3.4.5.1. Mơ hình hồi qui
Phân tích hồi qui sẽ xác định mối quan hệ nhân quả giữa biến phụ thuộc “sự hài lịng” (SHL) với các biến độc lập là : (1) SCN (Sự cơng nhận và khích lệ), (2) DT (Cơng tác đào tạo, (3)QHLV (Mối Quan hệ cấp trên – cấp dưới) (4) STT (Sự tơn trọng ), (5) TL (Tiền lương và điều kiện làm việc), (6) SDC (Sự đồng cảm đối với ván đề cá nhân) , (7) NLBT (Sự thể hiện năng lực cá nhân), (8) SCB (Sự cơng bằng), (9 ) CSMB ( chính sách minh bạch rõ ràng) .
Mơ hình hồi qui cĩ dạng:
SHL = β0 + β1*SCN + β2*DT + β3*QHLV + β4*STT + β5*TL + β6*SDC + β7*NLBT + β8*SCB + β9*CSMB + ei
Mơ hình phân tích hồi quy sẽ mơ tả hình thức của mối liên hệ và qua đĩ giúp ta dự đốn được mức độ của biến phụ thuộc khi biết trước giá trị của biến độc lập. Phương pháp phân tích được chọn là phương pháp Backward để tìm ra được mơ hình tối ưu hĩa. Với kết quả cụ thể như sau:
Bảng 3.24: Đánh giá độ phù hợp của mơ hình
Chỉ số Giá trị R2 0.807 R2 điều chỉnh 0.798 - F - sig. 86.130 0.000
Kết quả phân tích hồi qui tuyến tính bội cho thấy mơ hình cĩ R2 = 0.807 và R2 điều chỉnh = 0.798. Ta nhận thấy R2 điều chỉnh nhỏ hơn R2 nên ta 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 hồi qui đa biến (Hồng Trọng & Chu Nguyễn Mộng Ngọc, 2008). R2 điều chỉnh = 0.798 nĩi lên độ thích hợp của mơ hình là 79.8% hay nĩi cách khác là các biến độc lập giải thích được 79.8% sự biến thiên của biến “sự hài lịng”.
Kiểm định F sử dụng trong phân tích ANOVA là một phép kiểm định giả thuyết về độ phù hợp của mơ hình hồi quy tuyến tính tổng thể để xem xét biến phụ thuộc cĩ liên hệ tuyến tính với tồn bộ tập hợp của các biến độc lập. Nhìn vào Bảng 3.24 ta thấy rằng trị thống kê F khác 0, giá trị sig. = 0.000 cho thấy mơ hình sử dụng là phù hợp và các biến đều đạt được tiêu chuẩn chấp nhận.
Cả 9 biến độc lập đưa vào mơ hình đều tác động đến biến phụ thuộc Sự hài lịng (SHL) của khách hàng sử dụng dịch vụ tín dụng của ngân hàng. Tác động của từng biến như sau: khi đánh giá của khách hàng về yếu tố SCN - Sự cơng nhận và khích lệ, DT- Cơng tác đào tạo, QHLV - Mối Quan hệ cấp trên – cấp dưới, STT - Sự tơn trọng,
TL - Tiền lương và điều kiện làm việc, SDC - Sự đồng cảm đối với ván đề cá nhân, NLBT - Sự thể hiện năng lực cá nhân, SCB - Sự cơng bằng, CSMB - chính sách minh bạch rõ ràng lần lượt tăng lên một đơn vị thì Sự hài lịng của khách hàng tăng lần lượt là 0.272, 0.505, 0.152, 0.269, 0.252, 0.113, 0.229, 0.499 và 0.066 đơn vị. Các hệ số này đều dương chứng tỏ các biến độc lập tác động thuận chiều với biến phụ thuộc “sự hài lịng”.
