CHƯƠNG IV: PHÂN TÍCH KẾT QUẢ NGHIÊN CỨU
4.3. Kết quả hồi quy tuyến tính bội
Trước khi hồi quy đa biến, người viết tiến hành kiểm tra hiện tượng tự tương quan giữa 7 biến độc lập (F1; F2; F3; F4; F5; F6; F7) đồng thời đánh giá sự tương quan giữa các biến độc lập và biến phục thuộc (SHL) thông qua hệ số tương quan Pearson, kiểm định với mức ý nghĩa 0.01 . Kết quả kiểm tra (Phụ lục 6) cho thấy không có hiện tượng tự tương quan giữa các biến độc lập, đồng thời các biến độc lập thể hiện sự tương quan khá
chặt chẽ với biến phụ thuộc. Như vậy, mô hình sau khi phân tích EFA đã đủ điều kiện để tiến hành hồi quy đa biến.
4.3.2. Hồi quy tuyến tính bội
Phương pháp phân tích hồi quy bội với 7 thành phần của sự hài lòng khách hàng hay chất lượng dịch vụ cảng biển được đưa vào cùng lúc (Phương pháp Enter) cho thấy mô hình phù hợp để kiểm tra giả thuyết (sig.F = 0.000< 0.05) hoặc có thể khẳng định mô hình có thể mở rộng cho tổng thể.
Trong phân tích này, để đánh giá sự phù hợp của mô hình, người ta dùng hệ số xác định R2 hoặc R2 hiệu chỉnh; hai giá trị này thể hiện sự phù hợp của mô hình và giá trị của R2 hoặc R2 hiệu chỉnh phải lớn hơn hoặc bằng 0.5.
Mặc khác, để kiểm định sự phù hợp của mô hình, người ta sử dụng kiểm định F;
kiểm định này đưa ra giả thuyết H0 = các biến độc lập ko ảnh hưởng đến biến phụ thuộc.
Nếu giá trị Sig. < 0.05 thì sẽ an toàn khi bác bỏ giả thuyết H0 và điều này có nghĩa là mô hình hồi quy tuyến tính bội phù hợp với tập dữ liệu.
Kết quả phân tích hồi quy như sau:
Bảng 4.20: Bảng đánh giá độ phù hợp của mô hình
Mô hình
Hệ số R
Hệ số R2
Hệ số R2 - hiệu chỉnh
Sai số chuẩn của ước lượng
Thống kê thay đổi
Hệ số Durbin- Watson Hệ số
R2 sau khi đổi
Hệ số F khi đổi
Bậc tự do 1
Bậc tự do
2
Hệ số Sig. F sau khi
đổi
1 .852a .725 .715 .24979 .725 71.252 7 189 .000 1.329 a. Biến độc lập: (Hằng số), F7,F6;F5;F4;F3;F2;F1
b. Biến phụ thuộc: SHL
Nguồn: Tác giả xử lý số liệu SPSS 20.0, phụ lục 7 Bảng 4.20 cho thấy, giá trị hệ số tương quan là 0.725 > 0.5, do vậy, đây là mô hình thích hợp để sử dụng đánh giá mối quan hệ giữa biến phụ thuộc và các biến độc lập.
Kết quả cho thấy giá trị R2 = 0.725 điều này chứng tỏ mô hình đạt mức thích hợp là 72.5% hay nói cách khác là 72.5% độ biến thiên của biến “sự hài lòng của khách hàng” được giải thích bởi 7 biến độc lập trong mô hình. Các phần còn lại là do sai số và các nhân tố khác.
R2 hiệu chỉnh = 0.715 Nghĩa là mô hình hồi quy tuyến tính đã sử dụng phù hợp với dữ liệu là 71,5%
Hệ số Durbin- Watson = 1.329 nằm trong khoảng 1 < d < 3 cho thấy không có hiện tượng tự tương quan. Giá trị phóng đại phương sai VIF của các biến độc lập đều nhỏ hơn 2 nên có thể kết luận các biến độc lập có mối liên hệ không đáng kể, không có hiện tượng đa cộng tuyến.
Độ chấp nhận của biến (Tolerance) đều > 0.5, không có hiện tượng đa cộng tuyến.
Kiểm định F về tính phù hợp của mô hình hồi quy tuyến tính tổng thể. Điều này cho chúng ta biết biến phụ thuộc có tương quan tuyến tính với toàn bộ biến độc lập hay không.
Đặt giả thuyết H0 là: a0 = a1 = a2 = a3 = a4 = a5 = a6 = a7= 0.
Kiểm định F và giá trị của sig.
