CHƯƠNG 4 KẾT QUẢ NGHIÊN CỨU
4.3 PHÂN TÍCH HỒI QUY
4.3.1 Phân tích hồi quy tuyến tính bội giữa các nhân tố độc lập và nhân tố phụ thuộc “sự hài lòng của khách hàng”
4.3.1.1 Phân tích tương quan
Phân tích tương quan Pearson nhằm xác định mối quan hệ tuyến tính giữa biến phụ thuộc và các biến độc lập trước khi tiến hành phân tích hồi quy. Phân
H8 Lòng trung thành của khách hàng Giá trị chuyên môn
Giá trị chất lượng dịch vụ Giá trị phi tiền tệ
Giá trị lắp đặt
Giá trị cảm xúc-xã hội
Sự hài lòng của khách
hàng
Giá trị tiền tệ
H1 H2 H3 H4’
H5 H6
tích tương quan được thực hiện giữa biến phụ thuộc là Sự hài lòng của khách hàng (HL) và các biến độc lập: Giá trị cảm xúc-xã hội (CXXH), Giá trị chất lượng dịch vụ (CL), Giá trị chuyên môn (CM), Giá trị phi tiền tệ (PT), Giá trị tiền tệ (TT), Giá trị lắp đặt (LĐ).
Bảng 4.8: Kết quả phân tích tương quan hồi quy bội Tương quan
CXXH CM CL TT LD PT HL
CXXH
Pearson 1 .312** .187** .148* .030 .183** .466**
Sig. (2-tailed) .000 .002 .014 .616 .002 .000
N 276 276 276 276 276 276
CM
Pearson 1 .347** .433** .075 .134* .626**
Sig. (2-tailed) .000 .000 .215 .026 .000
N 276 276 276 276 276
CL
Pearson 1 .230** .166** .136* .559**
Sig. (2-tailed) .000 .006 .024 .000
N 276 276 276 276
TT
Pearson 1 -.072 .145* .523**
Sig. (2-tailed) .236 .016 .000
N 276 276 276
LD
Pearson 1 .117 .256**
Sig. (2-tailed) .052 .000
N 276 276
PT
Pearson 1 .315**
Sig. (2-tailed) .000
N 276
HL
Pearson 1
Sig. (2-tailed)
N 276
**. Tương quan có mức ý nghĩa 1% (2 phía).
*. Tương quan có mức ý nghĩa 5% (2 phía).
Nguồn: Dữ liệu khảo sát của tác giả trích từ phụ lục 7
Kết quả phân tích tương quan thể hiện tại Bảng 4.8 cho thấy các biến độc lập có tương quan tuyến tính khá mạnh với biến phụ thuộc, các tương quan đều có ý nghĩa thống kê ở mức ý nghĩa 1%. Cụ thể, quan hệ tương quan giữa Sự hài lòng
của khách hàng (HL) và Giá trị chuyên môn (CM) là cao nhất, có giá trị là 0,626;
tiếp theo là tương quan với Giá trị cảm xúc-xã hội (CXXH) là 0,559; tương quan với Giá trị tiền tệ (TT) là 0,523; tương quan với Giá trị chất lượng dịch vụ (CL) là 0,466; tương quan với Giá trị phi tiền tệ (PT) là 0,315; tương quan với Giá trị lắp đặt (LĐ) là 0,256. Bên cạnh đó, hệ số tương quan giữa các biến độc lập có giá trị không quá lớn, nên khả năng xảy ra hiện tượng đa cộng tuyến là không đáng kể.
