Biến Thành phần 1 SAT1 0.836 SAT2 0.771 SAT3 0.765 Eigenvalues 1.880 Phương sai trích 62.682
Thang đo sự hài lịng gồm có 3 biến quan sát được phân tích EFA sử dụng với phương pháp trích nhân tố principal component và phép quay varimax đã trích được
một nhân tố duy nhất tại eigenvalue là 1.880 và phương sai trích được là 62.682 %
2.2.4.4 Phân tích hồi quy tuyến tính bội, kiểm định các giả thuyết và mơ hình nghiên cứu
Kiểm định hệ số tương quan Pearson:
Trước khi tiến hành phân tích hồi quy tuyến tính bội, ta cần kiểm định mối tương quan tuyến tính giữa các biến trong mơ hình: giữa biến phụ thuộc với từng biến độc lập và giữa các biến độc lập với nhau. Sử dụng hệ số tương quan Pearson để lượng hóa mức độ chặt chẽ mối liên hệ tuyến tính giữa hai biến định lượng: giá trị
tuyệt đối của hệ số Pearson càng gần đến 1 thì hai biến này có mối tương quan tuyến tính càng chặt chẽ (Hồng Trọng & Chu Nguyễn Mộng Ngọc, 2005).
Phân tích hồi quy tuyến tính:
Các nhân tố được trích ra trong phân tích nhân tố được sử dụng cho phân tích hồi tuyến tính để kiểm định mơ hình nghiên cứu và các giả thuyết kèm theo. Các kiểm
định giả thuyết thống kê đều áp dụng mức ý nghĩa là 5%.
- Nghiên cứu thực hiện hồi quy tuyến tính bội theo phương pháp Enter: tất cả
các biến được đưa vào một lần và xem xét các kết quả thống kê liên quan. - Phương trình hồi quy bội cho mơ hình nghiên cứu được đề nghị sau nghiên cứu
sơ bộ như sau:
Y = 0 + 1*X1+ 2*X2 + 3*X3+ 4*X4
Trong đó:
- Y là biến phụ thuộc thể hiện giá trị dự đoán về mức độ hài lòng của khách hàng
- 0 ,1, 2, 3, 4 là các hệ số hồi quy
- X1, X2, X3, X4 là các biến độc lập theo thứ tự giả sử là: Sự tin cậy, Sự đáp ứng, Sự đảm bảo và Kỹ năng giao tiếp
Kiểm định các giả thuyết:
Để kiểm định sự phù hợp của mơ hình, các nhà nghiên cứu sử dụng hệ số xác định R2 (R-square) để đánh giá mức độ phù hợp của mơ hình nghiên cứu, hệ số xác định R2 được chứng minh là hàm không giảm theo số biến độc lập được đưa vào mơ
hình. Bên cạnh đó, cần kiểm tra khơng có hiện tượng đa cộng tuyến bằng hệ số phóng
đại phương sai VIF (Variance inflation factor): VIF<10. Hệ số Beta chuẩn hóa của biến nào càng cao thì mức độ tác động của biến đó vào sự hài lịng của khách hàng càng lớn (dẫn theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005)
Kết quả chạy hồi quy tuyến tính bội như sau: