3.4.1.1. Phân tích tương quan
Dữ liệu dùng trong phân tích hồi quy tương quan được người nghiên cứu lựa chọn là dữ liệu chuẩn hóa (được suất 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 mô hình, bước đầu tiên ta cần phân tích tương quan giữa các biến xem thử có mối liên hệ tuyến tính giữa biến độc lập và biến phụ thuộc hay không. Kết quả của phần phân tích này dù không xác định được mối quan hệ nhân quả giữa biến phụ thuộc và biến độc lập nhưng nó đóng vai trò làm cơ sở cho phân tích hồi qui. Các biến biến phụ thuộc và biến độc lập có 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 còn làm cơ sở để dò tìm sự vi phạm giả định của phân tích hồi qui tuyến tính: các biến độc lập có tương quan cao với nhau hay hiện tượng đa cộng tuyến
Bảng 3.18: Ma trận hệ số tương quan giữa các biến độc lập và phụ thuộc
CĐ TTHQ PV VC VVPP HHLL
Tôn trọng và chu đáo 1 .483** .318** .132 -.059 .482** Thông tin và hiệu quả 1 .477** .279** .149* .576**
Năng lực phục vụ 1 .231** .085 .617** Vật chất 1 .115 .366** V Viiệệnnpphhí í 1 .131 H Hààiillòònngg 1
**: Hệ số tương quan có ý nghĩa thống kê ở mức 1%.
Qua bảng hệ số tương quan trên chúng ta nhận thấy các hệ số tương quan đều có giá trị khá cao (không cao hơn 70%) nhưng vẫn đủ để kết luận hoàn toàn không có dấu hiệu đa cộng tuyến giữa các biến độc lập, dữ liệu hoàn toàn phù hợp cho phân tích hồi quy. Đặc biệt, các hệ số tương quan giữa mỗi biến độc lập (CĐ, TTHQ, PV, VC, VP) với biến phụ thuộc (HL) có giá trị lớn hơn hẳn các giá trị các và đều có ý nghĩa thống kê ở mức 1%, cho thấy có sự tương quan giữa mỗi biến độc lập với biến phụ thuộc.
3.4.1.2. Phân tích hồi quy
Đề tài sử dụng phương pháp hồi quy để dự đoán cường độ tác động của các yếu tố hài lòng đến sự hài lòng chung của khách hàng. Biến phụ thuộc là yếu tố “mức độ hài lòng của khách hàng” và biến độc lập là các yếu tố hài lòng được rút ra từ quá trình phân tích EFA và kiểm định với mức ý nghĩa 5%. Mô hình dự đoán có thể là:
Yi = β0 + β1X1i +β2 X2i +β3 X3i + … βk Xki + εi
Trong đó:
Yi = biến phụ thuộc (mức độ hài lòng của khách hàng)
Xk = các biến độc lập (các yếu tố tác động đến sự hài lòngcủa khách hàng) β0 = hằng số
βk = các hệ số hồi quy (i > 0)
εi = thành phần ngẫu nhiên hay yếu tố nhiễu
Biến phụ thuộc là yếu tố sự hài lòng chung và biến độc lập là các yếu tố hài lòng được rút ra từ quá trình phân tích nhân tố EFA và có ý nghĩa trong phân tích tương quan Pearson. Kết quả của mô hình sẽ giúp ta xác định được mức độ ảnh hưởng của các yếu tố tác động đến sự hài lòng trong công việc của khách hàng. Phân tích hồi quy tuyến tính đa biến bằng phương pháp Enter, trong đó biến phụ thuộc là sự hài lòng công việc nói chung, biến độc lập dự kiến là sự hài lòng đối với Sự tôn trọng và chu đáo, Thông tin và hiệu quả, Năng lực phục vụ, Vật chất, VViiệệnnpphhíí. Trong phương pháp .
này , hệ số xác định R2 điều chỉnh được dùng để xác định độ phù hợp của mô hình, kiểm định F dùng để khẳng định khả năng mở rộng mô hình này áp dụng cho tổng thể cũng như kiểm định t để bác bỏ giả thuyết các hệ số hồi quy của tổng thể bằng 0.
