Nhân tố Tên Diễn giải
1 Uytin Uy tín của Cơng ty
2 CSUD Chính sách ưu đãi
3 ML_CSVC Mạng lưới phân bổ và cơ sở vật chất
4 NV Nhân viên
5 HL Sự hài lòng
6 TT Lòng trung thành
Các giả thuyết mới như sau:
H1: sự hài lịng về chính sách ưu đãi khách hàng của cơng ty có tác động tích cực đến sự hài lòng chung của khách hàng
H2: sự hài lòng về mạng lưới và cơ sở vất chất của cơng ty có tác động tích cực đến sự hài lịng chung của khách hàng
H3: sự hài lòng về uy tín cơng ty có tác động tích cực đến sự hài lòng chung của khách hàng
H4: sự hài lịng về nhân viên của cơng ty có tác động tích cực đến sự hài lịng chung của khách hàng
H5: có mối quan hệ cùng chiều giữa sự hài lòng chung của khách hàng và lòng trung thành của họ
Sau khi điều chỉnh, tác giả đưa ra mơ hình nghiên cứu đã điều chỉnh của đề tài (Hình 4.1 ). (+) H3 (+) H1 (+) H5 (+) H2 (+) H4
Hình 4.1: Mơ hình nghiên cứu chính thức sau khi điều chỉnh
( Nguồn: Tác giả nghiên cứu và đề xuất )
Uy tín Chính sách ưu đãi Mạng lưới, cơ sở vật chất Nhân viên Sự hài lòng Lòng trung thành
4.4. Phân tích hồi quy
Sau khi tiến hành phân tích độ tin cậy của các thang đo thông qua hệ số Cronbach’s Alpha và phân tích nhân tố để xác định các nhân tố thu được từ các biến quan sát, có 6 nhân tố được đưa vào để kiểm định mơ hình. Phân tích tương quan Pearson được sử dụng để xem xét sự phù hợp khi đưa các thành phần vào phân tích hồi quy. Kết quả phân tích hồi quy đa biến sẽ được sử dụng để kiểm định các giả thuyết mơ hình.
4.4.1. Phân tích tương quan
Kiểm định hệ số tương quan Pearson dùng để kiểm tra mối liên hệ tuyến tính giữa các biến độc lập và biến phụ thuộc. Đặc biệt chú ý, đến bất kỳ mối tương quan chặt chẽ nào giữa các biến độc lập vì nó có thể gây ra hiện tượng đa cộng tuyến sẽ ảnh hưởng đến kết quả phân tích hồi quy bội.
Hệ số tương quan giữa biến phụ thuộc “HL” và các biến độc lập Bảng 4.22: Ma trận các hệ số tương quan
Biến HL CSUD ML_CSVC UYTIN NV
HL Hệ số tương quan Pearson 1 .545 ** .480** .699** .450** Sig. 0 0 0 0 N (số mẫu ) 150 150 150 150 150 CSUD Hệ số tương quan Pearson .545 ** 1 .461** .546** .318** Sig. 0 0 0 0 N (số mẫu ) 150 150 150 150 150 ML_CSVC Hệ số tương quan Pearson .480 ** .461** 1 .489** .214** Sig. 0 0 0 0.009 N (số mẫu ) 150 150 150 150 150 UYTIN Hệ số tương quan Pearson .699 ** .546** .489** 1 .448** Sig. 0 0 0 0 N 150 150 150 150 150 NV Hệ số tương quan Pearson .450 ** .318** .214** .448** 1 Sig. 0 0 0.009 0 N (số mẫu ) 150 150 150 150 150 ( Nguồn: Tác giả tổng hợp )
Theo ma trận tương quan ( Bảng 4.24 ), biến phụ thuộc HL có mối tương quan tuyến tính với cả 4 biến độc lập: CSUD, ML_CSVC, UYTIN, NV . Trong đó hệ số tương quan của thành phần “uy tín” (UYTIN) đối với biến phụ thuộc “sự hài lòng” là cao nhất ( 0.699) trong ba biến và “chính sách ưu đãi” (CSUD) thì cao hơn (0.545) so với hai biến “mạng lưới, cơ sở vật chất” và “nhân viên” (tương ứng với 0.480 và 0.450).
