Các giả thuyết nghiên cứu điều chỉnh:
H’1: Có mối quan hệ thuận giữa phương tiện ô tô của dịch vụ VTHK bằng ô tô tuyến ĐX – TPHCM và sự hài lòng của hành khách với dịch vụ này
H’2: Có mối quan hệ thuận giữa năng lực phục vụ của dịch vụ VTHK bằng ô tô tuyến ĐX – TPHCM và sự hài lòng của hành khách với dịch vụ này
H’3: Có mối quan hệ thuận giữa thái độ phục vụ của tài xế của dịch vụ VTHK bằng ơ tơ tuyến ĐX – TPHCM và sự hài lịng của hành khách với dịch vụ này
5,
H’4: Có mối quan hệ thuận giữa thái độ phục vụ của nhân viên của dịch vụ VTHK bằng ô tô tuyến ĐX – TPHCM và sự hài lòng của hành khách với dịch vụ này H’5: Có mối quan hệ thuận giữa sự an tồn của dịch vụ VTHK bằng ơ tơ tuyến ĐX
– TPHCM và sự hài lòng của hành khách với dịch vụ này
H’6: Có mối quan hệ thuận giữa trạm dừng nghỉ của dịch vụ VTHK bằng ô tô tuyến ĐX – TPHCM và sự hài lòng của hành khách với dịch vụ này
4.2.4Phân tích hồi quy tuyến tính bội
Phân tích mối quan hệ giữa chất lượng dịch vụ VTHK bằng ô tô tuyến ĐX - TPHCM với mức độ hài lòng của hành khách, tác giả sử dụng mơ hình hồi quy tuyến tính bội. Phân tích hồi quy với phương pháp đồng thời (Enter). Mơ hình như sau:
HL = 0 + 1 PFT + 2NFT + 3TFT1 + 4TFT2 + 5AFT + 6TRFT + e
(Phương trình 4.1)
Trong đó:
- HL: Mức độ hài lịng của hành khách (biến phụ thuộc) - 0 , 1 , 2 , 3 , 4
,
- e : Phần dư
6: Hệ số hồi quy riêng phần của các biến độc lập
4.2.4.1Kiểm định hệ số tương quan
Kiểm định hệ số tương quan nhằm kiểm tra mối quan hệ tuyến tính giữa các biến độc lập và biến phụ thuộc. Mối quan hệ giữa các nhân tố liên quan đến chất lượng dịch vụ VTHK tuyến ĐX – TPHCM với nhân tố mức độ hài lòng của hành khách được xem xét thơng qua phân tích tương quan Pearson. Hệ số tương quan Pearson bằng 1 trong trường hợp có tương quan tuyến tính đồ ng bi ế n và -1 trong trường hợp tương quan tuyến tính ngh ị ch bi ế n. Các giá trị khác trong khoảng (-1,1) cho biết mức độ ph ụ thu ộ c tuy ế n tính giữa các biến. Hệ số tương quan càng gần với -1 và 1 thì tương quan giữa các biến càng mạnh. Do đó khi giá trị tuyệt đối của hệ số tương quan Pearson nằm trong khoảng từ -1 đến 1 ta có thể nói hai biến có mối quan hệ tương quan chặt chẽ.
Bảng 4.18 cho thấy hành khách đánh giá chưa tốt về chất lượng dịch vụ VTHK bằng ô tô tuyến ĐX – TPHCM. Hành khách tạm hài lòng với các nhân tố phương tiện xe ô tô, thái độ phục vụ của tài xế và nhân viên, sự an toàn, trạm dừng nghỉ. Nhìn chung hành khách gần hài lịng về chất lượng dịch vụ VTHK bằng ô tô tuyến ĐX - TPHCM, họ đánh giá các nhân tố là tương đồng nhau, chỉ riêng yếu tố “năng lực phục vụ” hành khách hài lòng.
