2.4.2. Phương pháp nghiên cứu
2.4.2.2.5. Kiểm định bộ thang đo SERVPERF bằng mơ hình hồi quy bội
Theo giả thuyết đặt ra là có mối quan hệ tương quan dương giữa các thành phần của chất lượng dịch vụ và sự cảm nhận, đánh giá của khách hàng. Vậy, có thật sự tồn tại mối tương quan dương trên hay khơng? Mức độ mối quan hệ đó như thế nào? Mơ hình hồi quy bội được sử dụng để phân tích và giải thích vấn đề trên.
Trƣớc tiên, ta kiểm định giả thuyết về hệ số tƣơng quan tuyến tính r. Với giả
(CLDV) và các biến độc lập (NLPV_T.CAY1, D.CAM_D.UNG, PTHH, T.CAY2), ta cần kiểm định giả thuyết này để xét mối tương quan giữa các biến. Ma trận hệ số tương quan (Phụ lục 7) cho ta thấy mối tương quan giữa biến phụ thuộc với các biến độc lập, cũng như mối tương quan giữa các biến độc lập với nhau. Cụ thể:
+ Hệ số tương quan r giữa “CLDV” với “NLPV_T.CAY1” là 0.448; với
“D.CAM_D.UNG” là 0.605; với “PTHH” là 0.237 và với “T.CAY2” là 0.225. + Hệ số tương quan r giữa các biến độc lập đều bằng 0, đây cũng là biểu hiện cho thấy không tồn tại hiện tượng đa cộng tuyến, tác giả sẽ phân tích kỹ ở phần sau. + Với mức ý nghĩa nhỏ hơn 0.01 (tức xác suất chấp nhận giả thuyết sai là 1%), thì giả thuyết hệ số tương quan của tổng thể bằng 0 bị bác bỏ.
Như vậy, 4 biến độc lập trong bộ thang đo Servperf có thể được sử dụng để phân tích hồi quy bội, nhằm đánh giá mức độ giải thích đối với biến phụ thuộc.
Phƣơng trình hồi quy bội: Biểu diễn mối quan hệ giữa các nhân tố và sự cảm
nhận của khách hàng về chất lượng dịch vụ có dạng:
Y = β0 + β1X1 + β2X2 + β3X3 + β4X4 + ei
- Y là biến phụ thuộc thể hiện giá trị dự đoán về sự cảm nhận của khách hàng đối với chất lượng dịch vụ ngân hàng dành cho KHCN tại SeABank khu vực HCM. - β0 , β1 , β2 , β3 , β4 là các hệ số hồi quy riêng phần.
- X1, X2, X3, X4 là các biến độc lập theo thứ tự lần lượt là NLPV_T.CAY1, D.CAM_D.UNG, PTHH, T.CAY2.
- ei là phần dư, hay cịn gọi là biến độc lập ngẫu nhiên có phân phối chuẩn với trung bình là 0 và phương sai không đổi δ2
. Coefficients(a) Model Unstandardized Coefficients Standardized Coefficients T Sig. B Std. Error Beta 1 (Constant) 3.7 0.032 117.302 0 NLPV_T.CAY1 0.319 0.032 0.448 10.092 0 D.CAM_D.UNG 0.431 0.032 0.605 13.626 0 PTHH 0.169 0.032 0.237 5.33 0 T.CAY2 0.161 0.032 0.225 5.075 0
Ý nghĩa của các hệ số hồi quy riêng phần (β1, β2, β3, β4) đo lường sự thay
đổi trong giá trị trung bình Y (cảm nhận của khách hàng về chất lượng dịch vụ) khi lần lượt các biến X1 (năng lực phục vụ và độ tin cậy về quá trình cung cấp dịch vụ), X2 (đồng cảm và đáp ứng), X3 (phương tiện hữu hình), X4 (độ tin cậy về lời hứa đối với khách hàng ) thay đổi 1 đơn vị (giữ các biến độc lập cịn lại khơng thay đổi).