Kết quả phân tích cũng cho thấy một số biến độc lập có sự tương quan với nhau, do đó khi phân tích hồi quy cần chú ý đến vấn đề đa cộng tuyến.
Hệ số tương quan giữa biến phụ thuộc “TT”và biến “HL” Bảng 4.23: Kết quả phân tích tương quan
( Nguồn: Tác giả tổng hợp )
Kết quả phân tích tương quan cho thấy có sự tương quan giữa biến phụ thuộc “lòng trung thành” (TT) và biến phụ thuộc “sự hài lòng” (HL) với hệ số tương quan
0.486 . Mối tương quan này có ý nghĩa ở mức 0.01. Như vậy sự tồn tại của hai biến
này trong mơ hình là hồn tồn phù hợp. Tiến hành hồi quy đơn tuyến tính hai biến này với nhau để xác định mối quan hệ tuyến tính của chúng.
4.4.2. Phân tích hồi quy tuyến tính
Phân tích hồi quy bội
Phân tích hồi quy bội được thực hiện để xác định cụ thể trọng số của từng thành phần bao gồm: uy tín của cơng ty, chính sách ưu đãi , mạng lưới phân bố và cơ sở vật chất, nhân viên của cơng ty có tác động đến sự hài lịng của khách hàng cơng ty G.Richter. Phân tích hồi quy bội được thực hiện với 4 biến độc lập (UYTIN, CSUD,
TT HL Pearson Correlation 1 .486** Sig. (2-tailed) .000 N 150 150 Pearson Correlation .486** 1 Sig. (2-tailed) .000 N 150 150
ML_CSCV, NV) và 01 biến phụ thuộc (HL) dùng phương pháp hồi quy tổng thể của các biến (Enter) với phần mềm SPSS 16.0. Kết quả được trình bày như bên dưới (Bảng 4.24).
Phân tích cho thấy có 4 thành phần có ý nghĩa về mặt thống kê. Đó là các thành phần: “Chính sách ưu đãi” (CSUD, p_value=0.01%); “Mạng lưới phân bổ, cơ sở vật chất” (ML_CSVC, p_value=0.039%), “Uy tín” (UYTIN, p_value=0%), “nhân viên” (NV, p_value=0.013%).
Bảng 4.24: Bảng tóm tắt các hệ số hồi quy bội
Hệ số chưa chuẩn hóa Hệ số đã chuẩn hóa t Sig. (p_value) VIF B Độ lệch chuẩn Beta Hằng số .228 .256 .891 .375 CSUD .153 .059 .179 2.604 .010 1.549 ML_CSVC .120 .058 .137 2.087 .039 1.416 UYTIN .379 .060 .465 6.288 .000 1.791 NV .135 .054 .156 2.508 .013 1.264 ( Nguồn: Tác giả tổng hợp )
Bảng 4.25: Bảng đánh giá độ phù hợp của mơ hình (1)
Mơ hình R R2 R2 hiệu chỉnh Độ lệch chuẩn của ước lượng
1 .747a 0.558 0.546 0.52848
( Nguồn: Tác giả tổng hợp )
Tiến hành hồi quy đã giúp nghiên cứu về mối quan hệ tuyến tính giữa biến phụ thuộc “ Sự hài lòng” của khách hàng và các biến độc lập: Chính sách ưu đãi, Mạng lưới phân bố - cơ cở vật chất, Uy tín và Nhân viên nhằm xem xét biến “Sự hài lịng” của khách hàng có liên hệ tuyến tính với tập hợp các biến độc lập ( Chính sách ưu đãi, Mạng lưới phân bố - cơ cở vật chất, Uy tín, Nhân viên ) hay khơng.
Kết quả phân tích hồi quy cho thấy các biến trong thang đo sự hài lịng chung của khách hàng có các hệ số β đều dương nên tất cả các yếu tố trong mơ hình hồi quy ảnh hưởng tỷ lệ thuận đến sự hài lòng của khách hàng. Cả 04 thành phần ( Chính sách ưu đãi, Mạng lưới phân bố - cơ cở vật chất, Uy tín, Nhân viên ) với mức ý nghĩa quan sát Sig. = 0.000 < 0.05 là có ý nghĩa thống kê.
Cụ thể như sau:
Trong điều kiện các yếu tố khác khơng đổi, thì khi sự hài lịng của khách hàng về chính sách ưu đãi khách hàng tăng lên 1 điểm thì sự hài lịng chung về công ty tăng 0.153 điểm.
