CHƯƠNG 3. KẾT QUẢ NGHIÊN CỨU
3.3. PHÂN TÍCH TƯƠNG QUAN VÀ HỒI QUY TUYẾN TÍNH
Theo kết quả ma trận xoay thì các nhân tố được định nghĩa lại như sau:
Bảng 3.8. Nhân tố đại diện cho cho các biến quan sát
STT Nhân tố Các biến quan sát Loại
1 TC TC1, TC2, TC3, TC4 Biến độc lập
2 DU DU1, DU2 Biến độc lập
3 DC DC1, DC2, DC3 Biến độc lập
4 DB DB1, DB2 Biến độc lập
5 PTHH PTHH2, PTHH3 Biến độc lập
43
6 GC GC3 Biến độc lập
7 HL HL1, HL2, HL3 Biến phụ thuộc
Tiến hành tạo biến đại diện theo bảng nhân tố được định nghĩa lại ở trên để phục vụ việc chạy tương quan Pearson và Hồi quy đa biến.
3.3.1. Phân tích tương quan Pearson
Hoàng Trọng & Chu Nguyễn Mộng Ngọc (2005) đã định nghĩa: “Tương quan Pearson dùng để kiểm tra mối quan hệ tuyến tính giữa biến phụ thuộc và các biến độc lập và là cơ sở để nhận diện đa cộng tuyến khi các biến độc lập có tương quan mạnh với nhau.”
Bảng 3.9. Kết quả phân tích tương quan giữa biến phụ thuộc và biến độc lập
Chỉ tiêu HL GC PTHH DB DC DU TC
HL Person Correlation
1 .262* .249* .190* .008 .326** .078
Sig. .012 .015 .020 .926 .000 .344
N 150 150 150 150 150 150 150
(Nguồn: Kết quả tổng hợp phân tích số liệu từ SPSS) Nếu Sig. các biến độc lập với biến phụ thuộc < 0.05 thì giữa chúng có mối quan hệ tuyến tính với nhau còn nếu Sig. lớn hơn 0.05 thì sẽ không có mối tương quan giữa chúng. Kết quả từ bảng trên cho thấy trừ TC, DC có hệ số Sig. lớn hơn 0.05 sẽ bị loại thì các biến quan sát còn lại đều có tương quan với biến HL.
Cặp biến độc lập PTHH - GC có giá trị Sig. nhỏ hơn 0.05 và hệ số Person Correlation khá cao là 0.725, tác giả nghi ngờ xảy ra đa cộng tuyến nên cần kiểm tra lại hiện tượng này khi tiến hành chạy mô hình hồi quy.
3.4.2. Phân tích phương trình hồi quy 3.4.2.1. Phương trình hồi quy
Phương trình hồi quy cho thấy các nhân tố ảnh hưởng đến sự hài lòng của khách hàng tại chi nhánh Hà Nội và giải thích rõ mức độ ảnh hưởng của từng nhân tố lên biến phụ thuộc.
44 HL = 𝜷𝟎+ 𝜷𝟏*DU+ 𝜷𝟐*DB+ 𝜷𝟑*PTHH+ 𝜷𝟒*GC
Trong đó
HL: Giá trị trung bình các biến trong “SỰ HÀI LÒNG”
DU: Giá trị trung bình các biến trong “ĐÁP ỨNG”
DB: Giá trị trung bình các biến trong “ĐẢM BẢO”
PTHH: Giá trị trung bình các biến trong “PHƯƠNG TIỆN HỮU HÌNH”
GC: Giá trị trung bình các biến trong “GIÁ CẢ”
𝛽 : Hệ số chặn của hàm hồi quy 𝛽 (i = 1;4): Hệ số góc
3.4.2.2. Kết quả phân tích hồi quy
- Đánh giá sự phù hợp của mô hình hồi quy Bảng 3.10. Model Summary
Model R R Square Adjusted
R Square Std. Error of the
Estimate Durbin- Watson
1 .926a 0.721 0.713 0.37596 1.585
a. Predictors: (Constant), GIÁ CẢ, ĐẢM BẢO, ĐÁP ỨNG, PHƯƠNG TIỆN HỮU HÌNH
(Nguồn: Kết quả tổng hợp phân tích số liệu từ SPSS)
𝑅 (R Square) là 72.1% và 𝑅 ℎ𝑖ệ𝑢 𝑐ℎỉ𝑛ℎ (Adjusted R Square ) đạt 71.3% chỉ ra mức độ ảnh hưởng của các biến độc lập lên biến phụ thuộc trong đó hiệu chỉnh phản ánh sát hơn mức độ phù hợp của mô hình. Bốn biến độc lập trong mô hình sẽ giải thích được 71,3% sự thay đổi của biến phụ thuộc HL và 28.7% còn lại sẽ do các nhân tố chưa được đưa vào mô hình và các sai số ngẫu nhiên giải thích. Với 𝑅 hiệu chỉnh lớn hơn 50% thì mức độ phù hợp của mô hình này là được chấp nhận.
