6 Kết cấu của luận văn
3.5.1 Phân tích tương quan và hồi quy tuyến tính
3.5.1.1 Ma trận hệ số tương quan
Dữ liệu dùng trong phân tích hồi quy tương quan được người nghiên cứu lựa chọn là dữ liệu chuẩn hĩa (được xuất ra từ phần mềm SPSS sau quá trình phân tích nhân tố khám phá). Để xác định mối quan hệ nhân quả giữa các biến trong mơ hình, bước đầu tiên ta cần phân tích tương quan giữa các biến xem thử cĩ mối liên hệ tuyến
tính giữa biến độc lập và biến phụ thuộc hay khơng. Kết quả của phần phân tích này dù khơng xác định được mối quan hệ nhân quả giữa biến phụ thuộc và biến độc lập nhưng nĩ đĩng vai trị làm cơ sở cho phân tích hồi qui. Các biến biến phụ thuộc và biến độc lập cĩ tương quan cao với nhau báo hiệu sự tồn tại của mối quan hệ tiềm ẩn giữa hai biến. Đồng thời, việc phân tích tương quan cịn làm cơ sở để dị tìm sự vi phạm giả định của phân tích hồi qui tuyến tính: các biến độc lập cĩ tương quan cao với nhau hay hiện tượng đa cộng tuyến.
3.5.1.2 Phân tích hồi quy và kiểm định giả thuyết a. Phân tích hồi quy a. Phân tích hồi quy
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 mơ 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 thơng qua hệ số xác định R2. Cơng cụ chẩn đốn giúp phát hiện sự tồn tại của cộng tuyến trong dữ liệu được đánh giá mức độ cộng tuyến làm thối hĩa tham số ước lượng là hệ số phĩng đại phương sai (Variance inflation factor - VIF). Quy tắc khi VIF vượt quá 10, đĩ là dấu hiệu của đa cộng tuyến (Trọng & Ngọc, 2005, 218).
Các nhân tố mới hình thành gồm cĩ: 9 biến độc lập (Nhân viên phục vụ khách hàng; Chất lượng hàng hĩa; Giá cả hàng hĩa; An ninh, trật tự và an tồn; Cơ sở hạ tầng; Chủng loại hàng hĩa và khuyến mại hàng hĩa; Dịch vụ kèm theo; Giải quyết bán hàng và hướng dẫn khách hàng; Chính sách bán hàng) và 1 biến phụ thuộc (Hài lịng chung) được đưa vào phân tích hồi qui. Do vậy cần cĩ sự điều chỉnh về giả thuyết và mơ hình nghiên cứu sau phép phân tích nhân tố. Ta cĩ phương trình tổng quát được xây dựng như sau:
HL = β0 + β1*A1 + β2* A2 + β3*A3 + β4*A4 + β5*A5 + β6*A6+ β7*A7+ β8*A8+ β9*A9
Trong đĩ:
Biến phụ thuộc: HL (Mức độ hài lịng chung của khách hàng). Các biến độc lập là:
o A1: Nhân viên phục vụ khách hàng
o A2: Chất lượng hàng hĩa
o A4: An ninh, trật tự và an tồn
o A5: Cơ sở hạ tầng
o A6: Chủng loại hàng hĩa và khuyến mại hàng hĩa
o A7: Dịch vụ kèm theo
o A8: Giải quyết bán hàng và hướng dẫn khách hàng
o A9: Chính sách bán hàng
Dựa vào cơ sở lý thuyết và kết quả phân tích ở trên, ta sẽ đưa tất cả các biến độc lập trong mơ 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 cĩ mức ý nghĩa < 0.05.
Kết quả phân tích hồi quy tuyến tính cho các biến số được thể hiện thơng qua bảng sau:
Bảng 3.25. 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 .743a .552 .535 .68175030 1.851
a.Predictors: (Constant), Phucvu, Chatluong, Giaca, Anninh, Hatang, Chungloaivakhuyenmai , Dichvu, Giaiquyetvahuongdan, Chínhsach b.Dependent Variable: Muc hai long chung
So sánh hai giá trị R Square và Adjusted R Square cĩ thể thấy Adjusted R Square nhỏ hơn, dùng nĩ để đánh giá độ phù hợp của mơ hình sẽ an tồn hơn vì nĩ khơng thổi phồng mức độ phù hợp của mơ hình. Vậy, nghiên cứu sẽ sử dụng R2 hiệu chỉnh để đánh giá mức độ phù hợp của mơ hình nghiên cứu. Độ phù hợp của mơ hình được kiểm định bằng trị thống kê F được tính từ R2 của mơ hình tương ứng với mức ý nghĩa sig., với giá trị sig. càng nhỏ thì càng an tồn khi bác bỏ giả thuyết hệ số các biến độc lập đều bằng nhau và bằng 0 (trừ hằng số). Mơ hình hồi quy tuyến tính bội đưa ra là phù hợp với dữ liệu và cĩ thể sử dụng được.
