CHƢƠNG 4 : KẾT QUẢ NGHIÊN CỨU
4.3. Kiểm định mơ hình nghiên cứu:
4.3.1 Phân tích tƣơng quan hệ số Pearson
Hệ số tƣơng qu n Pe rson đƣợc dùng để lƣợng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến định lƣợng. Nếu giữa 2 biến có sự tƣơng quan chặt thì phải lƣu ý vấn đề đ cộng tuyến khi phân tích hồi qu . Trong phân tích tƣơng qu n Pe rson, hơng có sự phân biệt giữa các biến độc lập và biến phụ thuộc mà tất cả đều đƣợc xem xét nhƣ nhau.
Đ cộng tuyến là trạng thái trong đó các biến độc lập có tƣơng qu n chặt chẽ với nhau. Vấn đề của hiện tƣợng cộng tuyến là chúng cung cấp cho mơ hình những thơng tin rất giống nhau, và rất khó tách rời ảnh hƣởng của từng biến một đến biến phụ thuộc. Hiệu ứng khác của sự tƣơng qu n há chặt giữa các biến độc lập l nó l m tăng độ lệch chuẩn của các hệ số hồi quy và làm giảm trị thống kê t của kiểm định ý nghĩ của chúng nên các hệ số có hu nh hƣớng ém ý nghĩ hơn hi hơng có đ cộng tuyến trong khi hệ số xác định R square vẫn khá cao. Trong q trình phân tích hồi quy bội, đ cộng tuyến đƣợc SPSS chuẩn đoán bằng lựa chọn Collinearity Diagnostic.
Xem xét ma trận tƣơng qu n giữa các biến độc lập (Bảng 4.9), cho thấy nhân tố CHẤT LƢỢNG DỊCH VỤ có tƣơng qu n mạnh nhất với nhân tố HÌNH ẢNH DOANH NGHIỆP (0.482). Ngồi ra, nhân tố SỰ HÀI LỊNG cũng có sự tƣơng qu n tu ến tính rất chặt chẽ với 3 biến độc lập (CHẤT LƢỢNG DỊCH VỤ, GIÁ CẢ, HÌNH ẢNH DOANH NGHIỆP). Biến độc lập QUẢNG CÁO KHUYẾN MÃI có hệ số Pearson <0.3 (0.163) do đó hơng thỏ điều kiện để đƣ v o phân tích hồi quy. Điều này phù hợp với thực tế tại cử h ng, chƣơng trình quảng cáo dành riêng cho cửa hàng khơng nhiều, chƣơng trình
khuyến mãi tại cửa hàng khơng thể phong phú và ấn tƣợng bằng các chƣơng trình hu ến mãi tại các siêu thị lớn, qua kết quả thống kê mô tả cho thấy yếu tố mong đợi nhất của khách hàng khi mua sắm tại cửa hàng là mua sắm nhanh chóng, thủ tục đơn giản tức tính tiện lợi của cửa hàng.
Bảng 4.9: Kết quả phân tích Pearson về Các nhân tố tác động đến Sự Hài Lòng của Khách Hàng Correlations SHL CLDV GC QCKM HADN Pearson Correlation SHL 1.000 .426 .417 .163 .396 CLDV .426 1.000 .437 .454 .482 GC .417 .437 1.000 .163 .336 QCKM .163 .454 .163 1.000 .360 HADN .396 .482 .336 .360 1.000 Sig. (1-tailed) SHL . .000 .000 .034 .000 CLDV .000 . .000 .000 .000 GC .000 .000 . .034 .000 QCKM .034 .000 .034 . .000 HADN .000 .000 .000 .000 . N SHL 126 126 126 126 126 CLDV 126 126 126 126 126 GC 126 126 126 126 126 QCKM 126 126 126 126 126 HADN 126 126 126 126 126
4.3.2 Phân tích hồi quy
Phân tích hồi quy sẽ xác định mối quan hệ nhân quả giữa biến phụ thuộc (SỰ HÀI LÒNG) và các biến độc lập (CHẤT LƢỢNG DỊCH VỤ, GIÁ CẢ, HÌNH ẢNH DOANH NGHIỆP). Mơ hình phân tích hồi quy sẽ mơ tả hình thức của mối liên hệ v qu đó giúp dự đốn đƣợc mức độ của biến phụ thuộc khi biết trƣớc giá trị của biến độc lập.
Hệ số xác định R2 đ đƣợc chứng minh là hàm không giảm theo số biến độc lập đƣợc đƣ vào mơ hình. Tu nhi n, mơ hình thƣờng khơng phù hợp với dữ liệu thực tế nhƣ giá trị R2 (0,283) thể hiện. Trong tình huống n , R2 điều chỉnh từ R2 đƣợc sử dụng để phản ánh sát hơn mức độ phù hợp của mơ hình hồi quy tuyến tính đ biến (0,259) vì nó khơng phụ thuộc v o độ lệch phóng đại của R2. So sánh 2 giá trị R2 và R2 điều chỉnh ở bảng 4.10 sẽ thấ R2 điều chỉnh nhỏ hơn v dùng nó đánh giá độ phù hợp của mơ hình sẽ n to n hơn vì nó hơng thổi phồng mức độ phù hợp của mơ hình.