45 Với mẫu N=150 và số biến độc lập là 4, mô hình thu được hệ số Durbin – Watson là 1.585 (nằm trong khoảng từ 1.5 đến 2.5 mà bảng Durbin Watson quy định) nên có thể kết luận là mô hình không có hiện tượng tự tương quan.
Để xem xét biến phụ thuộc có liên hệ tuyến tính với toàn bộ tổng thể các biến độc lập hay không thì cần phải xem xét kiểm định F. Dựa vào bảng ANOVA thì ta thu được trị số F = 94.068 và Sig. là 0.000 (<0.05) cho thấy các biến độc lập trong mô hình hồi quy tuyến tính có thể suy rộng và áp dụng cho tổng thể.
Bảng 3.11. ANOVAa
Model Sum of Squares df Mean
Square F Sig.
1 Regression 104.325 4 26.081 94.068 .000b
Residual 40.372 145 0.278
Total 144.697 149
a. Dependent Variable: HÀI LÒNG
b. Predictors: (Constant), GIÁ CẢ, ĐẢM BẢO, ĐÁP ỨNG, PHƯƠNG TIỆN HỮU HÌNH
(Nguồn: Kết quả tổng hợp phân tích số liệu từ SPSS) - Kết quả phân tích hồi quy và mức độ quan trọng từng nhân tố
Qua bảng Coefficients ta thấy 3 nhân tố là DU, PTHH, GC đều có thể giải thích cho biến phụ thuộc HL vì tất cả đều hệ số Sig. của kiểm định t đều <0.05 còn DB có Sig. lớn 0.05 nên loại bỏ biến DB.
Hệ số VIF là giá trị dùng để kiểm tra hiện tượng đa cộng tuyến song với VIF đều nhỏ hơn 2 và độ chấp nhận của biến (Tolerance > 0.1) nên dễ dàng bác bỏ tình huống mô hình hồi quy trên xảy ra đa cộng tuyến.
Bảng 3.12. Coefficientsa
Model Unstandardize d Coefficients
Standardize d
Coefficients t Sig. Collinearity Statistics
46 B Std.
Error Beta Tolerance VIF
1 (Constant) 2.074 0.318 6.513
ĐÁP ỨNG 0.226 0.061 0.292 3.727 .000 .964 1.037
ĐẢM BẢO 0.121 0.071 0.133 1.696 .091 .967 1.034
PTHH 0.025 0.082 0.034 0.104 .028 .672 1.117
GIÁ CẢ 0.059 0.070 0.095 2.844 .024 .771 1.123
a. Dependent Variable: HÀI LÒNG
(Nguồn: Kết quả tổng hợp phân tích số liệu từ SPSS) Từ đó, xây dựng mô hình hồi quy chuẩn hóa như sau:
HL = 0.292*DU + 0.095*GC + 0.034*PTHH
Do mô hình được xây dựng trên bảng khảo sát có sử dụng thang đo Likert và căn cứ vào phương trình hồi quy để xác định thứ tự ảnh hưởng của từng biến độc lập tới biến phụ thuộc nên ta sẽ dùng hệ số hồi quy chuẩn hóa để nghiên cứu. Dựa vào độ lớn của hệ số hồi quy chuẩn hóa Beta, thứ tự ảnh hưởng từ mạnh đến yếu của các biến độc lập là DU (0.292) > GC (0.095) > PTHH (0.034). Bên cạnh đó, hệ số Beta đều dương cho thấy các biến độc lập có quan hệ tuyến tính thuận chiều với “SỰ HÀI LÒNG” của khách hàng khi sử dụng dịch vụ TTKDTM của ACB chi nhánh Hà Nội.
Khi đó, nếu các biến độc lập tăng sẽ kéo theo mức độ hài lòng của khách hàng tăng lên.
𝛽 = 0.292 thể hiện khi các nhân tố khác không đổi, “TÍNH ĐÁP ỨNG” tăng thêm 1 đơn vị sẽ làm cho “SỰ HÀI LÒNG” về TTKDTM tại ACB Hà Nội tăng thêm 0.292 đơn vị và ngược lại. Chấp nhận giả thuyết H4.
𝛽 = 0.095 cho thấy “GIÁ CẢ” tác động khá cao đến “SỰ HÀI LÒNG”, chỉ đứng sau “TÍNH ĐÁP ỨNG” với 0.095, từ đó, ta chấp nhận giả thuyết H6. Qua đó cho thấy, trong điều kiện các nhân tố khác không đổi thì khi “GÍA CẢ” tăng thêm 1 đơn vị sẽ kéo theo “SỰ HÀI LÒNG” của khách hàng tăng thêm 0.095 đơn vị.
47 𝛽 = 0.034 cho thấy biến tác động yếu nhất tới “SỰ HÀI LÒNG” của khách hàng. Khi “PHƯƠNG TIỆN HỮU HÌNH” tăng sẽ làm “SỰ HÀI LÒNG” của khách hàng tăng thêm 0.034 đơn vị và ngược lại. Từ đó, chấp nhận giả thuyết H3.