4.4.1. Phân tích tương quan
Sau khi tiến hành phân tích dữ liệu thu thập đƣợc thông qua các bƣớc phân tích độ tin cậy Cronbach‟s Alpha và phân tích nhân tố, mô hình nghiên cứu gồm 6 biến độc lập: (1) Sự tin cậy, (2) Sự đáp ứng, (3) Năng lục phục vụ, (4) Sự đồng cảm, (5) Phƣơng tiện hữu hình, (6) Giá cả để đo lƣờng biến phụ thuộc là Sự hài lòng.
Các giả thuyết về những nhân tố tác động đến Sự hài lòng: H1: Sự tin cậy tác động đến Sự hài lòng
H2: Sự đáp ứng tác động đến Sự hài lòng
H3: Năng lục phục vụ tác động đến Sự hài lòng H4: Sự đồng cảm tác động đến Sự hài lòng
H5: Phƣơng tiện hữu hình tác động đến Sự hài lòng H6: Giá cả tác động đến Sự hài lòng
Ngƣời ta sử dụng một số thống kê có tên là hệ số tƣơng quan Pearson để lƣợng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến định lƣợng. Trong phân tích mối tƣơng quan giữa 2 biến, nếu 2 biến có sự liên quan quá chặt chẽ với nhau thì phải lƣu ý đến hiện tƣợng đa cộng tuyến. Nếu
có xảy ra hiện tƣợng đa cộng tuyến thì tức là các biến giải thích có ảnh hƣởng lẫn nhau, khi biến này thay đổi sẽ dẫn đến biến kia thay đổi theo và ngƣợc lại. Đa cộng tuyến là trạng thái các biến độc lập có tƣơng quan chặt chẽ với nhau. Vấn đề của hiện tƣợng cộng tuyến là chúng cung cấp cho mô hình những thông tin rất giống nhau, và rất khó tách rời ảnh hƣởng của từng biến một đến biến phụ thuộc. Cần xem xét hiện tƣơng đa cộng tuyến khi phân tích hồi quy nếu hệ số tƣơng quan Pearson > 0.3.
Phƣơng trình hồi quy:
HL = β0 + β1TC + β2DU + β3NL + β4DC + β5 HH + β6GC + ε
trong đó:
TC: Sự tin cậy (là trung bình của các biến TC1, TC2, TC3, TC4, TC5, TC6)
DU: Sự đáp ứng (là trung bình của các biến DU1, DU2, DU3, DU4, DU5)
NL: Năng lực phục vụ (là trung bình của các biến NL1, NL2, NL3, NL4, NL5, NL6)
DC: Sự đồng cảm (là trung bình của các biến DC1, DC2, DC3, DC4, DC5)
HH: Phƣơng tiện hữu hình (là trung bình của các biến HH1, HH2, HH3, HH4, HH5, HH6, HH7)
GC: Giá cả (là trung bình của các biến GC1, GC2, GC3)
HL: Sự hài lòng (là trung bình của các biến HL1, HL2, HL3, HL4, HL5, HL6, HL7)
ε: Nhiễu ngẫu nhiên βi: Hệ số hồi quy Bảng 4.26. Ma trận tƣơng quan TC DU NL DC HH GC TC Hệ số tƣơng quan 1 .624 ** .747** .624** .674** .762** Sig. (2-tailed) .000 .000 .000 .000 .000 DU Hệ số tƣơng quan .624 ** 1 .568** .452** .609** .556** Sig. (2-tailed) .000 .000 .000 .000 .000
TC DU NL DC HH GC NL Hệ số tƣơng quan .747 ** .568** 1 .531** .680** .737** Sig. (2-tailed) .000 .000 .000 .000 .000 DC Hệ số tƣơng quan .624 ** .452** .531** 1 .481** .577** Sig. (2-tailed) .000 .000 .000 .000 .000 HH Hệ số tƣơng quan .674 ** .609** .680** .481** 1 .635** Sig. (2-tailed) .000 .000 .000 .000 .000 GC Hệ số tƣơng quan .762 ** .556** .737** .577** .635** 1 Sig. (2-tailed) .000 .000 .000 .000 .000
Các giá trị sig đều nhỏ hơn 0.05 do vậy các biến đều tƣơng quan với nhau và có ý nghĩa thống kê. Hệ số tƣơng quan của các biến tƣơng tác nhau cũng khá lớn (> 0.3) nên khi phân tích tƣơng quan cần chú ý đến hiện tƣợng tự tƣơng quan của các biến độc lập.
