Truyền miệng &sử dụng lại
dịch vụ
Sự hài lòng
Truyền miệng &sử dụng lại dịch vụ 1
Sự hài lịng 0.673 1
4.4.2.2 Phân tích phương trình hồi qui 2:
Phân tích hồi qui được thực hiện với một biến độc lập là Sự hài lòng (HL) và biến phụ thuộc là Truyền miệng & Sử dụng lại dịch vụ (WI). Kết quả thống kê mô tả của các biến đưa vào phân tích hồi qui :
Bảng 4.13: Thống kê mô tả các biến phân tích hồi qui
Kích thước mẫu
Độ lệch chuẩn
Trung bình Truyền miệng & Sử dụng lại dịch vụ 3.4753 0.63053 270
Sự hài lòng 3.5617 0.64789 270
Giá trị của các biến độc lập được tính trung bình dựa trên các biến quan sát thành phần của các biến độc lập đó. Giá trị của biến phụ thuộc là giá trị trung bình của các biến quan sát về Truyền miệng & Sử dụng lại dịch vụ. Phân tích được thực hiện bằng phương pháp Enter. Các biến được đưa vào cùng một lúc để xem biến nào được chấp nhận. Kết quả phân tích hồi qui như sau:
Kết quả cho thấy mơ hình hồi qui đưa ra tương đối phù hợp với mức ý nghĩa 0.05. Hệ số R hiệu chỉnh = 0.451 có nghĩa là có khoảng 45.1% phương sai Truyền miệng & Sử dụng lại dịch vụ được giải thích bởi biến độc lập là Sự hài lòng. Còn lại 54.9% Truyền miệng & Sử dụng lại dịch vụ được giải thích bằng các yếu tố khác.
Bảng 4.14: Bảng đánh giá độ phù hợp của mơ hình
Mơ hình Các biến được đưa vào Các biến bị loại bỏ Phương pháp
1 Sự hài lòng Enter
Biến phụ thuộc: Truyền miệng & Sử dụng lại dịch vụ
Mơ hình R R2 R2 hiệu chỉnh Sai số chuẩn dự đoán
1 0.673 0.453 0.451 0.46718
Biến dự đoán: (Hằng số), Sự hài lịng
Kiểm định F sử dụng trong bảng phân tích phương sai là phép kiểm định giả thuyết về độ phù hợp của mô hình hồi qui tuyến tính tổng thể. Ý tưởng của kiểm định này về mối quan hệ tuyến tính giữa biến phụ thuộc và các biến độc lập. Trong bảng phân tích ANOVA, ta thấy giá trị sig. rất nhỏ (sig. = 0.000), nên mơ hình hồi qui phù hợp với tập dữ liệu và có thể sử dụng được.
Bảng 4.15: Phân tích phương sai (hồi qui)
ANOVA Mơ hình Tổng các bình phương df Bình phương trung bình F Sig. 1 Phần hồi qui 48.453 1 48.453 221.999 0.000 Phần dư 58.493 268 0.218 Tổng cộng 106.947 269
Biến phụ thuộc: Truyền miệng & Sử dụng lại dịch vụ Các biến dự đốn: (Hằng số), Sự hài lịng
Bảng 4.16: Hệ số hồi qui sử dụng phương pháp Enter
Mơ hình Hệ số hồi qui
chưa chuẩn hóa
Hệ số hồi qui chuẩn hóa t Sig. B Sai số chuẩn Beta 1 (Hằng số) 1.142 0.159 7.176 0.000 Sự hài lòng 0.655 0.044 0.673 14.900 0.000
Trong kết quả trên, nếu sig. <= 0.05 tương đương với độ tin cậy 95% thì nhân tố đó được chấp nhận, có nghĩa là sự hài lịng có sự tác động đến Truyền miệng & Sử dụng lại dịch vụ. Kết quả hồi qui cho thấy có nhân tố Sự hài lịng thỏa mãn điều kiện.
