Tương tự như trên, người viết tiến hành kiểm định hệ số KMO cho biến phụ thuộc Sự hài lòng của khách hàng để xem kích thước mẫu có phù hợp với phân tích nhân tố hay không.
Bảng 4.19: Kết quả kiểm định KMO biến phụ thuộc Satisfaction KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .833
Bartlett's Test of Sphericity
Approx. Chi-Square 2780.126
Df 10
Sig. .000
Nguồn SPSS
Hệ số KMO cho biến phụ thuộc đo được là 0.833 tương đối cao và đảm bảo phân tích nhân tố phù hợp với dữ liệu nghiên cứu. Kết quả của kiểm định Bartlett’s là 2780.126 với mức ý nghĩa Sig = 0.000 nhỏ hơn 0.05 cho thấy 5 biến này có tương quan với nhau và hoàn toàn phù hợp để phân tích nhân tố. Khi phân tích nhân tố, kết quả thu được là tổng phương sai trích đạt 58.874% (thỏa mãn lớn hơn 50%), có nghĩa là nhân tố này có thể giải thích được 58.874% sự biến thiên của dữ liệu, hệ số Eigenvalue cũng thỏa mãn lớn hơn 1.
Bảng 4.20: Kết quả phân tích nhân tố biến phụ thuộc Total Variance Explained
Component Initial Eigenvalues Extraction Sums of Squared Loadings
Total % of Variance Cumulative % Total % of Variance Cumulative %
1 2.944 58.874 58.874 2.944 58.874 58.874
2 .775 15.497 74.370
3 .517 10.343 84.713
4 .429 8.575 93.288
5 .336 6.712 100.000
Extraction Method: Principal Component Analysis.
Nguồn SPSS
4.4 Phân tích tƣơng quan và hồi quy
Sau khi qua giai đoạn phân tích nhân tố, người viết đưa các nhân tố trên vào kiểm định mô hình. Phân tích tương quan (Pearson) được sử dụng để xem xét sự phù hợp khi đưa các thành phần vào mô hình hồi quy. Kết quả của phân tích hồi quy sẽ được sử dụng để kiểm định các giả thuyết được đưa ra trong bài nghiên cứu.
4.4.1 Kiểm định hệ số tương quan Pearson
Kiểm định hệ số tương quan Pearson nhằm lượng hóa mối quan hệ tuyến tính giữa các biến độc lập và biến phụ thuộc cũng như giữa các biến độc lập với nhau. Mô hình hồi quy tốt là mô hình có hệ số tương quan giữa các biến phụ thuộc và biến độc lập lớn, thể hiện mối quan hệ tuyến tính giữa các biến với nhau, và điều này cũng chỉ ra rằng phân tích hồi quy là phù hợp.
Hệ số tương quan được tính theo công thức sau:
2 2 ) ( ) ( ) )( ( y y x x y y x x r Các mức độ đánh giá hệ số r:
r < 0.2: Không tương quan 0.2 ≤r < 0.4: tương quan yếu
0.4 ≤ r <0.6: tương quan trung bình
0.6 ≤ r <0.8: tương quan mạnh
0.8 ≤ r <1: tương quan rất mạnh
Tuy nhiên, nếu các biến có tương quan chặt thì phải lưu ý đến vấn đề đa cộng tuyến sau khi phân tích hồi quy.
Để thực hiện phần này, trước hết người viết tạo biến mới đại diện cho từng nhóm biến quan sát, cụ thể:
- F_STG: đại diện cho STG_1, STG_2, STG_6 - F_STT: đại diện cho biến STG_1 và STG_2
- F_STM: đại diện cho STM_1, STM_2, STM_3, STM_4, STM_5
Đầu tiên, người viết phân tích tương quan cho 2 biến của giả thuyết H1 (gồm biến F_STT và biến F_STM), tiếp đó là phân tích tương quan giữa các biến cho giả thuyết H2 (gồm biến STG_6 và biến F_STM) và giả thuyết H3 (gồm biến F_STG và biến F_STM).
