4.5 PHÂN TÍCH MÔ HÌNH HỒI QUY TUYẾN TÍNH ĐA BIẾN
4.5.1. Mô hình hồi quy:
Để phân tích các yếu tố ảnh hưởng sự hài lòng của sinh viên đối với chất lượng dịch vụ đào tạo, tác giả sử dụng phương pháp hồi quy nhằm lượng hóa những ảnh hưởng, xem xét mức độ tác động của các yếu tố khác nhau đến sự hài lòng.
Phân tích hồi quy là sự phân tích quan hệ phụ thuộc của biến số Y (gọi là biến phụ thuộc) vào các biến Xi (được gọi là biến độc lập hoặc biến gi ải thích), được thể hiện ở
CƠ SỞ VẬT CHẤT ĐỘI NGŨ GIẢNG VIÊN SỰ HÀI LÒNG CỦA SINH VIÊN HÌNHẢNH NHÀ TRƯỜNG VĂN HOÁ NHÀ TRƯỜNG CÔNG TÁC QUẢN LÝ ĐÀO TẠO CHƯƠNG TRÌNH ĐÀO TẠO H2 H1 H3 H4 H5 H6
dạng Y=f(Xi)
Trong nghiên cứu các yếu tố tác động đến sự hài lòng của sinh viên đối với chất lượng đào tạo tại các trường Đại học kỹ thuật trên địa bàn TP.HCM, tác giả nghiên cứu mối quan hệ phụ thuộc Y là sự hài lòng của sinh viên vào các biến đặc điểm chất lượng đào tạo Xi bao gồm.
- X1: Cơ sở vật chất (CSVC1, CSVC2, CSVC3, CSVC4, CSVC5). - X2:Đội ngũ giảng viên (DNGV1, DNGV2, DNGV3, DNGV4).
- X3: Chương trìnhđào tạo (CTDT2, CTDT3, CTDT4, CTDT5).
- X4: Công tác Quản lý đào tạo (QLDT1, QLDT2, QLDT4, QLDT5).
- X5: Văn hóa nhà trường (VHNT1, VHNT2, VHNT3, VHNT 4, VHNT 5 ).
- X6: Hìnhảnh nhà trường(HANT1, HANT2, HANT3, HANT4, HANT5 ).
Các biến này được tác giả kết hợp các biến quan sát có cùng nhóm (theo kết quả phân tích EFA lần cuối) tạo thành.
Phương trình hồi quy tuyến tính biểu diễn mối quan hệ giữa 6 nhân tố tác động (biến độc lập)và sự hài lòng củacủa sinh viên đối với chất lượng dịch vụ đào tạo tại các trường Đại học Kỹ thuật trên địa bàn TP.HCM (biến phụ thuộc)có dạng như sau:
Yi=β0+β1X1+β2X2+β3X3+β4X4+β5X5+β6X6
Hoặc:
Sự hài lòng của sinh viên =β0 + β1*Cơ sở vật chất + β2*Đội ngũ giảng viên + β3*Chương trình đào tạo+β4*Công tác Quản lý đào tạo
+β5*Văn hóa nhà trường+β6 *Hìnhảnh nhà trường
Với:
Yi: Sự hài lòng của si nh viên đối với chất lượng đào tạo.Biến Y gồm 6 biến quan
sát là Y1, Y2, Y3, Y4, Y5
β: Hệ số hồi quy của mô hình
4.5.2. Mô tả các nhân tố đo lường mức độ hài lòng
Sau khi phân tích nhân tố và tính lại giá trị của các nhân tố mới, kết quả cho thấy (4.14), giá trị trung bình của các nhân tố đều lớn hơn 3, chứng tỏ mức đánh giá của khách hàng đối với các nhân tố này tương đối tốt; giá trị trung bình lớn nhất là 3,3979 thuộc về nhân tố “Công tác Quản lý đào tạo” và nhân tố nhỏ nhất là 3,0543 thuộc về nhân tố “Chương trìnhđào tạo”
Bảng 4.14: Bảng thống kê mô tả các nhân tố
Giá trị trung bình Độ lệch chuẩn Số biến khảo sát
Biến Y 3,2954 0,47458 382 CSVC 3,2492 0,72806 382 DNGV 3,2736 0,62229 382 CTDT 3,0543 0,61863 382 QLDT 3,3979 0,60541 382 VHNT 3,1822 0,60626 382 HANT 3,1775 0,58234 382
.Nguồn:Phân tích dữ liệu –Phụ lục số19
Nhận xét:
Nhìn chung ta thấy, khách hàng khá đồng tình với các nhân tố ảnh hưởng đến sự hài lòng của khách hàng. Tuy nhiên, để biết được trong các nhân tố X1, X2, X3, X4, X5 và X6 nhân tố nàoảnh hưởng nhiều, nhân tố nàoảnh hưởng ít đến sự hài lòng của khách hàng chúng ta cần thực hiện đến bước phân tích tương quan và hồi quy tiếp theo.