Kết quả phân tích hồi quy cho thấy, 4 biến độc lập đều có mối tương quan dương với biến phụ thuộc và có ý nghĩa thống kê khi đưa vào mơ hình phân tích (sig. = 0.000). Các hệ số hồi quy mang dấu dương, thể hiện các nhân tố trong mơ hình hồi quy ảnh hưởng tỷ lệ thuận đến sự cảm nhận của khách hàng về chất lượng dịch vụ ngân hàng đối với KHCN của SeABank khu vực HCM.
Vậy phương trình hồi quy tuyến tính được trích theo hệ số beta có dạng chuẩn:
CLDV = 3.7 + 0.319 NLPV_T.CAY1 + 0.431 D.CAM_D.UNG + 0.169 PTHH + 0,161 T.CAY2
Trong đó:
- CLDV : Cảm nhận của khách hàng về chất lượng dịch vụ
- NLPV_T.CAY1: Năng lực phục vụ và độ tin cậy về quá trình cung cấp dịch vụ - D.CAM_D.UNG : Đồng cảm và đáp ứng
- PTHH : Phương tiện hữu hình
- T.CAY2 : Độ tin cậy về lời hứa đối với khách hàng
+ Ý nghĩa của phương trình hồi quy: Trong trường hợp các điều kiện khác không
đổi, khi trình độ năng lực phục vụ và độ tin cậy về quá trình cung cấp dịch vụ tăng 1 đơn vị theo thang đo (1 điểm trong thang đo Likert) thì sự cảm nhận của khách hàng về chất lượng dịch vụ ngân hàng đối với KHCN của SeABank tăng 0.319 đơn vị
theo thang đo (1 điểm trong thang đo Likert). Tương tự đối với các biến độc lập còn lại: đồng cảm – đáp ứng, phương tiện hữu hình, độ tin cậy về lời hứa đối với khách hàng. Qua đó, nhân tố đồng cảm và đáp ứng có ảnh hưởng mạnh nhất lên sự cảm
nhận của khách hàng về chất lượng dịch vụ, tiếp theo lần lượt là nhân tố trình độ năng lực phục vụ và độ tin cậy về quá trình cung cấp dịch vụ, nhân tố phương tiện hữu hình và cuối cùng là nhân tố độ tin cậy về lời hứa đối với khách hàng.
cảm nhận của khách hàng về chất lượng dịch vụ. Đặc điểm của các dịch vụ ngân hàng đối với KHCN chủ yếu là các giao dịch nhỏ lẻ và dựa vào nền tảng công nghệ thông tin hiện đại là chủ yếu, vì thế, việc thực hiện giao dịch sẽ tự động diễn ra nhanh chóng, gọn lẹ, khách hàng ít quan tâm đến các yếu tố như: “cung cấp dịch vụ đúng vào thời điểm cam kết, thực hiện dịch vụ đúng ngay từ lần đầu…” cũng như các yếu tố thuộc về “cơ sở vật chất hay trang thiết bị…”. Do đó, nhân tố độ tin cậy
về lời hứa đối với khách hàng và nhân tố phương tiện hữu hình ít ảnh hưởng đến sự
cảm nhận của khách hàng. Cái mà họ quan tâm, chính là sự thuận tiện trong giao dịch (mạng lưới máy POS, ATM, PGD rộng khắp…), thái độ cũng như sự nhiệt tình của nhân viên ngân hàng. Vì thế, để nâng cao chất lượng dịch vụ, nâng cao sự cảm nhận của khách hàng về chất lượng dịch vụ tại SeABank, SeABank nói chung và SeABank khu vực HCM nói riêng cần chú trọng đến 2 nhân tố là “đồng cảm_đáp
ứng” và “trình độ năng lực phục vụ và độ tin cậy về quá trình cung cấp dịch vụ”.