4.3.1.2 Phân tích hồi quy và kiểm định giả thuyết
Từ mô hình nghiên cứu và kết quả phân tích nhân tố, ảnh hưởng của các nhân tố Giá trị cảm nhận của khách hàng đến Sự hài lòng của khách hàng có thể được thể hiện thông qua phương trình tuyến tính như sau:
HL = 0 + β1*CXXH + β2*CM + β3*CL + β4*TT + β5*LĐ + β6*PT Trong đó:
HL: Sự hài lòng của khách hàng khi sử dụng dịch vụ khám chữa bệnh tại các Bệnh viện tư nhân tại TP. HCM
CXXH: Giá trị cảm xúc-xã hội CM: Giá trị chuyên môn CL: Giá trị chất lượng dịch vụ TT: Giá trị tiền tệ
LĐ: Giá trị lắp đặt PT: Giá trị phi tiền tệ
0 : Hằng số (hay hệ số chặn) là giá trị mong muốn của biến phụ thuộc, khi các biến độc lập có giá trị bằng 0.
k(k=1-6): hệ số hồi quy riêng của từng nhân tố, thể hiện mối quan hệ giữa một biến độc lập với biến phụ thuộc, khi các biến độc lập khác không thay đổi. Lúc đó, khi biến độc lập thay đổi 1 đơn vị, thì biến phụ thuộc thay đổi k đơn vị.
4.3.1.3 Kết quả phân tích, đánh giá và kiểm định độ phù hợp mô hình hồi quy
Kết quả phân tích hồi quy được trình bày tại Bảng 4.9. Các hệ số của phương trình sẽ được xác định bằng phân tích hồi quy tuyến tính bội, các biến trong mô hình được đưa vào phân tích cùng lúc theo phương pháp Enter.
Bảng 4.9: Hệ số mô hình hồi quy bội Mô hình Hệ số chưa chuẩn
hóa
Hệ số chuẩn hóa
t Sig. Phân tích đa cộng tuyến
B Std. Error Beta Tolerance VIF
1
(Hằng số) .491 .164 2.995 .003
CXXH .149 .021 .248 6.980 .000 .877 1.140
CM .159 .022 .290 7.284 .000 .700 1.430
CL .146 .018 .298 8.204 .000 .840 1.191
TT .141 .019 .286 7.591 .000 .783 1.277
LD .167 .031 .183 5.338 .000 .944 1.060
PT .107 .029 .127 3.695 .000 .934 1.071
a. Biến phụ thuộc: HL (Sự hài lòng)
Nguồn: Dữ liệu khảo sát của tác giả trích từ phụ lục 8
Kết quả phân tích thể hiện ở Bảng 4.9 cho thấy, các biến độc lập là Giá trị cảm xúc-xã hội (CXXH), Giá trị chất lượng dịch vụ (CL), Giá trị chuyên môn (CM), Giá trị phi tiền tệ (PT), Giá trị tiền tệ (TT), Giá trị lắp đặt (LĐ) có mức ý nghĩa nhỏ hơn 0,05. Như vậy, mô hình hồi quy đã thỏa các giả định đặt ra, đồng thời có sự phù hợp với tập dữ liệu nghiên cứu.
Về trọng số (hệ số) hồi quy của phương trình tuyến tính: theo Nguyễn Đình Thọ (2012), thì trọng số hồi quy thể hiện dưới hai dạng là chưa chuẩn hóa (Unstandardized Coefficients) và chuẩn hóa (Standardized Coefficients). Vì giá trị của trọng số hồi quy chưa chuẩn hóa phụ thuộc vào thang đo nên không thể sử dụng để so sánh mức độ ảnh hưởng của các biến độc lập vào biến phụ thuộc trong cùng một mô hình được. Thay vào đó, trọng số hồi quy chuẩn hóa (trọng số đã chuẩn hóa các biến) được dùng để so sánh mức độ ảnh hưởng giữa biến độc lập
vào biến phụ thuộc. Biến độc lập nào có trọng số này càng lớn, nghĩa là biến đó ảnh hưởng lớn đến biến phụ thuộc. Do vậy, phương trình tuyến tính của mô hình có dạng:
HL= 0,491+ 0,149*CXXH + 0,159*CM + 0,146*CL+ 0,141*TT + 0,167*LĐ + 0,107*PT
Kết quả này cho thấy 06 biến độc lập đều có ảnh hưởng cùng chiều đến sự hài lòng của khách hàng khi sử dụng dịch vụ khám chữa bệnh tại các bệnh viện tư nhân tại TP. HCM ở mức tin cậy 95%. Trong đó, giá trị chất lượng dịch vụ có ảnh hưởng mạnh nhất đến sự hài lòng của khách hàng (hệ số beta = 0,298); tiếp theo giá trị chuyên môn (hệ số beta = 0,290); giá trị tiền tệ (hệ số beta = 0,286); giá trị cảm xúc-xã hội (hệ số beta = 0,248); giá trị lắp đặt (hệ số beta = 0,183); giá trị phi tiền tệ (hệ số beta = 0,127).
