Kiểm định hệ số tương quan Pearson dùng để kiểm tra mối liên hệ tuyến tính giữa các biến độc lập và biến phụ thuộc. Nếu các biến có tương quan chặt chẽ thì phải lưu ý đến vấn đề đa cộng tuyến khi phân tích hồi qui.
4.4.1.1 Phân tích tương quan:
Theo ma trận tương quan thì các biến đều có tương quan và có ý nghĩa ở mức 0.001. Hệ số tương quan biến phụ thuộc là Sự hài lòng với các biến độc lập ở mức tương đối, trong đó Nhân viên mặt đất có tương quan cao nhất với Sự hài lòng khách hàng (0.588). Do đó, ta có thể kết luận các biến độc lập này có thể đưa vào mô hình để giải thích cho biến Sự hài lòng khách hàng. (xem bảng 4.7)
Bảng 4.7: Ma trận tương quan giữa các biến trong mô hình hồi qui 1
HL NV TV LT TC PTHH
Sự hài lòng 1.000
Nhân viên mặt đất 0.588 1.000
Tiếp viên hàng không 0.459 0.536 1.000
Lịch trình chuyến bay 0.374 0.394 0.355 1.000
Tin cậy 0.187 0.288 0.256 0.246 1.000
Phương tiện hữu hình 0.292 0.315 0.365 0.310 0.261 1.000
4.4.1.2 Phân tích phương trình hồi qui 1:
Phân tích hồi qui được thực hiện với năm biến độc lập bao gồm: Phương tiện hữu hình (PTHH), Lịch trình chuyến bay (LT), Tin cậy (TC), Tiếp viên hàng không (TV), Nhân viên mặt đất (NV) và biến phụ thuộc là Sự hài lòng (HL). Kết quả thống kê mô tả của các biến đưa vào phân tích hồi qui:
Bảng 4.8: Thống kê mô tả các biến phân tích hồi qui Trung
bình
Độ lệch chuẩn
Kích thước mẫu Sự hài lòng 3.5617 0.64789 270 Nhân viên mặt đất 3.3767 0.61777 270 Tiếp viên hàng không 3.5947 0.59757 270 Lịch trình chuyến bay 2.7198 0.96364 270
Tin cậy 3.1877 0.73403 270
Phương tiện hữu hình 3.4864 0.67683 270
Giá trị của các biến độc lập được tính trung bình dựa trên các biến quan sát thành phần của các biến độc lập đó. Giá trị của biến phụ thuộc là giá trị trung bình của các biến quan sát về Sự hài lòng của khách hàng. Phân tích được thực hiện bằng phương pháp Enter. các biến được đưa vào cùng một lúc để xem biến nào được chấp nhận. Kết quả phân tích hồi qui như sau:
Kết quả cho thấy mô hình hồi qui đưa ra tương đối phù hợp với mức ý nghĩa 0.05. Hệ số R2 hiệu chỉnh = 0.382 có nghĩa là có khoảng 38.2% phương sai Sự hài lòng được giải thích bởi năm biến độc lập là: Phương tiện hữu hình, Lịch trình chuyến bay, Tin cậy, Tiếp viên hàng không và Nhân viên mặt đất. Còn lại 61.8% Sự hài lòng được giải thích bằng các yếu tố khác.
Bảng 4.9: Bảng đánh giá độ phù hợp của mô hình Mô
hình
Các biến được đưa vào Các biến bị loại bỏ
Phương pháp 1
Nhân viên mặt đất, Phương tiện hữu hình, Tin cậy, Lịch trình chuyến bay, Tiếp viên hàng không
Enter Biến phụ thuộc: Sự hài lòng
Mô hình R R2 R2 hiệu chỉnh Sai số chuẩn dự đoán
1 0.628 0.394 0.382 0.50917
Biến dự đoán: (Hằng số), Nhân viên mặt đất, Phương tiện hữu hình, Tin cậy, Lịch trình chuyến bay, Tiếp viên hàng không
Kiểm định F sử dụng trong bảng phân tích phương sai là phép kiểm định giả thuyết về độ phù hợp của mô hình hồi qui tuyến tính tổng thể. Ý tưởng của kiểm định này về mối quan hệ tuyến tính giữa biến phụ thuộc và các biến độc lập. Trong bảng phân tích ANOVA, ta thấy giá trị sig. rất nhỏ (sig. = 0.000), nên mô hình hồi qui phù hợp với tập dữ liệu và có thể sử dụng được.
