CHƯƠNG 4 : KẾT QUẢ NGHIÊN CỨU
4.3 Phân tích hồi quy
4.3.1 Kiểm định hệ số tương quan
Dữ liệu dùng trong phân tích hồi quy tương quan được người nghiên cứu lựa chọn là dữ liệu chuẩn hóa (được xuất ra từ phần mềm SPSS sau quá trình phân tích nhân tố khám phá). Để xác định mối quan hệ nhân quả giữa các biến trong mơ hình, bước đầu tiên ta cần phân tích tương quan giữa các biến xem thử có mối liên hệ
44
tuyến tính giữa biến độc lập và biến phụ thuộc hay không. Kết quả của phần phân tích này (bảng 4.6) dù không xác định được mối quan hệ nhân quả giữa biến phụ thuộc và biến độc lập nhưng nó đóng vai trị làm cơ sở cho phân tích hồi qui. Các biến biến phụ thuộc và biến độc lập có tương quan cao với nhau báo hiệu sự tồn tại của mối quan hệ tiềm ẩn giữa hai biến. Đồng thời, việc phân tích tương quan cịn làm cơ sở để dị tìm sự vi phạm giả định của phân tích hồi qui tuyến tính: các biến độc lập có tương quan cao với nhau hay hiện tượng đa cộng tuyến.
Bảng 4.6. Ma trận tương quan HL PT CX CL CM TT XH LD HL 1 .544** .592** .680** .504** .508** .514** .348** PT 1 0.00 0.00 0.00 0.00 0.00 0.00 CX 1 0.00 0.00 0.00 0.00 0.00 CL 1.00 0.00 0.00 0.00 0.00 CM 1.00 0.00 0.00 0.00 TT 1.00 0.00 0.00 XH 1.00 0.00 LD 1.00
Nguồn: Kết quả xử lí từ kết quả điều tra của tác giả
Ta thấy rằng, các hệ số tương quan giữa biến độc lập và biến phụ thuộc đều có ý nghĩa (sig<0.05) nên các nhân tố đưa vào phân tích hồi quy là hợp lí. Như vậy, giữa các thang đo đo lường mức độ thỏa mãn Sự hài lịng trong mơ hình nghiên cứu khơng có mối tương quan tuyến tính với nhau. Vì thế, sẽ không xuất hiện đa cộng tuyến trong phân tích hồi quy.
Bên cạnh đó, kết quả phân tích cũng cho thấy mức tương quan tuyến tính giữa từng thang đó trên với thang đo Sự hài lịng, trong đó mối quan hệ tương quan cao nhất là giữa thang đo Giá trị chất lượng dịch vụ với r = 0.680.
45
4.3.2 Phân tích hồi quy
Phân tích hồi quy tuyến tính sẽ giúp chúng ta biết được cường độ ảnh hưởng của các biến độc lập lên biến phụ thuộc. Để tiến hành phân tích hồi quy tuyến tính bội, các biến đưa vào mơ 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. Cơng cụ chẩn đốn giúp phát hiện sự tồn tại của cộng tuyến trong dữ liệu được đánh giá mức độ cộng tuyến làm thối hóa tham số ước lượng là: Hệ số phóng đại phương sai (Variance inflation factor - VIF). Quy tắc khi VIF vượt quá 10, đó là dấu hiệu của đa cộng tuyến (Trọng và Ngọc, 2008, 218).
Dựa vào cơ sở lý thuyết và kết quả phân tích ở trên, ta sẽ đưa tất cả các biến độc lập trong mơ hình hồi quy đã điều chỉnh bằng phương pháp đưa vào cùng một lúc Enter để chọn lọc dựa trên tiêu chí chọn những biến có mức ý nghĩa < 0.05.
Kết quả phân tích hồi quy tuyến tính cho các biến số được thể hiện thông qua bảng 4.7
Bảng 4.7. Hệ số R-Square từ kết quả phân tích hồi quy
Tổng kết mơ hình Mơ hình R R bình phương R bình phương hiệu chỉnh sai số ước lượng Durbin- Watson 1 .810a .655 .646 .37112 1.458 a. Biến độc lâp: LD, CM, XH, PT, TT, CX, CL b. Biến phụ thuộc: HL
Nguồn: Kết quả xử lí từ kết quả điều tra của tác giả
So sánh hai giá trị R bình phương và R bình phương hiệu chỉnh có thể thấy R bình phương hiệu chỉnh nhỏ hơn, dùng nó để đánh giá độ phù hợp của mơ hình sẽ an tồn hơn vì nó khơng thổi phồng mức độ phù hợp của mơ hình. Vậy, nghiên cứu sẽ sử dụng R bình phương hiệu chỉnh để đánh giá mức độ phù hợp của mơ hình
46
nghiên cứu. Độ phù hợp của mơ hình được kiểm định bằng trị thống kê F được tính từ R2 của mơ hình tương ứng với mức ý nghĩa sig., với giá trị sig. càng nhỏ (trừ hằng số). Mơ hình hồi quy tuyến tính bội đưa ra là phù hợp với dữ liệu và có thể sử dụng được.
