Mô hình hồi quy tuyến tính bội có dạng:
SHL=β0 + β1*PTHH + β2*KNPV + β3*HA +β4*CP * + β5*TCAY + β6* DCAM Để tiến hành phân tích hồi quy tuyến tính bội, các biến được đưa vào mô hình theo phương pháp Enter. Tiêu chuẩn kiểm định là tiêu chuẩn được xây dựng vào phương pháp kiểm định giá trị thống kê F và xác định xác suất tương ứng của giá trị thống kê F, kiểm định mức độ phù hợp giữa mẫu và tổng thể thông qua hệ số xác định R2. Công cụ chẩn đoán giúp phát hiện sự tồn tại của đa cộng tuyến trong dữ liệu được đánh giá mức độ cộng tuyến làm thoái hóa tham số ước lượng là: Hệ
số phóng đại phương sai (Variance inflation factor – VIF). Quy tắc là khi VIF vượt quá 10, đó là dấu hiệu của đa cộng tuyến (Trọng & Ngọc 2005).
Kết quả phân tích hồi quy tuyến tính bội cho thấy mô hình có R2 = 0,713 và R2 được hiệu chỉnh là 0,702. Điều này nói nên mức độ thích hợp của mô hình là 70,2% hay nói cách khác là 70,2% sự biến thiên của biến hài lòng (HLC) được giải thích chung bằng 6 biến quan sát. Vì vậy mô hình có mức độ giải thích rất tốt.
Phân tích ANOVA cho thấy thông số F có sig. = ,000 chứng tỏ rằng mô hình xây dựng phù hợp với bộ dữ liệu đã thu thập được và các biến đưa vào đều có ý nghĩa về mặt thống kê với mức ý nghĩa 5%. Như vậy, các biến độc lập trong mô hình có quan hệ đối với biến phụ thuộc HLC.
Kết quả phân tích các hệ số hồi quy cho ta thấy: giá trị sig. của tất cả các biến độc lập đều nhỏ hơn 0,05. Do đó, ta có thể nói rằng tất cả các biến độc lập đều có tác động đến sự hài lòng của khách hàng. Tất cả các nhân tố này đều có ý nghĩa trong mô hình và tác động cùng chiều đến sự hài lòng của khách hàng do các hệ số hồi quy đều mang dấu dương. Cụ thể như sau:
Hệ số hồi quy chuẩn hóa của biến phương tiện hữu hình (PTHH) là β1 = 0,446 cao nhất trong các hệ số hồi quy chuẩn hóa của các biến. Điều này cũng chứng tỏ rằng biến này được đánh giá là rất quan trọng so với các biến khác tại khu vui chơi giải trí này. Tiếp theo hệ số hồi quy chuẩn hóa của biến khả năng phục vụ (KNPV) là β2 = 0,382, đứng thứ hai sau biến phương tiện hữu hình và cũng được đánh giá là khá quan trọng tại khu vui chơi này. Thứ ba là hệ số hồi quy chuẩn hóa của biến hình ảnh (HA) bằng β3 = 0,339. Kế tiếp là hệ số hồi quy của biến chi phí (CP) β4 = 0,309. Sau cùng lần lượt là hai biến tin cậy (TCAY) và đồng cảm (DCAM) có hệ số hồi quy là β5 = 0,297 và β6 = 0,265. Tất cả các giá trị β khác 0 đều có ý nghĩa về mặt thống kê và không có yếu tố nào có giá trị: β= 0, hoặc β≠0 không có ý nghĩa thống kê. Đồng thời, kết hợp với điều kiện là t>2 và sig< 0,05. Ta kết luận rằng không có yếu tố nào bị loại. Lúc này ta thiết lập được phương trình hồi quy mới có hệ số β’ như sau:
Kết quả hồi quy cuối cùng lần thứ hai được tóm tắt như sau (Xem phụ lục số 5):
Bảng 4.6: Bảng Model Summary và ANOVA
Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson
1 ,845(a) ,713 ,702 ,54574333 1,769
a Predictors: (Constant), CPHI, DCAM, TCAY, HA, PTHH, KNPV b Dependent Variable: HLC
ANOVA(b)
Model Sum of
Squares df Mean Square F Sig.
1 Regression 113,431 6 18,905 63,475 ,000(a)
Residual 45,569 153 ,298
Total 159,000 159
a Predictors: (Constant), CPHI, DCAM, TCAY, HA, PTHH, KNPV b Dependent Variable: HLC
Hệ số xác định hiệu chỉnh Adjusted R-Square là 0,7021, nghĩa là mô hình hồi quy tuyến tính đã xây dựng phù hợp với tập dữ liệu đến mức 70,2%, điều này còn cho thấy mối quan hệ giữa biến phụ thuộc và các biến độc lập là khá chặt chẽ, cả 06 biến số trên góp phần giải thích 70,2% sự khác biệt của mức độ thỏa mãn của khách hàng được quan sát đối với chất lượng dịch vụ khu vui chơi giải trí.