Hình 4.3: Kết quả phân tích Mơ hình hồi qui 2
Hệ số hồi qui thể hiện dưới hai dạng: (1) chưa chuẩn hóa (Unstandardized) và (2) chuẩn hóa (Standardized). Vì hệ số hồi qui chưa chuẩn hóa (B), giá trị của nó phụ thuộc vào thang đo cho nên chúng ta không thể dùng chúng để so sánh mức độ tác động của các biến độc lập vào biến phụ thuộc trong cùng một mơ hình được. Hệ số hồi qui chuẩn hóa (beta, ký hiệu β) là hệ số chúng ta đã chuẩn hóa các biến. Vì vậy hệ số hồi qui chuẩn hóa được sử dụng để so sánh mức độ tác động của các biến phụ thuộc vào biến độc lập. Biến độc lập nào có trọng số hồi qui chuẩn hóa càng lớn có nghĩa là biến đó có tác động càng mạnh vào biến phụ thuộc.
Vì thế, phương trình hồi qui tuyến tính được thể hiện như sau:
Truyền miệng & Sử dụng lại dịch vụ = 0.673*Sự hài lòng
Kết luận: Yếu tố Truyền miệng & Sử dụng lại dịch vụ chịu tác động lớn bởi
yếu tố Sự hài lòng khách hàng ( với = 0.673). Kết quả phân tích trên đây sẽ là cơ sở để tác giả đưa ra những hàm ý kiến nghị cho các nhà quản trị trong ngành hàng không giá rẻ tại Việt Nam. Nội dung này sẽ được trình bày trong chương cuối cùng của nghiên cứu này.
4.4.3 Mơ hình hồi qui 3: 4.4.3.1 Phân tích tương quan
Theo ma trận tương quan thì các biến đều có tương quan và có ý nghĩa ở mức 0.000. Hệ số tương quan giữa biến phụ thuộc Phản hồi với biến độc lập Sự hài lịng là -0.271. Do đó, ta có thể kết luận biến độc lập này có thể đưa vào mơ hình để giải thích cho biến Phản hồi.
Truyền miệng & Sử dụng lại dịch vụ (WI) Sự hài lòng (HL) Sig.=0.000
Bảng 4.17: Ma trận tương quan giữa các biến trong mơ hình hồi qui 2
Phản hồi Sự hài lòng
Phản hồi 1
Sự hài lòng -0.271 1
4.4.3.2 Phân tích phương trình hồi qui 3:
Phân tích hồi qui được thực hiện với một biến độc lập là Sự hài lòng (HL) và biến phụ thuộc là Phản hồi (FB). Kết quả thống kê mơ tả của các biến đưa vào phân tích hồi qui :
Bảng 4.18: Thống kê mơ tả các biến phân tích hồi qui
Kích thước mẫu Trung bình Độ lệch chuẩn Phản hồi 270 2.7679 0.86635 Sự hài lòng 270 3.5617 0.64789
Giá trị của các biến độc lập được tính trung bình dựa trên các biến quan sát thành phần của các biến độc lập đó. Giá trị của biến phụ thuộc là giá trị trung bình của các biến quan sát về Phản hồi. Phân tích được thực hiện bằng phương pháp Enter. Các biến được đưa vào cùng một lúc để xem biến nào được chấp nhận. Kết quả phân tích hồi qui như sau:
Kết quả cho thấy mơ hình hồi qui đưa ra tương đối phù hợp với mức ý nghĩa 0.05. Hệ số R hiệu chỉnh = 0.07 có nghĩa là có khoảng 7% phương sai Phản hồi được giải thích bởi biến độc lập Sự hài lịng. Cịn lại 93% Phản hồi được giải thích bằng các yếu tố khác.
