Chương 1 : Giới thiệu đề tài nghiên cứu
4.4. Kết quả kiểm định
4.4.5. Phân tích hồi quy
Mơ hình hồi quy đa biến Multiple Linear Regression (MLR) biểu dễn mối quan hệ giữa hai hay nhiều biến độc lập với một biến phụ thuộc. Mục tiêu của việc phân tích hồi quy là xem xét tác động của các biến độc lập có giá trị biết trước để dự báo giá trị của biến phụ thuộc. Trong phân tích hồi quy, sử dụng hệ số xác định R2
hoặc R2 hiệu chỉnh để đánh giá sự phù hợp của mơ hình. R2 hoặc R2 hiệu chỉnh >= 0.5 thì mơ hình là phù hợp. Ngồi ra, để kiểm định sự phù hợp của mơ hình, người ta còn sử dụng kiểm định F. Kiểm định này đưa ra giả thuyết H0: các biến độc lập không ảnh hưởng đến biến phụ thuộc. Nếu giá trị sig là rất nhỏ (< 0.05) thì sẽ an tồn khi ta bác bỏ giả thuyết H0, nghĩa là mơ hình hồi quy tuyến tính bội phù hợp với tập dữ liệu.
Sử dụng 5 biến độc lập vừa trích được từ phân tích nhân tố EFA và biến phụ thuộc là sự hài lòng của khách hàng vào phân tích hồi quy theo phương pháp ENTER, ta có kết quả:
Bảng 4.17: Kết quả phân tích hồi quy sử dụng phương pháp Enter
Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1 .755a .569 .558 .41785
a. Predictors: (Constant), HH, DB, DU, TM, TC
Nguồn: Tác giả - Sử dụng phần mềm SPSS 24
Bảng 4.17 kết quả cho thấy: giá trị R2= 0.569 và R2 hiệu chỉnh = 0.558. Điều này chứng tỏ mơ hình hồi quy là phù hợp. Đồng thời, hệ số R2 hiệu chỉnh < R2
cho thấy dùng R2 hiệu chỉnh để đánh giá mức độ phù hợp của mơ hình sẽ an tồn hơn vì nó khơng thổi phồng mức độ phù hợp của mơ hình.
Bảng 4.18: Kết quả phân tích phương sai ANOVA
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 45.924 5 9.185 52.606 .000b
Residual 34.745 199 .175
Total 80.669 204
a. Dependent Variable: HL
b. Predictors: (Constant), HH, DB, DU, TM, TC
Nguồn: Tác giả - Sử dụng phần mềm SPSS 24
Kết quả từ Bảng 4.18 cho thấy thống kê F = 52.606 có giá trị sig. = 0.000 < 0.05 nên mơ hình hồi quy xây dựng là phù hợp với dữ liệu được thu thập. Các biến độc lập trong mơ hình đều có mối quan hệ với biến phụ thuộc.
Bảng 4.19: Các hệ số hồi quy Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) -.305 .264 -1.157 .249 TC .213 .057 .217 3.741 .000 .641 1.560 DU .196 .054 .206 3.664 .000 .687 1.455 DB .317 .057 .298 5.587 .000 .762 1.312 TM .149 .063 .132 2.375 .019 .701 1.427 HH .213 .063 .190 3.398 .001 .692 1.445 a. Dependent Variable: HL Nguồn: Tác giả - Sử dụng phần mềm SPSS 24
Kết quả Bảng 4.19 cũng cho thấy giá trị sig. của các biến TC, DU, DB, TM, HH đều < 0.05 nên các biến độc lập này đều có tác động đến sự hài lịng của khách hàng. Hằng số (constant) có giá trị sig. = 0.249 > 0.05 nên thực hiện loại hằng số ra khỏi mơ hình nghiên cứu. Hệ số phóng đại phương sai các biến độc lập (VIF) đều nhỏ hơn 10 nên hiện tượng đa cộng tuyến không cần thiết phải xem xét đến.
Từ kết quả trên, hinh thành phương trình hồi quy đa biến có hệ số beta chuẩn hóa như sau:
HL = 0.217 TC + 0.206 DU + 0.298 DB + 0.132 TM + 0.190 HH
Hay có thể viết lại:
Hài lịng của khách hàng = 0.217 (Sự tin cậy) + 0.206 (Sự đáp ứng) + 0.298 (Sự đảm bảo) + 0.132 (Sự thấu cảm) + 0.190 (Phương tiện hữu hình)
Theo phương trình hồi quy trên, thành phần “Sự đảm bảo” tác động nhiều nhất đến sự hài lòng của khách hàng với hệ số beta là 0.298. Tiếp theo là các thành phần “Sự tin cậy”, “Sự đáp ứng”, “Phương tiện hữu hình” và “Sự thấu cảm” có tác động lên sự hài lòng của khách hàng với các hệ số beta lần lượt là 0.217, 0.206, 0.190, 0.132.