Hình 3–2 : Sơ đồ tóm tắt q trình chọn mẫu trong nghiên cứu định tính
4.5 Kiểm định giả thuyết tác động của marketing quan hệ (RM) đến sự trung
thành của khách hàng
4.5.1 Phân tích tương quan
Trước khi phân tích mức độ tác động của các thành phần marketing quan hệ đến sự trung thành của khách hàng, nghiên cứu thực hiện đo lường mức độ chặt chẽ mối liên hệ tuyến tính của thang đo sự trung thành với các biến thành phần: niềm
tin, sự cam kết, truyền thông, quản trị xung đột, sự cảm thông không xét trên mối quan hệ nhân quả thông qua kiểm định hệ số tương quan Pearson.
Bảng 4-7: Kết quả phân tích tương quan Niềm tin Sự cam kết Truyền thông Quản trị xung đột Sự cảm thông Sự trung thành Pearson Correlation 0.659** 0.617** 0.602** 0.620** 0.671** Sig. (2-tailed) 0.000 0.000 0.000 0.000 0.000 N 255 255 255 255 255
Nguồn: xử lý dữ liệu thu thập của tác giả
Kết quả trên cho thấy biến phụ thuộc Sự trung thành có mối tương quan với 5 biến độc lập ở mức ý nghĩa 5%, trong đó có tương quan mạnh nhất với biến Sự cảm thông (r = 0.671), biến Niềm tin (r = 0.659). Biến Sự trung thành tương quan yếu nhất với biến Truyền thông (r = 0.602).
Tuy nhiên để xác định sự tương quan này có tuyến tính hay khơng và mức độ quan trọng của từng nhân tố trong sự tác động đến sự trung thành của khách hàng phương pháp phân tích hồi qui được sử dụng.
Trong phân tích hồi qui, 5 biến độc lập gồm: Niềm tin (NT), Sự cam kết(CK) và Truyền thông (TT), Quản trị xung đột (XD), Sự cảm thông (CT), 1 biến phụ thuộc là Sự trung thành (LTT).
Phân tích hồi qui được thực hiện bằng phương pháp hồi quy tổng thể các biến (phương pháp Enter) với phần mềm SPSS 11.5.
4.5.2 Đánh giá sự phù hợp của mơ hình
Hệ số R2 thường được sử dụng để đánh giá sự phù hợp của mơ hình hồi qui
tuyến tính đối với dữ liệu, với nguyên tắc R2 càng gần 1 thì mơ hình đã xây dựng càng phù hợp với tập dữ liệu mẫu.
Trong mơ hình này, có R2 là 0.617, cho thấy mơ hình này là phù hợp, R2 điều
chỉnh là 0.609 (nhỏ hơn R2), do đó, dùng R2 điều chỉnh để đánh giá sẽ an tồn hơn
vì nó khơng thổi phồng mức độ phù hợp của mơ hình (Hồng Trọng và Mộng Ngọc,
2008). R2 điều chỉnh là 0.609 tức là giải thích được 60.9% biến thiên sự trung thành
40
thơng, 30.1% cịn lại thay đổi trong sự trung thành mơ hình khơng giải thích được. Mơ hình hồi qui phù hợp với tập dữ liệu ở độ tin cậy 95% (Kết quả thống kê F trong mơ hình có sig. = .000).
(Xem Phụ lục 8).
4.5.3 Ý nghĩa của các hệ số hồi qui
Bảng 4-8: Kết quả phân tích hồi qui
Thành phần
Hệ số chưa chuẩn hóa
Hệ số
chuẩn hóa t Sig.
B Sai số Beta Hằng số .175 .180 .968 .334 NT (Niềm tin) .251 .058 .245 4.359 .000 CK (Sự cam kết) .161 .057 .155 2.846 .005 TT (Truyền thông) .121 .045 .144 2.666 .008 XD (Quản trị xung đột) .146 .055 .148 2.665 .008 CT (Cảm thông) .247 .051 .271 4.840 .000
Nguồn: xử lý dữ liệu thu thập của tác giả
Kết quả cho thấy, cả 5 yếu tố: Niềm tin (sig. = .000), Sự cam kết (sig. = .005), Truyền thông (sig. = .008), Quản trị xung đột (sig. = .008) và Sự cảm thông (sig. = .000), hệ số beta lần lượt là 0.251, 0.161, 0.121, 0.146, 0.247. Điều này có nghĩa là, ở độ tin cậy 95%, khi yếu tố Niềm tin thay đổi 1 đơn vị sẽ làm Sự trung thành của khách hàng thay đổi 0.251 đơn vị, khi yếu tố Sự cam kết thay đổi 1 đơn vị sẽ làm Sự trung thành của khách hàng thay đổi 0.161 đơn vị, khi yếu tố Truyền thông thay đổi 1 đơn vị sẽ làm Sự trung thành của khách hàng thay đổi 0.121 đơn vị và khi yếu tố Quản trị xung đột thay đổi 1 đơn vị sẽ làm Sự trung thành của khách hàng thay đổi 0.146 đơn vị, khi yếu tố Sự cảm thông thay đổi 1 đơn vị sẽ làm Sự trung thành của khách hàng thay đổi 0.247 đơn vị. Như vậy, trong 5 nhân tố tác động đến sự trung thành của khách hàng thì hai nhân tố Niềm tin và Sự cảm thơng có tác động mạnh nhất.
