CHƯƠNG 3. KẾT QUẢ NGHIÊN CỨU SỰ HÀI LÒNG CỦA KHÁCH HÀNG ĐỐI VỚI DỊCH VỤ THẺ CỦA NGÂN HÀNG AGRIBANK –
3.5. PHÂN TÍCH HỒI QUI ĐA BIẾN
3.5.3. Kiểm định mô hình hồi qui bội
Đa cộng tuyến là hiện tượng có sự tương quan phụ thuộc lẫn nhau giữa các biến độc lập. Khi xảy ra hiện tƣợng này dẫn đến các hệ số không ổn định khi thêm biến vào mô hình hồi quy.
Qua phân tích, các biến đều có hệ số phóng đại phương sai VIF rất nhỏ từ 1.205 đến 1.334, tất cả đều nhỏ hơn 5, cho thấy các biến độc lập này không có quan hệ với nhau nên không có hiện tƣợng 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.
Bảng 3.7. Bảng kiểm tra hệ số VIF và Tolerance Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics B Std.
Error Beta Tolera
nce VIF 1 (Constant) -.524 .177 -2.955 .004
Đồng cảm và đáp ứng .364 .035 .365 10.542 .000 .769 1.301 Hữu hình .449 .034 .461 13.144 .000 .749 1.334 Mạng lưới .265 .025 .349 10.484 .000 .830 1.205
b. Kiểm định độ phù hợp của mô hình
Bảng 3.8. Bảng tóm tắc các hệ số của mô hình hồi quy cuối cùng Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
1 .905a .819 .817 .48957 2.037
Bảng 3.9. Bảng phân tích ANOVA mô hình hồi quy ANOVAb
Model Sum of
Squares df Mean
Square F Sig.
1 Regression 213.267 3 71.089 296.605 .000a
Residual 46.977 193 .240
Total 260.244 199
Dự vào hai bảng trên ta thấy trị thống kê F được tính từ R bình phương của mô hình với mức ý nghĩa quan sát rất nhỏ (sig = 0.000) cho thấy mô hình hồi qui tuyến tính bội phù hợp với tập dữ liệu và có thể sử dụng đƣợc.
Hệ số R bình phương hiệu chỉnh bằng 0.817 nghĩa là mô hình hồi qui tuyến tính bội đã xây dựng phù hợp với tập dữ liệu là 81,7%. Nói cách khác, khoảng 81,7 % mức độ hài lòng quan sát có thể đƣợc giải thích bởi sự khác biệt của 03 thành phần: Hữu hình, Đồng cảm và đáp ứng, và Mạng lưới.
Kiểm tra phần dƣ cho thấy phân phối phần dƣ xấp xỉ chuẩn với trung bình Mean = 0 và độ lệch chuẩn Std. Deviation = 0.992 (xấp xỉ bằng 1) do đó có thể kết luận rằng giả thiết phân phối chuẩn không bị vi phạm khi sử dụng phương pháp hồi quy bội.
Bảng 3.10. Bảng thống kê giá trị phần dư Residuals Statisticsa
Minimum Maximum Mean Std.
Deviation N Predicted Value 1.3286 6.9314 4.5317 1.03523 200
Residual -1.76927 1.41475 .00000 .48586 200 Std. Predicted Value -3.054 2.318 .000 1.000 200 Std. Residual -3.614 2.890 .000 .992 200
a. Dependent Variable: Sự hài lòng c. Kiểm định giả thiết
Vậy, mô hình nghiên cứu sau cùng tồn tại 03 giả thiết. Đó là:
- Giả thiết H1: Thành phần Hữu hình đƣợc khách hàng đánh giá càng cao thì sự thoả mãn của khách hàng càng cao và ngƣợc lại. Hay nói cách khác, Hữu hình và Sự hài lòng khách hàng có quan hệ cùng chiều. Giả thiết này phù hợp với mô hình vì hệ số Beta chuẩn hóa của nhân tố Hữu hình = 0.461>0 chứng tỏ mối quan hệ giữa sự hài lòng khách hàng và thành phần Hữu hình là cùng chiều, sự hài lòng của khách hàng tăng lên 1% là do có sự tăng lên của 0.461% Hữu hình.
- Giả thiết H2: Thành phần Đồng cảm và đáp ứng đƣợc khách hàng đánh giá càng cao thì sự thoả mãn của khách hàng càng cao và ngƣợc lại. Hay nói cách khác, Đồng cảm đáp ứng và Sự hài lòng khách hàng có quan hệ cùng chiều. Giả thiết này phù hợp với mô hình vì hệ số Beta chuẩn hóa của nhân tố Đồng cảm và đáp ứng = 0.365>0 chứng tỏ mối quan hệ giữa sự hài lòng khách hàng và thành phần Đồng cảm và đáp ứng là cùng chiều, sự hài lòng của khách hàng tăng lên 1% là do có sự tăng lên của 0.365% Đồng cảm và đáp ứng.
- Giả thiết H3: Thành phần Mạng lưới được khách hàng đánh giá càng cao thì sự thoả mãn của khách hàng càng cao và ngƣợc lại. Hay nói cách khác, Mạng lưới và Sự hài lòng khách hàng có quan hệ cùng chiều. Giả thiết này phù hợp với mô hình vì hệ số Beta chuẩn hóa của nhân tố Mạng lưới
= 0.349>0 chứng tỏ mối quan hệ giữa sự hài lòng khách hàng và thành phần Mạng lưới là cùng chiều, sự hài lòng của khách hàng tăng lên 1% là do có sự tăng lên của 0.349% Mạng lưới.
d. Hiện tượng tự tương quan
Tự tương quan được hiểu như là sự tương quan giữa các thành phần của chuổi các quan sát đƣợc sắp xếp theo thứ tự thời gian hoặc không gian.
Nguyên nhân của hiện tƣợng này có thể là khách quan (do quán tính, do độ trễ của dữ liệu) hoặc có thể là chủ quan (do chọn mô hình sai, do quá trình xử lý số liệu). Việc vi phạm giả thiết về sự tương quan giữa các nhiễu (Ui) làm cho các ước lượng về phương sai, kiểm định t, F không còn chính xác.
Có nhiều phương pháp để phát hiện hiện tượng này. Trong nghiên cứu này, tác giả sử dụng phương pháp thống kê Durbin - Watson. Với cỡ mẫu n =200, với 6 bậc tự do, tra bảng kết quả Durbin-Watson với n=200, k=6 ta có dL = 1.707, dU = 1.831. Ta có dU = 1.831 < d = 2.037 < 4 - dU = 4 – 1.831 =2.169 nên có thể kết luận mô hình không tồn tại hiện tƣợng tự tương quan.
Bảng 3.11. Bảng thống kê giá trị thống kê Durbin-Watson Model Summaryb
M
odel R R Square Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
1 .905a .819 .817 .48957 2.037