Cuối cùng, nhằm đảm bảo độ tin cậy của phương trình hồi quy được xây dựng cuối cùng là phù hợp, dò tìm sự vi phạm của giả định trong hồi quy tuyến tính cũng được thực hiện. Các giả định được kiểm định trong phần này gồm liên hệ tuyến tính
(dùng biểu đồ phân tán Scatterplot), phương sai của phần dư không đổi (dùng hệ số tương quan hạng Spearman), phân phối chuẩn của phần dư (dùng Histogram và Q-Q plot), tính độc lập của phần dư (dùng đại lượng thống kê Durbin-Watson), hiện tượng đa cộng tuyến (tính độ chấp nhận Tolerance và hệ số phóng đại VIF).
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. Biến phụ thuộc ở đây là sự hài lòng của khách hàng còn biến độc lập là các biến : Sự tôn trọng và chu đáo ký hiệu X1, Thông tin và hiệu quả ký hiệu X2, Năng lực phục vụ ký hiệu X3, Vật chất ký hiệu X4, VViiệệnnpphhí ký í
hiệu X5. Ta có phương trình tổng quát được xây dựng như sau:
Xo = β0 + β1* X1 + β2* X2 + β3* X3 + β4* X4+ β5* X5
Trong đó:
Biến phụ thuộc: X0 ( Mức độ hài lòng của khách hàng).
Các biến độc lập là: Sự tôn trọng và chu đáo ký hiệu X1, Thông tin và hiệu quả ký hiệu X2, Năng lực phục vụ ký hiệu X3, Vật chất ký hiệu X4, VViiệệnnpphhí ký hiệu Xí 5
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 3.19. Hệ số R-Square từ kết quả phân tích hồi quy lần thứ nhất Hệ số biến đổi Model R R Square R. Square điều chỉnh Sai số R SquareChange F Change df1 df2 Sig. F Change Durbin- Watson 1 .743a .552 .540 .40439 .552 45.923 5 186 .000 1.653
(Nguồn: Kết quả xử lý trên phần mềm SPSS 16.)
Trị số R có giá trị 0,743cho thấy mối quan hệ giữa các biến trong mô hình có mối tương quan chặt chẽ. Báo cáo kết quả hồi qui của mô hình cho thấy giá trị R2 (R Square) bằng 0,552, điều này nói lên độ thích hợp của mô hình là 55,2% hay nói cách khác là 55,2% sự biến thiên của biến Sự hài lòng được giải thích bởi 5 thành phần. Giá trị R điều chỉnh (Adjusted R Square) phản ánh chính xác hơn sự phù hợp của mô hình đối với tổng thể, ta có giá trị R điều chỉnh bằng 0,54 (hay 54%) có nghĩa tồn tại mô
hình hồi qui tuyến tính giữa Sự hài lòng và 5 thành phần.
Kiểm tra bảng phân tích phương sai ANOVA ta được kết quả như sau: Bảng 3.20. Phân tích phương sai ANOVA lần thứ nhất
Tổng df Trung bình F Sig. Regression 37.550 5 7.510 45.923 .000a
Residual 30.417 186 .164
1
Total 67.967 191
(Nguồn: Kết quả xử lý trên phần mềm SPSS 16.)
Phân tích phương sai ANOVA cho thấy trị số F có mức ý nghĩa Sig.=0,000 (nhỏ hơn 0,05), có nghĩa là mô hình hồi qui phù hợp với sữ liệu thu thập được và các biến đưa vào đều có ý nghĩa trong thống kê với mức ý nghĩa 5%. Thống kê giá trị F = 45,923 được dùng để kiểm định giả thiết H0, ở đây ta thấy mối quan hệ tuyến tính là có ý nghĩa với p_value < 0,05. Ta có thể bác bỏ giả thiết H0 cho rằng hệ số góc của 5 thành phần trong chất lượng dịch vụ bằng 0. Như vậy, các biến độc lập trong mô hình có quan hệ đối với biến phụ thuộc Sự hài lòng.
Kiểm tra các hệ số hồi quy chuẩn hóa trong mô hình ta có kết quả như sau: Bảng 3.21. Các hệ số hồi qui chuẩn hóa trong mô hình lần thứ nhất
Sai số Hệ số tiêu chuẩn
Model B Std. Error Beta t Sig.
