Bước đầu tiên khi tiến hành phân tích hồi quy bội là xem xét các mối tương quan tuyến tính giữa tất cả các biến bằng cách xây dựng ma trận tương quan giữa các biến. Sau đó đánh giá sự phù hợp của mơ hình và tiến hành phân tích hồi quy bội.
4.5.1. Ma trận tương quan giữa các biến H1’ (+) H2’ (+) H3’ (+) Sự đồng cảm (EMP) Sự hài lòng của khách hàng (S) Thành phần thuận
tiện & nhanh chóng (TAN. REL)
Năng lực phục vụ của nhân viên (RES. ASS)
Tiến hành xem xét ma trận tương quan giữa các biến : giữa biến phụ thuộc với từng biến độc lập và giữa các biến độc lập với nhau, được trình bày trong bảng 4.13
Bảng 4.13: Ma trận tương quan giữa các biến
TAN.REL RES.ASS EMP S
Tương quan Pearson TAN.REL 1 RES.ASS .651(**) 1 EMP .081 .317(**) 1 S .658(**) .801(**) .489(**) 1 Mức ý nghĩa (2-tailed) TAN.REL .000 .344 .000 RES.ASS .000 .000 .000 EMP .344 .000 .000 S .000 .000 .000
** Tương quan có ý nghĩa ở mức 0.01 (2-tailed).
Nguồn: Kết quả điều tra của tác giả, tháng 5/2013
Hệ số tương quan giữa biến phụ thuộc S và các biến độc lập TAN.REL,
RES.ASS, EMP đều tương đối cao (thấp nhất là 0.489) nên sơ bộ có thể kết luận
các biến độc lập này có thể đưa vào mơ hình để giải thích cho sự hài lòng. Tuy
nhiên hệ số tương quan giữa 2 biến TAN.REL và RES.ASS cũng cao (0.651) nên cũng cần lưu ý vấn đề đa cộng tuyến khi phân tích hồi quy bội để xem xét vai trò
thực sự của các biến độc lập.
4.5.2. Đánh giá sự phù hợp của mơ hình và phân tích hồi quy
Đánh giá sự phù hợp bằng hệ số R2 hiệu chỉnh: Kết quả kiểm định được
trình bày trong bảng 4.14.
Bảng 4.14: Tổng hợp mơ hình
Mơ hình R R2 R2 hiệu
chỉnh
Sai số chuẩn của
ước lượng
Durbin-Watson
1 0.869a 0.755 0.749 0.52055 2.247
Predictors: (Constant), EMP, TAN.REL, RES.ASS a.
Hệ số R2 hiệu chỉnh = 0.749 cho thấy mơ hình đã xây dựng giải thích được
74.9% sự thay đổi của biến sự hài lòng. Nghĩa là 74.9% khác biệt của mức độ hài
lịng có thể được giải thích bởi sự khác biệt của 3 thành phần (bao gồm thành phần thuận tiện & nhanh chóng, năng lực phục vụ của nhân viên, sự đồng cảm). Còn lại là do sự tác động của các yếu tố khác nằm ngồi mơ hình như giá cả, chất lượng và sự đa dạng của món ăn,…
Kiểm định độ phù hợp của mơ hình với giả thuyết Ho: khơng có sự liên hệ giữa biến phụ thuộc với các biến độc lập. Trong bảng 4.15- Phân tích phương sai Anova, trị số thống kê F được tính từ giá trị R2 có giá trị Sig. rất nhỏ cho thấy có thể bác bỏ giả thuyết này, nghĩa là mơ hình xây dựng được là phù hợp.
Bảng 4.15: Phân tích phương sai Anova
Nguồn: Kết quả điều tra của tác giả, tháng 5/2013
Kiểm tra tính BLUE (ước lượng khơng thiên lệch tuyến tính tốt nhất) của mơ hình bằng cách xem xét hiện tượng đa cộng tuyến, xem phần dư có phân phối
chuẩn hay khơng và sự tương quan giữa các phần dư:
Xem xét hiện tượng đa cộng tuyến (là trạng thái trong đó các biến
độc lập có tương quan chặt chẽ với nhau) : Hệ số phóng đại phương sai
VIF (bảng 4.16) < 10 cho thấy các biến trong mơ hình khơng gây ra hiện tượng đa cộng tuyến. Nghĩa là mối quan hệ giữa các biến không ảnh
hưởng đáng kể đến kết quả của mơ hình hồi quy.
Mơ hình Tổng các độ lệch bình phương df Trung bình bình phương F Mức ý nghĩa Hồi quy (Regression)
Phần dư (Residual) Tổng 110.961 36.040 147.001 3 133 136 36.987 0.271 136.496 0.000a
Bảng 4.16: Các thông số thống kê của từng biến trong phương trình
Mơ hình Hệ số
chưa chuẩn hóa
Hệ số
chuẩn hóa t
Mức ý
nghĩa Thống kê cộng tuyến
B Sai số tiêu chuẩn Beta Độ chấp nhận của biến (Tolerance) Hệ số phóng đại phương sai (VIF) Hằng số -.711 .233 -3.051 .003 TAN.REL .307 .058 .302 5.268 .000 .559 1.788 RES.ASS .530 .063 .508 8.425 .000 .507 1.974 EMP .415 .063 .304 6.609 .000 .873 1.146
Nguồn: Kết quả điều tra của tác giả, tháng 5/2013
Xem xét phần dư có phân phối chuẩn hay không bằng biểu đồ
tần số Histogram của phần dư chuẩn hóa và bản đồ Q-Q plot.
Theo biểu đồ tần số Histogram- hình 4.2, có thể nói phân phối phần
dư xấp xỉ chuẩn (trung bình Mean ~ 0 và độ lệch chuẩn Std. Dev. = 0.99
~1). Như vậy có thể kết luận giả thiết phân phối chuẩn không bị vi phạm.