PHẦN 4 PHÂN TÍCH KẾT QUẢ NGHIÊN CỨU
4. Kiểm Định Giả Thuyết Và Mô Hình Nghiên Cứu:
4.1 Phân Tích Tương Quan Pearson:
Bước đầu tiên khi bước vào phân tích hồi quy, những dữ liệu được thêm vào phân tích tương quan Pearson là để xem mối quan hệ của các cặp biến. Nếu sig < 0,05 là có tương quan, sig > 0,05 là không có tương quan, và đối với sig mà nhỏ hơn 0,05 thì càng gần 1 tương quan với các cặp càng mạnh nhưng mà càng gần 0 thì tương quan dần yếu đi. Ví dụ thêm như là nếu r càng gần về 1,-1 thì tương quan của các cặp tuyến tính ngày càng mạnh, tiến về 1 thì tương quan dương, về -1 tương quan âm, r mà càng về 0 thì tương quan tuyến tính của các cặp biến càng yếu dần .r = 1 thì tương quan tuyệt đối, biểu diễn trên đồ thị Scatter thì các điểm trên biểu đồ tự nhập lại thành một đường thẳng, r = 0 không có tương quan tuyến tính sẽ liền diễn ra hai tình huống , thứ nhất là không có sự tiếp xúc nào giữa 2 biến, thứ hai là giữa chúng có mối liên hệ phi tuyến
Nhận thấy được toàn bộ các biến độc lập đều có mối quan hệ tương quan tuyến tính với biến phụ thuộc.
Ở bước kết thúc phân tích tương quan cho tập dữ liệu, thì có thể thấy được mối quan hệ manng tính tương quan tuyến tính giữa biến độc lập và biến phụ thuộc trong bài báo cáo.
Các giả thuyết H1 - H6 đã được nêu ra trước đó, nhóm cần phải sử dụng hồi quy để xác định được là việc chấp nhận hay bãi bỏ giả thuyết đã đề ra. Trong phần này sẽ luôn chú trọng các phần như:
R2 (R-square), R bình phương hiệu chỉnh (Adjusted R Square) để nhận định ra
mức độ giải thích của biến độc lập vào biến phụ thuộc trong mô hình hồi quy. Và từ 0 đến 1 là độ dao động của 2 giá trị, càng tiến về 0 thì càng không tốt, càng tiến về gần 1 thì càng tốt. Lưu ý, thường thì chúng ta chọn mức trung gian là 0,5 nhằm giải thích những ý nghĩa giữa mạnh và yếu, và thường thì từ 0,5 đến 1 được cho là mô hình tốt, đối với 0,5 trở xuống thì là mô hình kém. Tuy nhiên, tùy vào dạng dữ liệu mà ta có,
37 mô hình hồi quy không bị ép buộc là lúc nào cũng phải đạt được giá trị R bình phương hiệu chỉnh cao hơn 0,5 mới có ý nghĩa.
· Giá trị sig của kiểm định F: dùng để kiểm tra độ thích hợp của mô hình hồi quy. Và nếu mà sig thấp hơn 0,5 thì ta sẽ cho rằng mô hình hồi quy tuyến tính bội thích hợp với những dữ liệu và sử dụng được. Giá trị này thường được tìm thấy trong Anova
· Hệ số Durbin – Watson: được thiết lập để kiểm định hiện tượng tương quan nhỏ hơn 1 và lớn hơn 3, và giá trị mà thường ở trong khoảng 1.5 đến 2.5 sẽ không xảy ra hiện tượng tương quan.
· Giá trị sig của kiểm định t: dùng để kiểm tra ý nghĩa hệ số hồi quy. Khi mà sig của
kiểm định t của biến độc lập nhỏ hơn 0,5; thì sẽ có được kết luận biến độc lập đã có ảnh hưởng đến biến phụ thuộc. Còn lớn hơn 0,5 thì sẽ được kết luận là không có ảnh hưởng đến biến phụ thuộc, và không nhất thiết phải loại bỏ biến đó để chạy lại hồi quy và giá trị này được tìm thấy trong Coefficients.
· Hệ số phóng đại phương sai VIF: được sử dụng để kiểm tra hiện tượng đa cộng
tuyến, thường thì ta thấy VIF của một biến độc lập cao hơn 10 thì hầu như là đang có hiện tượng đa cộng tuyến.
· Hệ số hồi quy chưa chuẩn hóa B và hệ số hồi quy đã chuẩn hóa Beta: thường được dùng hệ số B để viết dưới dạng:
Y = B0 + B1X1 + B2X2 +...+ BiXi + e
4.2 Ảnh hưởng của các thành phần thang đo lên sự hài lòng của KH khi sử dụng dịch vụ tại The Coffee House: dụng dịch vụ tại The Coffee House:
Khi chạy hồi quy tuyến tính có 3 biến bị loại khỏi mô hình: là Chất lượng sản phẩm (CLSP), Nhân viên (NV), Địa điểm (DD) do có hệ số sig cao hơn 0,05 nên ba biến này sẽ bị loại khỏi mô hình.
