Phân tích hồi quy tuyến tính sẽ giúp chúng ta biết được cường độ ảnh hưởng của
các biến độc lập lên biến phụ thuộc. Để tiến hành phân tích hồi quy tuyến tính bội, các
biến đưa vào mô hình theo phương pháp Enter. Tiêu chuẩn kiểm định là tiêu chuẩn được xây dựng vào phương pháp kiểm định giá trị thống kê F và xác định xác suất tương ứng của giá trị thống kê F, kiểm định mức độ phù hợp giữa mẫu và tổng thể
thông qua hệ số xác định R2. Công cụ chẩn đoán giúp phát hiện sự tồn tại của cộng
tuyến trong dữ liệu được đánh giá mức độ cộng tuyến làm thoái hóa tham số ước lượng là: Hệ số phóng đại phương sai (Variance inflation factor - VIF). Quy tắc khi VIF vượt quá 10, đó là dấu hiệu của đa cộng tuyến (Trọng & Ngọc, 2005, 218).
Các nhân tố mới hình thành gồm có: biến độc lập (Thành phần Sự cảm thông,
năng lực phục vụ, tin cậy, phí và lệ phí, cơ sở vật chất, đáp ứng) và 1 biến phụ thuộc
(Hài lòng chung) được đưa vào phân tích hồi qui. Do vậy cần có sự điều chỉnh về giả
thuyết và mô hình nghiên cứu sau phép phân tích nhân tố. Ta có phương trình tổng quát được xây dựng như sau:
HL = β0 + β1*F1 + β2* F2 + β3*F3 + β4*F4 + β5*F5 + β6*F6
Trong đó:
Biến phụ thuộc: HL (Mức độ hài lòng chung về dịch vụ hải quan một cửa). Các biến độc lập là: o F1: Sự cảm thông o F2: Năng lực phục vụ o F3: Tin cậy o F4: Phí và lệ phí o F5: Cơ sở vật chất o F6: Đáp ứng
Dựa vào cơ sở lý thuyết và kết quả phân tích ở trên, ta sẽ đưa tất cả các biến độc
lập trong mô hình hồi quy đã điều chỉnh bằng phương pháp đưa vào cùng một lúc
Enter để chọn lọc dựa trên tiêu chí chọn những biến có mức ý nghĩa < 0.05.
Kết quả phân tích hồi quy tuyến tính cho các biến số được thể hiện thông qua các bảng sau:
Bảng 3.17. Hệ số R-Square từ kết quả phân tích hồi quy
Model Summaryb
Model R R Square Adjusted
R Square Std. Error of the Estimate Durbin- Watson 1 .823a .677 .669 .57508166 1.601
So sánh hai giá trị R Square và Adjusted R Square có thể thấy Adjusted R Square
nhỏ hơn, dùng nó để đánh giá độ phù hợp của mô hình sẽ an toàn hơn vì nó không thổi
phồng mức độ phù hợp của mô hình. Vậy, nghiên cứu sẽ sử dụng R2 hiệu chỉnh để đánh giá mức độ phù hợp của mô hình nghiên cứu. Độ phù hợp của mô hình được
kiểm định bằng trị thống kê F được tính từ R2 của mô hình tương ứng với mức ý nghĩa
sig., với giá trị sig. càng nhỏ thì càng an toàn khi bác bỏ giả thuyết Ho là hệ số trước
các biến độc lập đều bằng nhau và bằng 0 (trừ hằng số). Mô hình hồi quy tuyến tính
bội đưa ra là phù hợp với dữ liệu và có thể sử dụng được.
Hệ số hồi quy chuẩn hóa của phương trình có thể thấy các giá trị Beta đều khác 0, để xác định được mức độ quan trọng của các yếu tố tham dự vào sự hài lòng của khách
hàng, có thể chọn lọc thành 2 nhóm như sau:
Những giá trị Beta khác 0 có ý nghĩa thống kê ( Sig. < 0.05), kết quả có 5 yếu tố được ghi nhận đó là năng lực phục vụ, tin cậy, phí và lệ phí, cơ sở vật chất, đáp ứng. (Theo bảng 3.28)
Bảng 3.18: Hệ số hồi quy chuẩn hóa của phương trình Hệ số chưa chuẩn hóa Hệ số chuẩn hóa Mô hình B0 Sai số chuẩn Beta t Sig. VIF (Constant) -3.914E-17 .036 .000 1.000 Sự cảm thông .060 .036 .060 1.648 .101 1.000 Năng lực phục vụ .242 .036 .242 6.630 .000 1.000 Tin cậy .483 .036 .483 13.265 .000 1.000 Phí và lệ phí .430 .036 .430 11.795 .000 1.000 Cơ sở vật chất .219 .036 .219 6.013 .000 1.000 Biến đôc lập Đáp ứng .386 .036 .386 10.583 .000 1.000
Những giá trị Beta khác 0 không có ý nghĩa thống kê ( Sig > 0.05) đó là Sự
cảm thông.
Như vậy, kết quả cho thấy các biến độc lập năng lực phục vụ, tin cậy, phí và lệ phí, cơ sở vật chất, đáp ứng đều có tác động có ý nghĩa lên biến phụ thuộc (sig<0.05).