Trong điều kiện các yếu tố khác khơng đổi, thì khi sự hài lòng của khách hàng về mạng lưới phân bố và cơ sở vật chất tăng lên 1 điểm thì sự hài lịng chung về công ty tăng 0.120 điểm.
Trong điều kiện các yếu tố khác khơng đổi, thì khi sự hài lòng của khách hàng về uy tín tăng lên 1 điểm thì sự hài lịng chung về cơng ty tăng 0.379 điểm.
Trong điều kiện các yếu tố khác khơng đổi, thì khi sự hài lòng của khách hàng về nhân viên tăng lên 1 điểm thì sự hài lịng chung về công ty tăng 0.135
Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc, (2008), hệ số xác định R2
được chứng minh là hàm không giảm theo biến số độc lập được đưa vào mơ hình.
Với kết quả R2 mẫu hiệu chỉnh = 54.6% ( Bảng 4.25 ), điều này chứng minh 04 yếu
tố: chính sách ưu đãi khách hàng, mạng lưới và cơ sở vật chất, uy tín và nhân viên giải thích được 54.6% sự hài lịng của khách hàng cơng ty Gedeon Richter. Cịn lại 45.4% được đo bởi các biến khác khơng có trong mơ hình này.
Ngoài ra kết quả kiểm định trị thống kê F = 45.786 ( Bảng 4.26 ) cho thấy mơ hình tuyến tính bội đã xây dựng phù hợp với tập dữ liệu và có thể sử dụng được.
Kết quả cũng cho thấy tất cả hệ số phóng đại phương sai ( VIF) đều có giá trị nhỏ hơn 2 ( Xem Bảng 4.24 ). Vậy mơ hình hồi quy tuyến tính bội khơng có hiện tượng đa cơng tuyến, mối quan hệ giữa các biến độc lập không ảnh hưởng đến kết quả giải thích của mơ hình.
Bảng 4.26: Bảng phân tích ANOVA Mơ hình Mơ hình Tổng độ lệch bình phương Bậc tự do df Độ lệch bình phương trung bình F Sig. 1 Hồi quy 51.151 4 12.788 45.786 .000a Phần dư 40.497 145 0.279 Tổng 91.648 149
a. Biến dự đoán: Hằng số, NV, ML_CSVC, CSUD, UYTIN b. Biến phụ thuộc: HL
( Nguồn: Tác giả tổng hợp )
Hồi quy đơn tuyến tính
Tương tự phân tích hồi quy đơn tuyến tính bằng phương pháp Enter với thành phần “ hài lòng” (HL) được xem là biến “độc lập” và thành phần “ trung thành” là biến phụ thuộc . Kết quả hồi quy như (Bảng 4.27).
Bảng 4.27: Bảng tóm tắt các hệ số hồi quy đơn tuyến tính
Hệ số chưa chuẩn hóa chuẩn hóa Hệ số đã
t Sig. (P_value) VIF B Độ lệch chuẩn Beta (Hằng số) 1.48 0.274 5.407 .000 HL 0.549 0.081 0.486 6.762 .000 1 ( Nguồn: Tác giả tổng hợp )
Bảng 4.28: Bảng đánh giá độ phù hợp của mơ hình 2
Mơ hình R R 2 R2 hiệu chỉnh Độ lệch chuẩn của ước lượng 1 .486a 0.236 0.231 0.77758
a. Biến dự đoán: (Hằng số), HL ( Nguồn: Tác giả tổng hợp ) Bảng 4.29: Bảng phân tích ANOVAb Mơ hình Tổng độ lệch bình phương Bậc tự do df Độ lệch bình phương trung bình F Sig. Hồi quy 27.643 1 27.643 45.719 .000a Phần dư 89.486 148 0.605 Tổng 117.13 149 ( Nguồn: Tác giả tổng hợp )
Phân tích cho thấy biến “hài lịng”(HL) có hệ số Beta khá cao ( 0.486 ) và có ý nghĩa về mặt thống kê với sig. ( p_value =0%) nên mơ hình hồi quy chấp nhận được. Hệ số Beta giúp giải thích mức độ quan trọng của “sự hài lòng” ảnh hưởng đến “lịng trung thành” của khách hàng cơng ty Gedeon Richter. Trong điều kiện các yếu tố khác khơng đổi thì “sự hài lịng” chung của khách hàng làm ảnh hưởng đến lòng trung thành của họ đối với cơng ty tăng lên 1 điểm thì “lịng trung thành” của khách hàng đối với công ty tăng lên 0.549 điểm ( Bảng 4.27 ).
