(Nguồn: tác giả đề xuất)
Các giả thuyết đặt lại theo mơ hình hiệu chỉnh lần 2 như sau:
Giả thuyết H1: “Nếu chất lượng cảm nhận và danh tiếng về dịch vụ IDC tăng
hay giảm thì giá trị cảm nhận khách hàng cũng tăng hay giảm theo”.
Giả thuyết H2: “Nếu giá cả hành vi được khách hàng cảm nhận về dịch vụ IDC tăng hay giảm thì giá trị cảm nhận khách hàng cũng tăng hay giảm theo”.
Giả thuyết H3: “Nếu chất lượng hỗ trợ về dịch vụ IDC tăng hay giảm thì giá
trị cảm nhận khách hàng cũng tăng hay giảm theo”.
Giả thuyết H4: “Nếu phản ứng cảm xúc của khách hàng về dịch vụ IDC tăng
hay giảm thì giá trị cảm nhận khách hàng cũng tăng hay giảm theo”.
Giả thuyết H5: “Nếu giá cả mang tính tiền tệ được khách hàng cảm nhận về dịch vụ IDC tăng hay giảm thì giá trị cảm nhận khách hàng cũng tăng hay giảm theo”.
4.5. Kiểm định mơ hình và giả thuyết 4.5.1. Phân tích tương quan 4.5.1. Phân tích tương quan
Chất lượng cảm nhận và danh tiếng
Giá cả mang tính tiền tệ Phản ứng cảm xúc Giá trị cảm nhận khách hàng Giá cả hành vi H1 H2 H3 H4 Chất lượng hỗ trợ H5
Trước khi tiến hành phân tích hồi quy bội, việc phân tích tương quan cần được thực hiện trước để xem xét mối tương quan tuyến tính giữa các biến với nhau.
Bảng 4.7: Kết quả phân tích hệ số tương quan
F1 F2 F3 F4 F5 CPV F1 Chất lượng và danh tiếng Pearson 1 -.150** .113* .490** .202** .677** Sig. (2-tailed) .006 .039 .000 .000 .000 N 332 332 332 332 332 332 F2 Giá cả hành vi Pearson Correlation -.150** 1 .028 .052 .121* -.013 Sig. (2-tailed) .006 .615 .341 .028 .814 N 332 332 332 332 332 332 F3 Chất lượng hỗ trợ Pearson Correlation .113* .028 1 .081 .051 .169** Sig. (2-tailed) .039 .615 .143 .351 .002 N 332 332 332 332 332 332 F4 Phản ứng cảm xúc Pearson Correlation .490** .052 .081 1 .222** .497** Sig. (2-tailed) .000 .341 .143 .000 .000 N 332 332 332 332 332 332 F5 Giá cả tiền tệ Pearson Correlation .202** .121* .051 .222** 1 .528** Sig. (2-tailed) .000 .028 .351 .000 .000 N 332 332 332 332 332 332 CPV Giá trị cảm nhận Pearson Correlation .677** -.013 .169** .497** .528** 1 Sig. (2-tailed) .000 .814 .002 .000 .000 N 332 332 332 332 332 332
(Nguồn: từ kết quả xử lý dữ liệu điều tra của tác giả)
Dựa vào bảng 4.7 kết quả phân tích hệ số tương quan cho thấy mối tương quan giữa các biến với nhau.
Xem xét về mối tương quan giữa biến độc lập giá cả hành vi và biến phụ thuộc giá trị cảm nhận khách hàng có mức ý nghĩa Sig > 0.05. Như vậy, giả thuyết 2 biến này khơng có tương quan với nhau được chấp nhận. Do đó, biến độc lập giá cả hành vi sẽ khơng được đưa vào phân tích hồi quy để giải thích biến phụ thuộc. Các biến
độc lập cịn lại so với biến phụ thuộc, đều có mức ý nghĩa Sig < 0.05, nghĩa là các biến độc lập cịn lại có quan hệ với biến phụ thuộc và các biến độc lập còn lại này sẽ được phân tích trong mơ hình hồi quy.
4.5.2. Phân tích hồi quy bội
4.5.2.1. Kết quả phân tích hồi quy bội
Để nghiên cứu mối liên hệ phụ thuộc giữa biến phụ thuộc và các biến độc lập, phân tích hồi qui là phương pháp được sử dụng rộng rãi và phổ biến. Để đánh giá mức độ phù hợp mơ hình đối với mơ hình hồi quy bội MLR, cần:
Dựa vào hệ số xác định R2: phản ánh phần biến thiên của biến phụ thuộc được giải thích bởi biến độc lập (Nguyễn Đình Thọ, 2012).
Kiểm định F trong ANOVA: để kiểm tra tính phù hợp của mơ hình. Nếu mức ý nghĩa của kiểm định < 0.05 thì có thể kết luận mơ hình hồi quy phù hợp.