4.5.3. Phân tích tương quan hệ số Pearson
Phân tích tương quan hệ số Pearson là để lượng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa các biến định lượng. Kiểm tra biến phụ thuộc và biến độc lập xem có tương quan với nhau hay không, nếu hai biến tương quan với nhau thì hệ số tương quan Pearson |r| > 0,1. Kiểm tra giữa 2 biến độc lập, có sự tương quan chặt chẽ thì phải lưuý
Bảng4.15: Bảng thống kê hệ số tương quan PearsonHệ số tương quan Hệ số tương quan Y CSVC DNGV CTDT QLDT VHNT HANT Hệ số tương quan Pearson Y 1,000 0,026 0,547 0,532 0,648 0,613 0,671 CSVC 0,026 1,000 0,034 0,039 0,009 0,070 -0,002 DNGV 0,547 0,034 1,000 0,446 0,358 0,360 0,393 CTDT 0,532 0,039 0,446 1,000 0,404 0,359 0,435 QLDT 0,648 0,009 0,358 0,404 1,000 0,422 0,563 VHNT 0,613 0,070 0,360 0,359 0,422 1,000 0,452 HANT 0,671 -0,002 0,393 0,435 0,563 0,452 1,000 Sig. Y . 0,307 0,000 0,000 0,000 0,000 0,000 CSVC 0,307 . 0,254 0,222 0,430 0,086 0,482 DNGV 0,000 0,254 . 0,000 0,000 0,000 0,000 CTDT 0,000 0,222 0,000 . 0,000 0,000 0,000 QLDT 0,000 0,430 0,000 0,000 . 0,000 0,000 VHNT 0,000 0,086 0,000 0,000 0,000 . 0,000 HANT 0,000 0,482 0,000 0,000 0,000 0,000 . Số biến quan sát Y 382 382 382 382 382 382 382 CSVC 382 382 382 382 382 382 382 DNGV 382 382 382 382 382 382 382 CTDT 382 382 382 382 382 382 382 QLDT 382 382 382 382 382 382 382 VHNT 382 382 382 382 382 382 382 HANT 382 382 382 382 382 382 382
Nhận xét:
Từ Ma trận ở bảng 4.15 cho thấy mối tương quan giữa biến phụ thuộc Sự hài lòng của sinh viên với 5biến độc lậplà DNGV, CTDT, QLDT, VHNT, HANT có hệ số tương quan lớn hơn 0,1 => biến độc lập có thể đưa vào mô hìnhđể giải thích cho biến phụ thuộc - biến Y
Có 1 biến có hệ số tương quan nhỏ hơn 0,1 là CSVC . => Biến này bị loại khỏi mô hình
Mặt khác, bên cạnh sự tương quan giữa các biến độc lập với biến phụ thuộc thì giữa các biến độc lập của thang đo các yếu tố ảnh hưởng đến sự hài lòng của khách hàng cũng có mối tương quan với nhau như nhân tố “Công tác Quản lý đào tạo”có tương quan mạnh nhất với nhân tố “Hìnhảnh nhà trường” (0,563). Kế tiếp là nhân tố “Đội ngũ giảng viên” có tương quan đáng kể với nhân tố “Chương trìnhđào tạo” (0,466). Các nhân tố: “Chương trình đào tạo” và “Hình ảnh nhà trường” cũng c ó tương quan với nhau tốt là (0,435), cặp cuối cùng là “ Văn hóa nhà trường” với “Công tác quản lý đào tạo” (0,422)
4.5.4. Phân tích hồi quy đa biến
Phân tích hồi quy sẽ xác định mối quan hệ nhân quả giữa biến phụ thuộc (Sự hài lòng) và các biến độc lập (Đội ngũ giảng viên, Chương trìnhđào tạo, Công tác quản lý đào tạo, Văn hóa nhà trường, Hìnhảnh nhà trường). Mô hình phân tích hồi quy sẽ mô tả hình thức của mối liên hệ và qua đó giúp dự đoán được mức độ của biến phụ thuộc khi biết trước giá trị của biến độc lập. Phương pháp phân tích được chọn lựa là phương pháp Enter. Kết quả phân tích như sau:
Đánh giá mức độ phù hợp của mô hình
Trong phân tích này, để đánh giá sự phù hợp của mô hình, người ta dùng hệ số xác định R2 hoặc R2 hiệu chỉnh; hai giá trị này thể hiện sự phù hợp của mô hình và giá trị của R2hoặc R2hiệu chỉnh phải lớn hơn hoặc bằng 0,5.