Kết quả kiểm định trị thống kê F = 45.719 ( Bảng 4.29 ) cho thấy mơ hình tuyến tính bội đã xây dựng phù hợp với tập dữ liệu và có thể sử dụng được. Hệ số phóng đại phương sai VIF=1 < 2 chứng tỏ khơng có đa cộng tuyến, hay mối quan hệ giữa biến “sự hài lòng” và “lịng trung thành” khơng ảnh hưởng đến kết quả giải thích của mơ hình.
Như vậy: Qua kết quả phân tích hồi quy bội và hồi quy đơn cho thấy tất cả các thành phần biến được đưa vào mơ hình giải thích khá tốt các ý nghĩa và mối liên hệ giữa các thành phần với nhau. Từ kết quả này tác giả sẽ tiếp tục đánh giá và kiểm định lại các giả thuyết về sự phù hợp của mơ hình nghiên cứu mà tác giả đã đề nghị.
4.5. Đánh giá sự phù hợp của mơ hình
Sau khi dùng phương pháp hồi quy bội để nhân ra các biến độc lập có khả
năng dự đoán tốt cho biến phụ thuộc (HL) trong bộ dữ liệu mẫu thì có biến độc lập có khả năng dự đốn tốt cho biến phụ thuộc đó là biến CSUD (Chính sách
ưu đãi), biến ML_CSVC ( Mạng lưới phân bố và cơ sở vật chất ), biến UYTIN (Uy Tín) và biến NV (Nhân viên).
Từ kết quả hồi quy ( Bảng 4.27 ) ta cũng thấy rằng R2mẫu hiệu chỉnh là
0.546, một con số tương đối có ý nghĩa. Điều này cho thấy mơ hình hồi quy
tuyến tính này phù hợp với tập dữ liệu của mẫu ở mức 54.6 %, tức là các biến độc lập giải thích được 54.6% biến thiên của biến phụ thuộc. Hay “sự hài lòng” được đo 54.6% bởi bốn yếu tố trên và còn lại 45.4% được đo bởi các biến khơng có trong mơ hình này.
Tương tự với kết quả hồi quy giữa biến độc lập “hài lòng” (HL) và biến phụ
thuộc “trung thành” (TT) cũng xác định được mơ hình hồi quy tuyến tính xây dựng được là phù hợp với tổng thể. Với R2mẫu đúng bằng bình phương của hệ số tương quan giữa biến “hài lòng” (HL) = 0.486 và biến “trung thành” (TT) = 0.486 ( Bảng 4.27 & 4.28 ). Nếu khơng có tuyến tính giữa hai biến này thì R2
bằng 0. Kết luận mơ hình tuyến tính xây dựng được là phù hợp với tổng thể và mục đích của nghiên cứu.
4.6. Kiểm định độ phù hợp của mơ hình nghiên cứu
Với giả thuyết H0: R2tổng thể = 0, kết quả phân tích hồi quy bội cho giá trị F=
45.786 ( Bảng 4.26 ) với Sig. (p_value) = .000, do đó ta hồn tồn có thể bác bỏ
giả thuyết H0 (có nghĩa là có ít nhất một biến độc lập ảnh hưởng đến biến phụ thuộc) và kết luận mơ hình hồi quy tuyến tính xây dựng được là phù hợp với tổng thể.
Tương tự kết quả hồi quy giữa biến “Hài lòng” ( HL) và biến “ Trung thành” (TT) cho giá trị F = 45.719 ( Bảng 4.29 ) với Sig. (P_value) = .000, do đó giả thuyết hai biến khơng có ảnh hưởng bị bác bỏ. Hay mơ hình này là phù phù hợp trong nghiên cứu này.
Thơng qua phân tích hồi quy, ta có thể đi đến việc bác bỏ hoặc chấp nhận các giả thuyết thống kê với mức ý nghĩa 5%. Sau đây là bảng tổng hợp việc kiểm định các giả thuyết của mơ hình.
