5. Kết cấu luận văn
2.3.5.2 Kiểm định giả thuyết và phân tích hồi quy
Để đánh giá sự phù hợp của mô hình giữa các thành phần chất lượng dịch vụ phân phối dược phẩm và sựhài lòng của khách hàng, sửdụng hàm hồi quy tuyến tính bội. Được thực hiện với 6 thành phần chất lượng dịch vụlà biến độc lập và sựhài lòng là biến phụthuộc sẽ đưa vào chạy hồi quy cùng một lúc.
Các thành phần chất lượng dịch vụlà“độtin cậy”, “chất lượng sản phẩm”, “sự đáp ứng”, “khả năng phục vụcủa nhân viên”, “sựhữu hình”, “giá cả” và biến phụthuộc là “sự hài lòng khách hàng”. Giá trị của các nhân tố được dùng để phân tích hồi quy là giá trị trung bình của các biến quan sát. ĐặtX1, X2, X3, X4, X5, X6lần lượt là các giá trịlà“độ tin cậy”, “chất lượng sản phẩm”, “sự đáp ứng”, “khả năng phục vụ của nhân viên”, “sự hữu hình”, “giá cả”và biến phụthuộc là “sự hài lòng khách hàng” làY.
Áp dụng phân tích hồi quy vào mô hình, tiến hành phân tích hồi quy đa biến với 6 nhân tố đãđược kiểm định hệ số tương quan (X1, X2, X3, X4, X5,X6) và biến phụ thuộc (Y), hệ số tự do của mô hình (β0), hệ số hồi quy từng phần tương ứng với các biến độc lập (β1, β2, β3, β4, β5, β6). Mô hình hồi quy như sau:
Y = β0 + β1 X1 + β2 X2 + β3X3 + β4X4 + β5X5 + β6X6
Giảthuyết:
H0: Các nhân tốchính không có mối tương quan tới sựhài lòng của khách hàng H1: Nhân tố “X1” có tương quan sựhài lòng của khách hàng
H2: Nhân tố “X2” có tương quan sựhài lòng của khách hàng H3: Nhân tố “X3” có tương quan sựhài lòng của khách hàng H4: Nhân tố “X4” có tương quan sựhài lòng của khách hàng H5: Nhân tố “X5” có tương quan sựhài lòng của khách hàng H6: Nhân tố “X6” có tương quan sựhài lòng của khách hàng 2.3.5.2.1 Kiểm định hồi quy lần 1
Kết quảphân tích hồi qui có hệsố xác định R2 là 0.846, như vậy mô hình nghiên cứu là phù hợp (0 ≤ R2 ≤ 1), nói lên mô hình hồi quy tuyến tính phù hợp đến mức 84,6%. Ngoài ra kết quảcũng cho thấy R2 điều chỉnh (Adjusted R Square) bằng 0.840 nhỏ hơn R2và dùng nó để đánh giá độ phù hợp của mô hình nghiên cứu sẽ an toàn hơn vì nó không thổi phồng mức độ phù hợp của mô hình. R2 điều chỉnh là 0.840 nghĩa là mức độTrường Đại học Kinh tế Huếphù hợp của mô hình là 84% hay 84% là biến thiên của sựhài lòng được giải
thích bởi quan hệtuyến tính với 6 biến độc lập nói trên, còn lại 16% biến thiên doảnh hưởng bởi các nhân tố khác chưa được giải thích trong mô hình và sai sốngẫu nhiên. Có thểnói các thành phần biến được đưa vào mô hình đạt kết quảgiải thích khá tốt và bác bỏgiảthuyết Ho.
Bảng 2.16 Đánh giá độ phù hợp của mô hình hồi quy tuyến tính bội
Mô hình R R Square Adjusted R Square Std. Error of the Estimate Durbin - Watson 1 .920a .846 .840 .28943 2.005 (Nguồn Số liệu 2019)
Bảng 2.17 Kiểm định ANOVA về độ phù hợp của mô hình
Model Sum of Squares df Mean Square F Sig.
1
Regression 65.885 6 10.981 131.088 .000b
Residual 11.979 143 .084
Total 77.864 149
Dependent Variable: SHL
Predictors: (Constant), GC, NV, CLSP, DTC, SDU, SHH
(Nguồn Số liệu 2019)
Kết quả nhận được cho thấy trị thống kê F là 131.088, được tính từ giá trị R square của mô hình với giá trị Sig. rất nhỏ(= 0.000 < 0.05) cho thấy sẽan toàn bác bỏ giảthiết Ho. Như vậy, có thểkết luận rằng mô hình hồi quy tuyến tính bội phù hợp với tập giữliệu và có thểsửdụng được.
Bảng 2.18 Kết quả hồi quy của từng biến Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std.