Bảng 4.21: Kết quả kiểm định tƣơng quan Pearson cho giả thuyết H1 Correlations F_STT F_STM F_STT Pearson Correlation 1 .440** Sig. (2-tailed) .000 N 1597 1555 F_STM Pearson Correlation .440** 1 Sig. (2-tailed) .000 N 1555 1571
**. Correlation is significant at the 0.01 level (2-tailed).
Nguồn SPSS
Nhìn vào bảng trên nhận thấy các gía trị Sig. đều nhỏ hơn 0.01 chứng tỏ hai biến này tương quan và có ý nghĩa thống kê. Cũng theo đây, biến phụ thuộc F_STM có tương quan trung bình với biến độc lập F_STG với hệ số tương quan Pearson đạt 0.440
Bảng 4.22: Kiểm định tƣơng quan Pearson cho giả thuyết H2 Correlations F_STM STG_6 F_STM Pearson Correlation 1 .267** Sig. (2-tailed) .000 N 1571 1554 STG_6 Pearson Correlation .267** 1 Sig. (2-tailed) .000 N 1554 1590
**. Correlation is significant at the 0.01 level (2-tailed).
Nguồn SPSS
Hệ số tương quan giữa biến phụ thuộc F_STM và biến độc lập STG_6 có hệ số tương quan Pearson là 0.267 và giá trị Sig. nhỏ hơn 0.01 nên 2 biến này có tương quan có và có ý nghĩa thống kê.
Bảng 4.23: Kiểm định tƣơng quan Pearson cho giả thuyết H2 Correlations F_STG F_STM F_STG Pearson Correlation 1 .448** Sig. (2-tailed) .000 N 1572 1542 F_STM Pearson Correlation .448** 1 Sig. (2-tailed) .000 N 1542 1571
**. Correlation is significant at the 0.01 level (2-tailed).
Nguồn SPSS
Kết quả kiểm định tương quan cho thấy hai biến của giả thuyết H3 có tương quan và có ý nghĩa thống kê với giá trị của hệ số tương quan đạt 0.448.
4.4.2 Phân tích hồi quy
Trong phân tích, việc phân tích hồi quy giúp chúng ta hiểu được biến phụ thuộc thay đổi như thế nào khi bất cứ biến độc lập nào đó thay đổi với điều kiện tất cả các yếu tố khác không đổi. Cũng trong phân tích hồi quy, sự biến đổi của các biến sẽ được biểu thị dưới dạng tỉ lệ phần trăm nên rất dễ hiểu. Ở bài nghiên cứu của mình,
người viết lựa chọn phân tích hồi quy được thực hiện với biến độc lập bằng phương pháp Enter. Biến có mức ý nghĩa (Sig.) < 0.05 sẽ là phù hợp.
Bảng 4.24: Bảng kết quả phân tích hồi quy cho giả thuyết H1 Model Summary
Model R R Square Adjusted R
Square
Std. Error of the Estimate
1 .440a .194 .193 .89848973
a. Predictors: (Constant), F_STT
Với hệ số R2 = 0.194 có nghĩa là trong 100% sự biến động của phụ thuộc (F_STM) thì có 19.4% sự biến động là do biến độc lập ảnh hưởng, ngoài ra là do sai số ngẫu nhiên hoặc các yếu tố khác ngoài mô hình. Tuy hệ số không cao nhưng do mô hình người viết nghiên cứu là “Mối liên hệ” nên hệ số Beta cần được xem xét nhiều hơn. Lý do là bởi bên cạnh yếu tố Sự chủ động khuyến khích khách hàng tham gia của doanh nghiệp còn có rất nhiều yếu tố khác tác động đến Sự thỏa mãn của khách hàng mà người viết không xem xét tới nên hệ số R2 không có ý nghĩa quá lớn với kết quả của mô hình nghiên cứu.
ANOVAa
Model Sum of Squares Df Mean Square F Sig.
1 Regression 301.447 1 301.447 373.409 .000b Residual 1253.712 1553 .807 Total 1555.159 1554 a. Dependent Variable: F_STM b. Predictors: (Constant), F_STT Coefficientsa
Model Unstandardized Coefficients Standardized
Coefficients T Sig. B Std. Error Beta 1 (Constant) .000 .023 .020 .984 F_STT .440 .023 .440 19.324 .000 a. Dependent Variable: F_STM Nguồn SPSS
Trong bảng Anova, Sig. nhỏ hơn 0.05 và F rất lớn (373.409) cho thấy mô hình hồi quy này có ý nghĩa thống kê. Trong bảng Hệ số tương quan, Sig.= 0.000 < 0.05
nên có thể kết luận mô hình là phù hợp. Qua đây, có thể kết luận Giả thuyết H1“Sự
chủ động tương tác của doanh nghiệp với khách hàng tương quan cùng chiều với Sự thỏa mãn của khách hàng trong các công ty sản xuất” được chấp nhận.