Kiểm định F sử dụng trong bảng phân tích phương sai vẫn là một phép kiểm định giả thuyết về độ phù hợp của mô hình hồi quy tuyến tính tổng thể. Theo kết quả bảng 4.6, ta thấy kiểm định F có giá trị là 63,475 với Sig. = ,000(a) chứng tỏ mô hình hồi quy tuyến tính bội là phù hợp với tập dữ liệu và có thể sử dụng được.
Bây giờ chúng ta kiểm tra khả năng xảy ra hiện tượng đa cộng tuyến giữa các biến độc lập:
VIF <2: Hiện tượng đa cộng tuyến giữa các biến độc lập ảnh hưởng không đáng kể đến mô hình.
2 ≤VIF ≤ 10: Hiện tượng đa cộng tuyến giữa các biến độc lập ảnh hưởng đáng kể đến mô hình
VIF > 10: Dấu hiệu của đa cộng tuyến
1
Theo kinh nghiệm của nhà nghiên cứu Nguyễn Trọng Hoài (ĐHKT TPHCM): Đối với dữ liệu chéo thì Adjusted R Square từ 0,20 -0,40 là chấp nhận được; từ 0,40 – 0,60 là tốt; từ 0,6 0- 0,80 là rất tốt; trên 0,80 là hiếm khi xảy ra.
Ta thấy tất cả các giá trị VIF đều = 1: Hiện tượng đa cộng tuyến giữa các biến độc lập ảnh hưởng không đáng kể đến mô hình2.
Mô hình cũng đáp ứng điều kiện về phần dư, phần dư có phân phối xấp xỉ chuẩn (trung bình Mean =0,00, độ lệch chuẩn Std.Dev = ,98) (Xem hình 4.2)
Đại lượng thống kê Durbin-Watson (d) = 1,769 nhỏ hơn 2 nên các phần dư trong mẫu không có tự tương quan với nhau (Xem bảng 4.6)
Hình 4.2 Đồ thị phân phối phần dư
Regression Standardized Residual
2.50 2.00 1.50 1.00 .50 0.00 -.50 -1 .00 -1 .50 -2 .00 -2 .50 Histogram Dependent Variable: HLC F req ue ncy 20 10 0 Std. Dev = .98 Mean = 0.00 N = 160.00 2
Khi EFA, trong hộp thoại Factor Analysis, chúng ta chọn nút Scores, sau đó nhấp chọn Save as variables để lưu lại nhân số của nhân tố một cách tự động. Mặc định của chương trình này là phương pháp Regression. Nhân số tính theo cách này đã được chuẩn hóa (đã được chuyển qua đơn vị đo lường độ lệch chuẩn) thì khắc phục được hiện tượng đa cộng tuyến (Nguyễn Trọng Hoài & ctg, 2009, 392)
Normal P-P Plot of Regression Standardized Residual Dependent Variable: HLC
Observed Cum Prob
1.00 .75 .50 .25 0.00 Ex pe cted Cum P rob 1.00 .75 .50 .25 0.00
Bảng 4.7: Hệ số hồi quy chuẩn hóa của phương trình
Unstandardized Coefficients
Standardized Coefficients
t Sig, Collinearity Statistics Model B Std, Error
Beta Tolerance VIF
1 (Constant) 9,769E-18 ,043 ,000 1,000 KNPV ,382 ,043 ,382 8,823 ,000 1,000 1,000 PTHH ,446 ,043 ,446 10,300 ,000 1,000 1,000 HA ,339 ,043 ,339 7,832 ,000 1,000 1,000 TCAY ,297 ,043 ,297 6,871 ,000 1,000 1,000 DCAM ,265 ,043 ,265 6,125 ,000 1,000 1,000 CPHI ,309 ,043 ,309 7,131 ,000 1,000 1,000
Kết quả cho thấy, các hệ số β’ đều khác 0 và Sig, <0,05 chứng tỏ các thành phần trên đều tham dự vào sự thỏa mãn của khách hàng. So sánh giá trị (độ lớn) của β’ cho thấy: phương tiện hữu hình là vấn đề quan trọng nhất, tác động lớn nhất đến sự thỏa mãn của khách hàng (β’= 0,446). Mỗi một đơn vị (chuẩn hóa) thay đổi ở phương tiện hữu hình thì mức độ thỏa mãn của khách hàng thay đổi 0,446 đơn vị, vượt trội hơn so với ảnh hưởng của các yếu tố khác: khả năng phục vụ (β’= 0,382); hình ảnh (β’= 0,339); chi phí (β’= 0,309); tin cậy (β’= 0,297); đồng cảm (β’=0,265).
