Biến quan sát Thành phần TM16 0.785 TM17 0.847 TM18 0.904 TM19 0.867 TM20 0.79 Eigenvalue 3.234 Cumulative % 64.687 KMO = 0.854, sigma = 0.000 Α 0.861
H2’ H3’
H4’
Tóm lại, thang đo sự thỏa mãn của khách hàng đáp ứng các yêu cầu đề ra. Tất cả các biến trong thang đo này đều được giữ lại cho bước phân tích tiếp
theo.
4.5 ĐIỀU CHỈNH MƠ HÌNH VÀ CÁC GIẢ THUYẾT
Sau khi đánh giá thang đo, mơ hình nghiên cứu khơng cịn giữ nguyên
kết quả ban đầu. Kết quả phân tích nhân tố đã loại trừ các biến khơng cịn thích hợp. Mơ hình nghiên cứu sau khi phân tích có dạng như Hình 4.1
H1’ Tiện lợi để ra quyết định
Hình 4.1 Mơ hình điều chỉnh
Tiện lợi khi tiếp cận
Sự thỏa mãn của khách hàng
Tiện lợi khi giao dịch
Tiện lợi của hậu mãi
Các giả thuyết sau khi hiệu chỉnh:
9 H1’: Mức độ tiện lợi để ra quyết định của dịch vụ được khách hàng đánh giá càng cao, thì mức độ thỏa mãn của khách hàng với dịch vụ càng lớn.
9 H2’: Mức độ tiện lợi khi tiếp cận của dịch vụ được khách hàng đánh giá càng cao, thì mức độ thỏa mãn của khách hàng với dịch vụ càng lớn.
9 H3’: Mức độ tiện lợi khi giao dịch của dịch vụ được khách hàng đánh giá càng cao, thì mức độ thỏa mãn của khách hàng với dịch vụ càng lớn.
9 H4’: Mức độ tiện lợi của hậu mãi của dịch vụ được khách hàng đánh giá càng cao, thì mức độ thỏa mãn của khách hàng với dịch vụ càng lớn.
4.6 KIỂM ĐỊNH MƠ HÌNH
Để biết được cụ thể trọng số của từng thành phần tác động lên sự thỏa
mãn, phân tích hồi quy được tiến hành. Phân tích hồi quy sẽ được thực hiện với
bốn biến độc lập GDF (tiện lợi khi giao dịch) đại diện cho ba biến GD7, GD8, GD9; RQDF (tiện lợi để ra quyết định) đại diện cho ba biến RQD1, RQD2,
RQD3; TCF (tiện lợi khi tiếp cận) đại diện cho ba biến TC4, TC5, TC6; HMF
(tiện lợi của hậu mãi) đại diện cho ba biến HM13, HM14, HM15; và một biến
phụ thuộc TMF (sự thỏa mãn của khách hàng) đại diện cho năm biến TM16,
TM17, TM18, TM19, TM20.
4.6.1 Tính giá trị trung bình cho từng yếu tố
Sau khi đặt tên cho các biến đại diện factor như trên (GDF, RQDF, TCF,
HMF, TMF), giá trị cho các biến có trong factor được tính tốn. Biến đại diện
có score là trung bình của các biến thành phần trong factor tương ứng.
Ví dụ Factor 1: GDF sẽ có score (GDF) = Mean (GD7, GD8, GD9). Biến đại diện này sẽ được đưa vào phương trình hồi quy. Tương tự như vậy biến đại diện của các factor cịn lại được tính score như sau:
9 F2: RQDF = Mean (RQD1, RQD2, RQD3)
9 F3: TCF = Mean (TC4, TC5, TC6)
9 F4: HMF = Mean (HM13, HM14, HM15)
9 Sự thỏa mãn của khách hàng: TMF = Mean (TM16, TM17, TM18, TM19,
TM20).
4.6.2 Hồi quy bội
Kết quả hồi quy được trình bày ở Bảng 4.8 cho thấy:
9 Ba biến GDF, RQDF, HMF có sigma nhỏ hơn 0.05, biến cịn lại TCF
(sigma = 0.197). Như vậy ở mức ý nghĩa 5%, có ba biến độc lập trong mơ hình có quan hệ nhân quả với biến phụ thuộc là sự thỏa mãn của khách
hàng, đó là: GDF (tiện lợi khi giao dịch), RQDF (tiện lợi để ra quyết định), HMF (tiện lợi của hậu mãi).
9 Hệ số R2 điều chỉnh (Adjust R square) bằng 0.504, phản ánh độ tương
thích của mơ hình là 50.4%. Nói cách khác, có khoảng 50.4% phương sai
sự thỏa mãn của khách hàng được giải thích bởi ba biến độc lập trên.
Ngoài ra kết quả của dữ liệu thu thập được giải thích cho mơ hình ở mức chấp nhận được.
9 Hệ số phóng đại phương sai (VIF) của các biến độc lập trong mơ hình đều nhỏ hơn 2 (từ 1.457 đến 1.559). Đối với hiện tượng đa cộng tuyến,
giả thuyết đặt ra là khơng có mối tương quan giữa các biến độc lập. Như vậy, chỉ số VIF cho thấy khơng có mối tương quan giữa các thành phần. Phân tích hồi quy được chấp nhận.