CHƯƠNG 3. KẾT QUẢ NGHIÊN CỨU SỰ HÀI LÒNG CỦA KHÁCH HÀNG ĐỐI VỚI SIÊU THỊ BIG C ĐÀ NẴNG
3.3. KIỂM ĐỊNH MÔ HÌNH VÀ CÁC GIẢ THUYẾT
3.3.3. Kiểm định giả thuyết
a. Đánh giá độ phù hợp của mô hình hồi quy đa biến
Để biết mô hình hồi quy tuyến tính xây dựng trên mẫu có phù hợp với dữ liệu, một thước đo về sự phù hợp đó là hệ số xác định R2.
- Hệ số xác định R2: là hệ số xác định tỷ lệ biến thiên của biến phụ thuộc được giải thích bởi biến độc lập trong mô hình hồi quy. R2 càng lớn thì mô hình hồi quy tuyến tính đã xây dựng được xem là càng thích hợp và càng có ý nghĩa trong việc giải thích sự biến thiên.
- Hệ số R2 hiệu chỉnh: là chỉ tiêu để quyết định có nên thêm biến độc lấp mới vào mô hình hồi quy không.
Ta thấy 0.5< R2 = 0.525 <0.7 nghĩa là mô hình hồi quy tuyến tính đã xây dựng phù hợp với dữ liệu. Đồng thời cho thấy biến độc lập có mối quan hệ khá chặt chẽ với biến phụ thuộc hay nói một cách khác sáu biến HH, TC, NV, GQ,
CS, GC giải thích được 52.5% sự hài lòng của khách hàng đối với siêu thị.
b. Kiểm định giả thuyết về độ phù hợp của mô hình
Kiểm định giả thuyết về sự phù hợp của mô hình hồi quy thông qua hệ số Fisher với giả thuyết H0: β1 = β2 = β3 =β4= β5 = β6 = 0 (Không có mối quan hệ giữa các biến HH, TC, NV, GQ, CS, GC và HL).
Qua kết quả phân tích F = 38.515 và p(F) = 0.000< 0.05 nên bác bỏ giả thuyết H0, chấp nhận giả thuyết H1, nghĩa là tồn tại mối quan hệ giữa các biến HH, TC, NV, GQ, CS, GC với HL hay mô hình tuyến tính phù hợp với dữ liệu.
Bảng 3.25: Phân tích ANOVA
ANOVAg
Model Sum of Df Mean Square F Sig.
Regression 25.094 1 25.094 111.486 .000a
Residual 48.168 214 .225
1
Total 73.262 215
Regression 32.004 2 16.002 82.614 .000b
Residual 41.258 213 .194
2
Total 73.262 215
Regression 35.014 3 11.671 64.691 .000c
Residual 38.248 212 .180
3
Total 73.262 215
Regression 36.503 4 9.126 52.382 .000d
Residual 36.759 211 .174
4
Total 73.262 215
Regression 37.766 5 7.553 44.685 .000e
Residual 35.496 210 .169
5
Total 73.262 215
Regression 38.470 6 6.412 38.515 .000f
Residual 34.792 209 .166
6
Total 73.262 215
a. Predictors: (Constant), NV b. Predictors: (Constant), NV, CS c. Predictors: (Constant), NV, CS, GQ d. Predictors: (Constant), NV, CS, GQ, GC e. Predictors: (Constant), NV, CS, GQ, GC, HH f. Predictors: (Constant), NV, CS, GQ, GC, HH, TC g. Dependent Variable: HL
c.Kiểm định giả thuyết về ý nghĩa của hệ số hồi quy beta Bảng 3.26: Kết quả hồi quy
Coefficientsa
Unstandardized Standardized Collinearity
Model B Std. Error Beta t Sig. Tolerance VIF
(Constant) 1.278 .175 7.284 .000
1
NV .553 .052 .585 10.559 .000 1.000 1.000
(Constant) .598 .199 3.008 .003
NV .465 .051 .491 9.138 .000 .915 1.093
2
CS .284 .048 .321 5.973 .000 .915 1.093
(Constant) .337 .202 1.668 .097
NV .379 .053 .401 7.096 .000 .773 1.294
CS .243 .047 .275 5.177 .000 .873 1.145
3
GQ .201 .049 .232 4.084 .000 .762 1.312
(Constant) .067 .219 .307 .759
NV .346 .054 .366 6.465 .000 .740 1.351