Phương trình hồi quy cho giả thuyết H1 như sau:
F_STM = 0.440*F_STT
Giải thích ý nghĩa hệ số hồi quy: Trong điều kiện các yếu tố khác không đổi,
nếu F_STTtăng một đơn vị thì biến F_STM tăng 0.440 đơn vị. Điều này có nghĩa hai biến Sự chủ động tương tác của doanh nghiệp với khách hàng tương quan thuận với Sự thỏa mãn của khách hàng, nếu muốn tăng mức độ thỏa mãn của khách hàng cần tăng mức độ tham gia của họ.
Tiếp theo, người viết phân tích và thu được kết quả phân tích hồi quy cho giả thuyết H2 như bảng bên dưới. Tương tự như giả thuyết H1, giả thuyết H2 nghiên cứu Mức độ tham gia của khách hàng có tương quan thuận với Sự thỏa mãn của khách hàng hay không trong khi bên cạnh mức độ tham gia còn rất nhiều yếu tố khác ảnh hưởng đến sự hài lòng của khách hàng, vì thế hệ số không có ảnh hưởng lớn đến kết quả nghiên cứu, cần quan tâm hơn ở hệ số hồi quy. Hệ số hồi quy sẽ phản ánh mức độ ảnh hưởng của biến độc lập đối với biến phụ thuộc là nhiều hay ít.
Bảng 4.25: Kết quả phân tích hồi quy cho giả thuyết H2 ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 110.813 1 110.813 118.802 .000b Residual 1447.627 1552 .933 Total 1558.440 1553 a. Dependent Variable: F_STM b. Predictors: (Constant), STG_6
Trong bảng Anova, hệ số Sig. rất nhỏ, thỏa mãn nhỏ hơn 0.05 và hệ số F rất lớn (118.802) chứng tỏ mô hình có ý nghĩa thống kê. Với bảng hệ số tương quan, hệ số Sig. của biến độc lập cũng đảm bảo nhỏ hơn 0.05 nên mô hình đủ tốt.
Coefficientsa
Model Unstandardized Coefficients Standardized
Coefficients T Sig. B Std. Error Beta 1 (Constant) -.830 .080 -10.372 .000 STG_6 .188 .017 .267 10.900 .000
a. Dependent Variable: REGR factor score1 for analysis 3
Nguồn SPSS
Qua đây có thể kết luận Giả thuyết H2: “Sự chủ động tham gia vào sản phẩm
của khách hàng tương quan cùng chiều với Sự thỏa mãn của khách hàng” được
chấp nhận. Phương trình hồi quy của giả thuyết như sau:
F_STM = -0.830 + 0.267* STG_6
Giải thích ý nghĩa hệ số hồi quy: Trong điều kiện các yếu tố khác không đổi,
nếu biến STG_6tăng một đơn vị thì biến F_STM tăng 0.267 đơn vị. Điều này có nghĩa hai biến STG_6 (Khách hàng chủ động tham gia vào quá trình thiết kế sản phẩm) và Sự thỏa mãn của khách hàng có mỗi tương quan thuận, nếu muốn tăng mức độ thỏa mãn của khách hàng cần tăng mức độ chủ động tham gia của họ vào quá trình sản xuất sản phẩm.
Bảng 4.26: Kết quả phân tích hồi quy cho giả thuyết H3 Model Summary
Model R R Square Adjusted R
Square
Std. Error of the Estimate
1 .448a .201 .200 .89527759
a. Predictors: (Constant), F_STG
ANOVAa
Model Sum of Squares Df Mean Square F Sig.
