6. Kết cấu luận văn
3.3. Đánh giá chất lƣợng dịch vụ kháchhàng cá nhân tại BIDV – Hoàn Kiếm qua
3.3.5. Kết quả phân tích hồi quy
Để nhận diện các yếu tố ảnh hƣởng tới sự hài lòng của khách hàng đối với chất lƣợng dịch vụ tại BIDV Hoàn Kiếm, ta xây dựng mô hình tƣơng quan tổng thể có dạng:
HL = f(A1,A2,A3,A4,A5) Trong đó:
HL là biến phụ thuộc A1 đến A5 là biến độc lập
Việc xem xét các nhân tố từ A1 đến A5, nhân tố nào tác động đến mức độ hài lòng của khách hàng sẽ đƣợc thực hiện bằng phƣơng trình hồi quy tuyến tính có dạng:
HL = β0 + β1*A1 + β2*A2 + β3*A3 + β4A4 + β5*A5
Thực hiện kiểm định hồi quy đối với các biến từ A1 đến A5 thu đƣợc kết quả nhƣ trong Phụ lục 6. Trong đó:
3.3.5.1. Kết quả kiểm định hệ số hồi quy
Bảng 3.8: Hệ số hồi quy Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) -1,571 ,389 -4,044 ,000 A1 ,162 ,065 ,111 2,504 ,013 ,867 1,154 A2 ,149 ,090 ,089 1,649 ,101 ,578 1,730 A3 ,134 ,095 ,082 1,414 ,159 ,504 1,986 A4 ,703 ,065 ,601 10,745 ,000 ,541 1,847 A5 ,216 ,064 ,152 3,351 ,001 ,822 1,216 a. Dependent Variable: HL
Hình trên, tác giả kiểm định các giả thuyết bằng cách sử dụng phần mềm SPSS 20 cho thấy: các giá trị ở cột Sig có các biến độc lập A2, A3 lớn hơn 0,05 (5%) nên cần phải đƣợc loại bỏ. Các biến A1, A4, A5 có giá trị Sig < 0,5 chứng tỏ các biến này đều tác động có ý nghĩa thống kê đến biến phụ thuộc. Nghĩa là các giả thiết A1, A4, A5 đƣợc chấp nhận.
Nhìn vào hệ số B có thể thấy các biến A1, A4, A5 tăng 1 đơn vị thì biến HL tăng bao nhiêu. Ví dụ: A1 tăng 1 đơn vị thì biến HL tăng 0,162 đơn vị. Trong đó biến A4 có mức độ ảnh hƣởng cao hơn so với các biến khác, biến A5 có mức độ ảnh hƣởng cao hơn A1.
3.3.5.2. Kiểm định mức độ phù hợp của mô hình
Mức độ giải thích của mô hình:
Bảng 3.9: Tóm tắt mô hình Model Summary
Model R R Square Adjusted R Square Std. Error of the Estimate Change Statistics Durbin- Watson R Square Change F Change df1 df2 Sig. F Change 1 ,823a ,677 ,668 ,430 ,677 79,896 5 191 ,000 1,778
(Nguồn: kết quả khảo sát của tác giả)
Bảng trên dùng để đánh giá mức độ phù hợp của mô hình hồi quy tuyến tính đa biến, hệ số R bình phƣơng hiệu chỉnh Adjusted R Square là 0,668. Nghĩa là 66,8% biến thiên của biến phụ thuộc HL đƣợc giải thích bởi 5 nhân tố độc lập. Điều này cho thấy mô hình hồi quy tuyến tính này phù hợp với tập dữ liệu mẫu ở mức 66,8%, tức là các biến độc lập giải thích đƣợc 66,8% biến thiên của biến phụ thuộc HL (mức độ hài lòng). Hệ số DDurbin-Watson bằng 1,778 (gần bằng 2) chứng tỏ phần dƣ không có tƣơng quan chuỗi bậc nhất, dữ liệu thu thập là tốt.
Mức độ phù hợp của mô hình:
Bảng 3.10: Phân tích phương sai (ANOVA)
Model Sum of Squares df Mean Square F Sig. 1 Regression 74,027 5 14,805 79,896 ,000b Residual 35,394 191 ,185 Total 109,421 196
(Nguồn: kết quả khảo sát của tác giả)
Bảng trên kiểm định giả thuyết về độ phù hợp với tổng thể của mô hình, giá trị F = 79,896 với Sig = 0,00b < 5%. Điều này chứng tỏ R bình phƣơng của tổng thể khác 0. Nhƣ vậy mô hình hồi quy tuyến tính xây dựng đƣợc là phù hợp với tổng thể (chi tiết hơn là R bình phƣơng tổng thể chúng ta không tính cụ thể đƣợc, nhƣng chúng ta biết chắc chắn sẽ khác 0, mà khác 0 thì chứng tỏ các biến độc lập có tác động đến biến phụ thuộc)
Biểu đồ histogram: giả định phân phối chuẩn của phần dư
Biểu đồ 3.9: Biểu đồ histogram
Nhìn vào biểu đồ ta thấy phần dƣ chuẩn hóa phân bố theo hình dạng của phân phối chuẩn. Có một đƣờng cong hình chuông trên hình là đƣờng phân phối chuẩn, biểu đồ histogram tƣơng ứng với đƣờng cong hình chuông đó. Giá trị trung bình Mean = -4,15E-15 xấp xỉ giá trị 0, và độ lệch chuẩn (phƣơng sai) có giá trị là 0,987 xấp xỉ bằng 1 cho thấy phần dƣ chuẩn hóa tuân theo phân phối chuẩn (phân phối chuẩn là phân phối có trung bình bằng 0 và phƣơng sai bằng 1).
Biểu đồ Normal P-P Plot of Regression Standardized Residual: giả định phân
phối chuẩn của phần dư
Biểu đồ 3.10: Biểu đồ Normal P-P Plot of Regression Standardized Residual
(Nguồn: kết quả khảo sát của tác giả)
Xem biểu đồ Normal P-P Plot cho thấy, các trị số quan sát và trị số mong đợi đều nằm gần trên đƣờng chéo, điều này chứng tỏ phần dƣ hóa có phân phối chuẩn.
Kiểm định bằng biểu đồ này thể hiện những giá trị của các điểm phân vị của phân phối của biến theo các phân vị của 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 với phân phối chuẩn.
Biều đồ Scatterplot: giả định liên hệ tuyến tính
Biểu đồ 3.11: Biểu đồ Scatterplot
(Nguồn: kết quả khảo sát của tác giả)
Về giả định liên hệ tuyến tính, phƣơng pháp đƣợc sử dụng là biểu đồ phân tán Scatterplot. Nhìn vào biểu đồ có thể thấy: phần dƣ chuẩn hóa (Regression Standardized Residual) không thay đổi theo một trật tự nào đối với giá trị dự đoán chuẩn hóa (Regression Standardized Predicted Value). Nhƣ vậy, giả định về liên hệ tuyến tính không bị vi phạm.
3.3.5.3. ánh giá kết quả hồi quy
Các biến A1, A4, A5 đều tác động có ý nghĩa thống kê đến biến phụ thuộc HL, nhƣ vậy các giả thiết A1, A4, A5 đƣợc chấp nhận. Hệ số các biến có ý nghĩa thống kê nhƣ sau: A1 - 0,111 ; A4 - 0,601 ; A5 - 0,152
Ta có phƣơng trình sự hài lòng của khách hàng đối với chất lƣợng dịch vụ tại BIDV Hoàn Kiếm đƣợc cấu thành nhƣ sau:
HL = 0,601A4 + 0,152A5 + 0,111A1