Phân tích hồi quy bội là một kỹ thuật thống kê được sử dụng để phân tích mối quan hệ giữa một biến phụ thuộc và nhiều biến độc lập. Trình tự phân tích hồi quy trong bài nghiên cứu được thực hiện như sau:
̶Kiểm tra sự tương quan giữa các biến độc lập và biến phụthuộc bằng ma trận hệsố tương quan
̶Xây dựng mô hình hồi quy trên cơ sở phép kiểm định tương quan vừa thực hiện
̶Đánh giá độ phù hợp của mô hình hồi quy với dữ liệu quan sát bằng hệ số xác định R2 (coefficient of determination) hay hệ số R2 hiệu chỉnh, theo quy tắc R2 càng gần 1 thì mô hình đã xây dựng càng thích hợp, R2 càng gần 0 mô hình càng kém phù hợp với tập dữliệu mẫu.
̶Kiểm định độ phù hợp của mô hình (kiểm định F): xem xét mức độ phù hợp của mô hình hồi quy tuyến tính tổng thể.
̶Kiểm định giảthuyết vềý nghĩa của hệsốhồi quy riêng phần (hệsốbeta) ̶Dò tìm sự vi phạm các giả định cần thiết trong mô hình hồi quy tuyến tính gồm giả định liên hệ tuyến tính, phương sai của phần dư không đổi, phân phối chuẩn của phần dư, tính độc lập của phần dư, hiện tượng đa cộng tuyến.
3.4.Tóm tắt
Đề tài sử dụng hai phương pháp chính đó là phương pháp nghiên cứu định tính và phương pháp nghiên cứu định lượng. Phương pháp nghiên cứu định tính được thực hiện qua việc phỏng vấn sâu 3 chuyên gia trong lĩnh vực cảng biển và 10 khách hàng thường xuyên sử dụng dịch vụ cảng biển tại Tân Cảng Cát Lái nhằm điều chỉnh một số thuật ngữ trong thang đo.Phương pháp định lượng được thực hiện bằng bảng khảo sát với kích thước mẫu là187mẫu phù hợp với yêu cầu về số lượng mẫu tối thiểu180.Kỹ thuật phân tích nhân tố và phân tích hồi quy được sử dụng để rút gọn nhân tố và xem xét mối quan hệ giữa biến phụ thuộc và các biến độc lập.Đối tượng khảo sát của đề tài là khách hàng sử dụng dịch vụ cảng biển tại Tân Cảng Cát Lái bao gồm các công ty xuất nhập khẩu, các hãng tàu và các công ty logistics/forwarder.
CHƯƠNG 4: KẾT QUẢNGHIÊN CỨU 4.1.Thông tin mẫu nghiên cứu
Cuộc khảo sát định lượng được thực hiện từ 15/03/2014 đến 20/04/2014. Có 300 bản câu hỏi được phát đi trong đó250 bản được gửi qua thư điện tử và50 bản câu hỏi giấy được gửi trực tiếp đến khách hàng.Kết quả khảo sát thu về được 199 mẫu, trong đó chủ yếu là kết quả được gửi qua mạng với 151 mẫu. Sau khi loại các phiếu không đạt yêu cầu còn lại 187 mẫu được chọn để đưa vào phân tích với tỷ lệ 55,6% là các công ty xuất nhập khẩu, 23,5% là các hãng tàu, 20,9% là các công ty logistics (xem Bảng4.1)
Bảng4.1:Tần số
Loạicông ty Tần số Phần trăm Phần trăm hợp lệ
Phần trăm cộng dồn
Hãng tàu
Ctyxuất nhập khẩu Cty logistics Total 44 23,5 23,5 23,5 104 55,6 55,6 79,1 39 20,9 20,9 100,0 187 100,0 100,0
(Nguồn: Kết quả điều tra của tác giả, 04/2014)
4.2. Kết quảkiểm định độtin cậy bằng Cronbach Alpha
Kết quả Cronbach alpha của các thang đo 6 thành phần riêng biệt của lòng trung thành khách hàng và lòng trung thành khách hàng được thể hiện trong Bảng 4.2. Các thang đo thể hiện bằng 36 biến quan sát. Các thang đo đều có hệ số Cronbach alpha đạt yêu cầu nằm trong khoảng [0.7-0.8]. Cụ thể là, Cronbach alpha của sự hài lòng là 0.779; của niềm tin là 0.884; của cam kết là 0.836; của giá trị là 0.882; của chất lượng là 0.839; của chi phí chuyển đổi là 0.855; của lòng trung thành là 0.849. Bên cạnh đó, các hệsố tương quan biến tổng đều cao. Đa phần các hệ số này đều lớn hơn 0.5, trừ biến HL3 = 0.342. Nếu loại biến này thì Cronbach alpha sẽ tăng lên, tuy nhiên vì tương quan biến tổng đều đạt yêu cầu lớn hơn 0.3 nên tất cả các biến đo lường các khái niệm nghiên cứu đều được sửdụng trong phân tích EFA kếtiếp.