1 Regression 310.294 1 310.294 387.131 .000b Residual 1234.344 1540 .802 Total 1544.638 1541 a. Dependent Variable: F_STM b. Predictors: (Constant), F_STG Nguồn SPSS
Tương tự như ở hai giả thuyết trên, hệ số R bình phương không lớn nhưng vì tính chất của giả thuyết nghiên cứu là mối quan hệ nên có thể chấp nhận được. Trong bảng Anova, Sig. nhỏ hơn 0.05 và F rất lớn (387.131) cho thấy mô hình hồi quy này có ý nghĩa thống kê.
Nguồn SPSS
Ở bảng, Sig.= 0.000 < 0.05 nên có thể kết luận mô hình là phù hợp. Qua đây, có thể kết luận Giả thuyết H3 “Sự tham gia của khách hàng tương quan cùng chiều với
Sự thỏa mãn của khách hàng trong các công ty sản xuất” được chấp nhận.
Phương trình hồi quy cho giả thuyết H3 như sau:
F_STM = 0.03 +0. 448* F_STG
Giải thích ý nghĩa hệ số hồi quy: Trong điều kiện các yếu tố khác không đổi,
nếu biến F_STGtăng một đơn vị thì biến F_STM tăng 0.448 đơn vị. Điều này có nghĩa hai Sự tham gia của khách hàng và Sự thỏa mãn của khách hàng trong các công ty sản xuất tương quan cùng chiều, nếu muốn tăng mức độ thỏa mãn của khách hàng cầntăng sự tham gia của họ vào quá trình sản xuất sản phẩm.
4.5 Kiểm định lại mô hình
Ở phần kiểm định lại mô hình, người viết sẽ dùng một phương pháp khác phương pháp Phân tích nhân tố để kiểm tra, đó là phương pháp Trung bình (Average). Các câu hỏi đo lường Sự chủ động tương tác của doanh nghiệp với khách hàng được đặt tên là INTER, tương tự có biến INVOLvà SATIS. Các bước thực hiện cho việc kiểm định lại mô hình như sau:
Coefficientsa
Model Unstandardized Coefficients Standardized
Coefficients T Sig. B Std. Error Beta 1 (Constant) .003 .023 .143 .886 F_STG .448 .023 .448 19.67 6 .000 a. Dependent Variable: F_STM
Bước 1: Tạo biến mới bằng cách tính trung bình Bước 2: Kiểm định Cronbach’s Alpha cho các biến Bước 3: Phân tích hồi quy.
Bước 4: Kết luận mô hình.
Sau khi thực hiện các bước trên, người viết thu về kết quả dưới đây:
4.5.1 Tạo biến mới bằng cách tính trung bình:
- Tạo biến cho H1:
Biến độc lập:INTER = (STG_1 + STG_2)/2 Biến phụ thuộc:
SATIS= (STM_1 + STM_2 +STM_3 + STM_4 + STM_5)/5 - Tạo biến cho H2:
Biến độc lập:STG_6 Biến phụ thuộc:
SATIS= (STM_1 + STM_2 +STM_3 + STM_4 + STM_5)/5 - Tạo biến cho H3
Biến độc lập: INVOL= (STG_1+ STG_2 + STG_6)/3 Biến phụ thuộc:
SATIS= (STM_1 + STM_2 +STM_3 + STM_4 + STM_5)/5
4.5.2 Kiểm định độ tin cậy bằng hệ số Cronbach’s Alpha
Kết quả kiểm định Cronbach’s Alpha cho 2 biến giống như phần kiểm định đã thực hiện ở phần 4.2 với hệ số Cronbach’s Alpha của biến độc lập và biến phụ thuộc là0.692 và 0.811, đều thỏa mãn lớn hơn 0.6.
Bảng 4.27: Kết quả phân tích hồi quy khi kiểm định lại giả thuyết H1 Model Summary
Model R R Square Adjusted R
Square
Std. Error of the Estimate
1 .434a .188 .187 .83659
a. Predictors: (Constant), INVOL
ANOVAa
Model Sum of Squares Df Mean Square F Sig.