Bảng 4.30: Bảng kết quả kiểm định các giả thuyết mơ hình
STT Giả thuyết beta p_value
Kết luận (tại
mức ý nghĩa 5%)
1 H1: “Chính sách ưu đãi” của G.Richter có quan
hệ dương (+) với “Sự hài lòng" của khách hàng .179 .010 Chấp nhận
2
H2: “Mạng lưới phân bổ, cơ sở vật chất” của
G.Richter có quan hệ dương (+) với “Sự hài lòng" của khách hàng
.137 .039 Chấp
nhận 3 H3: “Uy tín “ của G.Richter có quan hệ dương
(+) với “Sự hài lịng" của khách hàng .465 .000
Chấp nhận 4 H4: “Nhân viên” của G.Richter có quan hệ
dương (+) với“Sự hài lòng" của khách hàng .156 .013
Chấp nhận 5 H5: “ Sự hài lịng” của khách hàng có quan hệ
dương (+) với “Lòng trung thành" .486 .000 Chấp nhận
( Nguồn: Tác giả tổng hợp )
4.7. Kiểm tra sự vi phạm trong hồi quy tuyến tính
Mơ hình hồi quy tuyến tính bằng phương pháp OSL 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, việc dị tìm sự vi phạm các giả định là cần thiết.
Về giả định liên hệ tuyến tính
Hình 4.2: Biểu đồ phân tán Scatterplot kiểm tra liên hệ về tuyến tính
Phương pháp được sử dụng là biểu đồ phân tán Scatterplot (Phụ lục 4.8.2 –
Kiểm tra các vi phạm giả thiết hồi quy).
Nhìn vào biểu đồ ta thấy phần dư không thay đổi theo một trật tự nào đối với giá trị dự đốn. Do đó giả thiết về liên hệ tuyến tính khơng bị vi phạm.
Giả định phân phối chuẩn của phần dư: được kiểm tra qua biểu đồ
Histogram và đồ thị Q-Q plot (Phụ lục 4.8.1 – Kiểm tra các vi phạm giả định
phân phối chuẩn của phần dư ). Nhìn vào biểu đồ Histogram ta thấy phần dư có
dạng gần với phân phối chuẩn, giá trị trung bình gần bằng 0 và độ lệch chuẩn gần bằng 1 (cụ thể là 0.986). Đồ thị Q-Q plot biểu diễn các điểm quan sát thực tế tập trung khá sát đường chéo những giá trị kỳ vọng, có nghĩa là phần dư có phân phối chuẩn.
Hình 4.3: Biểu đồ kiểm tra phân phối chuẩn của phần dư
Kiểm tra vấn đề đa cộng tuyến
Như đã đề cập ở phần phân tích tương quan, giữa các biến độc lập có tương quan với nhau, điều này sẽ tạo ra khả năng đa cộng tuyến của mơ hình. Vì vậy ta sẽ kiểm tra thêm hệ số phóng đại phương sai (Variance inflation factor – VIF). Kết quả phân tích cũng cho thấy hệ số phóng đại phương sai VIF của các biến là tương đối nhỏ, tất cả đều nhỏ hơn 2 (xem bảng 4.24). Do đó hiện tượng đa cộng tuyến giữa các biến độc lập trong mơ hình này là nhỏ, khơng ảnh hưởng đáng kể đến kết quả hồi quy.
4.8. Kiểm định sự khác biệt ( Kiểm định Anova)
Phân tích sự khác biệt giữa các thuộc tính của đối tượng nghiên cứu với biến phụ thuộc (sự hài lịng) trong mơ hình nghiên cứu. Bảng phân tích tóm tắt được trình bày bên dưới (Xem chi tiết: Phụ lục 4.7-Phân tích sự khác biệt)
Bảng 4.31: Phân tích sự khác biệt theo các thuộc tính của đối tượng nghiên cứu
Thuộc tính Thống kê Levene (sig.) Phân tích Anova (sig.) Giới tính .881 .274 Độ tuổi .443 .092 Nhóm khách hàng .662 .196 ( Nguồn: Tác giả tổng hợp)
4.8.1.Phân tích sự khác biệt theo giới tính
Đặt giả thuyết:
0
H : khơng có sự khác biệt giữa sự hài lịng khách hàng theo giới tính.