4.4.2.Phân tích hồi quy
Phân tích hồi quy sẽ xác định mối quan hệ giữa biến phụ thuộc và các biến độc lập. Mô hình phân tích hồi quy sẽ mô tả hình thức của mối liên hệ và qua đó giúp dự đoán đƣợc mức độ của biến phụ thuộc khi biết trƣớc giá trị của biến độc lập.
Tiêu chuẩn chấp nhận sự phù hợp của mô hình tƣơng quan hồi quy là: Kiểm định F phải có giá trị sig < 0.05. Đại lƣợng chuẩn đoán hiện tƣợng đa cộng tuyến với hệ số phóng đại phƣơng sai VIF (Variance Inflation Factor) < 10.
Hệ số xác định đƣợc định nghĩa là tỷ lệ của tổng sự biến thiên trong biến phụ thuộc gây ra bởi các biến độc lập với tổng sự biến thiên toàn phần, do đó R2 cho phép ta đánh giá mô hình hồi quy tìm đƣợc có giải thích tốt cho mối liên hệ giữa biến phụ thuộc và các biến độc lập không. Hệ số này có giá trị từ 0 đến 1, càng gần 1 thì mô hình càng phù hợp, nếu hệ số gần 0 thì mô hình không phù hợp để mô tả tập hợp dữ liệu.
Bảng 4.27. Kết quả hồi quy Mô hình Hệ số chƣa chuẩn hóa Hệ số chuẩn hóa t Sig. Đa cộng tuyến B Sai số
chuẩn Beta Dung sai VIF
1 (Constant) .248 .070 3.562 .000 TC .163 .026 .187 6.203 .000 .284 3.518 DU .258 .015 .368 16.772 .000 .537 1.861 NL .138 .022 .169 6.138 .000 .341 2.933 DC .122 .016 .164 7.793 .000 .581 1.721 HH .269 .021 .308 12.582 .000 .432 2.313 GC -.012 .022 -.015 -.545 .587 .341 2.936 a. Biến phụ thuộc: HL Bảng 4.28. Độ phù hợp mô hình Model Summaryb Mô hình Hệ số tƣơng quan R R 2 R2 hiệu chỉnh Sai số thống kê Durbin- Watson 1 .979a .958 .957 .13858 2.034 a. Bộ dự đoán: (Hằng số), GC, DU, DC, HH, NL, TC b. Biến phụ thuộc: HL
Bảng 4.29. Phân tích phƣơng sai (ANOVA) ANOVAa Mô hình Tổng bình phƣơng df Trung bình của bình phƣơng F Sig. 1 Regression 71.245 6 11.874 618.270 .000b Residual 3.092 161 .019 Total 74.337 167 a. Biến phụ thuộc: HL b. Bộ dự đoán: (Hằng số), GC, DU, DC, HH, NL, TC
Đầu tiên, kết quả phân tích dữ liệu cho thấy hệ số R2
điều chỉnh là 95.8% (Bảng 4.28), điều đó có nghĩa là các biến độc lập trong mô hình ((1) Sự tin cậy, (2) Sự đáp ứng, (3) Năng lục phục vụ, (4) Sự đồng cảm, (5) Phƣơng tiện
hữu hình, (6) Giá cả) giải thích đƣợc 95.8% sự thay đổi của biến phụ thuộc (Sự hài lòng của khách hàng), phần còn lại đƣợc giải thích bởi các yếu tố không đƣợc xem xét trong mô hình.