Bảng 4.10: Phân tích phương sai (hồi qui) ANOVA
Mô hình Tổng các
bình phương
df Bình phương trung bình
F Sig.
1
Phần hồi qui 44.473 5 8.895 34.309 0.000
Phần dư 68.442 264 0.259
Tổng cộng 112.916 269
Biến phụ thuộc: Sự hài lòng
Các biến dự đoán: (Hằng số), Nhân viên mặt đất, Phương tiện hữu hình, Tin cậy, Lịch trình chuyến bay, Tiếp viên hàng không
Bảng 4.11: Hệ số hồi qui sử dụng phương pháp Enter
Mô hình
Hệ số hồi qui chưa chuẩn
hóa
Hệ số hồi qui
chuẩn
hóa t Sig.
Đa cộng tuyến
B Sai số
chuẩn Beta Tolerance VIF
1
(Hằng số) 1.012 0.234 4.333 .000
Nhân viên mặt đất 0.459 0.063 0.438 7.344 .000 0.646 1.547 Tiếp viên hàng không 0.176 0.064 0.163 2.746 .006 0.654 1.529 Lịch trình chuyến bay 0.089 0.036 0.132 2.431 .016 0.782 1.279 Tin cậy -0.025 0.045 -0.029 -.561 .575 0.869 1.151 Phương tiện hữu hình 0.059 0.051 0.062 1.153 .250 0.804 1.244 Biến phụ thuộc: Sự hài lòng
Trong kết quả trên, nếu sig. <= 0.05 tương đương với độ tin cậy 95% thì nhân tố đó được chấp nhận, có nghĩa là nó có sự tác động đến Sự hài lòng khách hàng.
Kết quả hồi qui cho thấy có 3 nhân tố thỏa mãn điều kiện là: Nhân viên mặt đất, Tiếp viên hàng không và Lịch trình chuyến bay. Vì vậy, 3 nhân tố Nhân viên mặt đất, Tiếp viên hàng không, và Lịch trình chuyến bay đều được xem là có tác động tích cực đến Sự hài lòng của khách hàng. (Xem Hình 4.2)
Hệ số hồi qui thể hiện dưới hai dạng: (1) chưa chuẩn hóa (Unstandardized) và (2) chuẩn hóa (Standardized). Vì hệ số hồi qui chưa chuẩn hóa (B), giá trị của nó phụ thuộc vào thang đo cho nên chúng ta không thể dùng chúng để so sánh mức độ tác động của các biến độc lập vào biến phụ thuộc trong cùng một mô hình được. Hệ số hồi qui chuẩn hóa (beta, ký hiệu β) là hệ số chúng ta đã chuẩn hóa các biến. Vì vậy hệ số hồi qui chuẩn hóa được sử dụng để so sánh mức độ tác động của các biến phụ độc lập vào biến phụ thuộc. Biến độc lập nào có trọng số hồi qui chuẩn hóa càng lớn có nghĩa là biến đó có tác động càng mạnh vào biến phụ thuộc.
Vì thế, phương trình hồi qui tuyến tính được thể hiện như sau:
Sự hài lòng = 0.438*Nhân viên mặt đất + 0.163*Tiếp viên hàng không + 0.132*Lịch trình chuyến bay
Kết luận: Sự hài lòng của hành khách chịu tác động lớn nhất bởi nhân tố Nhân viên mặt đất (= 0.438), kế đến là nhân tố Tiếp viên hàng không ( = 0.163), tiếp nữa là nhân tố lịch trình chuyến bay ( = 0.132) với mức ý nghĩa sig. <=0.05. Các kết quả phân tích trên đây sẽ là cơ sở để tác giả đưa ra những hàm ý kiến nghị cho các nhà quản trị trong ngành hàng không giá rẻ tại Việt Nam. Nội dung này sẽ được trình bày trong chương cuối cùng của nghiên cứu này.
Hình 4.2: Kết quả phân tích Mô hình hồi qui 1
Tiếp viên hàng không (TV)
Sự hài lòng (HL)
Sig.=0.006
Nhân viên mặt
đất (NV)
Sig.=0.000
Lịch trình chuyến bay (LT)
Sig.=0.016