Các giả thiết được điều ch nh như sau:
Giả thuyết H1: Chất lượng thơng tin (TT) có tác động tích cực đến sự hài lịng của
khách hàng mua vé máy bay trực tuyến (H).
Giả thuyết H2: Chất lượng hệ thống (HT) có tác động tích cực đến sự hài lịng của
khách hàng mua vé máy bay trực tuyến (H).
Giả thuyết H3: Tính bảo mật của hệ thống (AT) có tác động tích cực đến sự hài
lòng của khác hàng mua vé máy bay trực tuyến (H).
Giả thuyết H4: Chất lượng dịch vụ (DV) có tác động tích cực đến sự hài lịng của
khách hàng mua vé máy bay trực tuyến (H).
Phương trình hồi quy tuyến tính thể hiện tác động của các nhân tố đến sự hài lòng của khách hàng mua vé máy bay trực tuyến:
Trong đó:
H: Sự hài lòng của khách hàng mua vé máy bay trực tuyến TT: Chất lượng thông tin
HT: Chất lượng hệ thống AT: Tính bảo mật của hệ thống DV: Chất lượng dịch vụ
β0: Hằng số
β1, β2, β3, β4: Các hệ số hồi quy riêng phần
4.5. Kiểm định mơ hình nghiên cứu và các giả thuyết 4.5.1. Phân tích tƣơng quan 4.5.1. Phân tích tƣơng quan
Phân tích tương quan là tính độ mạnh hay mức độ liên hệ tuyến tính giữa hai biến để xem xét có gây ra vấn đề đa cộng tuyến hay không trước khi đưa vào phân tích hồi quy. Phân tích tương quan được thực hiện giữa biến phụ thuộc là sự hài lòng của khách hàng (H) với các biến độc lập gồm chất lượng thông tin (TT), chất lượng hệ thống (HT), tính bảo mật của hệ thống (AT), chất lượng dịch vụ (DV). Bên cạnh đó cũng xem xét sự tương quan giữa các biến độc lập với nhau.
Từ bảng 4.7 luận văn nhận thấy rằng hệ số tương quan giữa biến phụ thuộc H với các biến độc lập TT, HT, AT, DV thấp nhất là 0,399, nên sơ bộ luận văn có thể kết luận các biến độc lập này có thể đưa vào mơ hình để giải thích cho biến phụ thuộc H. Tuy nhiên giữa các biến độc lập cũng đều có tương quan, điều này có thể dẫn tới hiện tượng đa cộng tuyến trong mơ hình, do vậy q trình phần tích phải xem xét kỹ vai trị của các biến độc lập trong mơ hình hồi quy tuyến tính luận văn xây dựng được.
Bảng 4.7. Ma trận tương quan giữa các nhân tố
TT HT AT DV H
TT Tương quan Pearson 1 Sig, (2-tailed)
HT Tương quan Pearson 0,540 1 Sig, (2-tailed) 0,000
AT Tương quan Pearson 0,326 0,264 1 Sig, (2-tailed) 0,000 0,000
DV Tương quan Pearson 0,510 0,505 0,386 1 Sig, (2-tailed) 0,000 0,000 0,000
H Tương quan Pearson 0,688 0,506 0,399 0,514 1 Sig, (2-tailed) 0,000 0,000 0,000 0,000
Nguồn: Kết quả xử lý dữ liệu điều tra của tác giả
4.5.2. Phân tích hồi quy
Tiến hành phân tích hồi quy để xác định cụ thể trọng số của từng yếu tố ảnh hưởng đến sự hài lòng của khách hàng. Phương pháp hồi quy tuyến tính được dùng để kiểm định mơ hình và các giả thuyết, thủ tục chọn biến là các biến được đưa vào cùng một lúc (phương pháp Enter).
Đánh giá độ phù hợp của mơ hình
Từ bảng 4.10, luận văn tiến hành kiểm định giả thiết H0: mơ hình hồi quy tuyến tính khơng phù hợp
Bảng 4.8. Hệ số R2
Mơ hình R R2 R2 hiệu ch nh Hệ số sai số chuẩn ước tính 1 0,734 0,539 0,530 0,541
Bảng 4.9 ANOVA
Mơ hình Tổng độ lệch bình phương df Bình phương trung bình F Sig. 1 Hồi quy 72,989 4 18,247 62,431 0,000
Phần dư 62,547 214 0,292
Tổng 135,536 218
Nguồn: Kết quả xử lý dữ liệu điều tra của tác giả
Kết quả thống kê F được tính từ giá trị R2 có mức ý nghĩa bằng 0 (Sig= 0,000 < 0,05). Điều này đủ cơ sở để bác bỏ giả thiết H0, có nghĩa là mơ hình hồi quy tuyến tính là phù hợp với dữ liệu thu thập được. Hệ số R2 hiệu ch nh là hệ số dùng để đánh giá độ phù hợp một cách an toàn hơn so với R2, vì hệ số R2 trong trường hợp có nhiều biến độc lập dễ tạo ra hiện tượng thổi phồng mức độ phù hợp của mơ hình. Hệ số R2
hiệu ch nh tính được là 0,530 tương đương 53,0%. Tức là, các biến độc lập trong mơ hình hồi quy tuyến tính bội giải thích được 53,0% sự hài lịng của khách hàng mua vé máy bay trực tuyến.
Bảng 4.10. Kết quả phân tích hồi quy
Hệ số hồi quy chƣa chuẩn hóa Hệ số hồi quy chuẩn hóa t t t Sig. Sig. Sig. Thống kê đa cộng tuyến β Sai số chuẩn
β Dung sai VIF
Hằng số 0,109 0,240 0,453 0,651
TT 0,551 0,065 0,500 8,490 0,000 0,621 1,611 HT 0,140 0,064 0,127 2,178 0,031 0,637 1,570 AT 0,157 0,054 0,149 2,928 0,004 0,828 1,208 DV 0,147 0,063 0,137 2,340 0,020 0,624 1,601
Nguồn: Kết quả xử lý dữ liệu điều tra của tác giả
Hiện tƣợng đa cộng tuyến
Hệ số phóng đại VIF rất nhỏ (nhỏ hơn 10) cho thấy các biến độc lập này khơng có quan hệ chặt chẽ với nhau nên khơng có hiện tượng đa cộng tuyến xảy ra. Do đó mối quan hệ giữa các biến độc lập không ảnh hưởng đến kết quả giải thích của mơ hình.
Kiểm định phần dƣ có phân phối chuẩn
Trong phân tích hồi quy bội, ta ln có giả định các phần dư có phân phối chuẩn. Dựa vào biểu đồ 4.2 ta có thể nói phân phối của phần dư xấp x chuẩn, giá trị Mean quá nhỏ (xấp x bằng 0), độ lệch chuẩn bằng 0,991 xấp x bằng 1. Giả thiết phân phối chuẩn của phần dư khơng bị vi phạm, mơ hình được sử dụng phân tích là mơ hình tốt.