4. PHÂN TÍCH KẾT QUẢ NGHIÊN CỨU
4.3 Kiểm định mô hình đo lường
4.3.3 Kiểm định giả thuyết và mô hình nghiên cứu
Trước khi vào phân tích hồi quy, dữ liệu được đưa vào phân tích tương quan Pearson nhằm kiểm tra mối quan hệ tuyến tích giữa các cặp biến với nhau bao gồm tương quan giữa các biến độc lập với biến phụ thuộc và tương quan giữa biến độc lập này biến độc lập khác, bên cạnh đó cũng là để tiên đoán sớm được hiện tượng đa cộng tuyến. Trong phân tích này cần lưu ý giá trị sig giữa các biến, sig < 0,05 thì cặp biến có mối quan hệ tương quan tuyến tính với nhau và ngược lại nếu sig > 0,05 thì cặp biến không có mối quan hệ tương quan tuyến tính với nhau. Lưu ý thêm, khi giá trị sig đạt yêu cầu thì giá trị tương quan Pearson r có thể dùng để xem độ tương quan mạnh – yếu giữa một cặp biến với nhau, trong đó giá trị này dao động từ -1 đến 1, nên nếu giá trị có xu hướng tiến về -1 hoặc 1 thì mối quan hệ tương quan của cặp biến càng mạnh, còn nếu giá trị này tiến dần về 0 thì cặp biến có mối quan hệ tương quan yếu.
Khuyến mãi
Sự hữu hình
Sự chuyên nghiệp
Giá cả
Sự đảm bảo
Sự tin tưởng
Hài lòng
H1
H2 H3
H4 H5 H6
Hình 11. Mô hình nghiên cứu thay đổi sau khi có kết quả EFA
34 Sau khi kết thúc bước phân tích tương quan Pearson cho tập dữ liệu nghiên cứu, nhận thấy tất cả các biến độc lập đều có mối quan hệ tương quan với biến phụ thuộc.
Nhưng các cặp biến độc lập cũng tương quan với nhau vì có chỉ số sig < 0,05 và giá trị r > 0,4, do đó ở bước này đang nghi ngờ có hiện tượng đa cộng tuyến.
Trong bài nghiên cứu này đã đặt ra các giả thuyết từ H1 đến H6. Do đó sử dụng hồi quy để biết là chấp nhận hay bác bỏ giả thuyết đã đề ra cho nghiên cứu này. Trong phần này sẽ lưu tâm tới các tiêu chí:
R2 (R – quare) và R2 hiệu chỉnh (Adjusted R Square) để chỉ ra mức độ giải thích của các biến độc lập cho biến phụ thuộc trong mô hình hồi quy, hai chỉ số này có mức dao động từ 0 đến 1, càng tiến gần đến 1 thì mô hình hồi quy càng tốt và ngược lại nếu càng tiến gần về 0 thì mô hình hồi quy được xem là không tốt. Mức trung gian dùng để phân nhánh ý nghĩa mạnh – yếu cho mô hình hồi quy thường là R2 hiệu chỉnh > 0.5, tuy nhiên nó cũng không thật sự phản ánh được hoàn toàn là mô hình có tốt và có nghĩa hay không.
Giá trị Sig trong kiểm định F, dùng chỉ số này để kiểm định độ phù hợp của mô hình hồi quy, với giá trị sig < 0,05 thì mô hình được chấp thuận còn nếu giá trị sig > 0,05 thì sẽ bác bỏ mô hình hồi quy.
Hệ số Durbin – Watson (DW) dùng để kiểm tra hiện tượng tương quan với 1 <
Durbin – Watson < 3. Giá trị sig của kiểm định t dùng để kiểm định ý nghĩa cho hệ số của hồi quy xem sự tác động của biến độc lập lên biến phụ thuộc là có hay không, với sig < 0,05 thì biến độc lập có tác động lên biến phụ thuộc còn nếu sig > 0,05 thì biến độc lập không tác động lên biến phụ thuộc, tuy nhiên với mô hình hồi quy thì biến độc lập không có tác động lên biến phụ thuộc vẫn được giữ lại nhưng phải bác bỏ giả thuyết đã đề ra cho biến đó.
Hệ số phóng đại phương sai VIF dùng để kiểm tra hiện tượng đa cộng tuyến của các biến độc lập, thông thường VIF > 10 thì khả năng xảy ra hiện tượng đa cộng tuyến là rất cao, do đó để phù hợp với mô hình nghiên cứu có thang đo Likert sẽ lấy VIF < 3. Nếu hiện tượng đa cộng tuyến xảy ra, lúc đó quay lại bảng ma trận tương quan để xác định cặp biến độc lập nào có tương quan
35 mạnh với nhau và tiến hành loại bỏ từng biến của cặp biến độc lập đó và chạy lại mô hình hồi quy để kiểm tra xem mô hình nào phù hợp nhất thì giữ lại.