Bảng4.16: Bảngkêt quả đánh giá độ phù hợp của mô hìnhMô hình Summaryb Mô hình Summaryb Mô hình Hệ số R Hệ số R2 Hệ số R2 hiệu chỉnh Sai số chuẩn của ước lượng
Thống kê thay đổi
Hệ số Durbin- Watson R2 thay đổi F thay đổi Bậc tự do 1 Bậc tự do 2 Sig. F thay đổi 1 0,843a 0,710 0,706 0,26323 0,710 184,264 5 376 0,000 1,977 a. Biến dự đoán: (Hằng số), HANT, DNGV, VHNT, CTDT, QLDT
b. Dependent Variable: BIENY
Nguồn:Phân tích dữliệu –Phụ lục số19
Nhận xét:
Kết quả bảng 4.16cho thấy giá trị R2 = 0,710 > 0,5 là mô hình thích hợp để sử dụng đánh giá mối quan hệ giữa biến phụ thuộc và biến độc lập và R2hiệu chỉnh =0,706; điều này cho biết rằng các biến độc lập trong mô hình có thể giải thích được 70,6% sự thay đổi của biến phụ thuộc. Hay nói cách khác là 70,6 % sự biến thiên của biến Sự hài lòng của sinh viên được giải thích bởi 5 biến Đội ngũ giảng viên, Chương trìnhđào tạo, Công tác quản lý đào tạo, Văn hóa nhà trường, Hì nhảnh nhà trường.
Bên cạnh đó Hệ số Durbin- Watson (1<D<3) dùng để để kiểm định tương quan chuỗi bậc nhất cho thấy mô hình không vi phạm khi sử dụng phương pháp hồi quy bội vì giá trị đạt được là 1,977 (gần bằng 2) và chấp nhận giả thuyết không có sự tương quan chuỗi bậc nhất trong mô hình.
Như vậy, mô hình hồi quy bội thỏa các điều kiện đánh giá độ phù hợp cho việc rút ra các kết quả nghiên cứu
Kiểm định mức độ phù hợp của mô hình
Để kiểm định sự phù hợp của mô hình, người ta sử dụng kiểm định F (tính phù hợp của mô hình hồi quy tuyến tính tổng thể) .Điều này cho chúng ta biết biến phụ thuộc có tương quan tuyến tính với toàn bộ biến độc lập hay không.
thuộc. Nếu giá trị Sig. < 0,05 thì sẽ an toàn khi bác bỏ giả thuyết H0và điều này có nghĩa là mô hình hồi quy tuyến tính bội phù hợp với tập dữ liệu
Bảng4.17: Bảngkết quả kiểm định độ phù hợp của mô hình
ANOVAa
Mô hình Tổng bình phương Bậc tự do Trung bình bình phương F Sig.
