Biến quan sát Trọng số nhân tố (≥ 0.5)
1 2 3 4 5 6 CO3 .834 CO1 .817 CO4 .813 CO2 .690 TR2 .743 TR1 .727 TR3 .727 TR5 .684 .318 TR4 .310 .660 RE2 .838 RE1 .768 RE4 .741 RE3 .739
Biến quan sát Trọng số nhân tố (≥ 0.5) 1 2 3 4 5 6 EM4 .822 EM2 .799 EM1 .777 EM3 .710 CH4 .841 CH2 .792 CH1 .732 CH3 .382 .596 BO2 .806 BO1 .778 BO3 .706 Eigenvalue 5.049 2.750 2.308 2.008 1.817 1.316 Phương sai trích (%) 21.038 11.458 9.618 8.616 7.569 5.483 Cronbach’s Alpha .838 .778 .804 .802 .774 .725 Tổng phương sai trích: 63.782% Hệ số KMO =0.714 Hệ số Sig = .000
(Nguồn: Xử lý của tác giả từ số liệu điều tra)
Chạy phân tích EFA cho nhóm 6 nhân tố tác động đến lịng trung thành, gồm 24 biến quan sát. Kết quả hệ số KMO = 0.714 và kiểm định Bartlett (Sig.=0.000< 0.05) cho thấy giả thuyết Ho (Ho: giả thuyết ma trận tương quan là ma trận đơn vị) bị bác bỏ, tức là giữa các biến quan sát có tương quan với nhau. Kết quả cho thấy phân tích nhân tố là phù hợp.
Dựa vào điều kiện hệ số eigenvalue > 1 và sử dụng phương pháp rút trích Principal Component Analysis với phép quay vng góc Varimax, cho phép rút trích được 6 nhân tố từ 24 biến quan sát và tổng phương sai trích được 63.184%. Tuy nhiên, biến quan sát CH3 (Cơng ty X có các giải pháp hợp tình, hợp lý) có trọng số nhân tố nằm trên hai nhân tố với khoảng cách nhỏ hơn 0.3 nên bị loại do
không đạt giá trị phân biệt. Khi liên hệ với thực tế thì tác giả cũng thấy điều này phù hợp trong tình hình thực tế. Tác giả tiến hành chạy EFA lần 2 với 23 biến quan sát.
Phân tích EFA lần 2.
Kết quả (phụ lục 6.2) cho thấy phân tích nhân tố là phù hợp với hệ số KMO = 0.693 và kiểm định Bartlett (Sig.=0.000< 0.05) cho thấy giả thuyết Ho (Ho: giả thuyết ma trận tương quan là ma trận đơn vị) bị bác bỏ, tức là giữa các biến quan sát có tương quan với nhau. Dựa vào điều kiện hệ số eigenvalue > 1 và sử dụng phương pháp rút trích Principal Component Analysis với phép quay vng góc Varimax, cho phép rút trích được 6 nhân tố từ 23 biến quan sát và tổng phương sai trích được 64.559%.
4.3.2. Phân tích EFA cho nhân tố lịng trung thành
Bảng 4.4. Kết quả phân tích EFA cho nhân tố lịng trung thành
Biến quan sát Trọng số nhân tố (≥ 0.5)
1 CL1 .844 CL3 .836 CL4 .831 CL 2 .829 Eigenvalue 2.787 Phương sai trích (%) 69.672 Cronbach’s Alpha .868 Hệ số KMO = .820 ; Sig = .000
(Nguồn: Xử lý của tác giả từ số liệu điều tra)
Nhìn vào bảng 4.4, kết quả cho thấy kết quả phân tích nhân tố là phù hợp: hệ số KMO = 0.820 và kiểm định Bartlett (Sig.= 0.000< 0.05) cho thấy giả thuyết Ho bị bác bỏ. Thang đo lịng trung thành rút trích được một nhân tố tại eigenvalue = 2.787 tương ứng với thang đo ban đầu đưa vào phân tích và tổng phương sai trích được là 69.672%.