Hệ số hồi quy chuẩn hĩa của phương trình cĩ 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 lịng của khách hàng, cĩ thể chọn lọc thành 2 nhĩm như sau:
Những giá trị Beta khác 0 cĩ ý nghĩa thống kê (kiểm định 2 phía, p < 0.05), kết quả cĩ 9 yếu tố được ghi nhận lần lượt theo hệ số hồi quy chuẩn hĩa (β) theo bảng 4.25.
Bảng 3.26: Hệ số hồi quy chuẩn hĩa của phương trình
Unstandardized Coefficients Standardized Coefficients Collinearity Statistics Model B Std. Error Beta t Sig. Tolerance VIF (Constant) 1.029E-16 .043 .000 1.000 A1 .333 .043 .333 7.714 .000 1.000 1.000 A2 .217 .043 .217 5.031 .000 1.000 1.000 A3 .291 .043 .291 6.741 .000 1.000 1.000 A4 .240 .043 .240 5.556 .000 1.000 1.000 A5 .176 .043 .176 4.068 .000 1.000 1.000 A6 -.007 .043 -.007 -.151 .880 1.000 1.000 A7 .172 .043 .172 3.977 .000 1.000 1.000 A8 .397 .043 .397 9.183 .000 1.000 1.000 1 A9 .183 .043 .183 4.229 .000 1.000 1.000
Hệ số phĩng đại phương sai VIF (Variance inflation factor – VIF) rất nhỏ (nhỏ hơn 10) cho thấy các biến độc lập này khơng cĩ quan hệ chặt chẽ với nhau nên khơng cĩ hiện tượng đa cộng tuyến.
Kết quả trên cho thấy yếu tố A8 cĩ hệ số Beta chuẩn hĩa cao nhất (= 0.397) nên cĩ tác động mạnh nhất đến sự hài lịng của khách hàng. Kế tiếp là các yếu tố A1 (= 0.333), A3 (= 0.291), A4 (=0.240), A2 (=0.217). Các yếu tố A9 (=0,183), A5 (= 0.176), A7 (=0,172), cũng cĩ tác động đáng kể đến sự hài lịng của hành khách nhưng ít hơn các yếu tố khác.
Những giá trị Beta khác 0 khơng cĩ ý nghĩa thống kê (kiểm định 2 phía, p > 0.05)
Kết quả trên cũng cho thấy mối quan hệ tuyến tính của các yếu tố với sự hài lịng của hành khách đều cĩ ý nghĩa thống kê (Sig. < 0.05), duy chỉ cĩ biến A6 cĩ sig.>0,05 khơng cĩ ý nghĩa thống kê. Nên ta sẽ loại khỏi mơ hình nghiên cứu biến A6. Từ đĩ cĩ thể kết luận rằng mơ hình lý thuyết phù hợp với dữ liệu thị trường. Như vậy, các giả thuyết A1, A2, A3, A4, A5,A7,A8, A9 đều được chấp nhận
Như vậy, kết quả cho thấy cĩ 8 biến độc lập đều cĩ tác động cĩ ý nghĩa lên biến phụ thuộc (sig<0.05). Và 8 nhân tố này đưa vào phân tích hồi quy đều được giữ lại trong mơ hình.
Hệ số xác định hiệu chỉnh Adjusted R-Square là 0.535, nghĩa là mơ hình hồi quy tuyến tính đã xây dựng phù hợp với tập dữ liệu đến 53.5%, điều này cho thấy mối quan hệ giữa biến phụ thuộc và các biến độc lập là khá chặt chẽ, cả 8 biến trên gĩp phần giải thích 53.5% sự khác biệt của mức độ hài lịng của khách hàng được quan sát tại siêu thị. Như vậy, mức độ phù hợp của mơ hình tương đối cao. Tuy nhiên sự phù hợp này chỉ đúng với dữ liệu mẫu. Để kiểm định xem cĩ thể suy diễn mơ hình cho tổng thể hay khơng ta phải kiểm định độ phù hợp của mơ hình.
