HL CC CS NV CSVC QH
HL
Pearson Correlation 1 .656** .201* .442* .362** .281**
Sig. (2-tailed) .000 .028 .000 .000 .002
N 120 120 120 120 120 120
(Nguồn: Xử lí dữ liệu với SPSS20.0)
Từ kết quả phân tích, ta thấy giá trị Sig. trong kiểm định tương quan giữa biến phụ thuộc HL và các biến độc lập CC, CS, NV, CSVC, QH đều nhỏ hơn 0.05 nên khẳng định rằng biến phụ thuộc có mối quan hệ tương quan với các biến độc lập trên và đủ điều kiện để đưa vào phân tích hồi quy. Bên cạnh đó, giữa các biến độc lập lại có mối quan hệ tương quan với nhau nên khi phân tích hồi quy cần chú ý đến hiện tượng đa cộng tuyến.
2.3.4.2. Xây dựng mơ hình hồi quy
rang xay của cơng ty bằng phân tích hồi quy dựa trên việc đo lường sự ảnh hưởng của các nhân tố được rút trích.
Các biến độc lập là các nhân tố được rút trích ra từ các biến quan sát từ phân tích nhân tố khám phá EFA. Vì vậy mơ hình nghiên cứu được biểu diễn dưới dạng phương trình hồi quy như sau:
F_HL = β0+ β1.F_CC+ β2.F_CS+ β3.F_NV + β4.F_CSVC + β5.F_QH
Với βi là hệ số hồi quy riêng phần tương ứng với các biến độc lập Trong đó:
- F_HL: Giá trị của biến phụ thuộc làSự hài lòng của các nhà bán lẻ
- F_CC: Giá trị của biến độc lập làCung cấp hàng bán
- F_CS: Giá trị của biến độc lập làChính sách bán hàng
- F_NV: Giá trị của biến độc lập làNghiệp vụ bán hàng
- F_CSVC: Giá trị của biến độc lập làCơ sở vật chất, trang thiết bị
- F_QH: Giá trị của biến độc lập làQuan hệ khách hàng
Bảng 2.15: Kết quả xây dựng mơ hình (Model Summaryb) Mơ hình R hiệu chỉnh Sai số ước lượng
Thống kê thay đổi Durbin-
Watson thay đổi F thay đổi df1 df2 Sig. F thay đổi 1 .775a .600 .582 .33746 .600 34.205 5 114 .000 1.622
(Nguồn: Xử lí dữ liệu với SPSS 20.0)
Từ bảng kết quả trên ta thấy có hiệu chỉnh bằng 0.582 có nghĩa là các yếu tố CC, CS, NV, CSVC, QH giải thích được 58.2% sự biến thiên của Sự hài lòng của nhà bán lẻ hay độ phù hợp của mơ hình là 58.2%. Như vậy, mơ hình có giá trị giải thích ở mức tương đối tốt. Đại lượng Durbin-Watson dùng để kiểm định tương quan của các sai số kề nhau bằng 1.622 nằm trong khoảng 1,6 tới 2,6 là miền chấp nhận giả thuyết khơng có tự tương quan (mơ hình khơng vi phạm giả định về hiện tượng tự tương quan).
2.3.4.3. Kiểm định độ phù hợp của mơ hình
Bước tiếp theo trong phân tích hồi quy là thực hiện kiểm định F về độ phù hợp của mơ hình hồi quy tuyến tính tổng thể, xem biến phụ thuộc có liên hệ tuyến tính với tồn bộ biến độc lập hay không.
Bảng 2.16: Kiểm định độ phù hợp của mơ hình (ANOVAa)
Mơ hình Tổng bình phương df Trung bình bình phương F Sig. 1 Hồi quy 19.476 5 3.749 32.510 .000b Số dư 13.147 114 .115 Tổng 31.894 119
(Nguồn: Xử lí dữ liệu với SPSS 20.0)
Kết quả phân tích ANOVA có trị số thống kê F =32.510 với mức ý nghĩa rất nhỏ (Sig = 0.000) cho thấy mơ hình hồi quy thu được là phù hợp và các tham số hồi quy trong mơ hình là có ý nghĩa. Sự kết hợp các biến độc lập giải thích được tốt các thay đổi của biến phụ thuộc là Sự hài lòng của nhà bán lẻ.
Kiểm định phân phối chuẩn của phần dư
Biểu đồ 2.5: Biểu đồ Q-Q plot của phần dư chuẩn hóa
Sử dụng cơng cụ biểu đồ Histogram ta quan sát được phân phối chuẩn của phần dư. Với mean=-7.44E-17 và độ lệch chuẩn Std.Dev=0.979 tức gần bằng 1 nên ta có thể khẳng định phần dư có phân phối chuẩn.
Xem biểu đồ Q-Q plot thấy rằng các điểm quan sát tập trung sát đường chéo nên có thể xem phân phối phần dư là xấp xỉ phân phối chuẩn.
2.3.4.4. Kết quả phân tích hồi quy