4.3.3. Tóm tắt kết quả kiểm định thang đo
Kết quả thu được từ đánh giá hệ số tin cậy Cronbach’s Alpha và phân tích nhân tố khám phá EFA của các thang đo đều đạt yêu cầu về độ tin cậy và giá trị (giá trị phân biệt và giá trị hội tụ). Loại 1 biến quan sát CH3 (Công ty X có các giải pháp hợp tình, hợp lý). Khơng phát sinh thêm nhân tố mới so với mơ hình nghiên cứu đã điều chỉnh từ nghiên cứu sơ bộ, nghĩa là chúng phù hợp với dữ liệu thị trường. Vì vậy, các thang đo đều đạt yêu cầu để đưa vào kiểm định mơ hình và giả thuyết nghiên cứu trong phần tiếp theo.
Bảng 4.5. Tóm tắt kết quả kiểm định thang đo
Khái niệm Thành phần Số biến quan sát Độ tin cậy Tổng phương sai trích (%) Đánh giá Nhân tố tác động đến lòng trung thành Niềm tin (TR) 5 .778 64.070 Đạt yêu cầu
Mối ràng buộc (BO) 3 .725
Truyền thông (CO) 4 .838
Sự cảm thông (EM) 4 .802
Sự hỗ trợ lẫn nhau (RE) 4 .774
Quản lý xung đột (CH) 3 .754
Lòng trung thành (CL) 4 .854 69.672
(Nguồn: Xử lý của tác giả từ số liệu điều tra)
4.4. Phân tích hồi quy
Phân tích hồi quy tuyến tính được sử dụng để kiểm định tác động của các biến độc lập đến biến phụ thuộc. Nghiên cứu thực hiện phân tích hồi quy theo phương pháp Enter, tất cả các biến được đưa vào một lần và xem xét các kết quả thống kê liên quan. Tiêu chí đánh giá như sau (theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008):
- Đánh giá độ phù hợp của mơ hình thơng qua hệ số R2 và R2 hiệu chỉnh. - Kiểm định độ phù hợp của mơ hình (Phân tích phương sai).
- Bên cạnh đó, tác giả kiểm tra giả định về tính độc lập của sai số (khơng có tương quan giữa các phần dư) bằng hệ số Durbin- Watson. Nếu các phần dư khơng có tương quan chuỗi bậc nhất với nhau, hệ số Durbin- Watson sẽ gần bằng 2.
- Kiểm tra hiện tượng đa cộng tuyến bằng hệ số phóng đại phương sai VIF (VIF < 2).
- Hệ số Beta chuẩn hóa biến nào càng cao thì mức độ tác động của biến độc lập vào biến phụ thuộc sẽ càng cao.
Sáu nhân tố tác động đến lòng trung thành (CL) được đưa vào phân tích hồi quy bao gồm: niềm tin (TR), mối ràng buộc (BO), truyền thông (CO), sự cảm thông (EM), sự hỗ trợ lẫn nhau (RE) và quản lý xung đột (CH).
4.4.1. Phân tích tương quan
Trước khi thực hiện phân tích hồi quy, tiến hành kiểm tra hệ số tương quan Pearson để lượng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa biến phụ thuộc và từng biến độc lập, cũng như giữa các biến độc lập với nhau. Hệ số Pearson chạy từ - 1 đến +1. Tại giá trị r = 0 chỉ ra rằng các biến khơng có mối liên hệ tuyến tính, giá trị tuyệt đối của r càng tiến gần đến 1 khi hai biến có mối tương quan tuyến tính chặt chẽ. Nếu giữa các biến độc lập có sự tương quan r > 0.3 thì phải lưu ý vấn đề đa cộng tuyến khi phân tích hồi quy (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Kết quả từ bảng hệ số tương quan (tham khảo Bảng 4.6) cho thấy mức ý nghĩa kiểm định mối tương quan của biến phụ thuộc đối với các biến độc lập đều có Sig < 0.05. Do vậy, chúng có ý nghĩa về mặt thống kê, biến phụ thuộc lịng trung thành có mối liên hệ tuyến tính với cả sáu biến độc lập (niềm tin, mối ràng buộc, truyền thông, sự cảm thông, sự hỗ trợ lẫn nhau và quản lý xung đột).