Bảng 4.2: Cronbach alpha của các khái niệm nghiên cứu
Biến quan sát
Trung bình thang đo nếu
loại biến
Phương sai thang đo nếu
loại biến
Tương quan biến –tổng hiệu chỉnh
Cronbach's Alpha nếu loại biến này
Crobach Alpha của thang đo SỰHÀI LÒNG = 0.779
HL1 15.01 4.414 .692 .692
HL2 15.10 4.597 .610 .719
HL3 14.98 5.242 .342 .806
HL4 15.04 4.370 .634 .709
HL5 14.89 4.810 .513 .751
Crobach Alpha của thang đo NIỀM TIN = 0.884
NT1 14.55 7.453 .789 .843
NT2 14.50 7.961 .682 .867
NT3 14.50 6.993 .687 .873
NT4 14.61 8.141 .692 .866
NT5 14.69 7.366 .783 .844
Crobach Alpha của thang đo SỰCAM KẾT = 0.836
CK1 10.95 3.670 .740 .760
CK2 10.97 3.521 .789 .736
CK3 11.05 3.395 .678 .796
CK4 10.88 4.825 .502 .858
Crobach Alpha của thang đo GIÁ TRỊKHÁCH HÀNG = 0.882
GT1 22.63 11.440 .557 .879 GT2 22.47 11.035 .656 .866 GT3 22.64 10.726 .716 .858 GT4 22.71 10.422 .731 .856 GT5 22.75 11.251 .646 .867 GT6 22.55 11.270 .678 .864 GT7 22.85 11.053 .701 .861
Biến quan sát
Trung bình thang đo nếu
loại biến
Phương sai thang đo nếu
loại biến
Tương quan biến –tổng hiệu chỉnh
Cronbach's Alpha nếu loại biến này
Crobach Alpha của thang đo CHẤT LƯỢNGDỊCH VỤ= 0.839
CL1 14.53 4.896 .646 .808
CL2 14.53 4.401 .695 .792
CL3 14.30 4.804 .539 .835
CL4 14.56 4.613 .695 .794
CL5 14.67 4.189 .664 .803
Crobach Alpha của thang đo CHI PHÍ CHUYỂN ĐỔI = 0.855
CD1 14.37 6.870 .791 .790
CD2 14.43 6.913 .813 .783
CD3 14.32 7.703 .743 .805
CD4 14.61 8.755 .511 .863
CD5 14.25 9.606 .519 .861
Crobach Alpha của thang đo LÒNG TRUNG THÀNH = 0.849
TT1 15.12 5.029 .633 .825
TT2 15.22 4.860 .771 .792
TT3 15.33 5.352 .505 .856
TT4 15.26 4.700 .729 .799
TT5 15.20 4.407 .686 .814
(Nguồn: Kết quả điều tra của tác giả, 04/2014)
4.3. Phân tích nhân tốEFA
Kết quảEFA lần 1, chỉsốKMO = 0.762; sig = 0.000 < 0.05, chứng tỏ dữ liệu phù hợp để phân tích EFA. Kết quả phương pháp rút trích Principal Component Analysis với phép xoay Varimax cho31 biến quan sát được trích thành 6nhân tố tại Eigenvalue = 1.163và tổng phương sai trích đạt71.611% (Bảng4.3). Tuy nhiên, xét ma trận xoay nhân tố Rotated Component Matrix thấy, biến quan sát CL4 có hệ số tải nhân tố thấp nhất(factor loading = 0.447 < 0.5) nên ta loại biến này.Các biến còn lại được đưa vào phân tích nhân tố lần2
Bảng4.3:Kết quả phân tích nhân tố lần1các thành phần Lòng trung thành
Biến quan sát Nhân tố
1 2 3 4 5 6 CK2 ,848 ,195 -,072 -,037 ,109 -,115 NT5 ,791 ,197 ,194 ,256 ,166 ,106 CK1 ,768 ,183 -,169 ,294 ,094 -,071 CK3 ,744 ,388 -,110 -,179 ,103 ,033 NT4 ,732 -,009 ,066 ,110 ,401 ,150 NT1 ,715 ,104 ,182 ,488 -,097 ,139 HL4 ,650 ,114 ,065 ,292 ,064 ,474 HL2 ,553 ,169 ,129 ,167 ,138 ,331 NT3 ,470 ,238 ,127 ,369 ,392 ,331 GT4 ,164 ,857 -,085 ,104 ,178 -,106 GT3 ,098 ,776 ,137 ,045 ,280 ,046 GT6 ,168 ,691 -,176 ,385 ,036 ,257 GT7 ,187 ,682 ,176 ,168 ,134 ,166 GT5 ,337 ,630 ,364 ,241 -,103 -,047 GT2 ,237 ,604 ,077 ,165 ,274 ,292 HL1 ,302 ,533 ,269 -,037 ,342 ,477 CD2 -,011 -,035 ,884 ,124 ,128 ,012 CD3 -,042 -,028 ,874 -,154 ,117 -,009 CD1 ,055 ,098 ,869 ,073 -,004 ,167 CD4 ,489 ,192 ,600 ,128 -,046 -,267 CD5 -,096 ,216 ,575 ,237 ,195 ,195 NT2 ,463 ,018 ,007 ,700 ,018 ,266 HL3 ,186 ,337 ,006 ,644 ,255 -,235 GT1 ,035 ,391 ,211 ,633 ,280 ,055 CL1 ,025 ,228 ,321 ,605 ,450 ,147 CK4 ,436 ,121 ,026 ,593 ,278 ,148 CL3 ,126 ,180 ,003 ,168 ,763 ,164 CL2 ,170 ,357 ,147 ,243 ,633 ,049 CL5 ,322 ,224 ,408 ,138 ,576 -,068 CL4 ,382 ,290 ,373 ,295 ,447 -,020 HL5 ,135 ,505 ,121 ,147 ,178 ,599
Kết quả EFA lần 2, chỉ số KMO = 0.773;sig = 0.000 < 0.05, chứng tỏ dữ liệu phù hợp để phân tích EFA. Kết quả phương pháp rút trích Principal Component Analysis với phép xoay Varimax cho30 biến quan sát được trích thành 6nhân tố tại Eigenvalue = 1.138và tổng phương sai trích đạt71.979% (Phụ lục4). Tuy nhiên,xét ma trận xoay nhân tố Rotated Component Matrix thấy,biến quan sát NT3 có hệ số tải nhân tố thấp nhất(factor loading = 0.484 < 0.5) nên taloại biến này.Các biến còn lại được đưa vào phân tích nhân tố lần3
Kết quả EFA lần 3, chỉ số KMO = 0.761;sig = 0.000 < 0.05, chứng tỏ dữ liệu phù hợp để phân tích EFA. Kết quả phương pháp rút trích Principal Component Analysis với phép xoay Varimax cho29 biến quan sát được trích thành 6nhân tố tại Eigenvalue = 1.136 và tổng phương sai trích đạt 72.172 % (Phụ lục 4). Tuy nhiên, xét ma trận xoay nhân tố Rotated Component Matrix thấy sự chênh lệch hệ số tải nhân tố của biến quan sát HL1 nhỏ nhất (0.527-0.483 = 0.044<0.3) nên ta loại biến này. Các biến còn lại được đưa vào phân tích nhân tố lần4
Kết quả EFA lần 4, chỉ số KMO = 0.751;sig = 0.000 < 0.05, chứng tỏ dữ liệu phù hợp để phân tích EFA. Kết quả phương pháp rút trích Principal Component Analysis với phép xoay Varimax cho28 biến quan sát được trích thành 6nhân tố tại Eigenvalue = 1.075 và tổng phương sai trích đạt 72.291 % (Phụ lục 4). Tuy nhiên, xét ma trận xoay nhân tố Rotated Component Matrix thấy sự chênh lệch hệ số tải nhân tố của biến quan sát NT2 nhỏ nhất (0.580-0.549 = 0.031<0.3) nên ta loại biến này. Các biến còn lại được đưa vào phân tích nhân tố lần5
Kết quả EFA lần 5, chỉ số KMO = 0.763;sig = 0.000 < 0.05, chứng tỏ dữ liệu phù hợp để phân tích EFA. Kết quả phương pháp rút trích Principal Component Analysis với phép xoay Varimax cho27 biến quan sát được trích thành 6nhân tố tại Eigenvalue = 1.065 và tổng phương sai trích đạt 72.458 % (Phụ lục 4). Tuy nhiên, xét ma trận xoay nhân tố Rotated Component Matrix thấy sự chênh lệch hệ số tải nhân tố của biến quan sát CD4 nhỏ nhất (0.579-0.496 = 0.083<0.3) nên ta loại biến này. Các biến còn lại được đưa vào phân tích nhân tố lần6