Bảng 4.19: Bảng đánh giá độ phù hợp của mơ hình
Mơ hình Các biến được đưa vào Các biến bị loại bỏ Phương pháp
1 Sự hài lòng Enter
Biến phụ thuộc: Phản hồi
Mơ hình R R2 R2 hiệu chỉnh Sai số chuẩn dự đoán
1 0.271 0.073 0.070 0.83550
Kiểm định F sử dụng trong bảng phân tích phương sai là phép kiểm định giả thuyết về độ phù hợp của mơ hình hồi qui tuyến tính tổng thể. Ý tưởng của kiểm định này về mối quan hệ tuyến tính giữa biến phụ thuộc và các biến độc lập. Trong bảng phân tích ANOVA, ta thấy giá trị sig. rất nhỏ (sig. = 0.000), nên mơ hình hồi qui phù hợp với tập dữ liệu và có thể sử dụng được.
Bảng 4.20: Phân tích phương sai (hồi qui)
ANOVA Mơ hình Tổng các bình phương df Bình phương trung bình F Sig. 1 Phần hồi qui 14.822 1 14.822 21.233 0.000 Phần dư 187.078 268 0.698 Tổng cộng 201.900 269
Biến phụ thuộc: Phản hồi
Các biến dự đốn: (Hằng số), Sự hài lịng
Bảng 4.21: Hệ số hồi qui sử dụng phương pháp Enter
Mơ hình Hệ số hồi qui chưa
chuẩn hóa
Hệ số hồi qui chuẩn
hóa
t Sig.
B Sai số chuẩn Beta
1 (Hằng số) 4.058 .285 14.259 0.000
Sự hài lòng -0.362 0.079 -0.271 -4.608 0.000
Biến phụ thuộc: Phản hồi
Trong kết quả trên, nếu sig. <= 0.05 tương đương với độ tin cậy 95% thì nhân tố đó được chấp nhận, có nghĩa là sự hài lịng có sự tác động đến Phản hồi. Kết quả hồi qui cho thấy có nhân tố Sự hài lịng thỏa mãn điều kiện.
Hình 4.4: Kết quả phân tích Mơ hình hồi qui 3
Phản hồi (FB) Sự hài lòng
(HL)
Sig.=0.000
Hệ số hồi qui thể hiện dưới hai dạng: (1) chưa chuẩn hóa (Unstandardized) và (2) chuẩn hóa (Standardized). Vì hệ số hồi qui chưa chuẩn hóa (B), giá trị của nó phụ thuộc vào thang đo cho nên chúng ta không thể dùng chúng để so sánh mức độ tác động của các biến độc lập vào biến phụ thuộc trong cùng một mơ hình được. Hệ số hồi qui chuẩn hóa (beta, ký hiệu β) là hệ số chúng ta đã chuẩn hóa các biến. Vì vậy hệ số hồi qui chuẩn hóa được sử dụng để so sánh mức độ tác động của các biến phụ thuộc vào biến độc lập. Biến độc lập nào có trọng số hồi qui chuẩn hóa càng lớn có nghĩa là biến đó có tác động càng mạnh vào biến phụ thuộc.
Vì thế, phương trình hồi qui tuyến tính được thể hiện như sau:
Phản hồi = -0.271*Sự hài lòng khách hàng
Kết luận: Yếu tố Phản hồi chịu tác động bởi yếu tố Sự hài lòng khách hàng
(với = -0.271). Kết quả phân tích trên đây sẽ là cơ sở để tác giả đưa ra những hàm ý kiến nghị cho các nhà quản trị trong ngành hàng không giá rẻ tại Việt Nam. Nội dung này sẽ được trình bày trong chương cuối cùng của nghiên cứu này.
4.4.4 Dị tìm sự vi phạm các giả định cần thiết trong hồi qui tuyến tính
4.4.4.1 Giả định liên hệ tuyến tính giữa biến phụ thuộc và các biến độc lập cũng như hiện tượng phương sai thay đổi
Kiểm tra giả định này bằng cách vẽ đồ thị phân tán giữa các phần dư và giá trị dự đốn mà mơ hình hồi qui tuyến tính cho ra. Người ta hay vẽ biểu đồ phân tán giữa hai giá trị này đã được chuẩn hóa với phần dư trên trục tung và giá trị dự đoán trên trục hồnh. Nếu giả định liên hệ tuyến tính và phương sai bằng nhau được thỏa mãn, thì ta sẽ khơng nhận thấy có liên hệ gì giữa các giá trị dự đốn với phần dư, chúng sẽ phân tán ngẫu nhiên.