1
Regression 251.649 1 251.649 359.556 .000b
Residual 1086.925 1553 .700
Total 1338.574 1554
a. Dependent Variable: SATIS b. Predictors: (Constant), INTER
Coefficientsa
Model Unstandardized Coefficients Standardized
Coefficients T Sig. B Std. Error Beta 1 (Constant) 3.345 .097 34.479 .000 INTER .344 .018 .434 18.962 .000
a. Dependent Variable: SATIS
Nguồn SPSS
Dễ nhận thấy ở bảng ANOVA khi hồi quy theo phương pháp trung bình, mô hình nghiên cứu hoàn toàn có tính logic, liên quan và có ý nghĩa thống kê bởi hệ số F rất lớn và Sig rất nhỏ.
Dựa vào bảng Hệ số tương quan ta có phương trình hồi quy:
SATIS = 3.345 + 0.434*INTER
Giải thích ý nghĩa hệ số hồi quy: Trong điều kiện các yếu tố khác không đổi, nếu
biến INTERtăng một đơn vị thì biến SATIS tăng 0.434 đơn vị. Điều này có nghĩa hai biến Sự chủ động tương tác của doanh nghiệp với khách hàngvà Sự thỏa mãn của khách hàng có mối tương quan thuận, nếu muốn tăng mức độ thỏa mãn của khách hàng doanh nghiệp cần tăng cường tương tác với họ.
Phân tích tương tự, có kết quả chạy hồi quy cho giả thuyết H2 như sau:
Bảng 4.28: Kết quả phân tích hồi quy khi kiểm định lại giả thuyết H2 Model Summary
Model R R Square Adjusted R
Square Std. Error of the Estimate 1 .253a .064 .064 .89962 a. Predictors: (Constant), STG_6. ANOVAa
Model Sum of Squares Df Mean Square F Sig.
1
Regression 86.219 1 86.219 106.535 .000b
Residual 1256.047 1552 .809
Total 1342.266 1553
a. Dependent Variable: SATIS b. Predictors: (Constant), STG_6
Coefficients
Model Unstandardized Coefficients Standardized
Coefficients T Sig. B Std. Error Beta 1 (Constant) 4.408 .075 59.118 .000 STG_6 .166 .016 .253 10.322 .000
a. Dependent Variable: SATIS
Nguồn SPSS
Như vậy, phương trình hồi quy cho H2 thu được như sau:
SATIS = 4.408 + 0.253*STG_6
Tương tự như kết quả phân tích nhân tố ban đầu, khi Sự chủ động tham gia vào sản xuất sản phẩm của khách hàng tăng 1 đơn vị thì Sự hài lòng của họ tăng 0.253 đơn vị.
Bảng 4.29: Kết quả phân tích hồi quy khi kiểm định lại giả thuyết H3 Model Summary
Model R R Square Adjusted R
Square
Std. Error of the Estimate
1 .436a .190 .190 .83625
ANOVAa
Model Sum of Squares Df Mean Square F Sig.
1
Regression 252.806 1 252.806 361.509 .000b
Residual 1076.934 1540 .699
Total 1329.740 1541
a. Dependent Variable: SATIS b. Predictors: (Constant), INVOL
Coefficientsa
Model Unstandardized Coefficients Standardized
Coefficients t Sig. B Std. Error Beta 1 (Constant) 3.224 .103 31.281 .000 INVOL .387 .020 .436 19.013 .000
a. Dependent Variable: SATIS
Nguồn SPSS
Các số liệu ở bảng ANOVA khi hồi quy theo phương pháp trung bình, mô hình nghiên cứu hoàn toàn có tính logic, liên quan và có ý nghĩa thống kê bởi hệ số F rất lớn và Sig rất nhỏ.
Dựa vào bảng Hệ số tương quan ta có phương trình hồi quy cho giả thuyết H3:
SATIS = 3.224 + 0.436*INVOL
Giải thích ý nghĩa hệ số hồi quy: Trong điều kiện các yếu tố khác không đổi, nếu
biến INVOLtăng một đơn vị thì biến SATIS tăng 0.436 đơn vị. Điều này cho thấy hai biến nói trên có tương quan cùng chiều, muốn tăng Sự thỏa mãn của khách hàng cần tăng cường Sự tham gia của họ.
4.5.4 Kết luận
Như vậy, sau khi thực hiện phân tích nhân tố và kiểm định lại mô hình theo phương pháp trung bình, kết quả thu được là đồng nhất. Kết quả cuối cùng như sau:
Bảng 4.30: Kết quả kiểm định giả thuyết