Correlations
Hieu qua Bao mat Thuan tien Hoan thanh Phi San sang Hai long
Hieu qua Pearson Correlation 1 .000 .000 .000 .000 .000 .522**
Sig. (2-tailed) 1.000 1.000 1.000 1.000 1.000 .000
N 191 191 191 191 191 191 191
Bao mat Pearson Correlation .000 1 .000 .000 .000 .000 .283**
Sig. (2-tailed) 1.000 1.000 1.000 1.000 1.000 .000 N 191 191 191 191 191 191 191 Thuan tien Pearson Correlation .000 .000 1 .000 .000 .000 .452** Sig. (2-tailed) 1.000 1.000 1.000 1.000 1.000 .000 N 191 191 191 191 191 191 191 Hoan thanh Pearson Correlation .000 .000 .000 1 .000 .000 .199** Sig. (2-tailed) 1.000 1.000 1.000 1.000 1.000 .006 N 191 191 191 191 191 191 191
Phi Pearson Correlation .000 .000 .000 .000 1 .000 .264**
Sig. (2-tailed) 1.000 1.000 1.000 1.000 1.000 .000
N 191 191 191 191 191 191 191
San sang Pearson Correlation .000 .000 .000 .000 .000 1 .286**
Sig. (2-tailed) 1.000 1.000 1.000 1.000 1.000 .000
N 191 191 191 191 191 191 191
Hai long Pearson Correlation .522** .283** .452** .199** .264** .286** 1
N 191 191 191 191 191 191 191
2.3.7 Phân tích hồi quy
Kết quả bảng 2.7 cho thấy các biến độc lập: mức độ hiệu quả; sự thuận tiện; phí dịch vụ; sự bảo mật; mức độ hồn thành; mức độ sẵn sàng có quan hệ tuyến tính với biến phụ thuộc sự hài lịng, có ý nghĩa thống kê vì giá trị Sig.= 0. Do đó, ta có mơ hình sau:
Sự hài lòng = B1 * mức độ hiệu quả + B2 * bảo mật + B3 * thuận tiện + B4 * hoàn thành + B5 * Phí dịch vụ + B6 * sẵn sàng
Với B1, B2, B3, B4, B5, B6: là hệ số hồi quy riêng phần.
Mức độ hiệu quả; sự thuận tiện; phí dịch vụ; sự bảo mật; mức độ hồn thành; mức sẵn sàng là các biến độc lập và sự hài lòng là biến phụ thuộc.
2.3.7.1 Đánh giá độ phù hợp của mơ hình hồi quy tuyến tính bội
Hệ số xác định R2 và R2 hiệu chỉnh (Adjusted R square) được dùng để đánh giá độ phù hợp của mơ hình. Vì R2 sẽ tăng khi đưa thêm biến độc lập vào mơ hình nên dùng R2 hiệu chỉnh sẽ an toàn hơn khi đánh giá độ phù hợp của mơ hình. R2 hiệu chỉnh càng lớn thể hiện độ phù hợp của mơ hình càng cao. Hệ số R2 có giá trị từ 0 đến 1, R2 càng gần 1 thì mơ hình đã xây dựng càng thích hợp, R2 càng gần 0 mơ hình càng kém phù hợp với tập dữ liệu mẫu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008, 214).
So sánh hai giá trị R2 và R2 điều chỉnh ở bảng 2.5, chúng ta sẽ thấy R2 điều chỉnh nhỏ hơn và dùng nó đánh giá độ phù hợp của mơ hình sẽ an tồn hơn vì nó khơng thổi phồng mức độ phù hợp của mơ hình.
Hệ số R2 điều chỉnh (Ajusted R spuare) = 0,740 (xem bảng 2.5). Điều này nói lên rằng khoảng 74% phương sai sự hài lịng được giải thích bởi 6 biến độc lập, còn lại là do các biến khác tác động.
2.3.7.2 Kiểm định độ phù hợp của mơ hình
Kiểm định F sử dụng trong phân tích phương sai là một phép kiểm định giả thuyết về độ phù hợp của mơ hình hồi quy tuyến tính tổng thể để xem xét biến phụ thuộc có liên hệ tuyến tính với tồn bộ tập hợp của các biến độc lập.
Cặp giả thiết:
H0: Khơng có mối quan hệ giữa các biến độc lập và biến phụ thuộc hay R2=0 H1: Tồn tại mối quan hệ giữa các biến độc lập và biến phụ thuộc hay R2≠0 Mức ý nghĩa kiểm định là 5%
Nguyên tắc chấp nhận giả thiết:
- Nếu Sig.<0,05: Bác bỏ giả thiết H0
- Nếu Sig.≥0,05: Chưa có cơ sở bác bỏ giả thiết H0
Nhìn vào bảng 2.8 ta thấy rằng trị thống kê F được tính từ giá trị R2 đầy đủ khác 0 (F=91,131), giá trị Sig. rất nhỏ cho thấy mơ hình sử dụng là phù hợp và các biến đều đạt được tiêu chuẩn chấp nhận.
Như vậy, mơ hình hồi quy bội thỏa các điều kiện đánh giá và kiểm định độ phù hợp cho việc rút ra các kết quả nghiên cứu.