Ma trận thành phần 1 HL2 .896 HL1 .864 HL3 .853
Extraction Method: Principal Component Analysis.
a. 1 components extracted.
Tóm lại, sau khi tiến hành phân tích dữ liệu thu thập được thơng qua các bước
phân tích độ tin cậy Cronbach’s Alpha, và phân tích nhân tố, mơ hình nghiên cứu có 8 biến độc lập (Phong cách phục vụ, Sự hữu hình, Sự tin cậy, Sự thuận tiện, Sự đồng cảm, Sự đáp ứng, Tính cạnh tranh về giá cả - chi phí và Danh tiếng, hình ảnh doanh nghiệp) để đo lường biến phụ thuộc là Sự hài lòng của khách hàng. Mơ hình nghiên cứu tổng quát vẫn giữ như cũ. Các giả thuyết tiếp tục được kiểm tra bằng việc chạy hồi qui.
4.4 Phân tích hồi qui tuyến tính
Ta có mơ hình phương trình hồi quy tuyến tính như sau:
Sự hài lòng = β1F_PCPV + β2F_HH + β3F_TC +β4F_TT + β5F_DC + β6F_DU +β7F_G + β8F_HA+ ε Trong đó: F_PCHV: Phong cách phục vụ F_HH: Sự hữu hình F_TC: Sự tin cậy F_TT: Sự thuận tiện F_DC: Sự đồng cảm F_DU: Sự đáp ứng
F_G: Tính cạnh tranh về giá – chi phí F_HA: Danh tiếng, hình ảnh doanh nghiệp
4.4.1 Phân tích tương quan hệ số Pearson
Người ta sử dụng một số thống kê có tên là Hệ số tương quan Pearson để lượng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến định lượng. Nếu giữa 2 biến có sự tương quan chặt thì phải lưu ý vấn đề đa cộng tuyến khi phân tích hồi quy.
Đa 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 cung cấp cho mơ hình những thơng
tin rất giống nhau, và rất khó tách rời ảnh hưởng của từng biến một đến biến phụ thuộc. Hiệu ứng khác của sự tương quan khá chặt giữa các biến độc lập là nó làm tăng độ lệch chuẩn của các hệ số hồi quy và làm giảm trị thống kê t của kiểm định ý nghĩa của chúng nên các hệ số có khuynh hướng kém ý nghĩa hơn khi khơng có đa cộng tuyến trong khi hệ số xác định R square vẫn khá cao.
Trong quá trình phân tích hối quy bội, đa cộng tuyến được SPSS chuẩn đoán bằng lựa chọn Collinearity Diagnostic.