Sau khi có kết quả hồi quy còn lại 2 biến: Giá Cả (GC), Khuyến Mãi (KM). Mô hình hàm có R bình phương (R-Square) là 0,200 và R bình phương hiệu chỉnh (Adjusted R- Square) là 0,178, mô hình này cho ta biết được 17,8% là sự biến thiên của biến phụ thuộc vào sự hài lòng của khách hàng, giá trị sig F = 0,000 < 0,05 suy ra mô hình hồi
38 quy này thích hợp với tập dữ liệu và được sử dụng. Hệ số Durbin – Watson (DW) (1<1,981<3) nên sẽ không xảy ra hiện tượng quan chuỗi bậc nhất. Và đây là bảng kết quả phân tích hồi quy:
Bảng 5. Kết quả kiểm định hồi quy
Coefficientsa Model Unstandardized Coefficients Standardize d Coefficient s t Sig. Collinearity Statistics
B Std. Error Beta Toleranc
e VIF 1 (Constan t) -.695 .314 -2.216 .028 CLSP .779 .098 .574 7.930 .000 .470 2.129 NV .087 .085 .071 1.019 .310 .502 1.992 GC .077 .082 .060 .940 .348 .599 1.669 DD .152 .072 .132 2.116 .036 .635 1.575 a. Dependent Variable: SHL
Sau khi được kết quả hồi quy, ta thấy được toàn bộ các biến độc lập đều tác động dương tới biến phụ thuộc của khách hàng tại The Coffee House.Và cho ta thấy được yếu tố, giá cả (GC) và khuyến mãi (KM) có sự ảnh hưởng tích cực đến với sự hài lòng của khách hàng.
3 biến còn lại thì được bãi bỏ: Chất lượng sản phẩm (CLSP), Nhân viên (NV), Địa điểm (DD) vì không có bất kỳ sự tác động rõ ràng nào đến sự hài lòng của khách hàng khi sử dụng và trải nghiệm dịch vụ.
Hệ số phóng đại phương sai (VIF) của các biến đều < 3 và Tolerance đều có giá trị lớn hơn 0,1 nên sẽ không xảy ra hiện tượng đa cộng tuyến giữa các mô hình. Phương trình hồi quy được viết dưới dạng Beta như sau:
39 Y = 0,574X1 + 0,071X2 + 0,060X3 + 0,132X4 Trong đó có: Y: Sự hài lòng của khách hàng (HL) X1: Chất lượng sản phẩm (STT), (KM) X2: Giá cả (GC) X3: Nhân viên (NV) X4: Địa Điểm (DD)
4.3 Phân tích phương sai một nguyên tố:
Trong nghiên cứu của nhóm, xét các nhóm như tuổi và giới tính xem các nhóm này có ảnh hưởng trực tiếp hay gián tiếp hoặc tác động đến sự hài lòng của KH trải nghiệm các DV dành cho KH của The Coffee House hay không? → dùng phân tích phương sai một nguyên tố (ONE WAY ANOVA)
Đối với biến giới tính và biến sinh viên năm, nhóm dùng giả thuyết kiểm định Levene: dùng để xem sự cân bằng giữa các phương sai, phương sai bằng được đặt là H0, phương sai không bằng sẽ là H1, khi mà sig > 0,05 thì dùng H0 và đủ điều kiện để phân tích tới bảng ANOVA
Bảng 6. Kết quả kiểm định ANOVA
Kiểm Định Levene Kiểm Định ANOVA
Giới tính Nam, Nữ) 0,357 0,011
Sinh viên năm (năm 1,2,3,4)
0,154 0,231
Biến phụ thuộc Hài Lòng (HL)
Sau khi cho ra KQ, ta có thể thấy được biến giới tính của kiểm định Levene có Sig = 0,357 (>0,05) vì vậy giả thuyết phương sai khác nhau bị loại bỏ và giả thuyêt phương sai bằng nhau được SD. KQ sau phân tích ANOVA có mức ý nghĩa Sig = 0,011 (<0,05), từ KQ này ta có thể thấy được dữ liệu quan sát đã đạt đủ các điều kiện nhằm KĐ chắc
40 chắn rằng có tồn tại sự đối lập giữa các giới tính đối với SHL của khách hàng về DV của TCH.
Từ kết quả kiểm định của nhiều phân nhóm sinh viên cho ta thấy được thống kê của Levene có Sig = 0,154(>0,05) không được chấp nhận giả thuyết phương sai khác nhau, chấp nhận phương sai bằng nhau. Kết quả sau khi phân tích ANOVA cho thấy mức ý nghĩa Sig = 0,231 (>0,05) kết quả cho ta thu thập được dữ liệu quan sát đã đủ điều kiện để khẳng định có tồn tại sự đối lập giữa các bạn sinh viên các năm đối với sự hài lòng về những dịch vụ được cung cấp bởi The Coffee House.