Tiếp theo, thực hiện kiểm định F về tính phù hợp của mô hình hồi quy tuyến tính tổng thể. Kiểm định này cho chúng ta biết biến phụ thuộc có tƣơng quan tuyến tính với toàn bộ các biến độc lập hay không. Giả thuyết H0: β1 = β2
= β3 = β4 = β5 = β6 = 0. Nếu giả thuyết H0 bị bác bỏ, chúng ta có thể kết luận các biến đốc lập trong mô hình có thể giải thích đƣợc sự thay đổi của biến phụ thuộc, điều này đồng nghĩa mô hình xây dựng phù hợp với tập dữ liệu các biến. Kết quả từ Bảng 4.29 cho thấy kiểm định F có ý nghĩa thống kê với giá trị Sig = .000 (< 0.05) chứng tỏ mô hình hồi quy xây dựng là phù hợp với bộ dữ liệu thu thập đƣợc, và các biến đƣa vào đều có ý nghĩa về mặt thống kê với mức ý nghĩa 5% nên bác bỏ giả thuyết H0. Điều này có ý nghĩa là các biến độc lập trong mô hình có tƣơng quan tuyến tính với biến phụ thuộc, tức là sự kết hợp của các biến độc lập có thể giải thích đƣợc sự thay đổi của biến phụ thuộc.
Cuối cùng, nhìn vào bảng kết quả hồi quy (Bảng 4.27) cho thấy có 5 nhân tố (Sự tin cậy, Sự đáp ứng, Năng lực phục vụ, Sự đồng cảm, Phƣơng tiện hữu hình) đều có ảnh hƣởng tích cực (hệ số β có giá trị dƣơng) đến Sự hài lòng (HL) với mức ý nghĩa Sig. là rất nhỏ (< 0.05), tuy nhiên biến giá cả có mức ý nghĩa Sig. là 0.587 > 0.05, do đó biến này không ảnh hƣởng đến Sự hài lòng của khách hàng đối với dịch vụ hàng không tại Cảng hàng không Phù Cát - Bình Định. Ngoài ra, hệ số phóng đại phƣơng sai VIF thấp (< 10), chứng tỏ hiện tƣợng đa cộng tuyến không xảy ra với các biến độc lập.
Nhƣ vậy, nghiên cứu có thể kết luận rằng các giả thuyết H1, H2, H3, H4
và H6 đều đƣợc chấp nhận. Phƣơng trình hồi quy hệ số chuẩn hóa có dạng nhƣ sau:
Để so sánh mức độ ảnh hƣởng từng nhân tố độc lập đối với sự hài lòng của khách hàng đối với dịch vụ hàng không tại Cảng hàng không Phù Cát - Bình Định, ta căn cứ vào hệ số β chuẩn hóa. Theo đó, nhân tố nào có trọng số β chuẩn hóa càng lớn có nghĩa là nhân tố đó ảnh hƣởng càng mạnh đến biến phụ thuộc. Nhìn vào Bảng 4.26 ta thấy trong 5 nhân tố ảnh hƣởng sự hài lòng của khách hàng đối với dịch vụ hàng không tại Cảng hàng không Phù Cát - Bình Định (HL) thì nhân tố sự đáp ứng (DU) có ảnh hƣởng mạnh nhất đến HL với hệ số β = 0.368; tiếp theo nhân tố phƣơng tiện hữu hình (HH) với hệ số β = 0.308; kế đến nhân tố sự tin cậy (TC) có ảnh hƣởng mạnh thứ ba với hệ số β = 0.187; nhân tố năng lực phục vụ (NL) có ảnh hƣởng mạnh thứ tƣ với hệ số β = 0.169; và cuối cùng, nhân tố sự đồng cảm (DC) có ảnh hƣởng thấp nhất với hệ số β = 0.164.
4.5. Kiểm tra các giả định hồi quy
Sau khi thực hiện phân tích hồi quy đa biến, chúng ta cần phải kiểm tra xem kết quả có bị vi phạm các giả định hồi quy hay không. Nếu các giả định bị vi phạm thì kết quả tính toán ra sẽ không đáng tin cậy nữa. Các giả định quan trọng gồm: phần dƣ phải có phân phối chuẩn, biến độc lập và phụ thuộc phải có liên hệ tuyến tính, phƣơng sai phần dƣ không thay đổi.