Kiểm định F sử dụng trong bảng phân tích phương sai vẫn là một phép giả thuyết về độ phù hợp của mơ hình hồi quy tuyến tính tổng thể. Kết quả phân tích cho thấy, kiểm định F cĩ giá trị là 32.859 với Sig. = 000(a) chứng tỏ mơ hình hồi quy tuyến tính bội là phù hợp với tập dữ liệu và cĩ thể sử dụng được để suy rộng ra cho tổng thể.
Kết quả thống kê cịn cho thấy, các hệ số hồi quy chuẩn hĩa của phương trình hồi quy đều khác 0 và cĩ 8 thành phần cĩ Sig.<0.05, chứng tỏ 8 thành phần đều tham gia vào sự hài lịng của khách hàng đối với siêu thị. So sánh giá trị (độ lớn) của hệ số chuẩn hĩa cho thấy: tác động theo thứ tự từ mạnh đến yếu của các thành phần: Giải quyết bán hàng và hướng dẫn khách hàng; Nhân viên phục vụ khách hàng; Giá cả hàng hĩa; An ninh, trật tự và an tồn; Chất lượng hàng hĩa; Chính sách bán hàng; Cơ sở hạ tầng; Dịch vụ kèm theo
b. Dị tìm sự vi phạm các giả định cần thiết trong hồi quy tuyến tính
Mơ hình hồi quy tuyến tính bằng phương pháp Enter được thực hiện với một số giả định và mơ hình chỉ thực sự cĩ ý nghĩa khi các giả định này được đảm bảo. Do vậy, để đảm bảo cho độ tin cậy của mơ hình, đề tài cịn phải thực hiện một loạt các dị tìm sự vi phạm các giả định cần thiết trong hồi quy tuyến tính.
Giả định liên hệ tuyến tính và phương sai khơng đổi: nếu giả định liên hệ tuyến tính và phương sai bằng nhau được thỏa mãn thì khơng nhận thấy cĩ liên hệ gì giữa các giá trị dự đốn 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 hĩa
(Standardized Residual) và giá trị dự đốn chuẩn hĩa (Standardized Predicted Value). Và nếu phương sai khơng 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 khơng đổi (Hồng & 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 hĩa trên trục tung và giá trị dự đốn chuẩn hĩa trên trục hồnh. Nhìn vào biểu đồ ta thấy phần dư khơng thay đổi theo một trật tự nào đối với giá trị dự đốn. Vậy giả thuyết về liên hệ tuyến tính khơng bị vi phạm.
Giả định tiếp theo cần xem xét là phương sai của phần dư khơng 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 khơng 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 khơng đổi khơng bị vi phạm.
Để dị tìm sự vi phạm giả định phân phối chuẩn của phần dư ta sẽ dùng hai cơng cụ vẽ của phần mềm SPSS là biểu đồ Histogram và đồ thị P-P plot. Nhìn vào biểu đồ Histogram (Hình 3.4) ta thấy phần dư cĩ phân phối chuẩn với giá trị trung bình gần bằng 0 và độ lệch chuẩn của nĩ gần bằng 1 (= 0.982). Nhìn vào đồ thị P-P plot (Hình 3.3) biểu diễn các điểm quan sát thực tế tập trung khá sát đường chéo những giá trị kỳ vọng, cĩ nghĩa là dữ liệu phần dư cĩ phân phối chuẩn. Dựa vào đồ thị phân tán của phần dư chuẩn hĩa và giá trị dự đốn chuẩn hĩa cho thấy các giá trị dự đốn chuẩn hĩa và phần dư phân tán chuẩn hĩa 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 khơng thay đổi thỏa mãn.
Hình 3.2. Đồ thị P-P Plot
Dựa vào biểu đồ tần số của các phần dư cho thấy phần dư phân phối xấp xỉ chuẩn (trung bình Mean = -6.68E-17 và độ lệch chuẩn Std. Dev. = 0,982, tức gần bằng 1). Do đĩ, cĩ thể kết luận rằng giả thuyết phân phối chuẩn khơng bị vi phạm (Hồng & 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. Đại lượng d này cĩ 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 mơ hình khơng cĩ tương quan; nếu 0 < d <1 thì kết luận mơ hình cĩ sự tương quan dương; nếu 3 < d < 4 thì kết luận mơ hình cĩ sự tương quan âm. Từ kết quả ở bảng 4.13 ta cĩ 1< d =2.310 < 3 như vậy ta cĩ thể kết luận các phần dư là độc lập với nhau và tính độc lập của phần dư đã được bảo đảm. Vậy khơng cĩ tương quan chuỗi bậc nhất giữa các phần dư, giả định về tính độc lập của các sai số được đảm bảo (Hồng & Chu – tập 1, 2008).
