ĐIỀU CHỈNH CÁC GIẢ THUYẾT NGHIÊN CỨU: Ký
hiệu
Giả thuyết
H1 Chất lượng dịch vụ ảnh hưởng cùng chiều đến sự hài lòng của khách hàng
H1a Phương tiện hữu hình có ảnh hưởng cùng chiều với sự hài lòng của khách hàng.
H1b Lịch trình bay có ảnh hưởng cùng chiều với sự hài lòng của khách hàng. H1c Sự tin cậy có ảnh hưởng cùng chiều với sự hài lòng của khách hàng H1d Những dịch vụ được cung cấp bởi nhân viên mặt đất có ảnh hưởng cùng
chiều với sự hài lòng của khách hàng.
H1e Những dịch vụ được cung cấp bởi tiếp viên hàng khơng có ảnh hưởng cùng chiều với sự hài lòng của khách hàng.
H2 Sự hài lòng khách hàng có ảnh hưởng cùng chiều với hành vi truyền miệng và sử dụng lại dịch vụ của khách hàng.
H3 Sự hài lịng khách hàng có ảnh hưởng ngược chiều với hành vi phản hồi tiêu cực của khách hàng. Lịch trình bay (LT) Sự hài lịng (HL) Truyền miệng & sử dụng lại dịch vụ (WI) H2 H1a Phương tiện hữu hình (PTHH) Tin cậy (TC) Nhân viên mặt đất (NV) H1b H1c H1d Phản hồi (FB) H3 Tiếp viên hàng khơng (TV) H1e
Kiểm định mơ hình và giả thuyết nghiên cứu
Sau khi qua giai đoạn phân tích nhân tố, có tám nhân tố được đưa vào kiểm định mơ hình. Giá trị nhân tố là trung bình của các biến quan sát thành phần thuộc nhân tố đó. Phân tích tương quan Pearson được sử dụng để xem xét sự phù hợp khi đưa các thành phần vào mơ hình hồi qui. Kết quả của phân tích hồi qui sẽ được sử dụng để kiểm định các giả thuyết từ H1 đến H3.
Các mơ hình hồi qui trong nghiên cứu:
o Mơ hình hồi qui 1: Sự hài lòng = o + 1 x Phương tiện hữu hình + 2 x
Lịch trình chuyến bay + 3 x Tin cậy + x Tiếp viên hàng không + x Nhân viên mặt đất +
o Mơ hình hồi qui 2: Truyền miệng & sử dụng lại dịch vụ = o + 1 x Sự
hài lòng khách hàng +
o Mơ hình hồi qui 3: Phản hồi= o + 1 x Sự hài lòng khách hàng+
(Trong đó: o : hằng số hồi qui, i: trọng số hồi qui, : sai số)
4.4.1 Mơ hình Hồi qui 1
Kiểm định hệ số tương quan Pearson dùng để kiểm tra mối liên hệ tuyến tính giữa các biến độc lập và biến phụ thuộc. Nếu các biến có tương quan chặt chẽ thì phải lưu ý đến vấn đề đa cộng tuyến khi phân tích hồi qui.
4.4.1.1 Phân tích tương quan:
Theo ma trận tương quan thì các biến đều có tương quan và có ý nghĩa ở mức 0.001. Hệ số tương quan biến phụ thuộc là Sự hài lòng với các biến độc lập ở mức tương đối, trong đó Nhân viên mặt đất có tương quan cao nhất với Sự hài lịng khách hàng (0.588). Do đó, ta có thể kết luận các biến độc lập này có thể đưa vào mơ hình để giải thích cho biến Sự hài lòng khách hàng. (xem bảng 4.7)
Bảng 4.7: Ma trận tương quan giữa các biến trong mơ hình hồi qui 1
HL NV TV LT TC PTHH
Sự hài lòng 1.000
Nhân viên mặt đất 0.588 1.000
Tiếp viên hàng khơng 0.459 0.536 1.000
Lịch trình chuyến bay 0.374 0.394 0.355 1.000
Tin cậy 0.187 0.288 0.256 0.246 1.000
4.4.1.2 Phân tích phương trình hồi qui 1:
Phân tích hồi qui được thực hiện với năm biến độc lập bao gồm: Phương tiện hữu hình (PTHH), Lịch trình chuyến bay (LT), Tin cậy (TC), Tiếp viên hàng không (TV), Nhân viên mặt đất (NV) và biến phụ thuộc là Sự hài lòng (HL). Kết quả thống kê mô tả của các biến đưa vào phân tích hồi qui:
Bảng 4.8: Thống kê mơ tả các biến phân tích hồi qui
Trung bình Độ lệch chuẩn Kích thước mẫu Sự hài lịng 3.5617 0.64789 270 Nhân viên mặt đất 3.3767 0.61777 270
Tiếp viên hàng không 3.5947 0.59757 270 Lịch trình chuyến bay 2.7198 0.96364 270
Tin cậy 3.1877 0.73403 270
Phương tiện hữu hình 3.4864 0.67683 270
Giá trị của các biến độc lập được tính trung bình dựa trên các biến quan sát thành phần của các biến độc lập đó. Giá trị của biến phụ thuộc là giá trị trung bình của các biến quan sát về Sự hài lịng của khách hàng. Phân tích được thực hiện bằng phương pháp Enter. các biến được đưa vào cùng một lúc để xem biến nào được chấp nhận. Kết quả phân tích hồi qui như sau:
Kết quả cho thấy mơ hình hồi qui đưa ra tương đối phù hợp với mức ý nghĩa 0.05. Hệ số R2 hiệu chỉnh = 0.382 có nghĩa là có khoảng 38.2% phương sai Sự hài lịng được giải thích bởi năm biến độc lập là: Phương tiện hữu hình, Lịch trình chuyến bay, Tin cậy, Tiếp viên hàng khơng và Nhân viên mặt đất. Còn lại 61.8% Sự hài lịng được giải thích bằng các yếu tố khác.
