F1 F2 F3 F4 TM
N Valid 160 160 160 160 160
F1 F2 F3 F4 TM
Skewness .061 -.215 -.170 -.078 -.078
Std. Error of Skewness .192 .192 .192 .192 .192
Kurtosis .033 .097 .846 1.640 .165
Std. Error of Kurtosis .381 .381 .381 .381 .381
(Nguồn: Số liệu điều tra 10/2013)
2.4.5 Kiểm định mơ hình nghiên cứu bằng phân tích hồi quy bội
Mơ hình điều chỉnh
Theo phân tích EFA phần trên, hai thành phần đáp ứng và đồng cảm của mơ hình SERVQUAL gộp lại thành một thành phần do chúng không đạt được giá trị phân biệt. Do vậy, mơ hình lý thuyết được hiệu chỉnh lại cho phù hợp với chất lượng dịch vụ dịch vụ chăm sóc khách hàngvà để thực hiện kiểm nghiệm tiếp theo.
Sơ đồ 2.3: Mơ hình nghiên cứu đã được điều chỉnh
Một số giả thuyết khi tiến hành nghiên cứu mơ hình hiệu chỉnh:
Các giả thuyết H1.1, H1.3, H1.5, được giữ như cũ.
Giả thuyết H2: Thành phần đáp ứng & đồng cảm được khách hàng đánh giá càng cao thì sự thỏa mãn của khách hàng càng cao và ngược lại. Hay nói cách khác, thành phần đáp ứng & năng lực phục vụ và sự thỏa mãn của khách hàng có quan hệ cùng chiều. H1.3 H2 H1.1 H1.5 Phục vụ Tin cậy Đồng cảm+ Đáp ứng Hữu hình Sự thỏa mãn của khách hàng
Ta có phương trình hồi quy tuyến tính như sau: TMi = β0 + β1F1 + β2F2 + β3F3 + β4F4+ ei
Trong đó:
TMi: giá trị sự thỏa mãn của quan sát thứ i. Fpi: biến độc lập thứ p đối với quan sát thứ i. β k: hệ số hồi qui riêng phần của biến thứ k. ei: sai số của phương trình hồi quy.
Ma trận hệ số tương quan giữa các biến
Kiểm định hệ số tương quan nhằm để kiểm tra mối quan hệ tuyến tính giữa các biến độc lập và các biến phụ thuộc. Nếu các biến có tương quan chặt thì phải lưu ý đến vấn đề đa cộng tuyến sau khi phân tích hồi quy. Theo ma trận hệ số tương quan, biến phụ thuộc có quan hệ tương quan tuyến tính với 4 biến độc lập. Trong đó, hệ số tương quan giữa thỏa mãn với đáp ứng và đồng cảm là cao nhất 0,543, hệ số tương quan giữa thỏa mãn và phục vụ là thấp nhất 0,044, hệ số tương quan giữa thỏa mãn và tin cậy là 0,465 tỉ lệ khá thấp và hệ số tương quan giữa thỏa mãn và hữu hình là tương đối thấp 0,138 . Như vậy có thể nói rằng các biến độc lập này có thể đưa vào mơ hình để giải thích cho sự thỏa mãn dịch vụ. Tuy nhiên, giữa các biến độc lập cũng có quan hệ với nhau mặc dù hệ số tương quan không lớn lắm. Chúng ta khơng phải lo ngại điều này vì ở phần kiểm tra đa cộng tuyến bên dưới sẽ xác định xem các biến được giữ lại trong mơ hình hồi quy tuyến tính có xảy ra hiện tượng đa cộng tuyến hay khơng.
Đánh giá độ phù hợp của mơ hình hồi qui tuyến tính bội
Mơ hình thường khơng phù hợp với dữ liệu thực tế như giá trị R2 thể hiện. Trong tình huống này R2 điều chỉnh từ R2 được sử dụng để phản ánh sát hơn mức độ phù hợp của mơ hình hồi qui tuyến tính đa biến (Theo Hồng Trọng & Chu Nguyễn Mộng Ngọc, 2008). Như vậy, để đánh giá độ phù hợp của mô hình ta dùng hệ số xác định R2 điều chỉnh. Hệ số R2 hiệu chỉnh = 0.338 nghĩa là mơ hình hồi quy tuyến tính bội đã xây dựng phù hợp với tập dữ liệu là 33,8%. Nói cách khác, khoảng 33,8% khác biệt của mức độ thỏa mãn quan sát có thể được giải thích bởi sự
khác biệt của 4 thành phần tin cậy, thành phần đồng cảm và đáp ứng, thành phần phục vụ, thành phần hữu hình.