Bảng 4.18 : Kết quả thống kê mô tả các nhân tố đo lường chất lượng dịch vụ VTHK bằng ô tơ tuyến ĐX – TPHCM
Các biến quan sát Kích thước mẫu Trung bình Sai số chuẩn
PFT Phương tiện xe ơ tô 260 3.5885 .83422
NFT Năng lực phục vụ 260 4.0385 .79602
TFT1 Thái độ phục vụ của tài xế 260 3.9125 .63845
TFT2 Thái độ phục vụ của nhân viên 260 3.7859 .77158
AFT Sự an toàn 260 3.8192 .76286
TRFT Trạm dừng nghỉ 260 3.5987 .70123
HL Hài lòng của hành khách 260 3.5051 .72787
Kích thước mẫu hợp lệ 260
Ma trận hệ số tương quan (phụ lục 10) cho thấy mối tương quan giữa các biến độc lập với biến phụ thuộc – HL “ mức độ hài lòng của hành khách” và mối tương quan giữa các biến độc lập với nhau. Hệ số tương quan giữa biến phụ thuộc “mức độ hài lòng của hành khách” và các biến độc lập khá cao, sơ bộ có thể kết luận các biến độc lập này có thể đưa vào mơ hình giải thích cho biến phụ thuộc “mức độ hài lòng của hành khách”, hay các nhân tố được rút trích nói trên có ảnh hưởng đến mức độ hài lòng của hành khách. Tuy nhiên nên lưu ý hệ số tương quan giữa hai biến độc lập NFT “Năng lực phục vụ” và AFT “’Sự an toàn”, NFT “Năng lực phục vụ” và TRFT “Trạm dừng nghỉ” (xem phụ lục 10), mối quan hệ giữa các biến này cần phải xem xét kỹ trong phần phân tích hồi quy tuyến tính bội nhằm tránh hiện tượng đa cộng tuyến giữa các biến độc lập và xem xét thêm liệu các biến độc lập này có khả năng giải thích tốt cho biến phụ thuộc HL hay khơng.
4.2.4.2Kiểm định độ phù hợp của mơ hình hồi quy
Trị thống kê F được tính từ R2 của mơ hình với mức ý nghĩa quan sát rất nhỏ (sig. = .000) cho thấy mơ hình hồi quy tuyến tính bội phù hợp với tập dữ liệu và có thể sử dụng được.
Kết quả phân tích hồi quy tuyến tính bội cho thấy hệ số xác định R2 = 0.575 và hệ số xác định R2 hiều chỉnh là 0.565 nghĩa là mơ hình hồi quy tuyến tính bội đã xây dựng phù hợp với tập dữ liệu là 56.5%. Nói cách khác, khoảng 56.5% khác biệt của mức độ hài lòng của hành khách quan sát có thể được giải thích bởi sự khác biệt của 6 biến độc lập trong mơ hình là phương tiện xe ô tô, năng lực phục vụ, thái độ phục vụ của tài xế, thái độ phục vụ của nhân viên, trạm dừng nghỉ và sự an toàn.
Bảng 4.19 : Thống kê phân tích các hệ số hồi quy
Mơ hình R R2 R2 hiệu chỉnh Sai số chuẩn ước lượng
Thống kê thay đổi
Durbin- Watson R2 thay đổi F thay đổi df1 df2 Sig. F thay đổi 1 .758a .575 .565 .48016 .575 57.028 6 253 .000 1.777
Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), kiểm định F sử dụng trong bảng phân tích phương sai ANOVA là phép kiểm định giả thiết về độ phù hợp của mơ hình hồi quy tuyến tính tổng thể. Ở đây xem xét biến phụ thuộc HL có liên hệ tuyến tính với các biến độc lập hay khơng, giả thuyết kiểm định là :
H0= 0 = 1 = 2= 3= 4 = 5= 0
Kết quả của Regression (hồi quy) cho biết thông tin về sự biến thiên của dữ liệu được giải thích bởi mơ hình. Kết quả của Residual (phần dư) cho biết biến thiên của dữ liệu khơng được giải thích bởi mơ hình. Trong phân tích phương sai ANOVA cho thấy tổng các độ lệch bình phương hồi quy (Regression Sum of Squares) lớn hơn tổng các độ lệch bình phương phần dư (Residual Sum of Squares) chứng tỏ mơ hình đã giải thích phần lớn phương sai của biến phụ thuộc HL. Trị số thống kê F được tính từ giá trị R Square có giá trị sig rất nhỏ cho thấy sẽ an toàn khi bác bỏ giả thuyết H0, hay các hệ số hồi quy sẽ khác 0 và mơ hình hồi quy tuyến tính bội là phù
hợp với tập dữ liệu. Như vậy các biến độc lập trong mơ hình có quan hệ với biến phụ thuộc, mơ hình có thể sử dụng được.
Bảng 4.20 : Phân tích phương sai ANOVA
Mơ hình Tổng bình phương df Bình phương trung bình F Sig. 1 Hồi quy Phần dư Tổng 78.886 6 13.148 57.028 .000a 58.329 253 .231 137.215 259
4.2.4.3Dị tìm sự vi phạm các giả định cần thiết trong hồi quy tuyến tínhGiả định phân phối chuẩn của phần dư Giả định phân phối chuẩn của phần dư
Biểu đồ tần số Histogram và biểu đồ tần số P-P Plot đều được dùng để xem phần dư có chuẩn hố hay khơng. Biểu đồ tần số Histogram sẽ có một đường cong phân phối chuẩn được đặt chồng lên biểu đồ (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Nhìn hình 4.2 ta thấy phân phối phần dư xấp xỉ chuẩn (Mean= -4.66E-16, độ lệch chuẩn Std.Dev=0.99, gần bằng 1).