Và các nhân tố đưa vào phân tích hồi quy đều được giữ lại trong mô hình.
Hệ số xác định hiệu chỉnh Adjusted R-Square là 0.677, nghĩa là mô hình hồi
quy tuyến tính đã xây dựng phù hợp với tập dữ liệu đến 67.7%, điều này cho thấy mối
quan hệ giữa biến phụ thuộc và các biến độc lập là khá chặt chẽ, cả 6 biến có ý nghĩa
thống kê trên góp phần giải thích 67,7% sự khác biệt của mức độ hài lòng của khách
hàng đối với dịch vụ hải quan một cửa Như vậy, mức độ phù hợp của mô hình tương đối cao. Tuy nhiên sự phù hợp này chỉ đúng với dữ liệu mẫu. Để kiểm định xem có thể
suy diễn mô hình cho tổng thể thực hay không ta phải kiểm định độ phù hợp của mô
hình.
Kiểm định F sử dụng trong bảng phân tích phương sai vẫn là một phép giả thuyết
về độ phù hợp của mô hình hồi quy tuyến tính tổng thể. Kết quả phân tích cho thấy,
kiểm định F có giá trị là 84.984 với Sig. = 000(a) chứng tỏ mô hình hồi quy tuyến tính
bội là phù hợp với tập dữ liệu và có thể sử dụng được để suy rộng ra cho tổng thể.
Kết quả thống kê còn cho thấy, các hệ số hồi quy chuẩn hóa của phương trình hồi quy đều khác 0 và Sig.<0.05. So sánh giá trị (độ lớn) của hệ số chuẩn hóa cho thấy: tác
động theo thứ tự từ mạnh đến yếu của các thành phần: Tin cây (0,483); Phí và lệ phí
(0,430); Đáp ứng (0,386); năng lực phục vụ (0,242); Cơ sở vật chất (0,219).
Dò tìm sự vi phạm các giả định cần thiết trong hồi quy tuyến tính
Mô hình hồi quy tuyến tính bằng phương pháp Enter được thực hiện với một số
giả định và mô hình chỉ thực sự có ý nghĩa khi các giả định này được đảm bảo. Do
vậy, để đảm bảo cho độ tin cậy của mô hình, đề tài còn phải thực hiện một loạt các dò tìm sự vi phạm các giả định cần thiết trong hồi quy tuyến tính.
Giả định liên hệ tuyến tính và phương sai không đổi: nếu giả định liên hệ
tuyến tính và phương sai bằng nhau được thỏa mãn thì không nhận thấy có liên hệ gì giữa các giá trị dự đoán và phần dư, chúng sẽ phân tán rất ngẫu nhiên. Nếu giả định
tuyến tính được thỏa mãn (đúng) thì phần dư phải phân tán ngẫu nhiên trong một vùng
xung quanh đường đi qua tung độ 0 của đồ thị phân tán của phần dư chuẩn hóa
(Standardized Residual) và giá trị dự đoán chuẩn hóa (Standardized Predicted Value).
Và nếu phương sai không đổi thì các phần dư phải phân tán ngẫu nhiên quanh trục 0
(tức quanh giá trị trung bình của phần dư) trong một phạm vi không đổi (Hoàng & Chu – tập 1, 2008).
Đầu tiên là giả định liên hệ tuyến tính. Phương pháp được sử dụng là biểu đồ
Scatterplot với giá trị phần dư chuẩn hóa trên trục tung và giá trị dự đoán chuẩn hóa
trên trục hoành. Nhìn vào biểu đồ ta thấy phần dư không thay đổi theo một trật tự nào
đối với giá trị dự đoán. Vậy giả thuyết về liên hệ tuyến tính không bị vi phạm.
Giả định tiếp theo cần xem xét là phương sai của phần dư không đổi. Để thực
hiện kiểm định này, chúng ta sẽ tính hệ số tương quan hạng Spearman của giá trị tuyệt đối phần dư và các biến độc lập. Giá trị sig. của các hệ số tương quan với độ tin cậy
95% cho thấy không đủ cơ sở để bác bỏ giả thuyết H0 là giá trị tuyệt đối của phần dư độc lập với các biến độc lập. Như vậy, giả định về phương sai của sai số không đổi
không bị vi phạm.
Để dò tìm sự vi phạm giả định phân phối chuẩn của phần dư ta sẽ dùng hai công cụ vẽ của phần mềm SPSS là biểu đồ Histogram và đồ thị P-P plot. Nhìn vào biểu đồ Histogram (Hình 3.5) ta thấy phần dư có phân phối chuẩn với giá trị trung
bình gần bằng 0 và độ lệch chuẩn của nó gần bằng 1 (= 0.988). Nhìn vào đồ thị P-P plot (Hình 3.4) biểu diễn các điểm quan sát thực tế tập trung khá sát đường chéo
phân tán của phần dư chuẩn hóa và giá trị dự đoán chuẩn hóa cho thấy các giá trị dự đoán chuẩn hóa và phần dư phân tán chuẩn hóa phân tán ngẫu nhiên trong một vùng
xung quanh đường đi qua tung độ 0. Như vậy, giả định liên hệ tuyến tính và phương sai không thay đổi thỏa mãn.
