6. CẤU TRÚC CỦA LUẬN VĂN
2.4. Khảo sát các nhân tố ảnh hƣởng đến sự thỏa mãn của khách hàng về
2.4.5.5. Kiểm định mơ hình và các giả thuyết sử dụng phân tích hồi quy đa
đa biến
Từ mơ hình mới, ta dùng tập hợp biến mới này thay cho tập hợp biến gốc để đƣa vào phân tích các bƣớc tiếp theo nhƣ: tƣơng quan và hồi quy, kiểm định ANOVA,…
Xem xét mối quan hệ tuyến tính giữa các biến bằng cách chạy tƣơng quan (Correlation) và đánh giá sự tƣơng quan thông qua ma trận tƣơng quan Pearson, với hệ số tƣơng quan Pearson phải khác 0 và hệ số Sig < 0.05 (với mức ý nghĩa 5%, sẽ chấp nhận giả thuyết ban đầu, bác bỏ giả thuyết Ho). Hệ số tƣơng quan biểu thị độ lớn và chiều hƣớng của mối quan hệ là đồng biến (dấu +) hay nghịch biến (dấu -) . Sau đó, tiến hành chạy hồi quy và kiểm tra các giả định có bị vi phạm hay khơng nhƣ: có hiện tƣợng tự tƣơng quan khơng, có vấn đề đa cộng tuyến khơng.
Kiểm tra tƣơng quan bằng hệ số R2, và R2 điều chỉnh (adjusted R square). R2 đo lƣờng tỉ lệ tổng biến thiên của biến phụ thuộc đƣợc giải thích bằng các biến độc lập trong mơ hình. R2 càng cao thì khả năng giải thích của mơ hình hồi quy càng lớn và việc dự đoán biến phụ thuộc càng chính xác. Do trong phân tích hồi quy đa biến, R2 càng tăng khi số biến độc lập càng tăng, do đó đơi khi khơng thể hiện đúng ý nghĩa của phƣơng trình hồi quy nên cần dùng R2 điều chỉnh. Điều kiện R2 nhƣ sau: + Nếu R = 0 => R2 = 0 : Không tƣơng quan.
+ Nếu R < 0.3 => R2 = 0 : Tƣơng quan mức thấp.
+ Nếu 0.3 ≤ R < 0.5 => 0.1 ≤ R2 < 0.25 : Tƣơng quan mức trung bình. + Nếu 0.5 ≤ R < 0.7 => 0.25 ≤ R2 < 0.5 : Tƣơng quan khá chặt chẽ. + Nếu 0.7 ≤ R < 0.9 => 0.5 ≤ R2 < 0.8 : Tƣơng quan chặt chẽ.
+ Nếu 0.9 ≤ R < 1 => 0.8 ≤ R2 < 1 : Tƣơng quan rất chặt chẽ. + Nếu R = 1 => R2 = 1 : Tƣơng quan hoàn toàn.
Với hệ số R2 các biến độc lập X giải thích đƣợc (R2 )% biến phụ thuộc Y. Kiểm tra hiện tƣợng tự tƣơng quan bằng hệ số Durbin-Watson (D): Do trong chuỗi khảo sát có thể có những dữ liệu bị trùng nhau, phải kiểm tra để mơ hình
nghiên cứu đƣợc tốt hơn. Nếu 1 < D < 3: Mơ hình khơng tự tƣơng quan, tốt. Nếu 0 < D < 1: Mơ hình tự tƣơng quan dƣơng. Nếu 3 < D < 4: Mơ hình tự tƣơng quan âm. Kiểm tra hiện tƣợng đa cộng tuyến thông qua hệ số phóng đại phƣơng sai - VIF (Variance Inflation Factor). Đa cộng tuyến là trạng thái các biến độc lập trong mơ hình có tƣơng quan chặt chẽ với nhau. Điều kiện: 1 ≤ VIF < 5 thì các biến độc lập trong mơ hình khơng tƣơng quan nhau nên khơng xảy ra vấn đề đa cộng tuyến. Giải thích kết quả thơng qua Bảng Coefficients dựa trên Chỉ số Sig. Nếu Sig < 0.05 (với mức ý nghĩa 5%): Chấp nhận giả thuyết ban đầu, có nghĩa là: Chấp nhận giả thuyết Hi (i = 1,2,3). Phƣơng trình sẽ dựa trên chỉ số Beta chƣa chuẩn hóa (Unstandardized Coefficients Beta) có dạng nhƣ sau:
Y=β0+ β1X1+β2X2+β3X3+β4X4 + ε.
Trong đó :
+ Y là : sự thỏa mãn nhu cầu của khách hàng về dịch vụ thẻ tại NHTMCP Công Thƣơng Việt Nam – chi nhánh tỉnh An Giang
+ β0, β1, β2, β3: các hệ số hồi quy từng phần + X1 là : Đáp ứng + X2 là : Đồng cảm + X3 là : Phƣơng tiện + X4 là : Năng lực + ε là : Phần dƣ.
a) Kiểm tra tƣơng quan giữa các biến Bảng 2.13. Ma trận tƣơng quan Pearson
Correlations X1 X2 X3 X4 Y X1 Pearson Correlation 1 .753** .531** .639** .720** Sig. (2-tailed) .000 .000 .000 .000 N 265 265 265 265 265 X2 Pearson Correlation .753** 1 .570** .600** .676** Sig. (2-tailed) .000 .000 .000 .000 N 265 265 265 265 265 X3 Pearson Correlation .531** .570** 1 .417** .655** Sig. (2-tailed) .000 .000 .000 .000 N 265 265 265 265 265 X4 Pearson Correlation .639** .600** .417** 1 .728** Sig. (2-tailed) .000 .000 .000 .000 N 265 265 265 265 265 Y Pearson Correlation .720** .676** .655** .728** 1 Sig. (2-tailed) .000 .000 .000 .000 N 265 265 265 265 265 **. Correlation is significant at the 0.01 level (2-tailed).