Kiểm định F sử dụng trong phân tích phƣơng s i l 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. Nhìn vào bảng 4.10 cho thấy rằng trị thống F đƣợc tính từ giá trị R2 đầ đủ khác 0, giá trị sig. rất nhỏ cho thấy mơ hình sử dụng là phù hợp và các biến đều đạt đƣợc tiêu chuẩn chấp nhận (Tolerance > 0.0001). Th m v o đó, ti u chí Colline rit di gnostics (chuẩn đốn hiện tƣợng đ cộng tuyến) với hệ số phóng đại phƣơng s i VIF (V ri nce infl tion f ctor) của các biến độc lập trong mơ hình đều <2 thể hiện tính đ cộng tuyến của các biến độc lập l hông đáng ể và các biến trong mơ hình đƣợc chấp nhận.
Sau cùng, hệ số Durbin W tson dùng để kiểm định tƣơng qu n chuỗi bậc nhất cho thấy mơ hình khơng vi phạm khi sử dụng phƣơng pháp hồi quy bội vì giá trị d đạt đƣợc là 1,693 và chấp nhận giả thuyết khơng có sự tƣơng qu n chuỗi bậc nhất trong mơ hình. Nhƣ vậy, mơ hình hồi quy bội thỏ các điều kiện đánh giá v iểm định độ phù hợp cho việc rút ra các kết quả nghiên cứu.
Bảng 4.10: Kết quả phân tích hồi quy Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Change Statistics Durbin- Watson R Square Change F Change df1 df2 Sig. F Change 1 .532a .283 .259 .44131 .283 11.920 4 121 .000 1.693 a. Predictors: (Constant), HADN, GC, QCKM,
CLDV
b. Dependent Variable: SHL
ANOVAb
Model
Sum of
Squares Df Mean Square F Sig.
1 Regression 9.286 4 2.321 11.920 .000a
Residual 23.565 121 .195
Total 32.851 125
a. Predictors: (Constant), HADN, GC, QCKM, CLDV b. Dependent Variable: SHL Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Correlations Collinearity Statistics B Std. Error Beta Zero-order Partial Part Tolerance VIF 1 (Const ant) .802 .192 4.186 .000 CLDV .196 .081 .242 2.432 .016 .426 .216 .187 .600 1.666 GC .161 .056 .248 2.858 .005 .417 .251 .220 .784 1.275 QCKM -.042 .057 -.065 -.743 .459 .163 -.067 -.057 .764 1.309 HADN .167 .069 .219 2.417 .017 .396 .215 .186 .721 1.387 a. Dependent Variable: SHL
Từ bảng phân tích hồi quy (Bảng 4.10), ta thấy mối quan hệ giữa biến phụ thuộc Sự hài lòng của khách hàng và 3 biến độc lập đƣợc thể hiện trong phƣơng trình s u:
SHL = 0.242CLDV+0.248GC+0.219HADN Trong đó:
SHL : Sự hài lòng GC : Giá cả
HADN: Hình ảnh doanh nghiệp
Theo phƣơng trình hồi quy ở trên cho thấy Sự hài lịng của khách hàng có quan hệ tuyến tính với các nhân tố Giá cả (Hệ số Beta chuẩn hóa là 0.248), Chất lƣợng dịch vụ (Hệ số Beta chuẩn hóa 0.242), Hình ảnh doanh nghiệp (Hệ số Beta chuẩn hóa là 0.219), Cũng phải nói thêm rằng các hệ số Beta chuẩn hó đều >0 cho thấy các biến độc lập tác động thuận chiều với Sự hài lòng khách hàng. Kết quả n cũng hẳng định các giả thuyết nêu ra trong mơ hình nghiên cứu (H0, H1, H3) đƣợc chấp nhận v đƣợc kiểm định phù hợp. Nhƣ vậy, hệ thống cửa hàng phải nỗ lực cải tiến những nhân tố n để nâng cao sự hài lịng của khách hàng.
4.3.3 Phân tích ANOVA
Ở những phần trƣớc, chúng t đ iểm định các nhân tố tác động đến sự hài lòng hách h ng cũng nhƣ xác định mức độ hài lòng củ hách h ng đối với CH. Trong phần này, khi tiến h nh phân tích ANOVA để xem xét mối quan hệ giữa thời gian mua sắm tại cửa hàng, tần suất mua sắm tại CH và thu nhập của khách hàng có tác động nhƣ thế nào đối với Sự hài lòng của khách hàng:
Giả thuyết H0: Khơng có sự khác biệt về Sự hài lịng của khách hàng giữa các nhóm khách hàng có thời gian mua sắm khác nhau
Giả thuyết H1: Khơng có sự khác biệt về Sự hài lịng của khách hàng giữa các nhóm khách hàng có tần suất mua sắm khác nhau
Giả thuyết H2: Khơng có sự khác biệt về Sự hài lòng của khách hàng giữa các nhóm khách hàng có thu nhập khác nhau.
Kết quả phân tích ANOVA (PHỤ LỤC 6) cho thấy Giả thuyết H1 và H2 bị bác bỏ (sig. nhỏ và F giá trị há c o). Do đó, t có thể khẳng định có sự khác biệt về Sự hài lịng của khách hàng giữa các nhóm khách hàng có tần suất mua sắm khác nhau và có thu nhập khác nhau.
Đối với giả thuyết H0, ta thấy sig.>0.05 nên ta có thể khẳng định l phƣơng s i của các nhóm bằng nhau, thỏ m n điều kiện phận tích ANOVA, với F=0.516 và p- v lue=0.724>0.05 n n chƣ có cơ sở để bác bỏ H0.