CHƯƠNG 4 : KẾT QUẢ NGHIÊN ỨU
4.4. Phân tích hồi quy
Sau hi xác định các nhân tố ảnh hưởng đến mức độ hài l ng của sinh viên về chất lượng dịch vụ đào tạo của trường ĐH L thơng qua phân tích nhân tố khám phá EFA. Với hàm số như sau: Fi = wi1x1 + wi2x2 +…+ wikxk
Trong đó:
Fi: ước lượng nhân tố thứ i
Wi: trọng số hay hệ số điểm nhân tố K: số biến
Sau hi xác định được các nhân tố ảnh hưởng đến mức độ hài l ng thì mơ hình hồi quy tuyến tính đa biến được s dụng tiếp theo để xác định mức độ tác động của từng nhân tố đến mức độ hài l ng của sinh viên về chất lượng dịch vụ đào tạo của trường. Với hàm số sau:
Υ = β0 + β1Χ1 + β2 Χ2 + ... + βk Χk
Y: Mức độ hài l ng của sinh viên về chất lượng dịch vụ đào tạo, Y là biến phụ thuộc được định lượng bằng cách tính điểm trung bình của các biến quan sát nằm trong nhân tố này.
Xi: biến độc lập, chính là các nhân tố chung Fi trong mơ hình phân tích nhân tố trước đó, Xi được định lượng bằng cách tính điểm trung bình của các biến quan sát thuộc nhân tố này.
β0 : hệ số tự do hay hệ số chặn, cho biết giá trị trung bình của Y hi các biến Xi = 0.
βi : hệ số riêng của biến, đo lường lượng thay đổi trung bình trong biến phụ
thuộc Y hi Xi thay đổi một đơn vị, các biến c n lại hơng đổi.
Mơ hình hồi quy tuyến tính bội được dùng để kiểm tra mối liên hệ giữa các thành phần của chất lượng dịch vụ đào tạo với sự hài lịng của sinh viên, nhằm xem xét có mối liên hệ giữa 2 các thành phần của chất lượng dịch vụ đào tạo với sự hài lòng của sinh viên hay không? Mối quan hệ thuận chiều không và mức độ của mối quan hệ này như thế nào?
Phân tích hồi quy được tiến hành với 5 biến độc lập là cơ sở vật chất, đội ngũ giảng viên, đội ngũ nhân viên hoa Ph ng Trung tâm, chính sách cam ết của Nhà trường, Hoạt động hỗ trợ phong trào của Nhà trường và 1 biến phụ thuộc là sự hài lòng của sinh viên. Phương trình hồi quy tuyến tính bội có dạng như sau:
SHL = β0 + β1*CSVC+ β2*GV+ β3*NV + β4*CSCK + β5*HD + u Trong đó:
SHL: là biến phụ thuộc, thể hiện giá trị dự đốn về mức độ hài lịng của sinh viên SV : ơ sở vật chất
NV: Độ ngũ nhân viên hoa, Ph ng, Trung tâm CSCK: Chính sách – Cam kết của Nhà trường HD: Hoạt động hỗ trợ phong trào của Nhà trường. β0 ÷ β5: Hằng số và các hệ số hồi quy.
u: Sai số.
Khi xây dựng mơ hình hồi quy tuyến tính bội và tiến hành giải thích nghĩa của mơ hình cần kiểm tra các giả định có liên quan như:
-Giả định liên hệ tuyến tính: dùng đồ thị phân tán Scatter để đánh giá mức độ đường th ng phù hợp với dữ liệu quan sát của 2 biến (phụ thuộc và độc lập)
-Giả định phương sai của sai số hông đổi: dùng kiểm định tương quan hạng Spearman với giả thuyết đặt ra cho kiểm định là Phương sai của sai số thay đổi. Nếu giả thuyết này đúng thì hệ số tương quan hạng tổng thể giữa phần dư và biến độc lập s khác 0. Xem xét ma trận hệ số tương quan: nhằm xem xét mối quan hệ của từng biến độc lập với biến phụ thuộc, chú ý bất cứ liên hệ tương quan qua lại chặt ch nào giữa các biến độc lập với nhau bởi vì như vậy có thể gây ra hiện tượng đa cộng tuyến và ảnh hưởng đến kết quả của phân tích hồi quy. Dựa vào hệ số tương quan (Pearson orrelation) để xem xét mức độ tương quan giữa các biến độc lập với nhau và giữa biến độc lập với biến phụ thuộc; hệ số tương quan càng lớn mối quan hệ giữa các biến đó càng cao. Để có thể tiến hành phân tích hồi quy thì giữa các biến độc lập và biến phụ thuộc phải có sự tương quan với nhau.
-Giả định về phân phối chuẩn của phần dư: dùng đồ thị Histogram để xem phần dư chuẩn hóa (standardized) có phân phối chuẩn khơng.
-Giả định về tính độc lập của sai số ( hơng có tương quan giữa các phần dư): dùng urbin Watson để kiểm tra.
-Giả định khơng có mối tương quan giữa các biến độc lập (đo lường Đa cộng tuyến): nếu hệ số phóng đại phương sai (VIF) > 10 thì có hiện tượng tự tương quan (Đa cộng tuyến).
S dụng hệ số xác định R2 để đánh giá độ phù hợp của mơ hình tuyến tính (Kiểm định R2) cho thấy mức độ phù hợp của mơ hình đối với mẫu quan sát, 0 ≤ R2
≤ 1: R2 càng gần 1 mơ hình càng thích hợp, R2 càng gần 0 mơ hình càng kém phù hợp. Tiếp theo s dụng kiểm định F (phân tích phương sai ANOVA) để thấy mức độ phù hợp của mơ hình với tổng thể nghiên cứu giá trị sig < 0.05 có nghĩa về mặt thống kê cho thấy mơ hình hồi quy tuyến tính bội phù hợp với tập dữ liệu và có thể s dụng được. Hệ số Beta là hệ số hồi quy chuẩn hóa cho phép so sánh trực tiếp giữa các hệ số xem như là hả năng giải thích biến phụ thuộc. Trị tuyệt đối của một hệ số Beta chuẩn hóa càng lớn thì tầm quan trọng tương đối của nó trong dự báo biến phụ thuộc càng cao.