Từ kết quả trên, ta có thể viết được phương trình dự đoán sự hài lòng của khách hàng đối với chất lượng dịch vụ khu vui chơi giải trí Vinpearl land theo các biến độc lập như sau:
Phương trình hồi quy chuẩn hóa của mô hình:
SHL = 0,446*PTHH + 0,382*KNPV + 0,339*HA + 0,309*CP + 0,297*TCAY + 0,265*DCAM
Mô hình này giải thích được 70,2% sự thay đổi của biến HLC là do các biến độc lập trong mô hình tạo ra, Còn lại 29,8% sự biến thiên được giả thích bởi các biến ngoài mô hình.
Mô hình cho thấy các biến độc lập đều ảnh hưởng thuận chiều đến mức độ hài lòng của khách hàng với độ tin cậy 95%. Qua phương trình hồi quy ta thấy khi điểm đánh giá về phương tiện hữu hình tăng lên 1 thì mức độ hài lòng của của khách hàng cũng sẽ tăng trung bình 0,446 điểm giữ nguyên các biến độc lập khác không đổi. Tương tự vậy, khi điểm đánh giá về khả năng phục vụ tăng lên 1 thì mức độ hài lòng của khách hàng cũng sẽ tăng trung bình 0,382 điểm giữ nguyên các biến độc lập khác không đổi. Khi điểm đánh giá về hình ảnh khu vui chơi giải trí tăng lên 1 thì mức độ hài lòng cũng tăng trung bình 0,339 điểm giữ nguyên các yếu tố khác không đổi. Điểm đánh giá về chi phí tăng lên 1 thì mức độ hài lòng sẽ tăng trung bình 0,309 điểm giữ nguyên các yếu tố khác không đổi. Điểm đánh giá về mức độ tin cậy của khu vui chơi giải trí tăng lên 1 thì mức độ hài lòng người sử dụng cũng sẽ tăng trung bình 0,297 điểm giữ nguyên các yếu tố khác không đổi. Cuối cùng là điểm đánh giá về mức độ tin cậy tăng lên 1 điểm thì mức độ hài lòng của người sử dụng cũng tăng trung bình 0,265 điểm giữ nguyên các yếu tố khác không đổi.
Với các kết quả phân tích như trên, ta thấy rằng mô hình nghiên cứu hoàn toàn phù hợp và khẳng định có mối liên hệ chặt chẽ giữa các thang đo với sự hài lòng của khách hàng đối với khu vui chơi giải trí Vinpearl land.
Bảng 4.8 : Kết quả kiểm định giả thuyết
Giả thuyết Kết quả
kiểm định
H1
Khả năng phục vụ của nhân viên khu vui chơi giải trí được khách hàng đánh giá tăng hay giảm thì mức độ hài lòng của họ đối với dịch vụ đó cũng tăng hay giảm theo
Chấp nhận
H2
Phương tiện hữu hình của một dịch vụ do khách hàng đánh giá tăng hay giảm thì mức độ hài lòng của họ đối với dịch vụ đó cũng tăng hay giảm theo
Chấp nhận
H3 Hình ảnh của khu vui chơi giải trí do khách hàng đánh giá tăng hay
giảm thì mức độ hài lòng của khách hàng cũng tăng hay giảm theo Chấp nhận
H4
Khi mức độ tin cậy của một dịch vụ do khách hàng đánh giá tăng hay giảm thì mức độ hài lòng của khách hàng cũng tăng hay giảm theo,
Chấp nhận
H5
Khi mức độ đồng cảm của một dịch vụ do khách hàng đánh giá cao hay thấp thì mức độ hài lòng của khách hàng cũng tăng hay giảm theo,
Chấp nhận
H6 Cảm nhận của khách hàng về sự phù hợp của giá cả dịch vụ càng
cao thì mức độ thỏa mãn của họ đối với dich vụ càng cao, Chấp nhận
Qua bảng kết quả trên ta thấy các giả thuyết H1, H2, H3, H4, H5, H6 đều được chấp nhận vì khi gia tăng những yếu tố này sẽ làm gia tăng mức độ hài lòng của khách hàng. Hay nói cách khác là khi cảm nhận của khách hàng về chất lượng dịch vụ tại khu vui chơi giải trí này gia tăng thì sự hài lòng của khách hàng cũng tăng theo,