2.3. KẾT QUẢ KHẢO SÁT THỰC TẾ
2.3.3. Phân tích hồi quy bội
Phân tích hồi quy là tìm quan hệ phụ thuộc của một biến, được gọi là biến phụ thuộc vào một hoặc nhiều biến khác, được gọi là biến độc lập nhằm mục đích ước lượng hoặc dự đoán giá trị kỳ vọng của biến phụ thuộc khi biết trước giá trị của biến độc lập. Mô hình với một biến phụ thuộc và với hai hoặc nhiều biến độc lập được gọi là hồi quy bội.
Mô hình tổng quát của hồi quy bội:
CLDV=
Trong đó:
DU: Đáp ứng DC: Đồng cảm UTTC: Uy tín tin cậy NLPV: Năng lực phục vụ CLDV: Chất lượng dịch vụ
Kết quả phân tích hồi quy bội lần 1
Bảng 2.17: Hệ số hồi quy đa biến của mô hình lần 1
R R Square Adjusted R Square Std. Error of the Estimate
0,865 0,749 0,740 0,50965341
Bảng 2.18: Hệ số phƣơng sai ANOVA của hồi quy tuyến tính lần 1
Sum of Squares Df Mean Square F Sig.
Regression 111,596 5 22,319 85,927 0,000
Residual 37,404 144 0,260
Total 149,000 149
Bảng 2.19:Hệ số hồi quy Coefficients lần 1
Unstandardized Coefficients
Standardized
Coefficients T Sig. VIF
Beta Std. Error Beta
PTHH 0,299 0,042 0,299 7,167 0,000 1.000
UTTC 0,287 0,042 0,287 6,879 0,000 1.000
DC 0,224 0,042 0,224 5,358 0,000 1.000
NLPV 0,726 0,042 0,726 17,385 0,000 1.000
DU 0,002 0,042 0,002 0,037 0,970 1.000
(Nguồn : Số liệu được tổng hợp từ phần mềm SPSS 20.0)
Bảng 2.17 cho thấy hiệu chỉnh = 0,740 > 0,5, sự tương thích của mô hình với biến quan sát là rất lớn với khoảng 74,0% biến thiên của biến phụ thuộc CLDV (chất lượng dịch vụ) có thể được giải thích bởi 5 biến độc lập trong mô hình.
Nhìn vào bảng 2.19 cho thấy, 4 biến có ý nghĩa với giá trị Sig = 0,000 < 0,05 là biến PTHH, DC, UTTC và NLPV; riêng biến DU (đáp ứng) có giá trị Sig = 0,97
> 0,05 biến DU này không có ý nghĩa nên ta sẽ loại biến DU ra khỏi mô hình, còn lại 4 biến và chạy lại mô hình lần 2.
Kết quả phân tích hồi quy bội lần 2
Bảng 2.20: Hệ số hồi quy đa biến của mô hình lần 2
R R Square Adjusted R Square Std. Error of the Estimate
0,865 0,749 0,742 0,50789542
Bảng 2.21: Hệ số phƣơng sai ANOVA của hồi quy tuyến tính lần 2
Sum of Squares Df Mean Square F Sig.
Regression 111,596 4 27,899 108,153 0,000
Residual 37,404 145 0,258
Total 149,000 149
Bảng 2.22:Hệ số hồi quy Coefficients lần 2
Unstandardized Coefficients
Standardized
Coefficients T Sig. VIF
Beta Std. Error Beta
PTHH 0,299 0,042 0,299 7,192 0,000 1,000
UTTC 0,287 0,042 0,287 6,903 0,000 1,000
DC 0,224 0,042 0,224 5,377 0,000 1,000
NLPV 0,726 0,042 0,726 17,445 0,000 1,000
(Nguồn : Số liệu được tổng hợp từ phần mềm SPSS 20.0)
Trị số F được tính từ của mô hình với mức ý nghĩa quan sát rất nhỏ (sig = 0,000) cho thấy mô hình hồi quy tuyến tính bội phù hợp với dữ liệu.
Hệ số phóng đại phương sai VIF (Variance Inflation Factor) của các biến độc lập trong mô hình đều bằng 1 (nhỏ hơn 5) cho thấy không có hiện tượng đa cộng tuyến xảy ra. Do đó, mối quan hệ giữa các biến độc lập không ảnh hưởng đáng kể đến kết quả giải thích của mô hình hồi quy.
Phương trình hồi quy tuyến tính bội thể hiện mối quan hệ giữa chất lượng dịch vụ của thẻ và 4 biến độc lập được xây dựng như sau:
Từ phương trình hồi quy cho thấy chất lượng dịch vụ thẻ có liên quan đến các yếu tố phương tiện hữu hình, uy tín tin cậy, đồng cảm, năng lực phục vụ và mối quan hệ này là thuận chiều với nhau ( do hệ số Beta chuẩn hóa của các biến độc lập đều lớn hơn 0).