Kiểm định lại các giả định của mơ hình hồi quy bội:
Các kết luận dựa trên hàm hồi quy tuyến tính thu được chỉ có ý nghĩa khi hàm hồi quy đó phù hợp với dữ liệu mẫu, đồng thời các giả định của hàm hồi quy tuyến tính được đảm bảo. Vì thế, trước khi cơng nhận các kết quả phân tích hồi quy, tác giả thực hiện các kiểm định lại về độ phù hợp của mơ hình, về ý nghĩa của các hệ số hồi quy, đặc biệt là các giả định của hàm hồi quy đa biến.
+ Thứ nhất, Đánh giá độ phù hợp của mơ hình hồi quy bội thơng qua hệ số R2 hiệu chỉnh (Adjusted R Square):
Bảng 2.8: Tóm tắt mơ hình
Model Summary(b)
Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson
1 .821a 0.674 0.666 0.41127 2.009
a. Predictors: (Constant), NLPV_T.CAY1, D.CAM_D.UNG, PTHH, T.CAY2 b. Dependent Variable: CLDV
Hệ số xác định R2 đo lường tỷ lệ tổng biến thiên của biến phụ thuộc được giải thích bởi các biến độc lập trong mơ hình. Giá trị R2 càng cao thì khả năng giải thích của mơ hình hồi quy càng cao và việc dự đốn biến phụ thuộc càng chính xác.
Tuy nhiên, việc sử dụng R2 hiệu chỉnh (Adjusted R Square) từ R2 sẽ phản ảnh sát hơn mức độ phù hợp của mơ hình hồi quy đa biến.
Hệ số R2 hiệu chỉnh = 0.666 nghĩa là mơ hình hồi quy tuyến tính bội đã xây dựng phù hợp với tập dữ liệu là 66.6%. Nói cách khác, khoảng 66.6% giải thích
được mức độ biến thiên của sự cảm nhận của khách hàng về chất lượng dịch vụ.
+ Thứ hai, Kiểm định độ phù hợp của mơ hình:
Sau khi đánh giá độ phù hợp của mơ hình hồi quy bội, tác giả kiểm định độ phù hợp của mơ hình với kiểm định F. Mục đích là xem biến phụ thuộc có liên hệ tuyến tính với tồn bộ các biến độc lập hay không, giả thuyết H0 đưa ra:
β0=β1=β2=β3=β4 =0 ANOVA(b) Model Sum of Squares df Mean Square F Sig. 1 Regression 57.792 4 14.448 85.421 .000a Residual 27.908 165 0.169 Total 85.7 169
a. Predictors: (Constant), T.CAY, PTHH, D.CAM+D.UNG, NLPV b. Dependent Variable: CLDV
Trị thống kê F được tính từ giá trị R Square của mơ hình đầy đủ, giá trị sig. rất nhỏ (0.00) cho ta thấy sẽ an toàn khi bác bỏ giả thuyết H0. Hay nói cách khác, biến phụ thuộc có mối liên hệ tuyến tính với các biến độc lập, mơ hình hồi quy bội phù hợp với dữ liệu và có thể sử dụng được.
+ Thứ ba, Kiểm định các giả định của hàm hồi quy tuyến tính:
Từ kết quả quan sát, tác giả suy rộng kết luận cho mối quan 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 trong mơ hình hồi quy. Nếu các giả định bị vi phạm thì các kết quả ước lượng sẽ khơng cịn đáng tin cậy nữa (Phân tích dữ liệu nghiên cứu với SPSS -
Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008). Vì thế, trong phần này, tác giả sẽ
tiến hành kiểm định các giả định của hàm hồi quy tuyến tính, bao gồm: Khơng có hiện tượng đa cộng tuyến; Phương sai của phần dư khơng đổi; Các phần dư có phân phối chuẩn; Khơng có hiện tượng tự tương quan giữa các phần dư.