(Constant) -.193 .348 -.554 .580 X1 .282 .070 .231 4.051 .000 X2 .202 .058 .219 3.489 .001 X3 .311 .045 .393 6.946 .000 X4 .192 .056 .177 3.438 .001 1 X5 .050 .043 .058 1.157 .249
(Nguồn: Kết quả xử lý trên phần mềm SPSS 16.)
Kết quả phân tích các hệ số hồi qui trong mô hình cho thấy, mức ý nghĩa của các thành phần Sự tôn trọng và chu đáo, Thông tin và hiệu quả, Năng lực phục vụ, Vật chất, ccóóhhệệssố Sig.=0,000 (nhỏ hơn 0,05). Do đó, ta có thể nói rằng các thành phần Sự ố
tôn trọng và chu đáo, Thông tin và hiệu quả, Năng lực phục vụ, Vật chất độc lập đều có tác động đến sự hài lòng của khách hàng về dịch vụ khám chữa bệnh tại bệnh viện mắt Nghệ An. Các thành phần trong trên đều có ý nghĩa trong mô hình và tác động cùng chiều đến sự hài lòng của khách hàng do các hệ số hồi qui đều mang dấu dương. Ngoài ra, thành phần viện phí có hệ số sig = 0,249 > 0.05 sau khi nghiên cứu kỹ và hỏi ý kiến chuyên gia tác giả quyết định bỏ thành phần Viện phí khỏi mô hình nghiên cứu.
Tiến hành phân tích hồi quy lần thứ hai ta có kết quả như sau:
Bảng 3.22: Hệ số R-Square từ kết quả phân tích hồi quy lần thứ hai Hệ số biến đổi Mod el R R Square R. Square điều chỉnh Sai số R Square Change F Change df1 df2 Sig. F Change Durbin- Watson 1 .741 .549 .540 .40476 .549 56.966 4 187 .000 1.635
(Nguồn: Kết quả xử lý trên phần mềm SPSS 16.)
Trị số R có giá trị 0,741cho thấy mối quan hệ giữa các biến trong mô hình có mối tương quan chặt chẽ. Báo cáo kết quả hồi qui của mô hình cho thấy giá trị R2 (R Square) bằng 0,549, điều này nói lên độ thích hợp của mô hình là 54,9% hay nói cách khác là 54,9% sự biến thiên của biến Sự hài lòng được giải thích bởi 5 thành phần. Giá trị R điều chỉnh (Adjusted R Square) phản ánh chính xác hơn sự phù hợp của mô hình đối với tổng thể, ta có giá trị R điều chỉnh bằng 0,54 (hay 54%) có nghĩa tồn tại mô
hình hồi qui tuyến tính giữa Sự hài lòng và 5 thành phần.
Kiểm tra bảng phân tích phương sai ANOVA ta được kết quả như sau: Bảng 3.23. Phân tích phương sai ANOVA lần thứ hai
Model Tổng df Trung bình F Sig.
Regression 37.331 4 9.333 56.966 .000a
Residual 30.636 187 .164
1
Total 67.967 191
(Nguồn: Kết quả xử lý trên phần mềm SPSS 16.)
Phân tích phương sai ANOVA cho thấy trị số F có mức ý nghĩa Sig.=0,000 (nhỏ hơn 0,05), có nghĩa là mô hình hồi qui phù hợp với sữ liệu thu thập
được và các biến đưa vào đều có ý nghĩa trong thống kê với mức ý nghĩa 5%. Thống kê giá trị F = 56,966 được dùng để kiểm định giả thiết H0, ở đây ta thấy mối quan hệ tuyến tính là có ý nghĩa với p_value < 0,05. Ta có thể bác bỏ giả thiết H0 cho rằng hệ số góc của 5 thành phần trong chất lượng dịch vụ bằng 0. Như vậy, các biến độc lập trong mô hình có quan hệ đối với biến phụ thuộc Sự hài lòng.
Kiểm tra các hệ số hồi quy trong mô hình ta có kết quả như sau:
Bảng 3.24. Các hệ số hồi qui chuẩn hóa trong mô hình lần thứ hai
Sai số
Hệ số tiêu chuẩn
Model B Std. Error Beta t Sig.