4.5.1. Giả định 1: Phân phối chuẩn của phần dư
Giả định đầu tiên đó là phần dƣ trong hồi quy phải xấp xỉ phân phối chuẩn. Phần dƣ có thể không tuân theo phân phối chuẩn vì những lý do nhƣ: sử dụng sai mô hình, phƣơng sai không phải là hằng số, số lƣợng các phần dƣ không đủ nhiều để phân tích… Vì vậy, chúng ta cần thực hiện nhiều cách khảo sát khác nhau. Hai cách phổ biến nhất là căn cứ vào biểu đồ Histogram và Normal P-P Plot phần dƣ.
Đối với biểu đồ Histogram, nếu giá trị trung bình Mean gần bằng 0, độ lệch chuẩn gần bằng 1, đƣờng cong phân phối có dạng hình chuông ta có thể
khẳng định phân phối là xấp xỉ chuẩn, giả định phân phối chuẩn của phần dƣ không bị vi phạm
Hình 4.6. Biểu đồ Histogram phân phối chuẩn của phần dƣ
Cụ thể ở mô hình nghiên cứu, giá trị trung bình Mean = 9.93E-15 gần bằng 0, độ lệch chuẩn là 0.982 gần bằng 1, nhƣ vậy có thể nói, phân phối phần dƣ xấp xỉ chuẩn. Do đó, có thể kết luận rằng, giả định phân phối chuẩn của phần dƣ không bị vi phạm.
Đối với biểu đồ Normal P-P Plot, nếu các điểm phân vị trong phân phối của phần dƣ tập trung thành 1 đƣờng chéo, nghĩa là phần dƣ có phân phối chuẩn. Quan sát mức độ các điểm thực tế, tập trung sát đƣờng thẳng kỳ vọng, cho thấy tập dữ liệu nghiên cứu là tốt, phần dƣ chuẩn hóa có phân phối gần sát phân phối chuẩn. Nhƣ vậy, giả định phân phối chuẩn của phần dƣ không bị vi phạm.
Hình 4.7. Biểu đồ Normal P-P Plot phân phối chuẩn của phần dƣ
4.5.2.Giả định 2: Liên hệ tuyến tính giữa biến phụ thuộc với biến độc lập
Giả định thứ hai đó là phải có mối liên hệ tuyến tính giữa biến phụ thuộc với các biến độc lập. Biểu đồ phân tán Scatter Plot giữa các phần dƣ chuẩn hóa và giá trị dự đoán chuẩn hóa giúp chúng ta dò tìm xem dữ liệu hiện tại có vi phạm giả định liên hệ tuyến tính hay không. Nếu phần dƣ chuẩn hóa phân bổ ngẫu nhiên xung quanh đƣờng tung độ 0 và hình dạng tạo thành một đƣờng thẳng, chúng ta có thể kết luận giả định quan hệ tuyến tính không bị vi phạm.
Biểu đồ Scatter Plot ở dƣới cho thầy, phần dƣ chuẩn hóa phân bổ ngẫu nhiên tập trung xung quanh đƣờng tung độ 0 tạo thành dạng đƣờng thẳng, do vậy giả định quan hệ tuyến tính giữa biến phụ thuộc với các biến độc lập không bị vi phạm.
Hình 4.8. Biểu đồ phân tán Scatter Plot
4.5.3.Giả định 3: Phương sai phần dư không thay đổi
Giả định thứ ba đó là phƣơng sai của phần dƣ không thay đổi (hay còn gọi là phƣơng sai đồng nhất). Nếu xảy ra hiện tƣợng phƣơng sai thay đổi, kết quả của phƣơng trình hồi quy sẽ không chính xác, làm sai lệch kết quả so với thực tế, từ đó khiến ngƣời nghiên cứu đánh giá nhầm chất lƣợng của phƣơng trình hồi quy tuyến tính.
Để đánh giá mô hình hồi quy có vi phạm giả định này hay không,
chúng ta sẽ dựa vào biểu đồ Scatter Plot giữa các phần dƣ chuẩn hóa và giá trị dự đoán chuẩn hóa nhƣ ở giả định liên hệ tuyến tính. Nếu các điểm phân vị phân bố khá đồng đều trên và dƣới trục tung độ 0 dù X tăng hay giảm thì giả định phƣơng sai phần dƣ không thay đổi không bị vi phạm.
trên dƣới trục tung độ 0. Các điểm phân vị hầu nhƣ nằm trong đoạn -2 đến 2 dọc theo trục tung độ 0. Do đó, giả định phƣơng sai phần dƣ đồng nhất không bị vi phạm.
