CHƢƠNG 4 : KẾT QUẢ NGHIÊN CỨU
4.4 Phân tích hồi quy
Sau khi phân tích nhân tố khám phá, đặt tên nhân tố, giá trị các biến mới đƣợc tính nhƣ sau:
Giá trị tự thể hiện của tính cách thƣơng hiệu (SEV) =(SEV1+SEV2+SEV3 +SEV4+SEV5)/5
Sự khác biệt của tính cách thƣơng hiệu (DBP) = (DBP1+DBP2+DBP3 +DBP4)/4
Sự lơi cuốn của tính cách thƣơng hiệu (ABP) = (ABP1+ABP2+ABP3+ABP4 +ABP5+ABP6)/6
Lòng trung thành thƣơng hiệu (LOY) = (LOY1+LOY2+LOY3+LOY4 +LOY5+LOY6)/6
Hồi quy là một trong những mơ hình thống kê đƣợc sử dụng phổ biến trong kiểm định lý thuyết khoa học. Cụ thể là kiểm định các giả thuyết về mối quan hệ giữa hai hay nhiều biến, trong đó có một biến phụ thuộc và một hay nhiều biến độc lập
Trƣớc khi tiến hành phân tích hồi quy, tác giả tiến hành kiểm tra các giả định: Phần dƣ phân tán ngẫu nhiên quanh trục 0 trong một phạm vi khơng đổi, điều đó có nghĩa là phƣơng sai của phần dƣ khơng đổi, nhƣ hình bên dƣới:
Nhìn vào đồ thị ta thấy phân phối của phần dƣ xấp xỉ chuẩn (giá trị mean gần bằng 0, độ lệch chuẩn gần bằng 1), nhƣ vậy phần dƣ của biến lịng trung thành có phân phối chuẩn
Tác giả cũng sử dụng hệ số tƣơng quan Pearson để lƣợng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa các biến định lƣợng. Trong phân tích tƣơng quan Pearson, khơng có sự phân biệt gữa biến độc lập và biến phụ thuộc mà tất cả các biến đều đƣợc xem xét nhƣ nhau. Tuy nhiên, nếu các biến độc lập có tƣơng quan chặt thì phải lƣu ý đến vấn đề đa cộng tuyến trong phân tích hồi quy.
Bảng 4.3: Kết quả phân tích tƣơng quan Pearson Correlations Correlations
LOY ABP SEV DBP
LOY Pearson Correlation 1 ,722** ,550** ,558** Sig. (2-tailed) ,000 .000 ,000 N 250 250 250 250 ABP Pearson Correlation ,722** 1 ,520** ,560** Sig. (2-tailed) ,000 ,000 ,000 N 250 250 250 250 SEV Pearson Correlation ,550** ,520** 1 ,365** Sig. (2-tailed) ,000 ,000 ,000 N 250 250 250 250 DBP Pearson Correlation ,558** ,560** ,365** 1 Sig. (2-tailed) ,000 ,000 ,000 N 250 250 250 250
Hệ số tƣơng quan Peason giữa lòng trung thành, sự lôi cuốn, giá trị tự thể hiện với hả năng tự phân biệt lần lƣợt là 0,772; 0,55; 0,558 và giá trị Sig. đều bằng 0,000 (< 0,05) nên có sự tồn tại mối tƣơng quan giữa bốn biến trên.
Tiếp tục, tác giả tiến hành kiểm định hiện tƣợng đa cộng tuyến. Theo kết quả ta thấy Các biến độc lập có hệ số phóng đại phƣơng sai (VIF) đều < 10 và độ chấp nhận của biến đều > 0,5 nên khơng có hiện tƣợng đa cộng tuyến.
Bảng 4.4: Kết quả kiểm định hiện tƣợng đa cộng tuyến Model Unstandardized Model Unstandardized Coefficients Standardiz ed Coefficien ts t Sig. Collinearity Statistics B Std. Error Beta Toleran ce VIF 1 (Constant) ,112 ,260 ,430 ,667 ABP ,539 ,059 ,496 9,192 ,000 ,571 1,750 SEV ,196 ,043 ,218 4,536 ,000 ,721 1,387 DBP ,226 ,056 ,201 4,060 ,000 ,679 1,473
a. Dependent Variable: LOY
Từ đó tác giả tiến hành phân tích hồi quy.
Theo mơ hình đề xuất, ta có hai mơ hình hồi qui thành phần nhƣ sau: (1) Kiểm định giả thuyêt H3: từ đó đề xuất phƣơng trình hồi quy tổng qt LOY= β1.ABP
(2) Kiểm định giả thuyêt H1, H2 : từ đó đề xuất phƣơng trình hồi quy tổng qt ABP= β2.SEV + β3.DBP
Mơ hình hồi quy tuyến tính bội đƣợc dùng để kiểm định và giải thích lý thuyết. Nếu nhƣ R2 chƣa đƣợc hiệu chỉnh đƣợc dùng để đánh giá mức độ phù hợp của mô hình hồi quy tuyến tính đơn thì trong mơ hình hồi quy tuyến tính bội R2 hiệu chỉnh dùng để đánh giá mức độ phù hợp của mơ hình, làm cho việc đánh giá an tồn hơn vì R2 hiệu chỉnh không thổi phồng mức độ phù hợp của mơ hình. Hệ số này càng gần 1 thì mơ hình xây dựng càng thích hợp, ngƣợc lại càng gần 0 thi mơ hình xây dựng kém phù hợp với tập dữ liệu mẫu ( Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Bên cạnh đó, để đánh giá mức độ phù hợp của mơ hình nghiên cứu mà tác giả đề 2
(Generalized squared multiple correlation, Pedhazur 1982). Công thức tính hệ số R2M trong nghiên cứu này nhƣ sau:
R2M = 1 – (1 – R12)*(1 – R22)
Trong đó R2 là hệ số xác định của từng mơ hình hồi quy thành phần. (Theo Nguyễn Đình Thọ, 2013)
(1) Tác giả phân tích hồi quy về sự ảnh hƣởng của sự lôi cuốn của tính cách thƣơng hiệu đến lịng trung thành thƣơng hiệu bằng SPSS với phƣơng pháp ENTER (đồng thời). Giá trị của các nhân tố đƣợc dùng để chạy hồi quy là giá trị trung bình của các biến đo lƣờng đã đƣợc kiểm định Cronbach alpha và EFA. Kết quả hồi quy đƣợc trình bày chi tiết trong Phụ lục 9.