Bảng 4.6. Phân tích hệ số tương quan Pearson TR BO CO EM RE CH CL TR BO CO EM RE CH CL TR CorrelationPearson 1 .332** .265** .147* .148* .101 .450** Sig. (2-tailed) .000 .000 .017 .016 .100 .000 N 265 265 265 265 265 265 BO Pearson Correlation 1 .235** .127* .178** .282** .467** Sig. (2-tailed) .000 .039 .004 .000 .000 N 265 265 265 265 265 CO Pearson Correlation 1 .073 .203** .259** .443** Sig. (2-tailed) .236 .001 .000 .000 N 265 265 265 265 EM Pearson Correlation 1 .258** .104 .347** Sig. (2-tailed) .000 .091 .000 N 265 265 265 RE Pearson Correlation 1 .119 .450** Sig. (2-tailed) .054 .000 N 265 265 CH Pearson Correlation 1 .402** Sig. (2-tailed) .000 N 265 CL Pearson Correlation 1 Sig. (2-tailed) N
(Nguồn: Xử lý của tác giả từ số liệu điều tra)
4.4.2. Đánh giá và kiểm định độ phù hợp của mơ hình
Theo Nguyễn Định Thọ (2011) hệ số xác định R2 phản ánh phần biến thiên của biến phụ thuộc được giải thích bởi biến độc lập, dùng để đánh giá mức độ phù hợp của mơ hình hồi quy với dữ liệu thực tế. Vì có nhiều biến độc lập nên hệ số xác định R2 điều chỉnh thường được dùng thay cho R2 để kiểm tra những mơ hình có nhiều biến độc lập nhưng thực sự trong đó có một số biến khơng giúp bao nhiêu cho việc giải thích biến thiên của biến phụ thuộc.
Bảng 4.7. Đánh giá độ phù hợp của mơ hình
Mơ hình R R2 R2 điều chỉnh Sai số chuẩn Durbin-Watson
Kết quả từ bảng 4.7 cho thấy hệ số xác định R2 điều chỉnh = 0.553 có nghĩa là 6 biến độc lập (niềm tin, mối ràng buộc, truyền thông, sự cảm thông, sự hỗ trợ lẫn nhau, quản lý xung đột) sẽ giải thích 55.3% biến thiên của biến phụ thuộc lịng trung thành. Cịn lại 45.7% được giải thích bằng các yếu tố ngồi mơ hình.
Tiếp theo kiểm định F là phép kiểm định giả thuyết về độ phù hợp của mơ hình hồi quy tuyến tính tổng thể, nó thể hiện các biến độc lập có mối tương quan tuyến tính với biến phụ thuộc hay không.
Giả thuyết H0: β1 = β2 = β3 = β4 = β5 = β6 = 0 (Khơng có quan hệ tuyến tính) Giả thuyết H1: Tối thiểu có βi ≠ 0 (Tối thiểu có một biến độc lập có quan hệ tuyến tính với biến phụ thuộc)
Trong đó, βi: là các hệ số hồi quy
Nếu giả thuyết H0 bị bác bỏ điều này có nghĩa là mơ hình xây dựng phù hợp với tập dữ liệu thực tế ở độ tin cậy 95%.
Bảng 4.8. Kết quả phân tích phương sai mơ hình
Mơ hình Tổng bình phương df Trung bình bình phương F Sig. 1 Hồi quy 82.494 6 13.749 55.477 .000a Phần dư 63.940 258 .248 Tổng 146.434 264
(Nguồn: Xử lý của tác giả từ số liệu điều tra)
Nhìn vào bảng 4.8, ta thấy giá trị Sig < 0.05 nên ta bác bỏ giả thuyết H0 cho rằng tất cả các hệ số hồi quy bằng 0, mơ hình hồi quy tuyến tính bội xây dựng phù hợp với tập dữ liệu thực tế ở độ tin cậy 95%.
