Nguồn: kết quả nghiên cứu của tác giả từ phần mềm SPSS 20.0
4.2.4.3. Kiểm tra giả định khơng có mối tương quan giữa các phần dư
Phần dư là phần chênh lệch giữa giá trị quan sát của mẫu với giá trị tính được từ mơ hình. Nếu phần dư được sắp xếp khơng theo thứ tự hay hình dáng rõ ràng nhất định thì mơ hình được xây dựng là đúng. Nếu khơng thì cần phải điều chỉnh lại mơ hình. Để biết mối quan hệ của các phần dư ta có thể dùng hệ số Durbin-Watson để kiểm định tương quan của các sai số kề nhau (tương quan chuỗi bậc nhất), nếu các phần dư khơng có tương quan chuỗi bậc nhất với nhau, giá trị hệ số DurbinWatson sẽ gần bằng 2 (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008, trang 232).
Bảng 4.13 Kết quả kiểm định hệ số Durbin-Watson và hệ số R2 hiệu chỉnh Model Summaryb Model Summaryb
Model R R Square Adjusted R
Square Std. Error of the Estimate Durbin-Watson 1 ,786a ,618 ,607 ,24054 1,814 a. Predictors: (Constant), GC, CLDR, CKNH, SCGD, CLMT, CLTT b. Dependent Variable: SKHL
Nguồn: kết quả nghiên cứu của tác giả từ phần mềm SPSS 20.0
Theo kết quả nghiên cứu có được tại Bảng 4.13, ta có hệ số Durbin Watson là 1,814, nằm trong khoảng từ 1,5 đến 2 do đó khơng có hiện tượng tự tương quan chuỗi
bậc nhất, Đồng thời, giá trị R2 hiệu chỉnh bằng 0,607 cho thấy biến độc lập đưa vào chạy hồi quy ảnh hưởng 60,7% sự thay đổi của biến phụ thuộc, còn lại 39,3% là do các biến ngồi mơ hình và sai số ngẫu nhiên.
4.2.4.4. Kiểm tra giả định khơng có mối tương quan giữa các biến độc lập
Các biến độc lập ngoài mối liên hệ với biến phụ thuộc thì khơng được có mối liên hệ chặt chẽ với nhau. Nếu không sẽ xảy ra hiện tượng đa cộng tuyến, vừa ảnh hưởng đến biến kết quả vừa ảnh hưởng lẫn nhau. Để dị tìm hiện tượng đa cộng tuyến, ta xem xét độ chấp nhận của biến (Tolerance) và hệ số phóng đại phương sai (Variance inflation factor – VIF). Theo Hoàng Trọng, Chu Nguyễn Mộng Ngọc (2008, 235) thì độ chấp nhận của biến là nghịch đảo của hệ số phóng đại phương sai. Độ chấp nhận của biến nhỏ thì hệ số phóng đại phương sai lớn, quy tắc khi hệ số phóng đại phương sai vượt quá 2 đó là dấu hiệu của hiện tượng đa cộng tuyến.
Bảng 4.14 Kết quả xây dựng mơ hình hồi quy Coefficientsa
Model Unstandardized
Coefficients
Standardized Coefficients
t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) -,336 ,143 -2,345 ,020 CLDR ,231 ,025 ,411 9,257 ,000 ,921 1,085 CLTT ,149 ,030 ,228 4,929 ,000 ,849 1,177 SCGD ,187 ,024 ,340 7,857 ,000 ,973 1,028 CLMT ,099 ,031 ,140 3,197 ,002 ,945 1,059 CKNH ,145 ,022 ,278 6,464 ,000 ,986 1,014 GC ,217 ,037 ,269 5,925 ,000 ,880 1,137 a. Dependent Variable: SKHL
Nguồn: kết quả nghiên cứu của tác giả từ phần mềm SPSS 20.0
Dựa vào kết quả nghiên cứu có được ở Bảng 4.14, Sig kiểm định t hệ số hồi quy của các biến độc lập đều nhỏ hơn 0,05, do đó các biến độc lập này đều có ý nghĩa giải thích cho biến phụ thuộc, không biến nào bị loại khỏi mô hình. Đồng thời, hệ số VIF của các biến độc lập đều nhỏ hơn 2, do đó khơng có hiện tượng đa cộng tuyến xảy ra. Kết quả cho thấy cả 6 giả định của mơ hình hồi quy đều khơng bị vi phạm do đó, với
bộ số liệu này ta có thể xây dựng mơ hình hồi quy.
4.2.5. Xây dựng mơ hình hồi quy
4.2.5.1. Đánh giá độ phù hợp của mơ hình hồi quy
Theo bảng 4.13, ta có hệ số R2 điều chỉnh (Ajusted R spuare) = 0,607, cho thấy 60,7% phương sai sự khơng hài lịng được giải thích bởi 6 biến độc lập, còn lại 39,3% phương sai sự khơng hài lịng được tác động bởi các yếu tố ngẫu nhiên hoặc các biến khơng được đưa vào mơ hình.
