CHƯƠNG II. THỰC TRẠNG CHẤT LƯỢNG DỊCH VỤ INTERNET
2.3 ĐÁNH GIÁ CÁC ĐỐI TƯỢNG ĐIỀU TRA VỀ CHẤT LƯỢNG DỊCH VỤ
2.3.4 Ki ểm định các giả thuyết khác và phân tích hồi quy tuyến tính bội
Sau khi rút trích được các nhân tố từ phân tích EFA, dò tìm các vi phạm giả định cần thiết trong mô hình hồi quy tuyến tính bội, tiến hành kiểm định mô hình giả thuyết và phân tích các nhân tố bằng hồi qui tuyến tính:
Kiểm định đa cộng tuyến: Đa cộng tuyến là trạng thái trong đó các biến độc lập có tương quan chặt chẽ với nhau. Vấn đề của hiện tượng đa cộng tuyến là chúng cung cấp cho mô hình những thông tin rất giống nhau và rất khó tách rời ảnh hưởng của từng biến một đến biến phụ thuộc. Hiệu ứng khác của sự tương quan khá chặt chẽ giữa các biến độc lập là nó làm tăng độ lệch chuẩn của các hệ số hồi quy và làm giảm giá trị thống kê t của kiểm định ý nghĩa của chúng nên các hệ số có khuynh hướng kém ý nghĩa hơn khi không có đa cộng tuyến trong khi hệ số xác định R2 vẫn khá cao. Trong quá trình phân tích hồi quy bội, đa cộng tuyến được SPSS phiên bản 2.0 chuẩn hóa bằng tiêu chí
TR ƯỜ NG ĐẠ I H Ọ C KINH
T Ế HU Ế
Collinearity Diagnostics (Chuẩn đoán hiện tượng đa cộng tuyến) với hệ số phóng đại phương sai VIF (Variance Inflation Factor) của các biến độc lập trong mô hình. Nếu VIF nhỏ hơn 10 tức là mô hình không có đa cộng tuyến. Ngoài ra nếu hệ số chấp nhận (Tolerance) > 0 thì cũng không có hiện tượng đa cộng tuyến xảy ra trong mô hình.
Kiểm định giả thuyết về mức độ phù hợp của mô hình: Xây dựng xong mô hình hồi quy, vấn đề quan tâm đầu tiên là phải xem xét độ phù hợp của mô hình đối với tập dữ liệu qua giá trị R2. Để kiểm định độ phù hợp của mô hình hồi quy tổng thể, ta đặt giả thuyết hệ số R2 = 0. Đại lượng F được sử dụng cho kiểm định này. Nếu xác suất F nhỏ (Sig. = 0,000) thì giả thuyết R2 = 0 bị bác bỏ, mô hình hồi quy tuyến tính bội phù hợp với tập dữ liệu và sử dụng được. Ngoài ra, nếu các giả định không bị vi phạm, mô hình hồi quy tuyến tính bội được ước lượng thì hệ số R2đã được điều chỉnh sẽ cho biết mô hình hồi quy được ước lượng phù hợp đến mức nào.
Kiểm định giả thuyết về ý nghĩa của hệ số hồi quy: Đây là kiểm định đối với các hệ số β. Ta sẽ kiểm định giả thuyết: βi = 0 (i: 0 đến 5) và kỳ vọng giả thuyết này bị bác bỏ vì nếu βi = 0 nghĩa là mối quan hệ tương quan ta nhận thấy ở mẫu chỉ xảy ra ngẫu nhiên chứ không phải do bản chất. Giá trị thống kê dùng để kiểm định giả thuyết là t, phân phối của đại lượng thống kê này là Student với (N - 2) bậc tự do.
Sau đó tiến hành phân tích hồi quy: Ta cần xem xét sự tác động của từng biến độc lập đến biến phụ thuộc, hệ số βi càng lớn chứng tỏ sự tác động này càng nhiều.
Phương trình 1: Phương trình hồi quy chuẩn hóa Trong đó:
+ Biến phụ thuộc: Chất lượng dịch vụ.