Hệ số xác định hiệu chỉnh R bình phương hiệu chỉnh là 0.646, điều này cho thấy mối quan hệ giữa biến phụ thuộc và các biến độc lập là khá chặt chẽ, cả 7 biến trên góp phần giải thích 64.6% sự khác biệt của Sự hài lòng của khách hàng. Như vậy, mức độ phù hợp của mơ hình tương đối cao. Tuy nhiên sự phù hợp này chỉ đúng với dữ liệu mẫu. Để kiểm định xem có thể suy diễn mơ hình cho tổng thể thực hay không ta phải kiểm định độ phù hợp của mơ hình.
Đồng thời, để kiểm tra hiện tượng tự tương quan thông qua kiểm định Durbin- Watson:
- Nếu 1< D < 3: mơ hình khơng xảy ra hiện tượng tự tương quan. - Nếu 0< D < 1: mơ hình tư tương quan dương.
- Nếu 3< D <4: mơ hình tự tương quan âm.
Ta có D=1.458: mơ hình khơng xảy ra hiện tượng tự tương quan.
Theo bảng 4.8 ANOVA, kiểm định F sử dụng trong bảng phân tích phương sai vẫn là một phép giả thuyết về độ phù hợp của mơ hình hồi quy tuyến tính tổng thể. Kết quả phân tích cho thấy, kiểm định F có giá trị là 68.178 với Sig. = 000(a) chứng tỏ mơ hình hồi quy tuyến tính bội là phù hợp với tập dữ liệu và có thể sử dụng được để suy rộng ra cho tổng thể.
Bảng 4.8 ANOVA ANOVAa Mơ hình Tổng bình phương df Trung bình bình phương F Sig. 1 Hồi Qui 65.731 7 9.390 68.178 .000b Số dư 34.570 251 .138 Tổng 100.300 258 a. Biến phụ thuộc: HL b. Biến độc lập: LD, CM, XH, PT, TT, CX, CL
47
Theo bảng 4.9 Phân tích nhân tố Sự hài lịng, kết quả thống kê còn cho thấy, các hệ số hồi quy chuẩn hóa của phương trình hồi quy đều khác 0 và Sig.<0.05 chứng tỏ thành phần đều tham dự vào Sự hài lòng của khách hàng. Đồng thời, hệ số phóng đại phương sai VIF dao động từ 1.215 tới 2.094 nên khơng có hiện tượng đa cộng tuyến xảy ra. So sánh giá trị (độ lớn) của hệ số chưa chuẩn hóa ở cột B cho thấy: tác động theo thứ tự từ mạnh đến yếu của các thành phần: Giá trị chất lượng dịch vụ, Giá trị chuyên môn, Giá trị xã hội, Giá trị phi tiền tệ, Giá trị tiền tệ, Giá trị tiền tệ, Giá trị vật chất, Giá trị cảm xúc.
Bảng 4.9. Bảng hệ số hồi quy
Mơ hình Hệ số chưa chuẩn hóa
Hệ số chuẩn hóa
t Sig. Phân tích cộng tuyến
B sai số chuẩn Beta Hệ số tải VIF
(hằng số) -.684 .251 - 2.723 .007 PT .165 .042 .175 3.895 .000 .682 1.467 CX .107 .047 .114 2.261 .025 .545 1.836 CL .306 .060 .271 5.060 .000 .478 2.094 CM .183 .053 .156 3.452 .001 .675 1.482 TT .146 .031 .198 4.655 .000 .756 1.323 XH .172 .040 .185 4.277 .000 .738 1.355 LD .122 .050 .099 2.425 .016 .823 1.215 a. Biến phụ thuộc: HL
Nguồn: Kết quả xử lí từ kết quả điều tra của tác giả
Phương trình hồi quy của mơ hình:
HL = -0.684+ 0.183*CM + 0.306*CL + 0.165*PT + 0.122*LD + 0.172*XH + 0.146*TT + 0.107*CX
48
*Dị tìm sự vi phạm các giả định cần thiết trong hồi quy tuyến tính
Tiếp đến, luận văn trình bày các kiểm định về độ phù hợp và kiểm định ý nghĩa của các hệ số hồi quy.
Mơ hình hồi quy tuyến tính bằng phương pháp Enter được thực hiện với một số giả định và mơ hình chỉ thực sự có ý nghĩa khi các giả định này được đảm bảo. Do vậy, để đảm bảo cho độ tin cậy của mơ hình, đề tài cịn phải thực hiện một loạt các dị tìm sự vi phạm các giả định cần thiết trong hồi quy tuyến tính.
Kiểm tra hiên tượng phương sai khơng đổi: Hiện tượng phương sai thay đổi
làm cho các ước lượng của các hệ số hồi quy không hiệu quả, làm cho việc kiểm định các giả thuyết mất hiệu lực, đánh giá nhầm chất lượng của mơ hình hồi quy. Vì thế cần phải kiểm định phương sai của phần dư không đổi.
Theo đồ thị phân tán của phần dư chuẩn hóa ta thấy phần dư tán ngẫu xung quang đường nằm ngang đi qua tung độ 0, do đó phương sai của phần dư khơng đổi.
Kiểm tra các sai lệch ngẫu nhiên có phân phối chuẩn: phần dư có thể khơng tn theo phân phối chuẩn vì những lí do như sử dụng sai mơ hình, phương sai khơng bằng hằng số, số lượng phần dư khơng đủ nhiều để phân tích (Trọng và Ngọc, 2008). Theo biểu đồ tần số của phần dư chuẩn hóa, một đương cong xấp xỉ phân phối đặt chồng lên biểu đồ tần số. Vì vây, giả định phần dư phân phối khơng bị vi phạm.