* Giả định khơng có hiện tượng đa cộng tuyến:
“Cộng tuyến là trạng thái trong đó các biến độc lập có tương quan chặt chẽ
với nhau. Vấn đề của hiện tượng cộng tuyến là chúng cùng cung cấp cho mơ hình những thơng tin rất giống nhau”. (Phân tích dữ liệu nghiên cứu với SPSS - Hồng
Trọng & Chu Nguyễn Mộng Ngọc, 2008). Vì thế, trong mơ hình hồi quy bội, chúng ta giả định giữa các biến độc lập của mơ hình khơng có hiện tượng đa cộng tuyến. Hiện tượng này có thể phát hiện thơng qua hệ số phóng đại phương sai (Variance Inflation Factor – VIF), có liên hệ gần với độ phóng đại. Nếu VIF lớn hơn 10 thì hiện tượng đa cộng tuyến nghiêm trọng, nếu nhỏ hơn 10 thì khơng xảy ra hiện tượng đa cộng tuyến.
Coefficients(a) Model (Constant) Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 3.7 0.032 117.302 0.00 NLPV 0.319 0.032 0.448 10.092 0.00 1 1 D.CAM+D.UNG 0.431 0.032 0.605 13.626 0.00 1 1 PTHH 0.169 0.032 0.237 5.33 0.00 1 1 T.CAY 0.161 0.032 0.225 5.075 0.00 1 1 a. Dependent Variable: CLDV
Theo kết quả thì hệ số VIF = 1 < 10. Không xảy ra hiện tượng đa cộng tuyến.
* Giả định phương sai của phần dư không đổi:
Hiện tượng “phương sai thay đổi” gây ra hậu quả khiến cho các ước lượng của các hệ số hồi quy không chệch nhưng không hiệu quả, tức không phải là ước lượng phù hợp nhất, từ đó khiến cho việc kiểm định các giả thuyết mất hiệu lực, đánh giá nhầm về chất lượng của mơ hình hồi quy. Vì thế, cần thiết phải kiểm định giả định phương sai của phần dư không đổi. Đồ thị phân tán của phần dư chuẩn hóa
(Phụ lục 7), cho thấy phần dư phân tán ngẫu nhiên theo đường hồnh độ khơng, như
vậy phương sai của phần dư không đổi.
* Giả định về phân phối chuẩn của phần dư:
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
Chu Nguyễn Mộng Ngọc, 2008). Trong phần này, tác giả sử dụng biểu đồ tần số của
phần dư chuẩn hóa để xem xét. Nhìn vào hình vẽ (Phụ lục 7), cho thấy một đường
cong phân phối chuẩn được đặt chồng lên biểu đồ tần số. Thật không hợp lý khi kỳ vọng rằng các phần dư quan sát phải có phân phối hồn tồn chuẩn, vì ln có sự chênh lệch khi lấy mẫu. Ngay cả khi các sai số có phân phối chuẩn trong tổng thể đi nữa thì phần dư trong mẫu quan sát cũng chỉ xấp xỉ chuẩn mà thơi. Trong trường hợp này, có thể nói phần dư xấp xỉ chuẩn khi Mean gần bằng 0, Std.Dev. gần bằng 1. Vì thế giả thuyết không bị vi phạm.
* Khơng có hiện tượng tự tương quan giữa các phần dư:
Khi xảy ra hiện tượng tự tương quan giữa các phần dư, các ước lượng của mơ hình hồi quy khơng cịn đáng tin cậy. Phương pháp kiểm định có ý nghĩa nhất để phát hiện hiện tượng tự tương quan là kiểm định Durbin – Watson.
Đại lượng thống kê Durbin – Watson (d) có giá trị biến thiên trong khoảng 0- 4. Nếu các phần dư khơng có tương quan chuỗi bậc nhất với nhau, giá trị d sẽ gần bằng 2. Nếu 0<d<2 có nghĩa các phần dư có tương quan thuận. Nếu 2<d<4 có nghĩa các phần dư có tương quan nghịch.
Model Summary(b)
Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson
1 .821a 0.674 0.666 0.41127 2.009
a. Predictors: (Constant), T.CAY, PTHH, D.CAM+D.UNG, NLPV b. Dependent Variable: CLDV
Giá trị d tra bảng Durbin – Watson tính được rơi vào miền chấp nhận giả thuyết khơng có tương quan chuỗi bậc nhất (d =2.009, gần bằng 2).