Cuối cùng, ta sẽ xem xét sự vi phạm đa cộng tuyến của mơ hình. Ở phần phân tích hệ số tương quan ở trên, ta đã thấy rằng giữa biến phụ thuộc cĩ quan hệ tương quan khá rõ với các biến độc lập nhưng ta cũng thấy được giữa các biến độc lập cũng cĩ tương quan với nhau. Điều này sẽ tạo ra khả năng đa cộng tuyến của mơ hình. Vì vậy, ta phải dị tìm hiện tượng đa cộng tuyến bằng cách tính độ chấp nhận của biến (Tolerance) và hệ số phĩng đại phương sai (Variance inflation factor - VIF).
VIF<2: Hiện tượng đa cộng tuyến giữa các biến độc lập ảnh hưởng khơng đáng kể đến mơ hình.
2≤VIF≤: Hiện tượng đa cộng tuyến giữa các biến độc lập ảnh hưởng đáng kể đến mơ 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 khơng đáng kể đến mơ hình.
Mơ hình cũng đáp ứng điều kiện về phần dư, phần dư cĩ phân phối xấp xỉ chuẩn (trung bình Mean = -6.68E-17, độ lệch chuẩn Std.Dev = .982).
Đại lượng thống kê Durbin-Watson (d) = 1.851 nên các phần dư trong mẫu khơng cĩ tương quan với nhau.
Như vậy mơ hình hồi quy tuyến tính được xây dựng theo phương trình ở trên là khơng vi phạm các giả định cần thiết trong hồi quy tuyến tính. Để đánh giá độ phù hợp của mơ hình ta sẽ dùng các cơng cụ như tính hệ số xác định hiệu chỉnh Adjusted R Square, kiểm định F và kiểm định t.
Trước tiên, kết quả R2 hiệu chỉnh cho thấy 53.5% sự biến thiên của Mức độ hài lịng được giải thích bởi 8 nhân tố độc lập.
Sau khi đánh giá giá trị R square ta biết được mơ hình hồi quy tuyến tính đã xây dựng là phù hợp với mẫu. Tuy nhiên để cĩ thể suy diễn mơ hình này thành mơ hình của tổng thể ta cần phải tiến hành kiểm định F thơng qua phân tích phương sai. Cuối cùng, để đảm bảo các biến độc lập đều thực sự cĩ ảnh hưởng đến biến phụ thuộc, ta tiến hành kiểm định t. Với giả thuyết H0 là hệ số hồi quy của các biến độc lập βk= 0 và với độ tin cậy 95% kết quả ta đều cĩ thể bác bỏ giả thuyết H0 đối với βk . Điều này cĩ nghĩa là tất cả các nhân tố trong phương trình đều cĩ ảnh hưởng đến sự hài lịng đối với siêu thị.
Tĩm lại: Với các kết quả phân tích như trên, ta thấy rằng mơ hình nghiên cứu hồn tồn phù hợp và khẳng định cĩ mối liên hệ chặt chẽ giữa các thang đo với sự hài lịng của khách hàng đối với siêu thị.
3.5.2 Đánh giá sự hài lịng của khách hàng đối với siêu thị Big C Nghệ An
Căn cứ vào kết quả phân tích hồi hồi quy, chúng ta thực hiện việc thống kê mơ tả trên các nhĩm biến ảnh hưởng cĩ ý nghĩa thống kê đến sự hài lịng của khách hàng khi đi mua sắm tại siêu thị Big C Vinh, Nghệ An.
* Thang đo “Nhân viên phục vụ khách hàng” Thang đo này được thể hiện trong bảng sau:
Bảng 3.27: Thống kê mơ tả thang đo “Nhân viên phục vụ khách hàng”
N Giá trị nhỏ nhất Giá trị lớn nhất Giá trị trung bình Độ lệch chuẩn Nhân viên siêu thị luơn sẵn sàng phục
vụ khách hàng 250 1,00 5,00
3,352 0,94215 Nhân viên siêu thị luơn tư vấn nhiệt
tình cho khách hàng 250 1,00 5,00
3,184 0,96845 Nhân viên luơn chào hỏi khi khách