Hình 3.4. Đồ thị P-P Plot
Hình 3.5. Biểu đồ Histogram
Dựa vào biểu đồ tần số của các phần dư cho thấy phần dư phân phối xấp xỉ
1). Do đó, có thể kết luận rằng giả thuyết phân phối chuẩn không bị vi phạm (Hoàng & Chu – tập 1, 2008).
Giả định tiếp theo về tính độc lập của phần dư cũng cần được kiểm định. Ta dùng đại lượng thống kê Durbin-Watson (d) để kiểm định (Bảng 3.17). Đại lượng d
này có giá trị từ 0 đến 4. Trong thực tế, khi tiến hành kiểm định Durbin- Watson người ta thường áp dụng quy tắc kiểm định đơn giản như sau: nếu 1 < d < 3 thì kết luận mô
hình không có tương quan; nếu 0 < d <1 thì kết luận mô hình có sự tương quan dương;
nếu 3 < d < 4 thì kết luận mô hình có sự tương quan âm. Từ kết quả ở bảng 3.17 ta có
1< d =1,601 < 3 như vậy ta có thể kết luận các phần dư là độc lập với nhau và tính độc
lập của phần dư đã được bảo đảm. Vậy không có tương quan chuỗi bậc nhất giữa các
phần dư, giả định về tính độc lập của các sai số được đảm bảo (Hoàng & Chu – tập 1,
2008).
Cuối cùng, ta sẽ xem xét sự vi phạm đa cộng tuyến của mô hình. Ở phần phân
tích hệ số tương quan ở trên, ta đã thấy rằng giữa biến phụ thuộc có quan hệ tương
quan khá rõ với các biến độc lập nhưng ta cũng thấy được giữa các biến độc lập cũng có tương quan với nhau. Điều này sẽ tạo ra khả năng đa cộng tuyến của mô hình. Vì vậy, ta phải dò tìm hiện tượng đa cộng tuyến bằng cách tính độ chấp nhận của biến
(Tolerance) và hệ số phóng đại phương sai (Variance inflation factor - VIF).
VIF<2: Hiện tượng đa cộng tuyến giữa các biến độc lập ảnh hưởng không đáng
kể đến mô hình.
2≤VIF≤10 Hiện tượng đa cộng tuyến giữa các biến độc lập ảnh hưởng đáng kể đến mô hình
VIF>10: Dấu hiệu của đa cộng tuyến
Ta thấy, tất cả các giá trị VIF đều nhỏ hơn 2: Hiện tượng đa cộng tuyến giữa
các biến độc lập ảnh hưởng không đáng kể đến mô hình.
Mô hình cũng đáp ứng điều kiện về phần dư, phần dư có phân phối xấp xỉ
chuẩn (trung bình Mean = 1.53E-16, độ lệch chuẩn Std.Dev = .988).
Đại lượng thống kê Durbin-Watson (d) = 1.601 nên các phần dư trong mẫu không có tương quan với nhau.
Như vậy mô hình hồi quy tuyến tính được xây dựng theo phương trình ở trên là không vi phạm các giả định cần thiết trong hồi quy tuyến tính.
Ngoài ra, kết quả trên cũng cho thấy mối quan hệ tuyến tính của các yếu tố chất lượng dịch vụ với sự hài lòng của doanh nghiệp đều có ý nghĩa thống kê (Sig. < 0.05) ngoại trừ biến Sự cảm thông. Từ đó có thể kết luận rằng mô hình lý thuyết phù hợp với
dữ liệu thị trường. Như vậy, các giả thuyết H2, H3, H4, H5, H6, đều được chấp nhận
và nên bác bỏ giả thuyết H1
+ H1 – Sự cảm thông có tác động dương lên sự hài lòng của doanh nghiệp với dịch vụ Hải quan một cửa ASEAN ( ta nên bác bỏ giả thuyết)
+ H2 –Năng lực phục vụ có tác động dương lên sự hài lòng của doanh nghiệp với dịch vụ hải quan một cửa (chấp nhận giả thuyết)
+ H3 – Tin cậy có tác động dương lên sự hài lòng của doanh nghiệp với dịch vụ
hải quan một cửa (chấp nhận giả thuyết)
+ H4 –Phí và lệ phí có tác động dương lên sự hài lòng của doanh nghiệp với dịch vụ hải quan một cửa (chấp nhận giả thuyết)
+ H5 – Cơ sở vật chất có tác động dương lên sự hài lòng của doanh nghiệp với dịch vụ hải quan một cửa (chấp nhận giả thuyết)
+ H6 – Đáp ứng có tác động dương lên sự hài lòng của doanh nghiệp với dịch vụ
hải quan một cửa (chấp nhận giả thuyết)
3.5. Thảo luận kết quả nghiên cứu sự hài lòng của khách hàng đối với dịch vụ hải quan một cửa ASEAN tại Cửa khẩu Quốc tế Lao Bảo.