4.4.3. Ý nghĩa các hệ số hồi quy
Với giá trị Sig. < 0.05 tương đương với độ tin cậy 95% thì nhân tố đó được chấp nhận, nghĩa là chúng có sự tác động đến lịng trung thành. Kết quả phân tích hồi quy (Bảng 4.9) cho thấy cả sáu nhân tố (niềm tin, mối ràng buộc, truyền thông, sự cảm thông, sự hỗ trợ lẫn nhau, quản lý xung đột) đều thỏa điều kiện tác động đến
lòng trung thành của khách hàng. Các hệ số Beta đều dương nên các nhân tố đều tác động dương đến lòng trung thành.
Bảng 4.9. Kết quả phân tích hồi quy mơ hình
Mơ hình Hệ số chưa chuẩn hóa Hệ số chuẩn hóa T Sig. Thống kê đa cộng tuyến β Sai số chuẩn Beta Dung sai VIF 1 (Hằng số) -1.101 .264 -4.169 .000 TR .257 .048 .240 5.345 .000 .841 1.188 BO .219 .048 .207 4.525 .000 .810 1.235 CO .205 .044 .208 4.660 .000 .848 1.179 EM .163 .039 .179 4.160 .000 .915 1.093 RE .275 .045 .264 6.042 .000 .886 1.128 CH .187 .038 .215 4.891 .000 .875 1.143
(Nguồn: Xử lý của tác giả từ số liệu điều tra)
Nhân tố nào có hệ số Beta chuẩn hóa càng lớn thì mức độ tác động đến lịng trung thành càng lớn. Dựa vào kết quả từ bảng 4.9, mức độ tác động của các thành phần RM tới lòng trung thanh theo thứ tự như sau: sự hỗ trợ lẫn nhau (Beta = 0.264), niềm tin (Beta = 0.240), quản lý xung đột (Beta = 0.215), truyền thông (Beta = 0.208), mối ràng buộc (Beta = 0.207), sự cảm thông (Beta = 0.179).
4.4.4. Kiểm định các giả thuyết nghiên cứu
Kết quả kiểm định các giả thuyết được trình bày ở bảng 4.8 kết quả phân tích hồi quy.Với giá trị Sig. < 0.05 thì giả thuyết đó được chấp nhận.
Giá thuyết H1: Khi niềm tin được khách hàng đánh giá tăng hoặc giảm thì lịng
trung thành của khách hàng sẽ tăng hoặc giảm tương ứng.
Với Sig. = 0.000 và β1 = 0.240. Giả thuyết H1 được chấp nhận.
Giả thuyết H2: Khi mối ràng buộc được khách hàng đánh giá tăng hoặc giảm thì
lịng trung thành của khách hàng sẽ tăng hoặc giảm tương ứng. Với Sig. = 0.000 và β2 = 0.207. Giả thuyết H2 được chấp nhận.
Giả thuyết H3: Khi truyền thông được khách hàng đánh giá tăng hoặc giảm thì lịng
trung thành của khách hàng sẽ tăng hoặc giảm tương ứng.
Với Sig. = 0.000 và β3 = 0.208. Giả thuyết H3 được chấp nhận.
Giả thuyết H4: Khi sự cảm thông được khách hàng đánh giá tăng hoặc giảm thì
lịng trung thành của khách hàng sẽ tăng hoặc giảm tương ứng. Với Sig. = 0.000 và β4 = 0.179. Giả thuyết H4 được chấp nhận
Giả thuyết H5: Khi sự hỗ trợ lẫn nhau được khách hàng đánh giá tăng hoặc giảm
thì lịng trung thành của khách hàng sẽ tăng hoặc giảm tương ứng. Với Sig. = 0.000 và β5 = 0.264. Giả thuyết H5 được chấp nhận.
Giả thuyết H6: Khi quản lý xung đột được khách hàng đánh giá tăng hoặc giảm thì
lịng trung thành của khách hàng sẽ tăng hoặc giảm tương ứng.
Với Sig. = 0.000 và β6 = 0.215. Giả thuyết H6 được chấp nhận.