Kết quả EFA lần 6, chỉ số KMO = 0.760;sig = 0.000 < 0.05, chứng tỏ dữ liệu phù hợp để phân tích EFA. Kết quả phương pháp rút trích Principal Component Analysis với phép xoay Varimax cho 26 biến quan sát được trích thành 6nhân tố tại Eigenvalue = 1.032và tổng phương sai trích đạt73.038% (Phụ lục4). Tuy nhiên,xét ma trận xoay nhân tố Rotated Component Matrix thấy sự chênh lệch hệ số tải nhân tố của biến quan sát CK4 nhỏ nhất (0.511-0.496 =0.015<0.3) nên ta loại biến này. Các biến còn lại được đưa vào phân tích nhân tố lần7
Kết quả EFA lần 7, chỉ số KMO = 0.753;sig = 0.000 < 0.05, chứng tỏ dữ liệu phù hợp để phân tích EFA. Kết quả phương pháp rút trích Principal Component Analysis với phép xoay Varimax cho25 biến quan sát được trích thành 5nhân tố tại Eigenvalue = 1.127và tổng phương sai trích đạt69.611% (Phụ lục4). Tuy nhiên,xét ma trận xoay nhân tố Rotated Component Matrix thấy sự chênh lệch hệ số tải nhân tố của biến quan sát CL5nhỏ nhất(0.490-0.402 =0.088<0.3)nên ta loại biến này.Các biến còn lại được đưa vào phân tích nhân tố lần8
Kết quả EFA lần 8, chỉ số KMO = 0.751;sig = 0.000 < 0.05, chứng tỏ dữ liệu phù hợp để phân tích EFA. Kết quả phương pháp rút trích Principal Component Analysis với phép xoay Varimax cho24 biến quan sát được trích thành 5nhân tố tại Eigenvalue = 1.093 và tổng phương sai trích đạt 70.395 % (Phụ lục 4). Tuy nhiên, xét ma trận xoay nhân tố Rotated Component Matrix thấy sự chênh lệch hệ số tải nhân tố của biến quan sát GT5nhỏ nhất (0.579-0.374=0.205<0.3)nên ta loại biến này. Các biến còn lại được đưa vào phân tích nhân tố lần9
Kết quả EFA lần 9, chỉ số KMO = 0.758;sig = 0.000 < 0.05, chứng tỏ dữ liệu phù hợp để phân tích EFA. Kết quả phương pháp rút trích Principal Component Analysis với phép xoay Varimaxcho 23biến quan sát được trích thành 5nhân tố tại Eigenvalue = 1.039 và tổng phương sai trích đạt 71.045 % (Phụ lục 4). Tuy nhiên, xét ma trận xoay nhân tố Rotated Component Matrix thấy sự chênh lệch hệ số tải nhân tố của biến quan sát CK3nhỏ nhất(0.659-0.432=0.227<0.3) nên ta loại biến này.Các biến còn lại được đưa vào phân tích nhân tố lần10
Kết quả EFA lần 10, chỉ số KMO = 0.772; sig = 0.000 < 0.05, chứng tỏ dữ liệu phù hợp để phân tích EFA. Kết quả phương pháp rút trích Principal Component Analysis với phép xoay Varimax cho 22 biến quan sát được trích thành 4 nhân tố tại Eigenvalue = 1.203 và tổng phương sai trích đạt 66.584% (Phụ lục 4). Tuy nhiên, xét ma trận xoay nhân tố Rotated Component Matrix thấy sự chênh lệch hệ số tải nhân tố của biến quan sát CD5 nhỏ nhất (0.570-0.357=0.213<0.3) nên ta loại biến này. Các biến còn lại được đưa vào phân tích nhân tố lần11