Ngoài ra, dựa vào kết quả bảng 4.27. Độ phù hợp mô hình, giá trị quan sát của thống kê Durbin-Watson =2.034, nằm trong khoảng 1 đến 3 nên không có hiện tiện tự tƣơng quan nhiễu trong mô hình hồi quy.
Nhƣ vậy, sau khi thực hiện kiểm tra các giả định hồi quy, có thể rút ra các kết luận:
-Phần dƣ có phân phối chuẩn.
-Biến độc lập và phụ thuộc phải có liên hệ tuyến tính. -Phƣơng sai phần dƣ không thay đổi.
-Không có đa cộng tuyến và tự tƣơng quan nhiễu trong mô hình hồi quy.
KẾT LUẬN CHƢƠNG 4
Trong chƣơng 4, tác giả đã tiến hành phân tích Cronbach alpha và EFA để đánh giá độ tin cậy và giá trị thang đo cho các khái niệm nghiên cứu. Kết quả phân tích Cronbach alpha và EFA cho thấy các thang đo đều đạt yêu cầu. Tác giả cũng đã tiến hành phân tích hồi quy và ANOVA để kiểm định các giả thuyết của mô hình nghiên cứu và xác định các nhân tố ảnh hƣởng đến sự hài lòng của khách hàng đối với dịch vụ hàng không tại Cảng hàng không Phù Cát. Với dữ liệu hiện tại, kết quả kiểm định hồi quy tuyến tính cho thấy chƣa có bằng chứng để chỉ ra rằng giá cả ảnh hƣởng đến sự hài lòng của khách hàng đối với dịch vụ hàng không tại Cảng hàng không Phù Cát - Bình Định. Cả 5 nhân tố còn lại đều có ảnh hƣởng cùng chiều đến sự hài lòng của khách hàng, cụ thể mức độ tác động đƣợc sắp xếp theo thứ tự giảm dần nhƣ sau: sự đáp ứng, phƣơng tiện hữu hình, sự tin cậy, năng lực phục vụ và sự đồng cảm.
Dựa trên kết quả của chƣơng 4, tác giả sẽ đề xuất một số hàm ý chính sách, kiến nghị nhằm nâng cao sự sự hài lòng của khách hàng đối với dịch vụ hàng không tại Cảng hàng không Phù Cát.
CHƢƠNG 5
HÀM Ý CH NH SÁCH VÀ KẾT LUẬN
Đề tài “Nghiên cứu sự hài lòng của khách hàng đối với dịch vụ hàng không tại Cảng hàng không Phù Cát-Bình Định” đƣợc thực hiện với mục đích là xác định các nhân tố ảnh hƣởng đến sự hài lòng của khách hàng sử dụng dịch vụ hàng không, đo lƣờng mức độ ảnh hƣởng của các nhân tố và kiến nghị những giải pháp nhằm nâng cao sự hài lòng của khách hàng. Qua quá trình xây dựng mô hình nghiên cứu, thu thập dữ liệu và phân tích dữ liệu, nghiên cứu đã xác định đƣợc có 5 nhân tố ảnh hƣởng đến sự hài lòng của khách hàng đối với dịch vụ hàng không tại Cảng hàng không: Khả năng đáp ứng, Năng lực phục vụ, Sự đồng cảm, Sự tin cậy, Phƣơng tiện hữu hình. Từ kết quả nghiên cứu, tác giả đề xuất một số hàm ý chính sách nhằm mục đích nâng cao sự hài lòng của khách hàng khi sử dụng dịch vụ hàng không tại Cảng hàng không Phù Cát.
5.1. Kiến nghị một số hàm chính sách
5.1.1. Hàm chính sách đối với nhân tố Sự tin cậy
Liên quan đến các vấn đề thuộc nhân tố “Sự tin cậy” tác giả nhận thấy rằng, một trong những vấn đề gây bức xúc nhiều nhất và gây tác động xấu đến sự hài lòng của khách hàng là tình trạng chậm, trễ chuyến. Từ dữ liệu thu thập