(Constant) -.017 .313 -.053 .958 X1 .269 .069 .221 3.917 .000 X2 .213 .057 .231 3.718 .000 X3 .313 .045 .395 6.970 .000 1 X4 .197 .056 .182 3.531 .001
(Nguồn: Kết quả xử lý trên phần mềm SPSS 16.)
Kết quả phân tích các hệ số hồi qui trong mô hình cho thấy, mức ý nghĩa của các thành phần Sự tôn trọng và chu đáo, Thông tin và hiệu quả, Năng lực phục vụ, Vật chất, ccóóhhệệssố Sig.=0,000 (nhỏ hơn 0,05). Do đó, ta có thể nói rằng các thành phần Sự ố
tôn trọng và chu đáo, Thông tin và hiệu quả, Năng lực phục vụ, Vật chất độc lập đều có tác động đến sự hài lòng của khách hàng về dịch vụ khám chữa bệnh tại bệnh viện mắt Nghệ An. Các thành phần trong trên đều có ý nghĩa trong mô hình và tác động cùng chiều đến sự hài lòng của khách hàng do các hệ số hồi qui đều mang dấu dương.
Giá trị hồi qui chuẩn hóa của các biến độc lập trong mô hình có giá trị báo cáo lần lượt: Sự tôn trọng và chu đáo 0,221, Thông tin và hiệu quả 0,231, Năng lực phục vụ 0,395, Vật chất 0,182.
Mô hình trên giải thích được 54,9% sự thay đổi của biến X0 là do các biến độc lập trong mô hình tạo ra, còn lại 45,1% biến thiên được giải thích bởi các biến khác nằm ngoài mô hình.
lòng của người sử dụng ở độ tin cậy 95%. Qua phương trình hồi qui chúng ta thấy, nếu giữ nguyên các biến độc lập còn lại không đổi thì khi điểm đánh giá về Sự tôn trọng và chu đáo tăng lên 1 thì sự hài lòng của khách hàng tăng trung bình lên 0,221 điểm. Tương tự, khi điểm đánh giá về Thông tin và hiệu quả tăng lên 1 điểm thì sự hài lòng của khách hàng về chất lượng dich vụ khám chữa bệnh tăng lên trung bình 0,231 điểm; khi điểm đánh giá về Năng lực phục vụ tăng lên 1 điểm thì sự hài lòng của khách hàng về chất lượng dich vụ khám chữa bệnh tăng lên trung bình 0,395 điểm; khi điểm đánh giá về Vật chất tăng lên 1 điểm thì sự hài lòng của khách hàng về chất lượng dich vụ tăng lên trung bình 0,182 điểm.
3.4.1.3 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.
Đầu tiên là giả định liên hệ tuyến tính. Kiểm định này xem xét mối quan hệ
tuyến tính giữa biến phụ thuộc Y và các biến độc lập X, nhưng ở đây xem biến phụ thuộc có liên hệ tuyến tính với toàn bộ tập hợp các biến độc lập hay không.
Giả thuyết Ho: ß1 = ß2 = ß3 = ß4 = ß5 = ß6
Dựa vào kết quả phân tích Anova ở bảng 3.22 ta thấy F = 56,966 và mức ý nghĩa là sig = 0.000 < 0.05 nên có thể bác bỏ giả thiết Ho nghĩa là mô hình hồi quy tuyến tính bội xây dựng được phù hợp với tổng thể.
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 kiểm định Frequencies của phần mềm SPSS ta có kết quả sau:
Bảng 3.25. Bảng hệ số Skewness Statistics Valid 192 N Missing 0 Mean 3.9036 Median 4.0000 Std. Deviation .59653 Variance .356 Skewness -.727 Std. Error of Skewness .175
(Nguồn: Kết quả xử lý trên phần mềm SPSS 16.)
Ta thấy trị trung bình (mean) = 3,9036, trung vị (median) = 4 và độ xiên (skewness) = -0,727. Trong phân phối này ta thấy trị trung bình và trung vị gần bằng nhau, đọ xiên nằm trong khoảng từ -1 đến +1, vì vậy được coi là phân phối chuẩn (Ts. Nguyễn Ngọc Rạng)
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 4.13). 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 3.21 ta có 1< d =1.635 < 3 như vậy ta có thể kết luận các phần dư là độc lập với nhau và tính độc