Kết quả EFA lần 11, chỉ số KMO = 0.782; sig = 0.000 < 0.05, chứng tỏ dữ liệu phù hợp để phân tích EFA. Kết quả phương pháp rút trích Principal Component Analysis với phép xoay Varimax cho 21 biến quan sát được trích thành 4 nhân tố tại Eigenvalue = 1.202 và tổng phương sai trích đạt 67.707% (Phụ lục 4). Tuy nhiên, xét ma trận xoay nhân tố Rotated Component Matrix thấy sự chênh lệch hệ số tải nhân tố của biến quan sátGT2nhỏ nhất(0.606-0.366=0.24<0.3)nên ta loại biến này.Các biến còn lại được đưa vào phân tích nhân tố lần 12
Kết quả EFA lần 12, chỉ số KMO = 0.809; sig = 0.000 < 0.05, chứng tỏ dữ liệu phù hợp để phân tích EFA. Kết quả phương pháp rút trích Principal Component Analysis với phép xoay Varimax cho 20 biến quan sát được trích thành 4 nhân tố tại Eigenvalue = 1.198 và tổng phương sai trích đạt 68.482% (Phụ lục 4). Tuy nhiên, xét ma trận xoay nhân tố Rotated Component Matrix thấy sự chênh lệch hệ số tải nhân tố của biến quan sát GT1 nhỏ nhất (0.650-0.359=0.291<0.3) nên ta loại biến này. Các biến còn lại được đưa vào phân tích nhân tố lần13
Kết quả EFA lần 13, chỉ số KMO = 0.800; sig = 0.000 < 0.05, chứng tỏ dữ liệu phù hợp để phân tích EFA. Kết quả phương pháp rút trích Principal Component Analysis với phép xoay Varimax cho 19 biến quan sát được trích thành 4 nhân tố tại Eigenvalue = 1.167 và tổng phương sai trích đạt 69.366% (Bảng 4.4), đồng thời sự chênh lệch hệ số tải nhân tố của các biến quan sát đều đạt yêu cầu là > 0.3. Tác giả kiểm tra lại độ tin cậy của từng thang đo mới đều đạt yêu cầu (Phụ lục 3). Vì vậy tác giả quyết định dừng EFA tại đây.
Kết quả phân tích EFA cho thấy các biến quan sát được trích vào nhân tố 3 được giữ nguyên gốc: chi phí chuyển đổi (CD1, CD2, CD3). Các biến quan sát được trích vào nhân tố1gồm NT1, NT4, NT5, CK1, CK2, HL2, HL4 tác giả đặt tên nhân tố này là Niềm tin & Cam kết. Các biến quan sát được trích vào nhân tố 2 gồm GT3, GT4, GT6, GT7, HL5, tác giả đặt tên nhân tố này là Giá trị cảm nhận. Các biến quan sát được trích vào nhân tố4gồm CL1, CL2, CL3, HL3,tác giả đặt tên nhân tố này là chất lượng dịch vụ.
Như vậy so với thang đo lý thuyết ban đầu yếu tố Chi phí chuyển đổi đã được bỏ bớt đi hai biến quan sát CD4 và CD5 là sự phát sinh công nghệ và tâm lý không chắc chắn khi chuyển đổi nhà khai thác cảng. Như vậy, công nghệ không ảnh hưởng lớn đến rào cản chuyển đổi của khách hàng. Sở dĩ như vậy vì thực tế cho thấy hệ thống trang thiết bị, phương tiện làm hàng của các cảng là tương đối giống nhau vì khách hàng sử dụng các loại container đóng hàng theo các tiêu chuẩn chung của quốc tế. Điểm khác biệt duy nhất có chăng chính là năng suất xếp dỡ của hệ thống thiết bị cẩu bờ làm tăng năng suất giải phóng tàu, đảm bảo an toàn hàng hóa hơn trong quá trình làm hàng. Tâm lý không chắc chắn, ngại thay đổi cũng ít xuất hiện ở đây vì các ràng