Mô hình hồi quy có R2 hiệu chỉnh (thể hiện tại Bảng 4.10) là 0,694, điều này có nghĩa là mô hình hồi quy tuyến tính đã xây dựng phù hợp với tập dữ liệu nghiên cứu (với 6 biến độc lập) ở mức 69,4%. Hay nói cách khác là 69,4%
sự thay đổi về Sự hài lòng của khách hàng (HL) được giải thích bởi 06 biến độc lập trên.
Bảng 4.10: Hệ số xác định và kiểm định Durbin-Watson của hồi quy bội Mô
hình R R2 R2 hiệu chỉnh
Sai số chuẩn của ước lượng
Durbin- Watson
1 0,837 0,701 0,694 0,20897 1,821
Nguồn: Dữ liệu khảo sát của tác giả trích từ phụ lục 8
Bên cạnh đó để xem xét độ phù hợp của mô hình (với giả thuyết Ho: βk = 0), nếu xác suất đại lượng F thống kê ở Bảng 4.11 nhỏ, thì giả thuyết nêu trên sẽ bị bác bỏ. Kết quả phân tích cho thấy F có giá trị Sig. rất nhỏ = 0,000 (nhỏ hơn 0,05), nên có đủ căn cứ để bác bỏ giả thuyết hệ số R2 của tổng thể = 0. Như vậy, mô hình hồi quy tuyến tính bội phù hợp với tập dữ liệu nghiên cứu.
Bảng 4.11: Bảng phân tích phương sai ANOVA hồi quy bội Mô hình Tổng bình
phương df Trung bình
bình phương F Sig.
1
Hồi quy 27,547 6 4,591 105,138 0,000
Phần dư 11,746 269 0,044
Tổng 39,293 275
Nguồn: Dữ liệu khảo sát của tác giả trích từ phụ lục 8
4.3.1.4 Dò tìm sự vi phạm các giả định cần thiết trong hồi quy bội
Mô hình hồi quy đòi hỏi một số giả định, nghĩa là những tính toán trong mô hình hồi quy chỉ có nghĩa khi các giả định này được thỏa mãn (Nguyễn Đình Thọ, 2012). Các giả định của mô hình hồi quy tuyến tính cần kiểm định gồm:
Giả định liên hệ tuyến tính
Để đánh giá mức độ phù hợp giữa đường thẳng vẽ được từ mô hình tuyến tính với tập dữ liệu quan sát, người ta thường sử dụng phương pháp vẽ đồ thị phân tán giữa các phần dư và giá trị dự đoán mà mô hình hồi quy tuyến tính cho ra (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Đồ thị phân tán được vẽ giữa giá trị chuẩn đoán (Standardized predicted value) (trục hoành) và phần dư chuẩn hóa (Standardized residual) (trục tung) cho thấy phần dư phân tán ngẫu nhiên xung quanh tung độ 0 (xem Phụ lục 9). Như vậy giả định liên hệ tuyến tính không bị vi phạm.
Kiểm định giả định phương sai của sai số (phần dư) không đổi
Hiện tượng phương sai thay đổi (Heteroskedasticity) làm các ước lượng của các hệ số hồi quy không chệch nhưng không hiệu quả (tức là không phải ước lượng phù hợp nhất), ước lượng của các phương sai bị chệch khiến ta đánh giá nhầm về chất lượng của mô hình hồi quy tuyến tính (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Do vậy, kiểm định tương quan hạng Spearman được sử dụng để kiểm định giả thuyết là phương sai của sai số không thay đổi (hệ số tương quan hạng của tổng thể bằng 0).