1
Hồi quy 63,837 5 12,767 184,264 0,000b
Phần dư 26,053 376 0,069
Tổng 89,890 381
a. Biến phụ thuộc: Y
b. Biến độc lập: (Constant), HANT, DNGV, VHNT, CTDT, QLDT
Nguồn:Phân tích dữ liệu –Phụ lục số19
Nhận xét:
Nhận thấy giátrị Sig.< 0,05 nên bác bỏ giả thuyết H0. Điều này có ý nghĩa là các biến độc lập trong mô hình có tương quan tuyến tính với biến phụ thuộc, hay cho thấy mô hình hồi quy tuyến tính bội phù hợp với tập dữ liệu và có thể sử dụng được.
Như vậy từ kết quả bảng 4.16 và 4.17 mô hình hồi quy bội thỏa các điều kiện đánh giá và kiểm định độ phù hợp cho việc rút ra các kết quả nghiên cứu.
Kiểm định đa cộng tuyến ( Collinearity Diagnostics)
Collinearity Diagnostics: Kiểm tra giả định về mối tương quan giữa các biến độc lập là đo lườngđa cộng tuyến. Các công cụ chuẩn đoán đa cộng tuyến được sử dụng là:
Kiểm định tstat: So sánh tstat≥tα/2(1,n) thì không cóđa cộng tuyến
Tolerance (độ chấp nhận của biến): Nếu độ chấp nhận của biến <0,5 là dấu hiệu của đa cộng tuyến
Variance inflation factor–VIF (hệ số phóng đại phương sai) là nghịch đảo của độ chấp nhận của biến. Nếu VIF >10 đó là dấu hiệu đa cộng tuyến.
Bảng4.18: Bảng kết quả hồi quy sử dụng phương pháp Enter
Hệ sốCoefficientsa
Mô hình
Hệ số chưa chuẩn hóa
Hệ số đã chuẩn
hóa T Sig.
Chuẩn đoán hiện tượng đa cộng tuyến B Độ lệch chuẩn Beta Độ chấp nhận (Tolerance) Hệ số phóng đại phương sai
(VIF) 1 (Constant) 0,361 0,099 3,641 0,000 DNGV 0,120 0,025 0,154 4,709 0,000 0,725 1,379 CTDT 0,126 0,026 0,160 4,807 0,000 0,693 1,443 QLDT 0,204 0,028 0,254 7,216 0,000 0,623 1,605 VHNT 0,229 0,026 0,286 8,733 0,000 0,718 1,392 HANT 0,235 0,030 0,282 7,764 0,000 0,586 1,707 Biến phụ thuộc: Y
Nguồn:Phân tích dữ liệu –Phụ lục số19
Nhận xét:
Kiểm định tstat: Trong bảng 4.18, khi xét tstatvà tα/2của các biến để đo độ tin cậy thì các biến độc lập đều đạt yêu cầu do tstat> tα/2(5,382)= (nhỏ nhất là 3,641) =>Mô hình không xảy ra hiện tượng đa cộng tuyến.
Tolerance (độ chấp nhận của biến): Từ kết quả trong bảng cho thấy độ chấp nhận biến nhỏ nhất của mô hình là 0,568 > 0,5 thỏa mãn điều kiện => Mô hình không xảy ra hiện tương đa cộng tuyến
Variance inflation factor–VIF (hệ số phóng đại phương sai): VIF của mô hình hồi quy lớncó giá trị từ 1,392 đến 1,707 tất cả đều nhỏ hơn 10. => Mô hình không xảy ra hiện tượng đa cộng tuyến.Điều này có nghĩa là các biến độc lập không tác động lên nhau
Bên cạnh đó trong kết quả trên các nhân tố đều có sig. < 0,05 tương đương với độ tin cậy 95% nên nhân tố đó được chấp nhận, có nghĩa là nó có sự tác động đến sự hài lòng của khách hàng. Kết quả hồi quy cho thấy, trong6 biến độc lập đưa vào phân tích hồi quy
tuyến tính bội ban đầu thì có tất cả 5 biến thỏa mãnđiều kiện ( Biến CSVC bị loại ở trên khi phân tích ma trận tương quan Pearson) . Do đó, tác giả có thể kết luận rằng các giả thuyết H2, H3, H4, H5, H6, đều được chấp nhận.
