Tác giả dùng phân tích hồi quy Binary Logistic nhằm xem xét sự phù hợp của mô hình đề xuất cũng như các giả thiết đặt ra xem các yếu tố này tác động thế nào đến quyết định sử dụng dịch vụ NHĐT của khách hàng cá nhân tại VCB chi nhánh Đông Bình Dương. Mặc khác qua phân tích, mô hình còn giúp chúng ta dự đoán được về khả năng sử dụng hay không sử dụng dịch vụ NHĐT của Khách hàng. Trong mô hình ở đây, biến phụ thuộc: “Quyết định” (QĐ) sử dụng dịch vụ NHĐT sẽ mang 2 giá trị: “0” biểu hiện ý nghĩa là không tiếp tục sử dụng dịch vụ NHĐT và “1” biểu hiện sẽ tiếp tục sử dụng dịch vụ NHĐT.
Từ nguồn dữ liệu thu thập được qua 248 bảng hỏi đối với khách hàng cá nhân tại VCB Chi nhánh Đông Bình Dương, tác giả sử dụng mô hình hồi quy Binary Logistic để xác định mức độ tác động của 6 nhân tố đến quyết định sử dụng dịch vụ NHĐT và dự đoán khả năng tiếp tục sử dụng dịch vụ NHĐT của khách hàng cá nhân tại Ngân hàng VCB chi nhánh Đông Bình Dương. Kết quả như sau:
4.2.4.1 Kiểm định sự phù hợp của mô hình + Kiểm định Chi-square:
Bảng 4.15 Kiểm định ý nghĩa hệ số hồi quy tổng thể
Omnibus Tests of Model Coefficients
Chi-square df Sig.
Step 1
Step 155.565 6 .000
Block 155.565 6 .000
Model 155.565 6 .000
(Nguồn: Kết quả phân tích trích xuất từ SPSS 26.0)
Nhìn vào bảng 4.15: Bảng này (Omnibus Tests of Model Coefficients) cho chúng ta kết quả kiểm định Chi-square, nhằm mục đích đánh giá giả thiết sự phù hợp của mô hình hồi quy. Giá trị sig kiểm định Chi-square ở hàng Model bằng 0.000 < 0.05, do đó, mô hình hồi quy là phù hợp.
+ Kiểm định hệ số -2 Log likelihood
Bảng 4.16 Kết quả kiểm định hệ số -2 Log likelihood (-2LL) Iteration Historya,b,c,d
Iteration likelihood-2 Log Constant HQ XHCoefficientsRR CN DSD TH 1 134.069 -6.128 .619 .322 -.541 .337 .380 .442 2 90.881 -11.586 1.273 .629 -1.064 .636 .615 .742 3 70.223 -18.656 2.102 1.097 -1.714 1.023 .940 1.007 4 60.521 -27.420 3.001 1.703 -2.439 1.519 1.419 1.287 5 57.340 -35.795 3.748 2.306 -3.097 2.009 1.916 1.559 6 56.868 -40.522 4.131 2.670 -3.470 2.291 2.196 1.725 7 56.854 -41.523 4.208 2.751 -3.551 2.352 2.253 1.762 8 56.854 -41.558 4.211 2.754 -3.554 2.354 2.255 1.763 9 56.854 -41.558 4.211 2.754 -3.554 2.354 2.255 1.763 a. Method: Enter
b. Constant is included in the model. c. Initial -2 Log Likelihood: 212.419
(Nguồn: Kết quả phân tích trích xuất từ SPSS 26.0)
Nhìn vào bảng 4.17: (Model Summary) cho ta kết quả mức độ phù hợp của mô hình đề xuất. Giá trị (-2LL) của mô hình trống là: 212.419 (ghi chú c: Bảng 4.16), trong khi đó (-2LL) ở mô hình đề xuất cuối cùng là 56.854 (Bảng 4.17). Điều này cho thấy các biến độc lập đưa vào mô hình đã làm giảm đáng kể giá trị (-2LL) so với mô hình trống. Do đó, mô hình hồi quy là phù hợp.
+ Kiểm định trị số Cox & Snell R Square và Nagelkerke R Square Bảng 4.17 Hệ số đo độ phù hợp của mô hình hồi quy
Model Summary
Step -2 Log likelihood Cox & Snell R Square Nagelkerke R Square
1 56.854a .466 .810
(Nguồn: Kết quả phân tích của tác giả trích xuất từ SPSS 26.0)
Nhìn vào bảng 4.17 ta thấy giá trị Nagelkerke R Square bằng 0.810 tương đối cao (gần về 1). Như vậy chúng ta có thể kết luận mô hình hồi quy có độ phù hợp cao.
Bảng 4.18 Kiểm định Wald và hệ số hồi quy
Variables in the Equation
B S.E. Wald df Sig. Exp(B)
Step 1a HQ 4.211 1.075 15.351 1 .000 67.427 XH 2.754 1.063 6.720 1 .010 15.710 RR -3.554 .794 20.048 1 .000 .029 CN 2.354 .884 7.092 1 .008 10.531 DSD 2.255 .901 6.264 1 .012 9.533 TH 1.763 .707 6.213 1 .013 5.830 Constant -41.558 9.202 20.396 1 .000 .000
a. Variable(s) entered on step 1: HQ, XH, RR, CN, DSD, TH.
(Nguồn: Kết quả phân tích của tác giả trích xuất từ SPSS 26.0)
Nhìn vào bảng 4.18 ta thấy các biến độc lập đều có Sig kiểm định Wald nhỏ hơn 0.05, do đó các biến này đều có ý nghĩa trong mô hình hồi quy.
4.2.4.2 Mức độ dự đoán của mô hình Bảng 4.19 Mức độ dự đoán của mô hình
Classification Tablea Observed (Thực tế) Predicted (Dự đoán) QĐ Dự đoán đúngTỷ lệ % Không sử dụng Sử dụng Step 1 QĐ Không chọn 31 7 81.6 Chọn sử dụng 3 207 98.6 Overall Percentage 96.0
a. The cut value is .500
(Nguồn: Kết quả phân tích của tác giả trích xuất từ SPSS 26.0)
Từ bảng 4.19 (Classification Table) cho chúng ta kết quả dự đoán của mô hình được phân loại theo các trường hợp thực tế (Observed) và dự đoán (Predicted)
- Trong 38 trường hợp quan sát thực tế không chọn sử dụng, dự đoán có 31 trường hợp không sử dụng, tỷ lệ dự đoán đúng là 31/38 = 81.6%.
- Trong 210 trường hợp quan sát thực tế chọn sử dụng, dự đoán có 207 trường hợp sử dụng, tỷ lệ dự đoán đúng là 207/210 = 98.6%.
Như vậy, tỷ lệ dự đoán đúng trung bình cho toàn mô hình là (81.6 + 98.6)/2 = 96.0%.