Đồ thị (Phụ lục 6: đồ thị Scatterplot) cho thấy phần 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 và phương sai của phần dư khơng thay đổi. Như vậy mơ hình hồi qui phù hợp.
4.4.4.2 Giả định về phân phối chuẩn của phần dư
Phần dư có thể khơng tuân theo phân phối chuẩn vì những lý do như: sử dụng sai mơ hình, phương sai khơng phải là hằng số, số lượng các phần dư khơng 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.
Biểu đồ tần số của phần dư chuẩn hóa (Phụ lục 6: đồ thị Histogram) cho thấy một đường cong phân phối xấp xỉ chuẩn được đặt chồng lên biểu đồ tần số. Thật không hợp lý khi chúng ta kỳ vọng rằng các phần dư quan sát có phân phối hồn tồn chuẩn vì ln ln có những chênh lệch do lấy mẫu. Ngay cả khi các sai số có phân phối chuẩn trong tổng thể đi nữa thì phần dư trong mẫu quan sát cũng chỉ xấp xỉ chuẩn mà thơi. Ở đây, ta có thể nói phân phối phần dư xấp xỉ chuẩn (với Mơ hình hồi qui 1: trung bình Mean = 0.000, và độ lệch chuẩn Std.Dev. = 0.991 tức là
gần bằng 1; với Mơ hình hồi qui 2: trung bình Mean = 0.000, và độ lệch chuẩn
Std.Dev.=0.998 tức là gần bằng 1; với Mơ hình hồi qui 3: trung bình Mean = 0.000, và độ lệch chuẩn Std.Dev. = 0.998 tức là gần bằng 1). Do đó có thể kết luận rằng giả thiết phân phối chuẩn không bị vi phạm.
4.4.4.3 Giả định khơng có mối tương quan giữa các biến độc lập (đo lường đa cộng tuyến)
Cộng tuyến là trạng thái trong đó các biến độc lập có tương quan chặt chẽ với nhau. Vấn đề của hiện tượng cộng tuyến là chúng cung cấp cho mơ hình những thơng tin rất giống nhau, và rất khó tách rời ảnh hưởng của từng biến một đến biến phụ thuộc. Hiệu ứng khác của sự tương quan khá chặt giữa các biến độc lập là nó làm tăng độ lệch chuẩn của các hệ số hồi qui và làm giảm giá trị thống kê t của kiểm định ý nghĩa của chúng nên các hệ số có khuynh hướng kém ý nghĩa hơn khi khơng có đa cộng tuyến trong khi hệ số xác định R2 vẫn khá cao.
Để kiểm tra hiện tượng đa cộng tuyến, chỉ số thường dùng là hệ số phóng đại phương sai VIF (Variance Inflation Factor). Thơng thường, nếu VIF của một biến độc lập X nào đó lớn hơn 10 thì biến này hầu như khơng có giá trị giải thích biến
thiên của biến phụ thuộc Y trong mơ hình MLR (Hair & cộng sự 2006 trích trong Thọ, N. Đ., 2011).
Theo bảng hệ số hồi qui của mơ hình hồi qui 1 (xem phụ lục 5), hệ số VIF của các biến độc lập có giá trị từ 1.224 đến 1.547 (tất cả đều nhỏ hơn 10). Vì vậy có thể kết luận rằng, mơ hình khơng xảy ra hiện tượng đa cộng tuyến.
Tóm tắt kết quả kiểm định
Chương này trình bày kết quả phân tích bao gồm những nội dung sau:
Thứ nhất, đánh giá độ tin cậy của thang đo thơng qua hệ số Cronbach Alpha và phân tích nhân tố khám phá EFA, kết quả phân tích cho thấy, sau khi loại bỏ các biến khơng đạt u cầu thì có tám nhân tố được rút ra và mơ hình được hiệu chỉnh sau khi đã đặt tên lại cho các nhân tố gồm: Phương tiên hữu hình, Lịch trình chuyến bay, Tin cậy, Tiếp viên hàng khơng, Nhân viên mặt đất, Sự hài lòng, Truyền miệng & Sử dụng lại dịch vụ, và Phản hồi.