Kết quả phân tích tương quan hạng Spearman giữa phần dư mô hình sau khi lấy trị tuyệt đối (ABSres1) với các biến độc lập thể hiện ở Bảng 4.12 cho thấy:
giá trị Sig. của các biến lớn hơn mức ý nghĩa của nó, nên không có cơ sở bác bỏ giả thuyết ban đầu là phương sai sai số không thay đổi. Mô hình không vi phạm giả định đã cho.
Bảng 4.12: Kiểm định Spearman giữa phần dư và các biến độc lập hồi quy bội
CXXH CM CL TT LĐ PT ABS
Res1 Spearman's
rho
ABS res1
Hệ số tương
quan -.033 .038 -.016 .015 -.010 .069 1.000 Sig. (2-
tailed) .580 .528 .792 .801 .871 .251 . Nguồn: Dữ liệu khảo sát của tác giả trích từ phụ lục 9
Giả định về phân phối chuẩn của phần dư
Biểu đồ tần xuất của phần dư có thể được sử dụng để kiểm định giả định về phân phối chuẩn của phần dư. Thật không hợp lý khi kỳ vọng rằng các phần dư quan sát có phân phối hoàn toàn chuẩn, vì luôn luôn có những chênh lệch do lấy mẫu. Nếu nghiên cứu có mẫu lớn, phân phối của phần dư có thể xem như tiệm cận chuẩn (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Biểu đồ tần xuất của phần dư (xem Phụ lục 9) cho thấy một đường cong phân phối chuẩn trên đồ thị, với giá trị trung bình rất nhỏ (xấp xỉ bằng 0) và độ lệch chuẩn = 0,989 (xấp xỉ bằng 1). Nghĩa là phân phối chuẩn của phần dư được xem như có phân phối chuẩn và không vi phạm giả định ban đầu.
Giả định về tính độc lập của sai số
Đại lượng Durbin-Watson được thống kê nhằm kiểm định tương quan của các sai số kề nhau, với giả thuyết Ho: hệ số tương quan tổng thể của các phần dư bằng 0. Đại lượng này có giá trị từ 0 đến 4. Nếu các phần dư không có tương quan chuỗi bậc nhất với nhau, đại lượng này sẽ gần bằng 2. Giá trị đại lượng này
nếu thấp (và nhỏ hơn 2) có nghĩa là các phần dư gần nhau có tương quan thuận.
Giá trị đại lượng này lớn hơn 2 (và gần 4) có nghĩa là các phần dư có tương quan nghịch (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Kết quả phân tích cho thấy hệ số Durbin-Watson được thống kê ở Bảng 4.10 có giá trị là 1,821 (gần bằng 2), nên có thể kết luận các phần dư không có tương quan chuỗi bậc nhất với nhau, hay các phần dư trong mô hình độc lập với nhau.
Kiểm tra hiện tượng đa cộng tuyến
Cộng tuyến là trạng thái trong đó các biến độc lập có tương quan chặt chẽ với nhau. Để kiểm tra hiện tượng đa cộng tuyến có xảy ra hay không, ta phải đo lường đa cộng tuyến bằng hệ số phóng đại phương sai VIF (Variance inflation factor). Hair & ctg (2006, theo Nguyễn Đình Thọ 2012) cho rằng nếu VIF của một biến độc lập nào đó lớn hơn 10, thì biến này hầu như không có giá trị giải thích biến thiên của Y trong mô hình MLR. Trong thực tế, VIF>2 cũng cần phải cẩn thận trong diễn giải các trọng số hồi quy.
Kết quả phân tích Bảng 4.9 cho thấy VIF của các biến độc lập đều nhỏ hơn 2, do vậy không có dấu hiệu xảy ra hiện tượng đa cộng tuyến trong mô hình hồi quy.