Error Beta Tolerance VIF
1 (Constant) -1.049 .208 -5.039 .000 SDU .202 .055 .167 3.661 .000 .516 1.938 SHH .027 .055 .023 .500 .618 .511 1.959 CLSP .113 .052 .098 2.149 .033 .514 1.944 KNPV .087 .042 .077 2.041 .043 .760 1.316 DTC .823 .053 .700 15.440 .000 .523 1.911 GC -.005 .047 -.004 -.112 .911 .781 1.280 Dependent Variable: SHL (Nguồn Số liệu 2019)
Với hệsố phóng đại phương sai VIF = 1 < 2. Điều này cho thấy các biến độc lập này không có quan hệchặt chẽvới nhau nên không có hiện tương đa cộng tuyến xảy ra.
Ngoài ra, đại lượng thống kê Durbin-Watson dùng để kiểm định tương quan chuỗi bậc nhất cho thấy mô hình không vi phạm khi sửdụng phương pháp hồi quy bội vì giá trị Durbin-Watson đạt được là 2.005. Nhưng do thành phần sự hữu hình (X5) cũng như giá cả(X6) có Sig. > 0.05 cụthểlà SHH có Sig. = .618 > 0.05, GC có Sig. = .911 > 0.05 nên phải loại 2 thành phần này ra khỏi mô hình và tiến hành điều chỉnh lại mô hình thông qua việc phân tích mô hình hồi quy tuyến tính lần 2.
2.3.5.2.2 Kiểm định hồi quy lần 2
Sau khi loại bỏ2 thành phần sựhữu hình và giá cảra khỏi mô hình thì tiến hành phân tích hồi quy.
Kết quả phân tích hồi qui thu được có hệ số xác định R2 là 0.846, như vậy mô hình nghiên cứu là phù hợp (0 ≤ R2 ≤ 1), nói lên mô hình hồi quy tuyến tính phù hợp đến mức 84,6%. Ngoài ra kết quả cũng cho thấy R2 điều chỉnh (Adjusted R Square) bằng 0.842 nhỏ hơn R2 và dùng nó để đánh giá độphù hợp của mô hình nghiên cứu sẽ an toàn hơn vì nó không thổi phồng mức độTrường Đại học Kinh tế Huếphù hợp của mô hình. R2 điều chỉnh là
0.842 nghĩa là mức độ phù hợp của mô hình là 84,2% hay 84,2% là biến thiên của sự hài lòngđược giải thích bởi quan hệtuyến tính với 4 biến độc lập còn lại nói trên, còn lại 15,8% biến thiên do ảnh hưởng bởi các nhân tố khác chưa được giải thích trong mô hình và sai số ngẫu nhiên. Có thể nói các thành phần biến được đưa vào mô hình đạt kết quảgiải thích khá tốt và bác bỏgiảthuyết Ho.
Bảng 2.19 Đánh giá độ phù hợp của mô hình hồi quy tuyến tính bội
Mô hình R R Square Adjusted R Square Std. Error of the Estimate Durbin - Watson 1 .920a .846 .842 .28768 1.999 (Nguồn Số liệu 2019)
Bảng 2.20 Kiểm định ANOVA về độ phù hợp của mô hình
Model Sum of
Squares df Mean Square F Sig.
1
Regression 65.864 4 16.466 198.966 .000b
Residual 12.000 145 .083
Total 77.864 149
a. Predictors: (Constant), DTC, NV, CLSP, SDU b. Dependent Variable: SHL
(Nguồn Số liệu 2019)
Kết quả nhận được cho thấy trị thống kê F là 198.966, được tính từ giá trị R square của mô hình với giá trị Sig. rất nhỏ(= 0.000 < 0.05) cho thấy sẽan toàn bác bỏ giảthiết Ho. Như vậy, có thểkết luận rằng mô hình hồi quy tuyến tính bội phù hợp với tập giữliệu và có thểsửdụng được.
Bảng 2.21 Kết quả hồi quy của từng biến Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std.
Error Beta Tolerance VIF
1 (Constant) -1.053 .187 -5.620 .000 SDU .206 .054 .171 3.814 .000 .531 1.883 CLSP .118 .050 .103 2.391 .018 .569 1.758 KNPV .091 .041 .081 2.233 .027 .805 1.242 DTC .829 .051 .705 16.408 .000 .575 1.739 a. Dependent Variable: SHL (Nguồn Số liệu 2019)
Với hệ số phóng đại phương sai VIF = 1 < 2. Điều này cho thấy các biến độc lập này không có quan hệchặt chẽvới nhau nên không có hiện tương đa cộng tuyến xảy ra.
Ngoài ra, đại lượng thống kê Durbin-Watson dùng để kiểm định tương quan chuỗi bậc nhất cho thấy mô hình không vi phạm khi sửdụng phương pháp hồi quy bội vì giá trịDurbin-Watson đạt được là 1.999.
Mô hình hồi quy mới sau khi loại 2 thành phần trên:
Y = β0 + β1X1 + β2X2 + β3X3 + β4X4
Trong đó:
Y: Giá trịcủa biến phụthuộc sựhài lòng của khách hàng X1: Giá trịcủa biến độc lập thứnhất là độtin cậy
X2: Giá trịcủa biến độc lập thứhai là chất lượng sản phẩm X3: Giá trịcủa biến độc lập thứba là sự đáp ứng
X4: Giá trịcủa biến độc lập thứ tư làkhả năng phục vụcủa nhân viên