Hệ số hồi quy chưa chuẩn hóa B và hệ số hồi quy đã chuẩn hóa Beta. Thường khi viết trình hồi quy sẽ sử dụng hệ số B để viết dưới dạng:
Y = B0 + B1X1 + B2X2 +…+ BiXi + e
4.3.3.1 Ảnh hưởng của các thành phần thang đo lên sự hài lòng của khách hàng khi sử dụng dịch vụ tại The Coffee House
Khi chạy hồi quy tuyến tính có hai biến bị loại bỏ khỏi mô hình: Sự đảm bảo (SDB) và Khuyễn mãi (KM) dó có hệ số Sig > 0,05 đồng nghĩa với việc hai biên này không đủ ý nghĩa trong mô hình.
Kết quả hồi quy tuyến tính cho kết quả cuối cùng với 4 biến: Sự hữu hình (SHH), Sự chuyên nghiệp (SCN), Giá cả (GC), Sự tin tưởng (STT). Mô hình có R2 (R – Square) là 0,767 và R2 hiệu chỉnh (Adjusted R – Square) là 0,764; vậy mô hình này giải thích được 76,4% sự biến thiên của biến phụ thuộc sự hài lòng của khách hàng hay nói cách khác là mô hình hồi quy tuyến tính đã xây dựng phù hợp với tập dữ liệu ở mức 76,4%. Giá trị sig của kiểm định F là 0,000 < 0,05, do đó mô hình hồi quy tuyến tính phù hợp với tập liệu và sử dụng được. Hệ số Durbin – Watson (1 <1,890 < 3) nên xác nhận không xảy hiện tượng tương quan chuỗi bậc nhất. Với các hệ số trên, phương trình hồi quy tuyến tính bội này phù hợp với mô hình và dữ liệu nghiên. Kết quả phân tích hồi quy được trình bày trong bảng 4 – 6
Bảng 4 – 6. Các thông số của từng biến trong mô hình hồi quy
36 Bảng 4. Kết quả hồi quy
Hệ số chưa chuẩn hóa
Hệ số chuẩn hóa
Thống kê đa cộng tuyến
Model B Std,
Error
Beta t Sig, Tolerance VIF
(Constant) -.338 .136 -
2.480 .014
SUHUUHINH .318 .045 .294 7.011 .000 .407 2.458 SUCHUYENNGHIEP .324 .053 .273 6.095 .000 .357 2.804
GIACA .294 .036 .298 8.064 .000 .524 1.909
SUTINTUONG .171 .043 .152 3.995 .000 .493 2.028 R2 hiệu chỉnh: 0,764 Sig: 0,000b
Biến phụ thuộc: HL
Kết quả hồi quy cho thấy 4 biến độc lập đều là tác động dương đến biến phụ thuộc sự hài lòng (HL) của khách hàng khi sử dụng dịch vụ tại The Coffee House.
Chấp nhận các giả thuyết H2, H3, H4 và H6; điều này có nghĩa là các yếu tố: Sự hữu hình (SHH), sự chuyên nghiệp (SCN), giá cả (GC), sự tin tưởng (STT) có tác động tích cực lên sự hài lòng (HL) của khách hàng khi sử dụng dịch vụ tài The Coffee House.
Bác bỏ giả thuyết H1 và H5 đồng nghĩa các yếu tố: Khuyễn mãi (KM) và Sự đảm bảo (SDB) không có ảnh hưởng đến sự hài lòng (HL) của khách hàng khi sử dụng dịch vụ tài The Coffee House.
Hệ số phóng đại phương sai (VIF) của các biến đều < 3. Độ chấp nhận các biến (Tolerance) đều có giá trị lớn hơn 0,1 nên không có hiện tượng đa cộng tuyến xảy ra giữa các biết trong mô hình này. Phương trình hồi quy cho các biến có hệ số Beta như sau:
Y = 0.294X1 + 0.273X2 + 0.298X3 + 0.152X4
37 Trong đó:
Y; Sự hài lòng của khách hàng (HAILONG) X1: Sự hữu hình (SHH)
X2: Sự chuyên nghiệp (SCN) X3: Giá cả (GC)
X4: Sự tin tưởng (STT)