Bảng 4.21: Kết quả phân tích phương sai ANOVA ANOVAa
Mô hình
Tổng bình phương
Bậc tự do
Trung bình bình phương
Kiểm định F
Mức ý nghĩa Sig.
Hồi qui 31.119 7 4.446 71.252 .000b
Phần dư 11.792 189 .062
Tổng 42.911 196
a. Biến phụ thuộc: SHL
b. Biến độc lập: (Hằng số), F7,F6;F5;F4;F3;F2;F1
Nguồn:Phân tích dữ liệu – phụ lục số 7 Nhận thấy giá trị Sig. rất nhỏ (< 0.05) nên bác bỏ giả thuyết H0. Điều này có ý nghĩa là các biến độc lập trong mô hình có tương quan tuyến tính với biến phụ thuộc, tức là sự kết hợp của các biến độc lập có thể giải thích được sự thay đổi của biến phụ thuộc.
Kết quả phân tích hồi qui Mô hình Hệ số chưa chuẩn
hóa
Hệ số chuẩn
hóa t Sig.
Thống kê đa cộng tuyến
B Sai số
chuẩn Beta
Độ chấp nhận của
biến
Hệ số phóng đại phương
sai
(Hằng số) -.217 .213 -1.020 .309
F1 .359 .049 .394 7.315 .000 .500 1.999
F2 .222 .049 .244 4.570 .000 .509 1.963
F3 .149 .037 .199 4.034 .000 .596 1.678
F4 .112 .041 .129 2.753 .006 .660 1.515
F5 .076 .040 .083 1.910 .058 .770 1.298
F6 .086 .044 .094 1.978 .049 .639 1.565
F7 .090 .040 .101 2.252 .025 .719 1.391
Biến phụ thuộc: SHL
Nguồn:Phân tích dữ liệu – phụ lục số 7 Kết quả phân tích hồi quy từng phần cho thấy trong 7 yếu tố được đưa vào thì chỉ có 6 yếu tố tương quan đủ mạnh và có ý nghĩa thống kê khi đưa vào mô hình phân tích.
Yếu tố f5 ( ĐÁP ỨNG) trong thang đo chất lượng dịch vụ không có ý nghĩa thống kê trong mô hình phân tích (sig.t = 0.058> 0.05). Vậy điều đó có nghĩa là trong tập dữ liệu hiện tại chưa đủ cơ sở để chứng minh có quan hệ tuyến tính giữa yếu tố ĐÁP ỨNG với mức độ hài lòng, thỏa mãn của khách hàng.
Vậy phương trình hồi quy tuyến tính bội được xác định như sau:
Y = 0.394f1 + 0.244f2 + 0.199f3 + 0.129f4 + 0.094f6 + 0.101f7 Hoặc:
Sự hài lòng KH = 0.394 quá trình phục vụ + 0.244 hình ảnh/uy tín + 0.199 nguồn lực + 0.129 năng lực phục vụ + 0.094 thủ tục/dịch vụ + 0.101 năng lực quản lý
Nhận xét: Dựa vào hệ số beta đã chuẩn hóa của các biến độc lập trong mô hình hồi quy, ta thấy: các biến Quá trình phục vụ; hình ảnh/uy tín; nguồn lực; năng lực phục vụ; thủ tục/dịch vụ; năng lực quản lý đều có hệ số beta đã chuẩn hóa lớn hơn 0, do đó các biến này có quan hệ thuận chiều với biến phụ thuộc sự hài lòng của khách hàng, hay khi các biến này tăng lên thì cũng làm cho sự hài lòng của khách hàng tăng lên và ngược lại.
Nhân tố Quá trình phục vụ có mức ảnh hưởng cao nhất (β = 0.394), đồng nghĩa đây là nhân tố có tác động nhiều nhất đến chất lượng dịch vụ tại Cảng Sài Gòn. Có thể lý giải như sau, luôn xử lý phản hồi khách hàng, có thái độ phục vụ tốt của nhân viên khi giao dịch với khách hàng là một yếu tố tạo nên sự khác biệt về chất lượng dịch vụ của Cảng Sài Gòn so với đối thủ khác. Vị trí thứ hai với β = 0.244 là nhân tố hình ảnh/uy tín.
Mức độ ảnh hưởng của nhân tố Nguồn lực đứng vị trí thứ 3 với hệ số β = 0.199. Tiếp đến là nhân tố Năng lực phục vụ có vị trí thứ 4 với hệ số β = 0.129, tiếp theo là nhân tố năng lực quản lý có vị trí thứ 5 với hệ số β = 0.101. Cuối cùng là nhân tố Thủ tục/dịch vụ có mức ảnh hưởng thấp nhất với hệ số β = 0.094.