Chương 1: CƠ SỞ LÝ LUẬN CỦA ĐỀ TÀI
2.4. Nghiên cứu định lượng (nghiên cứu chính thức)
2.4.7. Phân tích hồi quy tuyến tính
Để kiểm định vai trò quan trọng của các nhân tố trong việc đánh giá mối quan hệ giữa các thành phần chất lượng dịch vụ kiểm toán và sự ảnh hưởng của chúng đến sự hài lòng của khách hàng. Mô hình hồi quy được sử dụng với biến độc lập là 4 thành phần: Tin cậy; Đáp ứng; Năng lực phục vụ; Phương tiện hữu hình và biến phụ thuộc là Sự hài lòng của khách hàng. Phân tích hồi quy được thực hiện với phần mềm SPSS 16 và giá trị các yếu tố được dùng để chạy hồi quy là giá trị trung bình của các biến quan sát đã được kiểm định.
2.4.7.1. Đánh giá sự phù hợp của mô hình
Để đánh giá sự phù hợp của mô hình giữa các thành phần chất lượng dịch vụ phân phối sản phẩm và sự hài lòng của khách hàng, tác giả sử dụng hàm hồi quy tuyến tính bội, 4 thành phần chất lượng dịch vụ là biến độc lập và sự hài lòng của khách hàng là biến phụ thuộc sẽ đưa vào chạy hồi quy cùng một lúc (Sử dụng phương pháp Enter trong SPSS).
Đánh giá chung dịch vụ = β0 + β1 * Thành phần Tin cậy + β2 * Thành phần Đáp ứng + β3 * Thành phần Năng lực phục vụ + β4 * Thành phần Phương tiện hữu hình. Với β1, β2, β3, β4 là các hệ số hồi quy riêng từng thành phần.
Bảng 2.11: Tóm tắt các hệ số về mức độ phù hợp của mô hình
Mô hình R2 R2 điều
chỉnh
Kiểm định
F Sig. Durbin-
Watson
1 .674 .668 100.882 0.000 1.792
(Nguồn: Phụ lục 8 - Kết quả SPSS - Hồi quy tuyến tính) Với giả thuyết H0 là β1 = β2 = β3 = β4 = 0, kết quả phân tích hồi qui có hệ số xác định R2 là 0.674, như vậy mô hình nghiên cứu là phù hợp (0 < R2 ≤ 1), nói lên mô hình hồi quy tuyến tính phù hợp đến mức 67.4%. Ngoài ra kết quả cũng cho thấy R2 điều chỉnh (Adjusted R Square) bằng 0.668 nhỏ hơn R2 và dùng nó để đánh giá độ phù hợp của mô hình nghiên cứu sẽ an toàn hơn vì nó không thổi phồng mức độ phù hợp của mô hình. R2 điều chỉnh là 0.668 nghĩa là mức độ phù hợp của mô hình là 66.8% hay 66.8% là biến thiên của sự hài lòng được giải thích bởi quan hệ tuyến tính với 4 biến độc lập nói trên, còn lại là 33.2% biến thiên do ảnh hưởng bởi các yếu tố khác chưa được giải thích trong mô hình. Có thể nói các thành phần biến được đưa vào mô hình đạt kết quả giải thích khá tốt và bác bỏ giả thuyết H0.
2.4.7.2. Kiểm định sự phù hợp của mô hình
Kiểm định F sử dụng trong bảng phân tích phương sai là một phép kiểm định giả thuyết về độ phù hợp của mô hình hồi quy tuyến tính tổng thể. Nó xem biến phụ thuộc có liên hệ tuyến tính với toàn bộ tập hợp các biến độc lập hay không. Kết quả nhận được cho thấy trị thống kê F là 100.882, được tính từ giá trị R square của mô hình với giá trị Sig. rất nhỏ (= 0.000 < 0.05) cho thấy sẽ an toàn bác bỏ giả thuyết H0. Như vậy, có thể kết luận rằng mô hình hồi quy tuyến tính bội phù hợp với tập dữ liệu và có thể sử dụng được.