Bảng 4.5: Bảng trọng số hồi quy về sự lơi cuốn của tính cách thƣơng hiệu
Hệ số hồi quy chƣa chuẩn hóa
Hệ số hồi quy chuẩn hóa
T Sig.
Beta Độ lệch chuẩn Beta
ABP 0,784 0,048 0,722 16,442 0,000
Nguồn: Phụ lục 9
Dựa vào bảng số liệu cho thấy, sự lơi cuốn của tính cách thƣơng hiệu có quan hệ cùng chiều với lịng trung thành của khách hàng, với hệ số β= 0,722
Vậy ta có đƣợc kết quả của (1):
LOY= 0.722 *ABP (*)
Với ABP là sự lơi cuốn của tính cách thƣơng hiệu.
Từ kết quả cho thấy, hệ số xác định R2 = 0,522 (≠ 0) và R2đã hiệu chỉnh bằng 0,52 (R2M), kiểm định F trong ANOVA cho thấy mức ý nghĩa p (trong SPSS ký hiệu là sig.) = 0,000. Nhƣ vậy, mơ hình hồi quy phù hợp. Hay nói cách khác, 52,2% thay đổi trong lòng trung thành của khách hàng đƣợc giải thích bởi sự lơi cuốn của tính cách thƣơng hiệu.
Với sig. là 0,000 < 0,001, do đó hai biến này tƣơng quan có độ tin cậy đến 99% (2) Tác giả phân tích hồi quy về sự tác động của giá trị tự thể hiện của tính cách thƣơng hiệu và sự khác biệt thƣơng hiệu đến sự lơi cuốn của tính cách thƣơng hiệu bằng SPSS với phƣơng pháp ENTER (đồng thời). Giá trị của các nhân tố đƣợc dùng để chạy hồi quy là giá trị trung bình của các biến đo lƣờng đã đƣợc kiểm định Cronbach's alpha và EFA. Kết quả hồi quy đƣợc trình bày chi tiết trong Phụ lục 7.
Từ kết quả cho thấy, hệ số xác định R2 = 0,429 (≠ 0) và R2 đã hiệu chỉnh bằng 0,424 (R2M), kiểm định F trong ANOVA cho thấy mức ý nghĩa p (trong SPSS ký
thay đổi sự lơi cuốn của thƣơng hiệu đƣợc giải thích bởi 2 biến là giá trị tự thể hiện và sự khách biệt của tính cách thƣơng hiệu.
Với sig. là 0,000 < 0,001, do đó hai biến này tƣơng quan có độ tin cậy đến 99%.
Bảng 4.6: Bảng trọng số hồi quy về giá trị tự thể hiện và sự khác biệt tác động đến sự lơi cuốn của tính cách thƣơng hiệu lịng trung thành thƣơng hiệu.
Hệ số hồi quy chƣa chuẩn hóa
Hệ số hồi quy chuẩn hóa
T Sig.
Beta Độ lệch chuẩn Beta
1 SEV 0,302 0,043 0,365 7,055 0,000
DBP 0,441 0,053 0,427 8,259 0,000
Nguồn: Phụ lục 9
Dựa vào bảng số liệu trên, cả giá trị tự thể hiện và sự khác biệt của tính cách thƣơng hiệu đều có mối quan hệ cùng chiều với sự lơi cuốn của tính cách thƣơng hiệu.
Với hệ số β= 0,365 của biến giá trị tự thể hiện tính cách thƣơng hiệu (SEV) và 0,427 của sự khác biệt của tính cách thƣơng hiệu, ta có phƣơng trình hồi qui nhƣ sau:
ABP = 0,365*SEV + 0,427*DBP (**)
Độ phóng đại phƣơng sai VIF = 1 < 10, nhƣ vậy khơng có hiện tƣợng đa cộng tuyến xảy ra.Vì vậy, mơ hình này là phù hợp.
Từ phân tích (*) và (**)
LOY= 0.722 *ABP (*)
ABP = 0,365*SEV + 0,427*DBP (**)
Ta có phƣơng trình tổng quát nhƣ sau:
= 0,26 * SEV + 0,31* DBP
Tác giả dùng hệ số phù hợp tổng hợp R2M (Generalized squared multiple correlation) để kiểm định lại mơ hình nghiên cứu mà tác giả đề xuất ở chƣơng 2.
Cơng thức tính hệ số R2M trong nghiên cứu này nhƣ sau: R2M = 1 – (1 – R12)*(1 – R22)
R2M = 1 – (1 – 0,52)*(1 – 0,42)= 0,7216