Bảng 4.9: Bảng đánh giá độ phù hợp của mơ hình
Mơ hình
Các biến được đưa vào Các biến bị
loại bỏ
Phương pháp 1
Nhân viên mặt đất, Phương tiện hữu hình, Tin cậy, Lịch trình chuyến bay, Tiếp viên hàng khơng
Enter
Mơ hình R R2 R2 hiệu chỉnh Sai số chuẩn dự đoán
1 0.628 0.394 0.382 0.50917
Biến dự đoán: (Hằng số), Nhân viên mặt đất, Phương tiện hữu hình, Tin cậy, Lịch trình chuyến bay, Tiếp viên hàng không
Kiểm định F sử dụng trong bảng phân tích phương sai là phép kiểm định giả thuyết về độ phù hợp của mơ hình hồi qui tuyến tính tổng thể. Ý tưởng của kiểm định này về mối quan hệ tuyến tính giữa biến phụ thuộc và các biến độc lập. Trong bảng phân tích ANOVA, ta thấy giá trị sig. rất nhỏ (sig. = 0.000), nên mơ hình hồi qui phù hợp với tập dữ liệu và có thể sử dụng được.
Bảng 4.10: Phân tích phương sai (hồi qui)
ANOVA Mơ hình Tổng các bình phương df Bình phương trung bình F Sig. 1 Phần hồi qui 44.473 5 8.895 34.309 0.000 Phần dư 68.442 264 0.259 Tổng cộng 112.916 269
Biến phụ thuộc: Sự hài lịng
Các biến dự đốn: (Hằng số), Nhân viên mặt đất, Phương tiện hữu hình, Tin cậy, Lịch trình chuyến bay, Tiếp viên hàng khơng
Bảng 4.11: Hệ số hồi qui sử dụng phương pháp Enter
Mơ hình Hệ số hồi qui chưa chuẩn hóa Hệ số hồi qui chuẩn hóa t Sig. Đa cộng tuyến B Sai số
chuẩn Beta Tolerance VIF
1
(Hằng số) 1.012 0.234 4.333 .000
Nhân viên mặt đất 0.459 0.063 0.438 7.344 .000 0.646 1.547
Tiếp viên hàng không 0.176 0.064 0.163 2.746 .006 0.654 1.529
Lịch trình chuyến bay 0.089 0.036 0.132 2.431 .016 0.782 1.279
Tin cậy -0.025 0.045 -0.029 -.561 .575 0.869 1.151
Phương tiện hữu hình 0.059 0.051 0.062 1.153 .250 0.804 1.244
Trong kết quả trên, nếu sig. <= 0.05 tương đương với độ tin cậy 95% thì nhân tố đó được chấp nhận, có nghĩa là nó có sự tác động đến Sự hài lòng khách hàng. Kết quả hồi qui cho thấy có 3 nhân tố thỏa mãn điều kiện là: Nhân viên mặt đất, Tiếp viên hàng khơng và Lịch trình chuyến bay. Vì vậy, 3 nhân tố Nhân viên mặt đất, Tiếp viên hàng khơng, và Lịch trình chuyến bay đều được xem là có tác động tích cực đến Sự hài lịng của khách hàng. (Xem Hình 4.2)
Hệ số hồi qui thể hiện dưới hai dạng: (1) chưa chuẩn hóa (Unstandardized) và (2) chuẩn hóa (Standardized). Vì hệ số hồi qui chưa chuẩn hóa (B), giá trị của nó phụ thuộc vào thang đo cho nên chúng 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 được. Hệ số hồi qui chuẩn hóa (beta, ký hiệu β) là hệ số chúng ta đã chuẩn hóa các biến. Vì vậy hệ số hồi qui chuẩn hóa được sử dụng để so sánh mức độ tác động của các biến phụ độc lập vào biến phụ thuộc. Biến độc lập nào có trọng số hồi qui chuẩn hóa càng lớn có nghĩa là biến đó có tác động càng mạnh vào biến phụ thuộc.
Vì thế, phương trình hồi qui tuyến tính được thể hiện như sau:
Sự hài lòng = 0.438*Nhân viên mặt đất + 0.163*Tiếp viên hàng khơng +
0.132*Lịch trình chuyến bay
Kết luận: Sự hài lòng của hành khách chịu tác động lớn nhất bởi nhân tố Nhân
viên mặt đất (= 0.438), kế đến là nhân tố Tiếp viên hàng không ( = 0.163), tiếp nữa là nhân tố lịch trình chuyến bay ( = 0.132) với mức ý nghĩa sig. <=0.05. Các kết quả phân tích trên đây sẽ là cơ sở để tác giả đưa ra những hàm ý kiến nghị cho các nhà quản trị trong ngành hàng không giá rẻ tại Việt Nam. Nội dung này sẽ được trình bày trong chương cuối cùng của nghiên cứu này.