4.5.4 Kiểm chứng các giả định của mơ hình hồi qui.
Ki
ể m tra gi ả đị nh không có hi ện tượ ng đa cộ ng tuy ế n
Đa cộng tuyến là hiện tượng mà trong đó có sự tồn tại của nhiều hơn một mối quan hệ tuyến tính chính xác. Tức là giữa các biến độc lập có thể có một biến nào đó được biểu diễn bởi tổ hợp tuyến tính của các biến cịn lại. Hiện tượng này sẽ dẫn đến những hậu quả nghiêm trọng trong phân tích hồi qui như kiểm định t sẽ khơng cịn ý nghĩa, dấu của các ước lượng hệ số hồi qui có thể sai (Nhậm, 2008). Việc kiểm tra được thực hiện thơng qua nhân tố phóng đại phương sai VIF.
Kết quả cho thấy hiện tượng đa cộng tuyến khơng có ảnh hưởng đến kết quả giải thích của mơ hình với VIF của mỗi biến lớn nhất bằng 2.050 (<10). Quy tắc là khi VIF vượt quá 10 đó là dấu hiệu của đa cộng tuyến (Hoàng Trọng & Mộng Ngọc, 2005).
(Xem Phụ lục 8)
Ki
ể m tra gi ả đị nh liên h ệ tuy ế n tính gi ữ a bi ế n ph ụ thu ộ c và các bi ến độ c l ậ p
Một cách đơn giản để thực hiện kiểm định này là vẽ đồ thị phân tán giữa các phần dư và giá trị dự đốn đã chuẩn hóa, phần dư đã chuẩn hóa được thể hiện trên trục tung và giá trị dự đốn đã chuẩn hóa được thể hiện trên trục hồnh. Nếu giả định quan hệ tuyến tính và phương sai khơng thay đổi thỏa mãn thì phần dư sẽ phân tán ngẫu nhiên trên đồ thị (Hoàng Trọng & Mộng Ngọc, 2005).
Kết quả cho thấy, phần dư đã chuẩn hóa phân tán ngẫu nhiên trên đồ thị, khơng tạo thành hình dạng nhất định nào, như vậy, giá trị dự đoán và phần dư độc lập nhau. Mơ hình hồi qui là phù hợp.
(Xem Phụ lục 8)
Ki
ể m tra gi ả đị nh phương sai củ a ph ần dư không đổ i
Thực hiện kiểm định tương quan hạng Spearman cho các biến độc lập và phần dư đã chuẩn hóa.
Giả thuyết: H0 – Hệ số tương quan hạng của tổng thể bằng 0.
Với mức ý nghĩa Sig cho thấy không thể bác bỏ giả thuyết H0. Ta có thể kết luận phương sai của phần dư khơng đổi (Hồng Trọng & Mộng Ngọc, 2005).
(Xem Phụ lục 8)
Ki
ể m tra gi ả đị nh ph ần dư có phân phố i chu ẩ n
Có nhiều lý do làm phần dư khơng phân phối chuẩn như: số lượng các phần dư khơng đủ nhiều để phân tích, phương sai khơng phải là hằng số hoặc sử dụng sai mơ hình…Tuy nhiên, chúng ta cũng chỉ kỳ vọng phần dư phân phối gần chuẩn vì ln có sự chênh lệch do lấy mẫu. Có 2 cách thường sử dụng để kiểm tra phân phối chuẩn của phần dư. Cách thứ nhất là vẽ đồ thị Histogram của phần dư chuẩn hóa, nếu đồ thị có dạng đường cong phân phối chuẩn nằm chồng lên biểu đồ tần số và có Mean xấp xỉ 0 và giá trị độ lệch chuẩn xấp xỉ 1 thì xem như phần dư có phân phối gần chuẩn. Cách thứ hai là vẽ đồ thị P-P plot, đồ thị này thể hiện các giá trị của các điểm phân vị của phân phối của biến phần dư theo các phân vị của phân phối chuẩn. Nếu trên đồ thị P-P plot các điểm này không nằm quá xa đường thẳng của phân phối chuẩn thì có thể xem như phần dư có phân phối gần chuẩn (Hoàng Trọng & Mộng Ngọc, 2005).
Ở nghiên cứu này, đồ thị Histogram của phần dư chuẩn hóa có dạng đường cong phân phối chuẩn, giá trị Mean xấp xỉ bằng 0 và độ lệch chuẩn xấp xỉ bằng 1 (0.99). Như vậy, giả định về phân phối chuẩn của phần dư không bị vi phạm.
(Xem Phụ lục 8)
Ki
ể m tra gi ả đị nh tính độ c l ậ p c ủ a ph ần dư
Kiểm định tính độc lập của phần dư bằng trị thống kê Durbin-Watson (d=1.958) nằm trong khoảng từ 1 đến 3 tức các phần dư độc lập với nhau (Hồng Trọng & Mộng Ngọc, 2005).
(Xem Phụ lục 8)
4.5.5 Tóm tắt kết quả kiểm định các giả thuyết của mơ hình hồi qui
Sau khi kiểm tra các vi phạm giả định trong phân tích mơ hình hồi qui, kết quả là mơ hình hồi qui của mẫu có thể được sử dụng các ước lượng cho các hệ số hồi qui của tổng thể. Như vậy, kết quả phân tích hồi qui bội cho thấy cả 5 thành phần của RM: Niềm tin, Sự cam kết, Truyền thông, Quản trị xung đột và Sự cảm thơng đều có sự tác động cùng chiều đến Sự trung thành của khách hàng.