Bảng 4.22: Tóm tắt kết quả EFA các thang đo
Ký
hiệu Tên biến
Trọng số tải nhân tố
Cronbach alpha Phương tiện hữu hình (PTHH) 0.721
V1 Hãng X có các máy bay thế hệ mới. 0.747
V2 Hệ thống máy lạnh của máy bay dễ chịu. 0.826
V3 Ghế ngồi trên máy bay rộng rãi. 0.672
Lịch trình chuyến bay (LT) 0.781
V4 Máy bay xuất phát đúng giờ theo lịch bay. 0.875
V5 Máy bay đến nơi đúng giờ theo lịch bay. 0.842
V6 Tôi chưa bao giờ gặp chuyến bay bị hủy của hãng X. 0.616
Tin cậy (TC) 0.613
V7 Khi tơi có vấn đề phát sinh, hãng X thể hiện sự quan
tâm giải quyết vần đề 0.587
V8 Hãng X cải thiện dịch vụ hiệu quả khi có lỗi dịch vụ 0.715
Ký
hiệu Tên biến
Trọng số tải nhân tố
Cronbach alpha Tiếp viên hàng không (TV) 0.859
V10 Tiếp viên hàng khơng có đồng phục đẹp. 0.550
V11 Dễ dàng liên hệ với tiếp viên hàng không khi cần. 0.670 V12 Tiếp viên hàng khơng nhiệt tình thực hiện yêu cầu
của tôi. 0.784
V13 Tiếp viên hàng khơng sẵn lịng giúp đỡ hành khách. 0.744 V14 Tiếp viên hàng không luôn luôn đáp ứng yêu cầu của
tôi. 0.642
V15 Tiếp viên hàng không thân thiện với hành khách. 0.721 V16 Tiếp viên hàng có kiến thức trong việc trả lời những
câu hỏi của tôi. 0.663
Nhân viên mặt đất (NV) 0.891
V17 Nhân viên mặt đất có đồng phục đẹp. 0.514
V18 Dễ dàng liên hệ với nhân viên mặt đất khi cần. 0.742 V19 Nhân viên mặt đất nhiệt tình thực hiện yêu cầu của
tôi. 0.822
V20 Nhân viên mặt đất sẵn lòng giúp đỡ hành khách. 0.772 V21 Nhân viên mặt đất luôn luôn đáp ứng yêu cầu của
tôi. 0.759
V22 Nhân viên mặt đất thân thiện với hành khách. 0.752 V23 Nhân viên mặt đất có kiến thức trong việc trả lời
những câu hỏi của tơi. 0.628
Sự hài lịng (HL) 0.750
V24 Giá vé máy bay của hãng X hợp lý. 0.790
V25 Tơi hài lịng với sự phục vụ, chăm sóc của hãng X. 0.681 V26 Tơi hài lịng với hãng hàng không giá rẻ X so với các
Ký
hiệu Tên biến
Trọng số tải nhân tố
Cronbach alpha Truyền miệng & Sử dụng lại dịch vụ (WI) 0.873
V27 Tơi sẽ giới thiệu gia đình và người thân bay với hãng hàng không giá rẻ X.
0.875 V28 Tôi sẽ giới thiệu bạn bè của tôi bay với hãng hàng
không giá rẻ X.
0.869 V29 Tơi hầu như nói những điều tốt đẹp về hãng hàng
không giá rẻ X cho những người khác.
0.720 V30 Tôi đã thông tin cho các khách hàng khác những
phàn nàn của tôi về các dịch vụ mà hãng hàng không giá rẻ X cung cấp.
0.510 V31 Tơi có ý định sẽ tiếp tục bay với hãng hàng không