Mặc khác, ta thấy hệ số hồi quy chuẩn hóa (Beta) của các biến độc lập đều mang dấu dương, có nghĩa là các biến này có quan hệ thuận chiều với biến phụ thuộc - sự hài lòng của sinh viên
Mô hình hồi quy cuối cùng
Sau khi thỏa mãn cácđiều kiện kiểm định phương trình hồi quy đa biến có hệ số Beta chuẩn hóa như sau:
Y = 0,286*VHNT + 0,282*HANT + 0,254* QLDT + 0,160*CTDT + 0,154*DNGV
Phương trình hồi quy cho thấy sự hài lòng của sinh viên chịu tác động của 5 yếu tố được sắp xếp theo thứ tự tầm quan trọng từ cao xuống thấp là: Văn hóa nhà trường, Hình ảnh nhà trường, Quản lý đào tạo, Chương trìnhđào tạo, Đội ngũ giảng viên. Trong đó văn hóa nhà trường là nhân tố tác động nhiều nhất đến sự hài lòng của sinh viên. Các nhân tố đều có hệ sốβdương nên có tác động cùng chiều với sự hài lòng hay nói cách khác 5 giả thuyết của mô hìnhđược chấp nhận và được kiểm định phù hợp.
Các kết quả phân tích trên đây sẽ là cơ sở để tác giả kiến nghị với Ban lãnhđạo nhà trường, các nhà quản lý, cán bộ giảng viên để nâng cao sự hài lòng của sinh viên góp phần giúp sinh viên có môi trường học tập tốt nhất bằng cách nâng caochất lượng dịch vụ đào tạo của nhà trường
4.6 KIỂM TRA CÁC GIẢ ĐỊNHCỦA MÔ HÌNH HỒI QUY
Khi quyết định sử dụng mô hình hồi quy bội, chúng ta phải kiểm tra các giả định cần thiết của nó xem kết quả có tin cậy được không (Trích Nguyễn Đình Thọ, 2011).
Kiểm tra các giả địnhsau:
Phươngsai của sai số(phần dư) không đổi. Các phần dư có phân phối chuẩn.
Nếu các giả định này bị vi phạm thì cácước lượng không đáng tin cậy nữa (Hoàng Trọng- Mộng Ngọc, 2008).
4.6.1. Giả định liên hệ tuyến tính giữa biến phụ thuộc và các biến độc lập cũng
như hiện tượng phương sai thay đổi (heteroskedasticity)
Kiểm tra giả định này bằng cách vẽ đồ thị phân tán giữa các phần dư và giá trị dự đoán mà mô hình hồi quy tuyến tính cho ra. Người ta hay vẽ biểu đồ phân tán giữa 2 giá trị này đãđược chuẩn hóa (standardized) với phần dư trên trục tung và giá trị dự đoán trên trục hoành. Nếu giả định liên hệ tuyến tính và phương sai bằng nhau được thỏa mãn, thì ta sẽ không nhận thấy có mối quan hệ gì giữa các giá trị dự đoán với phần dư, chúng sẽ phân tán ngẫu nhiên. (Trích Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008, trang 224)
Hình 4.2: Đồ thị phân tán giữa giá trị dự đoán và phần dư từ hồi quy
Nguồn:Phân tích dữ liệu –Phụ lục số19
Nhận xét: Qua đồ thị phân tán giữa các phần dư và giá trị dự đoán (Hình 4.2) cho thấyphần dư phân tán ngẫu nhiên trong một vùng xung quanh đường đi qua tung độ 0 chứ không tạo thành một hình dạng nào. Như vậy giá trị dự đoán và phần dư độc lập nhau nên phương sai của phần dư không thay đổi. Như vậy mô hình hồi quy phù hợp
4.6.2. Giả định về phân phối chuẩn của phần dư
Phần dư có thể không tuân theo phân phối chuẩn vì những lý do sau: sử dụng sai mô hình, phương sai không phải là hằng số, số lượng các phần dư không đủ nhiều để phân tích,… Vì vậy, chúng ta nên thử nhiều cách khảo sát khác nhau. Một cách khảo sát đơn giản nhất là xây dựng biểu đồ tần số của các phần dư. (Trích Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008, trang 228).
Biểu đồ tần số (Histogram, Q-Q plot, P-P plot) của các phần dư (đãđược chuẩn