6. Cấu trúc của đề tài
3.4.3Kiểm định mô hình bằng phân tích hồi quy
Phân tích hồi quy tuyến tính sẽ giúp chúng ta biết đƣợc cƣờng độ ảnh hƣởng của các biến độc lập lên biến phụ thuộc. Để tiến hành phân tích hồi quy tuyến tính bội, các biến đƣa vào mô hình theo phƣơng pháp Enter. Tiêu chuẩn kiểm định là tiêu chuẩn
Tin cậy Đáp ứng Sự cảm thông Năng lực phục vụ Phƣơng tiện HH Thực phẩm Sự hài lòng
đƣợc xây dựng vào phƣơng pháp kiểm định giá trị thống kê F và xác định xác suất tƣơng 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 đƣợc đánh giá mức độ cộng tuyến làm thoái hóa tham số ƣớc lƣợng là: Hệ số phóng đại phƣơng sai (Variance inflation factor - VIF). Quy tắc khi VIF vƣợt quá 10, đó là dấu hiệu của đa cộng tuyến (Trọng & Ngọc, 2005, 218).
Các nhân tố mới hình thành gồm có: 6 biến độc lập và 1 biến phụ thuộc (Hài lòng chung) đƣợc đƣa 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 phƣơng trình tổng quát đƣợc xây dựng nhƣ sau:
HL = β0 + β1*F1 + β2* F2 + β3*F3 + β4*F4 + β5*F5 + β6*F6
Trong đó:
Biến phụ thuộc: HL (Sự hài lòng). Các biến độc lập là:
o F1: Tin cậy
o F2: Đáp ứng
o F3: Sự cảm thông
o F4: Năng lực phục vụ
o F5: Phƣơng tiện hữu hình
o F6: Thực phẩm
Dựa vào cơ sở lý thuyết và kết quả phân tích ở trên, ta sẽ đƣa tất cả các biến độc lập trong mô hình hồi quy đã điều chỉnh bằng phƣơng pháp đƣa 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 đƣợc thể hiện thông qua các bảng sau:
Bảng 3.22. 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 .821a .675 .667 .57721216 1.614
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 đƣợc kiểm định bằng trị thống kê F đƣợc tính từ R2
của mô hình tƣơng 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 trƣớc các biến độc lập đều bằng nhau và bằng 0 (trừ hằng số). Mô hình hồi quy tuyến tính bội đƣa ra là phù hợp với dữ liệu và có thể sử dụng đƣợc.
Hệ số hồi quy chuẩn hóa của phƣơng trình có thể thấy các giá trị Beta đều khác 0, để xác định đƣợc mức độ quan trọng của các yếu tố tham dự vào sự hài lòng của khách hàng, có thể chọn lọc thành 2 nhóm nhƣ sau:
Những giá trị Beta khác 0 có ý nghĩa thống kê ( Sig. < 0.05), kết quả có 5 yếu tố đƣợc ghi nhận đó là năng lực phục vụ, tin cậy, Thực phẩm, phƣơng tiện hữu hình, đáp ứng. (Theo bảng 3.23)
Bảng 3.23: Hệ số hồi quy chuẩn hóa của phƣơng trình
Mô hình Hệ số chƣa chuẩn hóa Hệ số chuẩn hóa t Sig. B0 Sai số
chuẩn Beta VIF
Biến đôc lập (Constant) -3,561E-17 0,037 0,000 1.000 Sự cảm thông 0,060 0,037 0,060 1,628 0,105 1.000 Năng lực phục vụ 0,235 0,037 0,235 6,421 0,000 1.000 Tin cậy 0,499 0,037 0,499 13,645 0,000 1.000 Thực phẩm 0,423 0,037 0,423 11,573 0,000 1.000 Phƣơng tiện hữu hình 0,215 0,037 0,215 5,887 0,000 1.000 Đáp ứng 0,376 0,037 0,376 10,282 0,000 1.000
Những giá trị Beta khác 0 không có ý nghĩa thống kê ( Sig > 0.05) đó là Sự cảm thông
Nhƣ vậy, kết quả cho thấy các biến độc lập năng lực phục vụ, tin cậy, thực phẩm, phƣơng tiện hữu hình, đáp ứng đều có tác động có ý nghĩa lên biến phụ thuộc (sig<0.05). Và các nhân tố đƣa vào phân tích hồi quy đều đƣợc giữ lại trong mô hình.
Hệ số xác định hiệu chỉnh Adjusted R-Square là 0.675, nghĩa là mô hình hồi quy tuyến tính đã xây dựng phù hợp với tập dữ liệu đến 67.5%, điều này cho thấy mối quan hệ giữa biến phụ thuộc và các biến độc lập là khá chặt chẽ, cả 5 biến có ý nghĩa thống kê trên góp phần giải thích 67,5% sự khác biệt của mức độ hài lòng của khách hàng đối với dịch vụ nhà hàng. Nhƣ vậy, mức độ phù hợp của mô hình tƣơng 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 phƣơng 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 84.060 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 đƣợc để suy rộng ra cho tổng thể. (adsbygoogle = window.adsbygoogle || []).push({});
Kết quả thống kê còn cho thấy, các hệ số hồi quy chuẩn hóa của phƣơng 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 (0,499); Thực phẩm (0,423); Đáp ứng (0,376); Năng lực phục vụ (0,235); Phƣơng tiện hữu hình (0,215).
Ngoài ra, kết quả trên cũng cho thấy mối quan hệ tuyến tính của các yếu tố chất lƣợng dịch vụ với sự hài lòng của khách hàng đều có ý nghĩa thống kê (Sig. < 0.05) ngoại trừ biến phù hợp. Từ đó có thể kết luận rằng mô hình lý thuyết phù hợp với dữ liệu thị trƣờng. Nhƣ vậy, các giả thuyết H1,H2, H4, H5, H6 đều đƣợc chấp nhận và nên bác bỏ giả thuyết H3
+ H1 – Tínhtin cậy có tác động dƣơng lên mức độ hài lòng của khách hàng. (Chấp nhận giả thuyết)
+ H2 – Đáp ứng có tác động dƣơng lên mức độ hài lòng của khách hàng. (Chấp nhận giả thuyết)
+ H3 – Sự cảm thông có tác động dƣơng lên mức độ hài lòng của khách hàng (nên bác bỏ giả thuyết với mức ý nghĩa 95%)
+ H4 – Năng lực phục vụ có tác động dƣơng lên mức độ hài lòng của khách hàng. (Chấp nhận giả thuyết)
+ H5 – Phƣơng tiện hữu hình có tác động dƣơng lên mức độ hài lòng của khách hàng. (Chấp nhận giả thuyết)
+ H6 – Thực phẩm có tác động dƣơng lên mức độ hài lòng của khách hàng. (Chấp nhận giả thuyết)