Bảng 3.25: Hệ số hồi qui Hệ số hồi qui
chưa chuẩn hĩa
Hệ số hồi qui chuẩn hĩa Biến
Hệ số β Sai số chuẩn Hệ số Bêta
Kiểm định student (t) Ý nghĩa thống kê (sig.) Hằng số 6.540E-17 0.032 0.000 1.000 SCN .272 0.032 .272 8.428 0.000 DT .505 0.032 .505 15.656 0.000 QHLV .152 0.032 .152 4.722 0.000 STT .269 0.032 .269 8.323 0.000 TL .252 0.032 .252 7.805 0.000 SDC .113 0.032 .113 3.510 0.000 NLBT .229 0.032 .229 7.105 0.000 SCB .499 0.032 .499 15.477 0.000 CSMB .066 0.032 .066 2.055 0.041
Mơ hình hồi qui chuẩn hĩa:
SHL = 0.272*SCN + 0.505*DT + 0.152*QHLV + 0.269*STT + 0.252*TL + 0.113*SDC + 0.229*NLBT + 0.499*SCB + 0.066*CSMB
Để xác định tầm quan trọng của các biến khi chúng được sử dụng cùng với những biến khác trong mơ hình ta dùng hệ số tương quan từng phần (Part Correlations) và riêng phần (Partial Correlations) (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Hệ số tương quan riêng phần (Partial Correlations) đo lường được khả
năng giải thích biến thiên của biến phụ thuộc do ảnh hưởng của một biến độc lập (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Kết quả phân tích hồi quy cĩ được hệ số tương quan riêng phần của các biến: DT- Cơng tác đào tạo, SCB - Sự cơng bằng, SCN - Sự cơng nhận và khích lệ, STT - Sự tơn trọng, TL - Tiền lương và điều kiện làm việc, NLBT - Sự thể hiện năng lực cá nhân, QHLV - Mối Quan hệ cấp trên – cấp dưới, SDC - Sự đồng cảm đối với ván đề cá nhân, CSMB - chính sách minh bạch rõ ràng lần lượt là 0.755, 0.751, 0.527, 0.522, 0.498, 0.463, 0.328, 0.250, 0.149 (xem Phụ lục 6). Như vậy, tầm quan trọng của các biến theo thứ tự như sau: DT- Cơng tác đào tạo, SCB - Sự cơng bằng, SCN - Sự cơng nhận và khích lệ, STT - Sự tơn trọng, TL - Tiền lương và điều kiện làm việc, NLBT - Sự thể hiện năng lực cá nhân, QHLV - Mối Quan hệ cấp trên – cấp dưới, SDC - Sự đồng cảm đối với ván đề cá nhân, CSMB - chính sách minh bạch rõ ràng.
3.4.5.2. Kiểm định sự phù hợp của mơ hình hồi qui
Mơ hình hồi qui tuyến tính bội được xây dựng trên các giả thiết sau (Hồng Trọng & Chu Nguyễn Mộng Ngọc, 2008):
1/ Cĩ mối quan hệ tuyến tính giữa biến phụ thuộc với các biến độc lập
2/ Các biến độc lập khơng cĩ tương quan chặt chẽ với nhau hay khơng cĩ hiện tượng đa cộng tuyến.
3/ Giả định phân phối chuẩn của phần dư 4/ Giả định phương sai của sai số khơng đổi
5/ Giả định về tính độc lập của các phần dư (vì dữ liệu thu thập khơng phải là dữ liệu chuỗi, nên giả định này khĩ bị vi phạm).
Nếu các giả thiết trên vi phạm, thì kết quả ước lượng sẽ khơng cịn chính xác nữa. Kiểm tra sự vi phạm giả thiết được thực hiện như sau:
a/ Mối quan hệ tuyến tính giữa biến phụ thuộc và các biến độc lập: kiểm tra thơng qua phân tích hệ số tương quan giữa các biến. Kết quả kiểm định cho thấy cĩ mối liên hệ tuyến tính giữa các cặp biến này (xem kết quả phần phân tích tương quan ở phần trên). Đồng thời thơng qua đồ thị Scatter, các quan sát phân tán đều theo đường thẳng thể hiện mối quan hệ tuyến tính giữa biến độc lập và biến phụ thuộc (xem Phụ lục 6)
b/ Kiểm tra hiện tượng đa cộng tuyến: hệ số phĩng đại phương sai phĩng đại (VIF - Variance inflation factor) nhỏ hơn 5 chứng tỏ khơng vi phạm giả định đa cộng tuyến (xem Phụ lục 6).
c/ Kiểm tra phân phối chuẩn của phần dư: thơng qua biểu đồ phân phối của phần dư và P – P plot cho thấy phần dư cĩ phân phối chuẩn: trị trung bình gần bằng 0 (Mean = 0.000) và độ lệch chuẩn gần bằng 1 (Std.Dev=0.977). (xem Phụ lục 6). (adsbygoogle = window.adsbygoogle || []).push({});
d/ Kiểm tra giả định phương sai của sai số khơng đổi, hay phần dư khơng tương quan với các biến độc lập trong mơ hình. Nếu độ lớn của phần dư tăng hay giảm cùng với giá trị dự đốn thì giả định này bị vi phạm. Qua đồ thị Scatter thể hiện mối quan hệ giữa giá trị dự đốn và phần dư, ta thấy các quan sát phân tán ngẫu nhiên. Đồng thời, bằng phương pháp phân tích tương quan hạng Spearman giữa phần dư với các biến độc lập cho thấy giả thiết này khơng bị vi phạm (.sig >0.05). (xem Phụ lục 6)
e/ Kiểm định giả thiết về tính độc lập của phần dư: Kiểm định Durbin – Watson - Tra bảng Durbin- Watson Ninety staticstics: 1 percent significance Point of dL and dU với 9 biến độc lập (K=9) và 195 quan sát gần bằng 200 (N=195) ta cĩ được dL = 1.582; dU = 1.768. Giá trị d=1.799 rơi vào miền chấp nhận giả thiết khơng cĩ sự tương quan chuỗi bậc nhất suy ra tương quan giữa các phần dư rất nhỏ. Như vậy, giả định tương quan giữa phần dư khơng bị vi phạm. (xem Phụ lục 6)
Như vậy, các giả thiết của phân tích hồi qui tuyến tính khơng bị vi phạm. Kết quả phân tích hồi qui là đáng tin cậy.