KẾT QUẢ NGHIÊN CỨU
4. PHÂN TÍCH HỒI QUY TƯƠNG QUAN
4.2. Phân tích hồi quy
Sau khi phân tích tương quan và kết luận rằng có thể đưa các biến độc lập vào mô hình. Ta tiếp tục phân tích hồi quy và kết quả phân tích hồi quy tuyến tính từ SPSS 16.0 như sau :
Bảng 22. KẾT QUẢ PHÂN TÍCH HỒI QUY_Lần 1
Model Summaryb
Model R R Square
Adjusted R Square
Std. Error of the
Estimate Durbin-Watson
1 .781a .610 .600 .40896 1.766
a. Predictors: (Constant), Cau truc gia, Dich vu khach hang, Su thuan tien, Dich vu gia tang
b. Dependent Variable: Hai long
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 41.078 4 10.269 61.403 .000a
Residual 26.258 157 .167
Total 67.335 161
a. Predictors: (Constant), Cau truc gia, Dich vu khach hang, Su thuan tien, Dich vu gia tang b. Dependent Variable: Hai long
Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.
B Std. Error Beta
1 (Constant) .456 .328 1.393 .166
Chat luong cuoc goi -.115 .060 -.100 -1.905 .059
Dich vu gia tang .172 .057 .191 3.015 .003
Su thuan tien .167 .082 .130 2.030 .044
Dich vu khach hang .463 .075 .419 6.193 .000
Cau truc gia .228 .057 .248 4.001 .000
a. Dependent Variable: Hai long
Kết quả chạy lại cho thấy hệ số Sig của ba biến giải thích là Dịch vụ gia tăng, Dịch vụ khách hàng và Cấu trúc giá đều nhỏ hơn 0.05 nên ta có thể đưa các biến này vào mô hình để tiếp tục kiểm định. Còn đối với biến giải thích Sự thuận tiện có hệ số Sig = 0.116 >0.05 nên không tiếp tục đưa vào mô hình mà phải loại ra.
Bảng 23. KẾT QUẢ PHÂN TÍCH HỒI QUY_Lần 2
Model Summaryb
Model R R Square
Adjusted R Square
Std. Error of the
Estimate Durbin-Watson
1 .777a .604 .596 .41090 1.748
a. Predictors: (Constant), Cau truc gia, Dich vu khach hang, Dich vu gia tang b. Dependent Variable: Hai long
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 40.659 3 13.553 80.273 .000a
Residual 26.676 158 .169
Total 67.335 161
a. Predictors: (Constant), Cau truc gia, Dich vu khach hang, Dich vu gia tang b. Dependent Variable: Hai long
Coefficientsa
Model
Unstandardized Coefficients
Standardize d Coefficients
t Sig.
Collinearity Statistics
B
Std.
Error Beta Tolerance VIF
1 (Constant) .384 .240 1.600 .112
Dich vu gia
tang .174 .058 .193 3.002 .003 .608 1.645
Dich vu khach
hang .515 .071 .466 7.277 .000 .612 1.633
Cau truc gia .246 .055 .269 4.459 .000 .691 1.448
a. Dependent Variable: Hai long
Từ kết quả hồi quy trên ta thấy:
Sau khi phân tích hồi quy lại lần 2, ta thấy cả ba biến dịch vụ khách hàng, dịch vụ gia tăng, cấu trúc giá là các biến giải thích tốt cho sự biến thay đổi của biến phụ thuộc là sự hài lòng.
Lúc này mô hình hồi quy Sự hài lòng khách hàng được giải thích theo ba biến sau:
Mô hình hồi quy tổng thể :
(PRF) HL = β1+β2i GT +β3 iKH + β4iGC+Vi
Mô hình hồi quy mẫu:
(SRF) HL = ∧
β1 + β∧2 GTi + βˆ3 KHi + β4 GCi
Sau khi thực hiện phân tích hồi qui với phần mềm SPSS 16.0 ta có mô hình hồi qui mẫu dự kiến như sau:
(SRF) HL = 0.384+ 0.174GCi + 0.515KHi + 0.246GTi
4.3. Đánh giá độ phù hợp của mô hình
Sau khi dùng phương pháp hồi qui để nhận ra các biến độc lập có khả năng dự đoán tốt cho biến phụ thuộc trong bộ dữ liệu mẫu thì chỉ có 3 biến độc lập có khả năng dự đoán tốt cho biến phụ thuộc đó là biến CG (Cấu trúc giá), biến KH (Dịch vụ khách hàng) và biến GT ( Dịch vụ gia tăng). Mô hình được được chọn có hệ số xác định R 2 là 0.604 điều này có nghĩa mô hình đã giải thích được 60.4% sự hài lòng của khách hàng. Đồng thời R2 hiệu chỉnh là 80% cũng cho thấy mức độ phù hợp của mô hình hồi quy này khá cao.
4.4. Kiểm định giả thuyết về độ phù hợp của mô hình Giả thiết H 0 : β 2 = β 3 = β 4
Giả thiết H 1 : Có ít nhất 1 hệ số β khác 0
Tiến hành hồi qui đã giúp nghiên cứu về mối quan hệ tuyến tính giữa biến phụ thuộc Sự hài lòng của khách hàng và các biến độc lập Cấu trúc giá, Dịch vụ khách hàng và Dịch vụ gia tăng nhằm xem xét biến Sự hài lòng của khách hàng có liên hệ tuyến tính với tập hợp các biến độc lập (Cấu trúc giá, Dịch vụ khách hàng và Dịch vụ gia tăng) hay không. Giá trị thống kê F là một kiểm định giả thuyết về độ phù hợp của mô hình hồi quy tuyến tính tổng thể, ta thấy F = 80.273 với sig rất nhỏ = 0.000 < 0.05 chứng tỏ chúng ta có thể bác bỏ giả thuyết cho rằng tất cả các hệ số
hồi quy bằng 0, nghĩa là mô hình hồi quy là phù hợp với dữ liệu nghiên cứu và có thể sử dụng được
4.5. Dò tìm sự vi phạm các giả thiết cần thiết trong hồi quy tuyến tính