏ giả thuyết H0; Nếu Sig > 5%: Chưa có cơ sở bác bỏ giả thuyết H1.