Mơ hình Hệ số hồi quy chƣa chuẩn hóa Hệ số hồi quy chuẩn hóa t Sig. Thống kê đa cộng tuyến
B Sai số chuẩn Beta Dungsai VIF
Hằng số -0,147 0,127 1,157 0,249
Độ tin cậy 0,227 0,018 0,363 12,485 0,000 0,811 1,232 Độ đáp ứng 0,169 0,015 0,330 11,353 0,000 0,811 1,234 Năng lực phục vụ 0,176 0,012 0,386 14,398 0,000 0,955 1,047 Sự đồng cảm 0,200 0,017 0,321 12,012 0,000 0,959 1,043 Phƣơng tiện hữu hình 0,135 0,018 0,202 7,619 0,000 0,975 1,026 Giá cả dịch vụ 0,218 0,015 0,386 14,633 0,000 0,982 1,018
a. Biến độc lập: Sự hài lòng của khách hàng cá nhân
Trong kết quả trên, nếu sig. < 0,05 tƣơng đƣơng với độ tin cậy 95% và t > 2 thì nhân tố đó đƣợc chấp nhận, có nghĩa là nó có sự tác động đến sự hài lòng của khách hàng cá nhân. Kết quả hồi quy cho thấy cả 6 nhân tố: độ tin cậy, độ đáp ứng, năng lực phục vụ, sự đồng cảm, phƣơng tiện hữu hình và giá cả dịch vụ đều thỏa mãn điều kiện.
Hệ số hồi quy thể hiện dƣới hai dạng: (1) chƣa chuẩn hóa (Unstandardized) và (2) chuẩn hóa (Standardized). Vì hệ số hồi quy chƣa chuẩn hóa (B), giá trị của nó phụ thuộc vào thang đo cho nên ta không thể dùng chúng để so sánh mức độ tác động của các biến độc lập vào biến phụ thuộc trong cùng một mơ hình đƣợc. Hệ số hồi quy chuẩn hóa (beta, ký hiệu ) là hệ số ta đã chuẩn hóa các biến. Vì vậy chúng đƣợc dùng để so sánh mức độ tác động của các biến độc lập vào biến phụ thuộc. Biến độc lập nào có trọng số này càng lớn có nghĩa là biến đó có tác động mạnh vào biến phụ thuộc (hai biến tác động mạnh nhất trong kết quả phân tích ở trên là năng lực phục vụ và giá cả dịch vụ). Vì thế, phƣơng trình hồi quy tuyến tính đƣợc thể hiện nhƣ sau:
Sự hài lòng của khách hàng cá nhân = 0,363*Độ tin cậy + 0,33*Độ đáp ứng + 0,386*Năng lực phục vụ + 0,321*Sự đồng cảm +
0,202*Phƣơng tiện hữu hình + 0,386*Giá cả dịch vụ
Nhƣ vậy, sự hài lịng của khách hàng cá nhân chịu sự tác động lớn nhất bởi hai nhân tố năng lực phục vụ của ngân hàng và giá cả của sản phẩm dịch vụ ( = 0,386). Giá cả dịch vụ càng cạnh tranh và năng lực phục vụ của ngân hàng càng tốt thì càng thu hút khách hàng cá nhân. Các yếu tố về độ tin cậy, độ đáp ứng, sự đồng cảm cũng làm tăng xu hƣớng đạt đƣợc sự hài lòng của khách hàng cá nhân ( lần lƣợt là 0,363; 0,33; 0,321). Yếu tố về phƣơng tiện hữu hình của ngân hàng cũng làm tăng sự hài lòng của khách hàng cá nhân, tuy nhiên, vai trò quyết định của nhân tố này khơng cao ( = 0,202). Kết quả phân tích trên đây sẽ là cơ sở để tác giả đƣa ra những hàm ý kiến nghị cho Ban Quản trị BIDV chi nhánh Quảng Ngãi. 2.3.6.5 Dị tìm sự vi phạm các giả định cần thiết trong hồi quy tuyến tính
Giả định liên hệ tuyến tính giữa biến phụ thuộc và các biến độc lập cũng nhƣ hiện tƣợng phƣơng sai thay đổi (heteroskedasticity)
Kiểm tra giả định này bằng cách vẽ đồ thị phân tán giữa các phần dƣ và giá trị dự đốn mà mơ hình hồi quy tuyến tính cho ra. Ngƣời ta hay vẽ biểu đồ phân tán giữa hai giá trị này đã đƣợc chuẩn hóa (standardized) với phần dƣ trên trục tung và giá trị dự đốn trên trục hồnh. Nếu giả định liên hệ tuyến tính và phƣơng sai bằng nhau đƣợc thỏa mãn, thì ta sẽ khơng nhận thấy có liên hệ gì giữa các giá trị dự đoán với phần dƣ, chúng sẽ phân tán ngẫu nhiên.