Đa cộng tuyến là trạng thái các biến độc lập trong mô hình có tương quan chặt chẽ với nhau. Tác giả sử dụng Hệ số phóng đại phương sai VIF (Variance inflation factor) để xem xét vấn đề đa cộng tuyến. Hệ số phóng đại phương sai VIF (VIF = 1/Tolerance) của các biến có trị số cao nhất là 2.444 và thấp nhất là 1.477 (nằm trong khoảng: 1 ≤ VIF <5) (xem bảng 2.12). Điều này cho thấy các biến độc lập này không có quan hệ chặt chẽ với nhau nên không có hiện tượng đa cộng tuyến xảy ra.
Ngoài ra, đại lượng thống kê Durbin-Watson (D) dùng để kiểm định tự tương quan trong mô hình, với 1 < D < 3 là mô hình không tự tương quan (kết quả tốt).
Kết quả giá trị Durbin-Watson đạt 1.866 (xem bảng 2.13) cho thấy mô hình không tự tương quan nên chấp nhận giả thuyết không có sự tương quan.
Như vậy, mô hình hồi quy bội thỏa các điều kiện đánh giá và kiểm định độ phù hợp cho việc rút ra các kết quả nghiên cứu.
2.4.7.3. Kết quả phân tích hồi quy
Bảng 2.12: Kết quả phân tích hồi qui bội
Tên biến
Hệ số hồi qui (B)
Độ lệch chuẩn
Hệ số hồi qui chuẩn
hóa (Beta)
Giá trị t Mức ý nghĩa (Sig.)
Độ chấp nhận
Hệ số phóng đại phương sai
(VIF)
Hằng số -.513 .217 -2.360 .019
Tin Cậy .229 .063 .200 3.619 .000 .547 1.828
Đáp ứng .417 .068 .368 6.181 .000 .471 2.123 Năng lực PV .248 .061 .208 4.051 .000 .636 1.571 PT hữu hình .244 .060 .224 4.056 .000 .546 1.832 (Nguồn: Phụ lục 8 - Kết quả phân tích hồi qui tuyến tính bội) Hệ số Beta dùng để đánh giá mức độ quan trọng của các nhân tố chất lượng dịch vụ kiểm toán ảnh hưởng đến sự hài lòng của khách hàng. Hệ số Beta của nhân tố nào càng cao thì mức độ quan trọng của nhân tố đó ảnh hưởng đến đánh giá chất lượng dịch vụ càng cao.
Kết quả phân tích hồi quy cho thấy các biến trong thang đo chất lượng dịch vụ kiểm toán tất cả 4 biến đều có hệ số dương, nên các yếu tố trong mô hình hồi quy ảnh hưởng tỷ lệ thuận đến sự hài lòng của khách hàng và 4 thành phần này với mức ý nghĩa quan sát Sig. < 0.05 là có ý nghĩa thống kê. Như vậy, các giả thuyết H1, H2, H3, H4 trong mô hình nghiên cứu (Hình 2.4) đều được chấp nhận.
Từ bảng kết quả phân tích hồi qui tuyến tính đa biến ta có phương trình dự đoán kết quả đánh giá chung về dịch vụ như sau:
Sự hài lòng của khách hàng = 0.200 Tin cậy + 0.368 Đáp ứng + 0.208 Năng lực phục vụ + 0.224 Phương tiện hữu hình.
Qua phương trình trên, hệ số β=0.368 của Thành phần Đáp ứng là cao nhất.
Điều này có ý nghĩa là, đối với dịch vụ kiểm toán tại DTL thì Thành phần Đáp ứng có ảnh hưởng đến mức độ hài lòng của khách hàng là lớn nhất. Khi khả năng đáp ứng của DTL lên 1 đơn vị thì sự hài lòng của khách hàng tăng lên 0.368 đơn vị, tương tự với các thành phần Tin cậy, Năng lực phục vụ và Phương tiện hữu hình.