Ta thấy có mối tƣơng quan giữa các biến phụ thuộc Y và biến độc lập X1, X2, X3, và X4 với hệ số tƣơng quan Pearson với mức ý nghĩa giữa các biến từ 0,417 đến 0,753. Ta cần xét thêm vấn đề là các biến độc lập có tƣơng quan với nhau hay khơng, do đó ta cần quan tâm đến vấn đề tự tƣơng quan và đa cộng tuyến khi phân tích hồi quy.
b) Kiểm tra hồi quy đa biến và xây dựng mơ hình
Sử dụng phƣơng pháp Enter để chạy mô hình hồi quy đa biến.
Bảng 2.14. Kết quả hồi quy sử dụng phƣơng pháp Enter
Model Summaryb
Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 .849a .721 .717 .30249 1.975 a. Predictors: (Constant), X4, X3, X2, X1
Kết quả cho thấy R2 = 0,721 > 0,5 và R2 điều chỉnh = 0,717 cho biết là 4 biến độc lập trong mơ hình giải thích đƣợc 71,7% độ biến thiên của biến phụ thuộc là sự thỏa mãn nhu cầu của khách hàng về dịch vụ thẻ tại NHTMCP Công Thƣơng Việt Nam – chi nhánh tỉnh An Giang. Và Durbin-Watson (D)=1,975 < 3 nên mơ hình khơng tự tƣơng quan, tốt.
Bảng 2.15. Kết quả phân tích phƣơng sai ANOVA
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 61.495 4 15.374 168.023 .000b Residual 23.789 260 .091 Total 85.284 264 a. Dependent Variable: Y b. Predictors: (Constant), X4, X3, X2, X1
Kết quả cho thấy F = 168,023 và Sig = 0,000 < 0,5, nghĩa là bác bỏ giả thuyết H0. Nhƣ vậy, các biến độc lập đều có mối quan hệ với biến phụ thuộc.
Bảng 2.16. Kết quả hồi quy
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF
1 (Constant) .161 .142 1.136 .257 X1 .245 .055 .241 4.464 .000 .369 2.710 X2 .066 .046 .076 1.420 .157 .375 2.664 X3 .297 .038 .319 7.838 .000 .649 1.540 X4 .362 .040 .396 9.018 .000 .558 1.794 a. Dependent Variable: Y
Bảng trên cho thấy giá trị sig của biến độc lập X2 lớn hơn 0,05 nên chỉ có biến X1, X3 và X4 tác động đến sự thỏa mãn nhu cầu của khách hàng về dịch vụ thẻ tại
không bị vi phạm hiện tƣợng đa cộng tuyến.
Biểu đồ phân tán Scatter của giá trị dự đoán chuẩn và phần dƣ chuẩn cho thấy các phần dƣ có phân tán ngẫu nhiên quanh trục 0 (tức quanh giá trị trung bình của phần dƣ) trong một phạm vi không đổi nên kết luận rằng phƣơng sai của phần dƣ là không đổi. (Xem phụ lục 7).
Biểu đồ tần số Histogram của phần dƣ chuẩn hóa có trị trung bình gần bằng 0 (Mean=2,82E-15) và độ lệch chuẩn gần bằng 1 (Std.Dev. =0.992) vì vậy có thể nói phân phối của phần dƣ xấp xỉ chuẩn. (Xem phụ lục 7).
Hệ số tƣơng quan chƣa chuẩn hóa (beta) của các biến độc lập đều mang dấu dƣơng nên các biến này có quan hệ thuận chiều với biến phụ thuộc (sự thỏa mãn nhu cầu của khách hàng về dịch vụ thẻ tại NHTMCP Công Thƣơng Việt Nam – chi nhánh tỉnh An Giang). Ta có phƣơng trình hồi quy đa biến nhƣ sau:
Y= 0,161 + 0,245X1+ 0,297X3+ 0,362X4 + ε Trong đó:
Y là : sự thỏa mãn nhu cầu của khách hàng về dịch vụ thẻ tại NHTMCP Công Thƣơng Việt Nam – chi nhánh tỉnh An Giang
X1 là : Đáp ứng X3 là : Phƣơng tiện X4 là : Năng lực ε là : Phần dƣ.
Từ phƣơng trình hồi qui trên ta thấy các biến độc lập đều tác đồng thuận chiều với biến phụ thuộc. Trong đó, biến X4 có mức ảnh hƣởng lớn nhất (beta chƣa chuẩn hóa là 0,362) đến sự thỏa mãn nhu cầu của khách hàng về dịch vụ thẻ tại NH, điều này có nghĩa là khi thay đổi tăng thêm 1 điểm đánh giá của khách hàng thì sự thỏa mãn của khách hàng sẽ tăng thêm 0,362 điểm. Tiếp đến là biến X3 có Beta chƣa chuẩn hóa là 0,297 và X1 là 0,245.