Đồ thị Scatterplot (xem chi tiết phụ lục 9) cho thấy phần dƣ phân tán ngẫu nhiên trong một vùng xung quanh đƣờng đi qua tung độ 0 chứ khơng tạo ra một hình thù nào. Nhƣ vậy giá trị dự đoán và phần dƣ độc lập nhau và phƣơng sai của phần dƣ khơng thay đổi. Do vậy, mơ hình hồi quy phù hợp.
Giả định về phân phối chuẩn của phần dƣ
Phần dƣ có thể không tuân theo phân phối chuẩn vì những lý do nhƣ: sử dụng sai mơ hình, phƣơng sai khơng phải là hằng số, số lƣợng các phần dƣ khơng
đủ nhiều để phân tích,… Vì vậy ta nên thử nhiều cách khảo sát khác nhau. Một cách khảo sát đơn giản nhất là xây dựng biểu đồ tần số của các phần dƣ.
Biểu đồ tần số của phần dƣ chuẩn hóa (xem chi tiết phụ lục 9) cho thấy một đƣờng cong phân phối chuẩn đƣợc đặt chồng lên biểu đồ tần số. Thật không hợp lý khi chúng ta kỳ vọng rằng các phần dƣ quan sát có phân phối hồn tồn chuẩn vì ln ln có những chênh lệch do lấy mẫu. Ngay cả khi các sai số có phân phối chuẩn trong tổng thể đi nữa thì phần dƣ trong mẫu quan sát cũng xấp xỉ chuẩn mà thơi. Ở đây, ta có thể nói phân phối phần dƣ xấp xỉ chuẩn (trung bình Mean = 0,00; và độ lệch chuẩn Std.Dev = 0,984 tức là gần bằng 1). Do đó, có thể kết luận rằng giả thiết phân phối chuẩn không bị vi phạm.
Giả định khơng có mối tƣơng quan giữa các biến độc lập (đo lƣờng đa cộng tuyến)
Cộng tuyến là trạng thái trong đó các biến độc lập có tƣơng quan chặt chẽ với nhau. Vấn đề của hiện tƣợng cộng tuyến là chúng cung cấp cho mơ hình những thơng tin rất giống nhau, và khó tách rời ảnh hƣởng của từng biến một đến biến phụ thuộc. Hiệu ứng khác của sự tƣơng quan khá chặt giữa các biến độc lập là nó làm tăng độ lệch chuẩn của các hệ số hồi quy và làm giảm giá trị thống kê t của kiểm định ý nghĩa của chúng nên các hệ số có khuynh hƣớng kém ý nghĩa hơn khi có đa cộng tuyến trong khi hệ số xác định R2 vẫn khá cao.
Để kiểm tra hiện tƣợng đa cộng tuyến, chỉ số thƣờng dùng là hệ số phóng đại phƣơng sai VIF (Variance Inflation Factor). Thông thƣờng, nếu VIF của một biến độc lập nào đó lớn hơn 10 thì biến này hầu nhƣ khơng có giá trị giải thích biến thiên của Y trong mơ hình MLR (Hair & cộng sự,2006, dẫn theo Nguyễn Đình Thọ, 2011).
Theo bảng hệ số hồi quy ở trên, hệ số VIF của các biến độc lập có giá trị từ 1,018 đến 1,234; tất cả đều nhỏ hơn 10. Vì vậy, có thể kết luận mơ hình khơng xảy ra hiện tƣợng đa cộng tuyến.
Phân tích phƣơng sai ANOVA (Analysis of variance) để xem xét sự khác biệt về sự hài lịng giữa các nhóm khách hàng cá nhân có độ tuổi khác nhau.
Gi
ả thuy ế t Ho : Có sự khác nhau về sự hài lịng giữa các nhóm khách hàng cá nhân có độ tuổi khác nhau