+ Biến độc lập (năm biến): Độ an toàn, chính xác; Khả năng thực hiện giao dịch; Năng lực của nhân viên và ngân hàng; Sự am hiểu khách hàng; Cơ sở vật chất, công nghệ.
+ βi (i: 1 đến 5): Hệ số hồi qui riêng phần + ε: Sai số tiêu chuẩn
Chất lượng dịch vụ = β1Độ an toàn, chính xác + β2Khả năng thực hiện giao dịch + β3Năng lực của nhân viên và ngân hàng + β4Sự am hiểu khách hàng + β5Cơ sở vật chất, công nghệ + ε
TR ƯỜ NG ĐẠ I H Ọ C KINH
T Ế HU Ế
Bảng 2.18: Tổng kết phân tích hồi quy
Mẫu R R2 R2 hiệu
chỉnh
Sai số chuẩn của ước lượng
1 0,746a 0,556 0,547 0,33874
(Nguồn: Kết quả phân tích SPSS) Bảng 2.19: Các thông số thống kê trong phương trình hồi quy
Đơn vị tính: Đơn vị
Mô hình
Hệ số hồi quy chưa chuẩn hóa
Hệ số hồi quy chuẩn
hóa t Sig.
Đa cộng tuyến
B Sai số
chuẩn Beta Độ chấp
nhận VIF AH 0,133 0,026 0,241 5,157 0,000 0,863 1,159 NL 0,151 0,038 0,178 3,934 0,000 0,923 1,083 CX 0,383 0,050 0,346 7,628 0,000 0,916 1,092 TH 0,156 0,041 0,169 3,785 0,000 0,951 1,051 CN 0,203 0,030 0,328 6,722 0,000 0,794 1,259
(Nguồn: Kết quả phân tích SPSS)
Kiểm định đa cộng tuyến
Hệ số phóng đại phương sai (VIF) khá nhỏ từ 1,051 đến 1,259 đều < 10 đồng thời các giá trị trong độ chấp nhận đều > 0 cho thấy các biến độc lập không có quan hệ chặt chẽ với nhau nên không có hiện tượng đa cộng tuyến xảy ra. Do đó, mối quan hệ giữa các biến độc lập không ảnh hưởng đáng kể đến kết quả giải thích của mô hình hồi quy.
Kiểm định giả thuyết về mức độ phù hợp của mô hình
Kiểm định F được sử dụng để xem xét biến phụ thuộc có liên hệ tuyến tính với toàn bộ tập hợpcác biến độc lập hay không. Giả thuyết đặt ra là: β1= β2= β3= β4= β5 = 0.
Trị thống kê F được tính từ R2 của mô hình với mức ý nghĩa quan sát rất nhỏ, Sig. = 0,000 < 0,05 tức giả thuyết R2 = 0 bị bác bỏ, mô hình hồi quy tuyến tính bội phù hợp với tập dữ liệu và sử dụng được.
TR ƯỜ NG ĐẠ I H Ọ C KINH
T Ế HU Ế
Hệ số R2 hiệu chỉnh = 0,547 nghĩa là 54,7% khác biệt của chất lượng dịch vụ được giải thích bởi sự khác biệt của năm chỉ tiêu AH, NL,CX,TH,CN.
Kiểm định giả thuyết về ý nghĩa của hệ số hồi quy
Kiểm định giả thuyết H0: βi = 0 với trị thống kê t. Qua kiểm định, giá trị thống kê t có mức ý nghĩa khá lớn, đạt từ 3,785 đến 6,722 nên bác bỏ được giả thuyết H0: βi = 0 với độ tin cậy cao, đồng nghĩa với các biến đều có ý nghĩa trong mô hình.
Dựa trên kết quả kiểm định, phương trình hồi quy chuẩn hóa có dạng như sau: CLDV = 0,241AH + 0,178 NL + 0,346 CX + 0,169TH+ 0,328 CN
Các hệ số hồi quy đều mang dấu dương thể hiện năm chỉ tiêu trong mô hình hồi quy đều ảnh hưởng tỉ lệ thuận đến chất lượng dịch vụ Internet - banking tại ngân hàng với mức ý nghĩa rất nhỏ, Sig = 0< 0,05.