Bảng 4.8: Kết quả hồi quy của mơ hình
Model R R2 R2 hiệu chỉnh Sai số ước lượng Hệ số Durbin- Watson
1 .801a .642 .637 .32771 1.649
(Nguồn: từ kết quả xử lý dữ liệu điều tra của tác giả)
Dựa vào kết quả hồi quy trong bảng 4.8, cho thấy hệ số R2 là 0.642, tức là 64.2% độ biến thiên của biến phụ thuộc giá trị cảm nhận khách hàng được giải thích bởi các biến độc lập.
Hệ số Durbin – Watson = 1.649, đạt yêu cầu cho phép 1 < Di < 3
Kiểm định F sử dụng trong bảng 4.9 phân tích phương sai Anova với mức ý nghĩa Sig = 0.00. Như vậy, mơ hình hồi quy là phù hợp.
Bảng 4.9: Bảng phân tích Anova
Model Sum of Squares df Mean Square F Sig.
1
Regression 62.878 4 15.719 146.369 .000b
Residual 35.118 327 .107
Total 97.996 331
Bảng 4.10: Bảng kết quả các hệ số hồi quy
Model
Hệ số chưa chuẩn hóa
Hệ số đã
chuẩn hóa t Sig.
Thống kê đa cộng tuyến
B Std. Error Beta Dung sai VIF
1 (Constant) -.734 .211 -3.484 .001 F1 .527 .039 .515 13.442 .000 .746 1.341 F3 .074 .031 .079 2.363 .019 .986 1.014 F4 .177 .044 .153 3.990 .000 .744 1.344 F5 .439 .039 .385 11.279 .000 .939 1.065
(Nguồn: từ kết quả xử lý dữ liệu điều tra của tác giả)
Hệ số phóng đại phương sai VIF trong bảng 4.10 nằm trong khoảng chấp nhận được 1 < VIF < 10. Như vậy, cho thấy không xảy ra hiện tượng đa cộng tuyến, chứng tỏ rằng các biến độc lập khơng có tương quan hồn toàn với nhau.
Bốn biến độc lập trong mơ hình F1 (Chất lượng và danh tiếng), F2 (chất lượng hỗ trợ), F4 (phản ứng cảm xúc), F5 (giá cả tiền tệ) đều có quan hệ cùng chiều với biến phụ thuộc Y (giá trị cảm nhận khách hàng) vì hệ số Beta của bốn biến này là dương và đều có ý nghĩa thống kê (mức ý nghĩa Sig < 0.05). Nghĩa là khi gia tăng mức độ của biến độc lập bất kỳ thì sẽ làm gia tăng giá trị cảm nhận khách hàng. Như vậy, mơ hình hiệu chỉnh lần 2 phù hợp với các giả thuyết:
Giả thuyết H1: “Nếu chất lượng cảm nhận và danh tiếng về dịch vụ IDC
tăng hay giảm thì giá trị cảm nhận khách hàng cũng tăng hay giảm theo” không bị
bác bỏ với mức ý nghĩa Sig = 0.00.
Giả thuyết H3: “Nếu chất lượng hỗ trợ về dịch vụ IDC tăng hay giảm thì
giá trị cảm nhận khách hàng cũng tăng hay giảm theo” không bị bác bỏ với mức ý
nghĩa Sig = 0.019.
Giả thuyết H4: “Nếu phản ứng cảm xúc của khách hàng về dịch vụ IDC tăng hay giảm thì giá trị cảm nhận khách hàng cũng tăng hay giảm theo” không bị
Giả thuyết H5: “Nếu giá cả mang tính tiền tệ cảm nhận về dịch vụ IDC tăng hay giảm thì giá trị cảm nhận khách hàng cũng tăng hay giảm theo” không bị
bác bỏ với mức ý nghĩa Sig = 0.00.
Phương trình hồi quy tuyến tính của mơ hình có dạng
CPV = 0.515F1 + 0.079F3 + 0.153F4 + 0.385F5 4.5.2.2. Dị tìm sự vi phạm trong hồi quy tuyến tính
Từ hình 4.2 cho thấy biểu đồ có đường cong phân phối chuẩn (giá trị trung bình Mean= -7.80E-16 gần tiến về 0, độ lệch chuẩn Std.Dev = 0.994 gần bằng 1).
Từ hình 4.3 cho thấy biểu đồ điểm quan sát gần như hình thành nên đường thẳng.
Từ hình 4.4 cho thấy biểu đồ phân tán của giá trị dự đốn chuẩn hóa (Standardized Predicted Value) và phần dư chuẩn hóa (Standardized Residual) phân tán ngẫu nhiên, khơng hình thành nên đường cong nào.
Như vậy phương trình hồi quy đạt yêu cầu.