4.4.5. Kiểm định các giả định của mơ hình hồi quy
Từ các kết quả quan sát được trong mẫu, ta phải suy rộng kết luận cho mối liên hệ giữa các biến trong tổng thể. Sự chấp nhận và diễn dịch kết quả hồi quy không thể tách rời các giả định cần thiết và sự chẩn đoán về sự vi phạm các giả định đó. Nếu các giả định bị vi phạm, thì các kết quả ước lượng được không đáng tin cậy nữa (Hoàng Trọng, Chu Nguyễn Mộng Ngọc, 2008).
Trong phần này, tác giả tiến hành kiểm định các giả định hồi quy của mơ hình hồi quy tuyến tính bao gồm: giả định liên hệ tuyến tính, khơng xảy ra hiện tượng đa cộng tuyến, phương sai của phần dư khơng thay đổi, các phần dư có phân phối chuẩn, khơng có hiện tượng tương quan giữa các phần dư.
4.4.5.1. Kiểm định giả định liên hệ tuyến tính
Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008) 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 và phần dư, chúng sẽ phân tán rất ngẫu nhiên.
Dựa vào biểu đồ 4.1, ta thấy phần dư phân tán ngẫu nhiên trong một vùng xung quanh đường đi qua tung độ 0. Vậy giả định quan hệ giữa biến phụ thuộc và biến độc lập là quan hệ tuyến tính khơng bị vi phạm.
Biểu đồ 4.1. Đồ thị phân tán
4.4.5.2. Kiểm định giả định phương sai của phần dư không đổi
Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008) nếu phương sai khơng đổi thì các phần dư phải phân tán ngẫu nhiên xung quanh trục 0 (tức quanh giá trị trung bình của phần dư) trong một phạm vi không đổi. Dựa vào biểu đồ Scatterplot PV (Biểu đồ 4.1) ta có thể kết luận rằng giả định phương sai của phần dư không đổi không bị vi phạm.
4.4.5.3. Kiểm định giả định về phân phối chuẩn của phần dư
Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008) phần dư có thể khơng tn 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 không đủ nhiều để phân tích. Một cách để kiểm tra phân phối chuẩn của phần dư là vẽ đồ thị Histogram, P-P. Tác giả sử dụng phương pháp trực quan, cụ thể là dùng biểu đồ 4.2 và biểu đồ 4.3 để phân tích.
Biểu đồ 4.2. Biểu đồ tần số của phần dư chuẩn hóa
Dựa vào biểu đồ 4.2 cho thấy một đường cong phân phối chuẩn hình chng được đặt chồng lên biểu đồ tần số, trung bình Mean = 0 và độ lệch chuẩn Std. Dev = 0.989 tức là gần bằng 1. Vậy giả định về phân phối chuẩn của phần dư khơng bị vi phạm. Nhìn vào biểu đồ 4.3 ta thấy các điểm quan sát không phân tán quá xa đường kỳ vọng mà phân tán tập trung dọc theo xung quanh đường kỳ vọng nên có thể chấp nhận giả thuyết rằng phân phối của phần dư là phân phối chuẩn. Từ các kết quả trên có thể luận giả định phân phối chuẩn không bị vi phạm.
4.4.5.4. Kiểm định giả định về tính độc lập của phần dư (khơng có tương quan giữa các phần dư) giữa các phần dư)
Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008) đại lượng thống kê Durbin-Watson có thể dùng để kiểm định tính độc lập của sai số. Theo trị số thống kê Durbin-Watson là 1.1970 (Bảng 4.7) thỏa điều kiện 1<d<3 nên có thể kết luận khơng có tương quan giữa các phần dư.
4.4.5.5. Giả định khơng có mối tương quan giữa các biến độc lập (đo lường đa cộng tuyến) cộng tuyến)
Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008) cộng tuyến là trạng thái trong đó các biến độc lập có tương quan chặt chẽ với nhau. Vấn đề đa 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 quy và làm giảm trị thống kê t của kiểm định trong khi hệ số xác định R2 vẫn khá