Bảng 4 .1 Thông tin mẫu nghiên cứu
Bảng 4.14 Component Matri xa
yêu cầu.
Bảng 4.13: Total Variance Explained
1 1.941 64.693 64.693 1.941 64.693 64.693
2 .551 18.353 83.046
3 .509 16.954 100.000
(Nguồn: Kết quả phân tích SPSS)
Tất cả các hệ số tải nhân tố của các biến đều lớn hớn 0.5 đạt yêu cầu.
Bảng 4.14: Component MatrixaNhân tố Nhân tố 1 HL1 .810 HL2 .792 HL3
Extraction Method: Principal Component Analysis.a
.811 a. 1 components extracted.
(Nguồn: Kết quả phân tích SPSS)
Dựa vào kết quả phân tích nhân tố khám phá cho thấy thang đo sự hài lòng của khách hàng đạt giá trị hội tụ. Lệnh nhóm trung bình được sử dụng để nhóm ba biến (HL1, HL2, HL3) thành một biến mới là sự hài lòng của khách hàng ký hiệu HL.
4.3. Phân tích tương quan và hồi quy tuyến tính4.3.1. Xác định biến độc lập, biến phụ thuộc 4.3.1. Xác định biến độc lập, biến phụ thuộc
Căn cứ vào mơ hình nghiên cứu lý thuyết, ta có phương trình hồi quy tuyến tính bội diễn tả các nhân tố ảnh hưởng đến sự hài lòng của khách hàng:
Component Initial Eigenvalues Extraction Sums of Squared Loadings
HL = β0 + β1*PV + β2* KM + β3*HH + β4*CL + β5*MB + β6*AT + β7*GC + β8*TB
• Các biến độc lập (Xi): PV, KM, HH, CL, MB, AT, GC, TB • Biến phụ thuộc (HL): sự hài lịng của khách hàng
• βk là hệ số hồi quy riêng phần (k = 0…8)
4.3.2. Phân tích tương quan
Dựa vào bảng 4.15 (chi tiết xem bảng số 18, phụ lục 5) ta có thể thấy hệ số tương quan giữa nhân tố sự hài lòng của khách hàng (HL) với 8 biến độc lập PV, KM, HH, CL, MB, GC, TB cao (thấp nhất là 0.307 và trị Sig đều nhỏ (< 0.05). Sơ bộ ta có thể kết luận 7 biến độc lập PV, KM, HH, CL, MB, GC, TB có thể đưa vào mơ hình để giải thích cho biến HL. Tương quan giữa biến mức độ an tồn (AT) và biến sự hài lịng (HL) rất thấp và trị Sig = 0.479 > 0.05. Tuy nhiên, không thể dựa vào mối tương quan để đưa ra kết luận mà phải phân tích hồi qui để đưa ra.