CS .226 .047 .255 4.853 .000 .859 1.164
GQ .189 .049 .218 3.896 .000 .757 1.322
4
GC .156 .053 .152 2.923 .004 .882 1.134
(Constant) -.149 .230 -.650 .517
NV .330 .053 .349 6.201 .000 .730 1.370
CS .188 .048 .213 3.930 .000 .788 1.270
GQ .167 .048 .193 3.450 .001 .736 1.359
GC .154 .053 .150 2.929 .004 .882 1.134
5
HH .144 .053 .147 2.734 .007 .797 1.255
(Constant) -.256 .234 -1.094 .275
NV .290 .056 .307 5.173 .000 .645 1.550
CS .181 .048 .205 3.805 .000 .784 1.276
GQ .150 .049 .174 3.079 .002 .715 1.399
GC .157 .052 .153 3.007 .003 .881 1.135
HH .125 .053 .127 2.344 .020 .772 1.296
6
TC .114 .055 .118 2.057 .041 .690 1.449
a. Dependent Variable: HL
Giả thuyết: H01: β1=0 (Phương tiện hữu hình không có tác động tích cực đến sự hài lòng của khách hàng).
Kết quả cho thấy t=2.344 và sig = 0.02 <0.05, nên bác bỏ H0,, nghĩa là biến phương tiện hữu hình có tác động tích cực đến sự hài lòng của khách hàng hay là khi phương tiện hữu hình càng cao thì sự hài lòng của khách hàng càng cao.
Giả thuyết: H02: β2=0 (Độ tin cậy không có tác động tích cực đến sự hài lòng của khách hàng)
Kết quả phân tích cho thấy t= 2.057 và sig =0.041<0.05, nên bác bỏ H0, nghĩa là Độ tin cậy có tác động tích cực đến sự hài lòng của khách hàng hay là khi độ tin cậy càng cao thì sự hài lòng của khách hàng càng cao.
Giả thuyết: H03: β3=0 (biến số nhân viên phục vụ không có tác động tích cực đến sự hài lòng của khách hàng).
Kết quả phân tích cho thấy t= 5.173 và sig =0.000<0.05, nên bác bỏ H0, nghĩa là nhân viên phục vụ có tác động tích cực đến sự hài lòng của khách hàng hay là khi nhân viên phục vụ tốt thì sự hài lòng của khách hàng càng cao.
Giả thuyết: H04: β4=0 (biến số giải quyết vấn đề không có tác động tích cực đến sự hài lòng của khách hàng).
Kết quả phân tích cho thấy t= 3.079 và sig =0.02 < 0.05, nên bác bỏ H0, nghĩa là giải quyết vấn đề có tác động tích cực đến sự hài lòng của khách hàng hay là khi việc giải quyết vấn đề càng thuận lợi thì sự hài lòng của khách hàng càng cao.
Giả thuyết: H05: β5=0 (biến số chính sách không có tác động tích cực đến sự hài lòng của khách hàng).
Kết quả phân tích cho thấy t= 3.805 và sig =0.000 < 0.05, nên bác bỏ H0,
nghĩa là chính sách có tác động tích cực đến sự hài lòng của khách hàng hay là khi chính sách càng tốt sự hài lòng của khách hàng càng cao.
Giả thuyết: H06 : β6 =0 (biến số giá cả không có tác động tích cực đến sự hài lòng của khách hàng).
Kết quả phân tích cho thấy t= 3.006 và sig =0.03 < 0.05, nên bác bỏ H0, nghĩa là giá cả có tác động tích cực đến sự hài lòng của khách hàng hay là khi giá cả cảm nhận càng cao sự hài lòng của khách hàng càng cao.
Ta thấy nhân tố nhân viên phục vụ có hệ số beta cao nhất bằng 0.290 điều này cho thấy nhân tố này có tác động mạnh nhất đến sự hài lòng của khách hàng. Và nhân tố độ tin cậy có hệ số beta thấp nhất nên nó ít có tác động nhất đến sự hài lòng của khách hàng đối với siêu thị.