HL NV TV LT TC PTHH
Sự hài lòng 1.000
Nhân viên mặt đất 0.588 1.000
Tiếp viên hàng không 0.459 0.536 1.000
Lịch trình chuyến bay 0.374 0.394 0.355 1.000
Tin cậy 0.187 0.288 0.256 0.246 1.000
4.4.1.2 Phân tích phương trình hồi qui 1:
Phân tích hồi qui được thực hiện với năm biến độc lập bao gồm: Phương tiện hữu hình (PTHH), Lịch trình chuyến bay (LT), Tin cậy (TC), Tiếp viên hàng không (TV), Nhân viên mặt đất (NV) và biến phụ thuộc là Sự hài lòng (HL). Kết quả thống kê mô tả của các biến đưa vào phân tích hồi qui:
Bảng 4.8: Thống kê mơ tả các biến phân tích hồi qui
Trung bình Độ lệch chuẩn Kích thước mẫu Sự hài lịng 3.5617 0.64789 270 Nhân viên mặt đất 3.3767 0.61777 270
Tiếp viên hàng không 3.5947 0.59757 270 Lịch trình chuyến bay 2.7198 0.96364 270
Tin cậy 3.1877 0.73403 270
Phương tiện hữu hình 3.4864 0.67683 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 Sự hài lịng của khách hàng. 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 R2 hiệu chỉnh = 0.382 có nghĩa là có khoảng 38.2% phương sai Sự hài lịng được giải thích bởi năm biến độc lập là: Phương tiện hữu hình, Lịch trình chuyến bay, Tin cậy, Tiếp viên hàng không và Nhân viên mặt đất. Còn lại 61.8% Sự hài lịng được giải thích bằng các yếu tố khác.
Bảng 4.9: Bảng đánh giá độ phù hợp của mơ hình
Mơ hình
Các biến được đưa vào Các biến bị
loại bỏ
Phương pháp 1
Nhân viên mặt đất, Phương tiện hữu hình, Tin cậy, Lịch trình chuyến bay, Tiếp viên hàng khơng
Enter
Mơ hình R R2 R2 hiệu chỉnh Sai số chuẩn dự đoán
1 0.628 0.394 0.382 0.50917
Biến dự đoán: (Hằng số), Nhân viên mặt đất, Phương tiện hữu hình, Tin cậy, Lịch trình chuyến bay, Tiếp viên hàng khơng
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 4.10: Phân tích phương sai (hồi qui)
ANOVA Mơ hình Tổng các bình phương df Bình phương trung bình F Sig. 1 Phần hồi qui 44.473 5 8.895 34.309 0.000 Phần dư 68.442 264 0.259 Tổng cộng 112.916 269
Biến phụ thuộc: Sự hài lịng
Các biến dự đốn: (Hằng số), Nhân viên mặt đất, Phương tiện hữu hình, Tin cậy, Lịch trình chuyến bay, Tiếp viên hàng khơng
Bảng 4.11: 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. Đa cộng tuyến B Sai số
chuẩn Beta Tolerance VIF
1
(Hằng số) 1.012 0.234 4.333 .000
Nhân viên mặt đất 0.459 0.063 0.438 7.344 .000 0.646 1.547
Tiếp viên hàng không 0.176 0.064 0.163 2.746 .006 0.654 1.529
Lịch trình chuyến bay 0.089 0.036 0.132 2.431 .016 0.782 1.279
Tin cậy -0.025 0.045 -0.029 -.561 .575 0.869 1.151
Phương tiện hữu hình 0.059 0.051 0.062 1.153 .250 0.804 1.244
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 nó có sự tác động đến Sự hài lòng khách hàng. Kết quả hồi qui cho thấy có 3 nhân tố thỏa mãn điều kiện là: Nhân viên mặt đất, Tiếp viên hàng khơng và Lịch trình chuyến bay. Vì vậy, 3 nhân tố Nhân viên mặt đất, Tiếp viên hàng khơng, và Lịch trình chuyến bay đều được xem là có tác động tích cực đến Sự hài lịng của khách hàng. (Xem Hình 4.2)
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 độc lập vào biến phụ thuộc. 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:
Sự hài lòng = 0.438*Nhân viên mặt đất + 0.163*Tiếp viên hàng khơng +
0.132*Lịch trình chuyến bay
Kết luận: Sự hài lòng của hành khách chịu tác động lớn nhất bởi nhân tố Nhân
viên mặt đất (= 0.438), kế đến là nhân tố Tiếp viên hàng không ( = 0.163), tiếp nữa là nhân tố lịch trình chuyến bay ( = 0.132) với mức ý nghĩa sig. <=0.05. Các 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.
Hình 4.2: Kết quả phân tích Mơ hình hồi qui 1
Tiếp viên hàng khơng (TV) Sự hài lịng (HL) Sig.=0.006 Nhân viên mặt đất (NV) Sig.=0.000 Lịch trình chuyến bay (LT) Sig.=0.016
4.4.2 Mơ hình hồi qui 2: 4.4.2.1 Phân tích tương quan 4.4.2.1 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 là Truyền miệng & Sử dụng lại dịch vụ với biến độc lập là Sự hài lòng ở mức tương đối cao (0.673). Do đó, ta có thể kết luận biến độc lập này có thể đưa vào mơ hình để giải thích cho biến Truyền miệng & Sử dụng lại dịch vụ.
Bảng 4.12: Ma trận tương quan giữa các biến trong mơ hình hồi qui 2
Truyền miệng &sử dụng lại
dịch vụ
Sự hài lòng
Truyền miệng &sử dụng lại dịch vụ 1
Sự hài lòng 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 mơ 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 đốn: (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 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 4.15: 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 lòng 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 lịng
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 mô 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 khơng 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