4.2.5.2. Kiểm định độ phù hợp của mơ hình
Kiểm định F sử dụng trong phân tích phương sai là một phép kiểm định giả thuyết về độ phù hợp của mơ hình hồi quy tuyến tính tổng thể để xem xét biến phụ thuộc có liên hệ tuyến tính với tồn bộ tập hợp của các biến độc lập. Cặp giả thiết:
- H0: Khơng có mối quan hệ giữa các biến độc lập và biến phụ thuộc hay R2=0 - H1: Tồn tại mối quan hệ giữa các biến độc lập và biến phụ thuộc hay R2≠0 Nhìn vào bảng kết quả kiểm định của mơ hình, ta thấy rằng trị thống kê F khác 0 (F=56,605), giá trị Sig. rất nhỏ cho thấy mơ hình sử dụng là phù hợp và các biến đều đạt được tiêu chuẩn chấp nhận. Như vậy, mơ hình hồi quy bội thỏa các điều kiện đánh giá và kiểm định độ phù hợp cho việc rút ra các kết quả nghiên cứu.
Bảng 4.15 Kết quả kiểm định thống kê F của mơ hình hồi quy ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 19,651 6 3,275 56,605 ,000b Residual 12,151 210 ,058 Total 31,801 216 a. Dependent Variable: SKHL b. Predictors: (Constant), GC, CLDR, CKNH, SCGD, CLMT, CLTT
Nguồn: kết quả nghiên cứu của tác giả từ phần mềm SPSS 20.0
4.2.5.3. Mơ hình hồi quy chuẩn hóa
lượng tương tác, Chất lượng môi trường, Giá cả, Cam kết của ngân hàng và Sự cố giao dịch có ý nghĩa thống kê và có tác động đến sự khơng hài lịng của khách hàng với mức ý nghĩa Sig.=0,000. Từ bảng phân tích hồi quy, ta thấy mối quan hệ giữa biến phụ thuộc sự khơng hài lịng của khách hàng và các biến độc lập được thể hiện trong phương trình sau:
SKHL = 0,411*CLDR + 0,228*CLTT + 0,140*CLMT + 0,269*GC + 0,278*CKNH + 0,340*SCGD
Từ phương trình hồi quy, chúng ta có thể thấy 6 nhân tố có tác động đến sự khơng hài lịng khách hàng sử dụng dịch vụ TTTM tại các ngân hàng BIDV trên địa bàn tỉnh Bình Dương đều ảnh hưởng cùng chiều đến mức độ khơng hài lịng của khách hàng ở độ tin cậy là 95% với các mức độ khác nhau. Như vậy, dựa vào độ lớn của hệ số hồi quy, ta nhận thấy, biến Chất lượng đầu ra có tác động lớn nhất tới sự khơng hài lịng của khách hàng, và biến Chất lượng mơi trường có tác động nhỏ nhất. Thứ tự mức độ tác động từ mạnh nhất tới yếu nhất của các biến độc lập tới biến phụ thuộc Sự khơng hài lịng là: Chất lượng đầu ra (0,411) > Sự cố giao dịch (0,340) > Cam kết của ngân hàng (0,278) > Giá cả (0,269) > Chất lượng tương tác (0,228)> Chất lượng môi trường (0,140)
4.2.6. Kiểm định ANOVA và T-Test
Để kiểm định tác động của các biến định tính (Giới tính, Độ tuổi, Lĩnh vực hoạt động kinh doanh, Thời gian sử dụng dịch vụ, Ngân hàng khác thay thế) tới biến phụ thuộc Sự khơng hài lịng, luận văn sử dụng phân tích One-way Anova. Đối với các biến định tính có 2 yếu tố là Giới tính, luận văn sẽ sử dụng kiểm định T-test.
4.2.6.1. Kiểm định ANOVA
Độ tuổi: Giá trị sig. = 0,544 > 0,05 trong kiểm định thống kê Levene có thể nói phương sai của sự khơng hài lịng giữa các nhóm là khơng khác nhau một cách có ý nghĩa thống kê. Như vậy kết quả phân tích ANOVA có thể sử dụng tốt. Giá trị sig. = 0,505 > 0,05 trong kiểm định F, nên chấp nhận H0, bác bỏ giả thiết H1, có thể nói rằng khơng có sự khác biệt có ý nghĩa thống kê về sự khơng hài lịng đối với các nhóm độ tuổi khác nhau, ở mức độ tin cậy 95%. (Phụ lục 4.1)
Lĩnh vực hoạt động kinh doanh: Giá trị sig. = 0,036 < 0,05 trong kiểm định thống kê Levene, do đó sử dụng kiểm định Welch cho trường hợp vi phạm giả định phương sai đồng nhất. Trong kiểm định Welch, giá trị Sig. = 0,762 > 0,05, do đó khơng có sự khác biệt có ý nghĩa thống kê về sự hài lịng giữa các nhóm lĩnh vực hoạt động kinh doanh, ở mức độ tin cậy 95%.(Phụ lục 4.2)
Thời gian sử dụng dịch vụ: Trong kiểm định thống kê Levene, giá trị sig. = 0,011 < 0,05, do đó sử dụng kiểm định Welch cho trường hợp vi phạm giả định phương sai đồng nhất. Trong kiểm định Welch, giá trị Sig. = 0,005 < 0,05, do đó có sự khác biệt có ý nghĩa thống kê về sự khơng hài lịng giữa các nhóm thời gian sử dụng dịch vụ khác nhau, ở mức độ tin cậy 95% (Phụ lục 4.3). Biểu đồ được thể hiện qua Hình 4.6 cho thấy được thời gian sử dụng dịch vụ càng ngắn thì càng khơng hài lịng với dịch vụ.