Kiểm định sự phù hợp của mô hình - Kết quả khảo sát sự hài lòng của khách hàng về chất lượng dị

CHƯƠNG II: THỰC TRẠNG MỨC ĐỘ HÀI LÒNG CỦA KHÁCH HÀNG ĐỐI

2.2. Kết quả khảo sát sự hài lòng của khách hàng về chất lượng dịch vụ bảo hiểm vật

2.2.6. Kiểm định sự phù hợp của mô hình

Qua bảng kết quả có thể thấy, các nhân tố mới đều có hệ số Cronbach’s Alpha khá cao (lớn hơn 0.7). Vì vậy có thểkết luận rằng các nhân tốmới đều đảm bảo độtin cậy và có ý nghĩa trong các phân tích tiếp theo.

Correlations

HL TC DU DC NL HH

N 140 140 140 140 140 140

Pearson

Correlation 0,510^** 0,096 0,273^** 0,260^** 1 0,258^**

Sig. (2-tailed) 0,000 0,262 0,001 0,002 0,002

N 140 140 140 140 140 140

Pearson

Correlation 0,509^** 0,156 0,281^** 0,294^** 0,258^** 1 Sig. (2-tailed) 0,000 0,066 0,001 0,000 0,002

N 140 140 140 140 140 140

(Nguồn: Kết quảxửlý sốliệu SPSS 20) Dựa vào bảng kết quả ta thấy giá trị Sig. (2-tailed) của biến phụ thuộc với các biến độc lập đều < 0.05 nên đủ cơ sở bác bỏ giảthuyết H₀, chấp nhận giả thuyết H₁, tức là có mối quan hệtuyến tính giữa các biến độc lập trong mô hình và việc đưa các biến độc lập vào mô hình là đúng vì nóảnh hưởng nhất định đến biến phụ thuộc. Dựa vào hệsố tương quan Pearson, ta có thểthấy mức độ tương quan giữa biến độc lập với biến phụthuộc. Trong đó, biến DC (Pearson = 0,552) có tương quan chặt chẽnhất với biến phụ thuộc, tiếp theo là biến DU (Pearson = 0,524), NL (Pearson = 0,510), HH (Pearson = 0,509) và thấp nhất là biến TC (Pearson = 0,478). Như vậy, các biến độc lập đều có ý nghĩa và có thể đưa vào mô hình hồi quy để giải thích cho biến “Mức độ hài lòng” trong bước tiếp theo.

2.2.6.2. Xây dựng mô hình hồi quy

Sau khi tiến hành phân tích nhân tố khám phá, nhóm các biến theo từng yếu tố, nghiên cứu tiếp tục tiến hành phân tích hồi quy. Mô hình hồi quy mà nghiên cứu áp dụng là mô hình hồi quy đa biến (mô hình hồi quy tuyến tính bội)được rút trích ra từ các biến quan sát từphân tích nhân tốEFAđểxem xét mối liên hệgiữa biến phụthuộc

“Mức độ hài lòng chung”với các biến độc lập: “Phương tiện hữu hình”,“Mức độ đáp ứng”, “Mức độ đồng cảm”, “Năng lực phục vụ”, “Phương tiện hữu hình” tương ứng với các hệsốBê-ta lần lượt là ₁, ₂, ₃, ₄, ₅.

Trường Đại học Kinh tế Huế

MDHL = β₀ + β₁*STC + β₂*MDDU + β₃*MDDC + β₄*NLPV + β₅*PTHH + e_i Trong đó:

+β0: Hằng số

+β_i: Hệ số hồi quy riêng từng phần (i> 0) +e_i: Sai số của phương trình hồi quy

+ MDHL: Giá trị biến phụthuộc “Mức độ hài lòng”

+ STC: Giá trị biến độc lập “Sự tin cậy”

+ MDDU: Giá trị biến độc lập “Mức độ đáp ứng”

+ MDDC: Giá trị biến độc lập “Mức độ đồng cảm”

+ NLPV: Giá trị biến độc lập “Năng lực phục vụ”

+ PTHH: Giá trị biến độc lập “Phương tiện hữu hình”

 Các giả thuyết nghiên cứu:

+ H₀: Các nhân tố chính không có mối tương quan với Mức độ hài lòng về chất lượng dịch vụ bảo hiểm vật chất xe cơ giới tại Công ty Bảo hiểm PJICO Huế.

+ H₁: Nhân tố “STC” có tương quan với Mức độ hài lòng về chất lượng dịch vụ bảo hiểm vật chất xe cơ giới tại Công ty Bảo hiểm PJICO Huế.

+ H₂: Nhân tố “MDDU” có tương quan với Mức độ hài lòng về chất lượng dịch vụ bảo hiểm vật chất xe cơ giới tại Công ty Bảo hiểm PJICO Huế.

+ H₃: Nhân tố “MDDC” có tương quan với Mức độ hài lòng về chất lượng dịch vụ bảo hiểm vật chất xe cơ giới tại Công ty Bảo hiểm PJICO Huế.

+ H₄: Nhân tố “NLPV” có tương quan với Mức độ hài lòng về chất lượng dịch vụ bảo hiểm vật chất xe cơ giới tại Công ty Bảo hiểm PJICO Huế.

+ H₅: Nhân tố “PTHH” có tương quan với Mức độ hài lòng về chất lượng dịch vụ bảo hiểm vật chất xe cơ giới tại Công ty Bảo hiểm PJICO Huế.

Trường Đại học Kinh tế Huế

2.2.6.3. Phân tích hồi quy

Phương pháp hồi quy tuyến tính bội với toàn bộ các biến độc lập được đưa vào cùng lúc (Phương pháp Enter) cho thấy mô hình hồi quy thích hợp sử dụng để kiểm định mô hình lý thuyết.

Kết quảphân tích hồi quy được thểhiện rõ qua bảng sau:

Bảng 2.16. Kết quả phân tích hồi quy

Mô hình

Hệ số hồi quy chưa chuẩn hóa

Hệ số hồi quy chuẩn

hóa T Sig.

Thống kê cộng tuyến

Độ lệch chuẩn

Beta Tolerance VIF

Hằng số -1,453 0,315 -4,612 0,000

STC 0,301 0,048 0,314 6,215 0,000 0,931 1,074

MDDU 0,197 0,052 0,207 3,764 0,000 0,791 1,264

MDDC 0,257 0,052 0,268 4,912 0,000 0,801 1,249

NLPV 0,303 0,054 0,290 5,555 0,000 0,872 1,147

PTHH 0,228 0,049 0,248 4,685 0,000 0,850 1,176

(Nguồn: Kết quảxửlý sốliệu SPSS 20) Hồi quy không có nhân tố nào bị loại bỏ do Sig. đều nhỏ hơn 0.05; chứng tỏ các biến độc lập này đều có ý nghĩa thống kê trong mô hình.

Dựa vào hệsốBetachưachuẩn hóa, có thểviết lại phương trình hồi quy như sau:

MDHL =-1,453 + 0,301STC + 0,197MDDU + 0,257MDDC + 0,303NLPV + 0,228PTHH Kết quả nghiên cứu cho thấy yếu tố “Năng lực phục vụ” có hệ số β = 0,303 lớn nhất nênảnh hưởng lớn nhất đến sự hài lòng của khách hàng đối với chất lượng dịch vụ bảo hiểm vật chất xe cơ giới, tiếp theo là nhân tố “Sự tin cậy” với hệsố β = 0,301, nhân tố “Mức độ đồng cảm” với hệsố β =0,257, nhân tố “Phương tiện hữu hình” với hệ số β =0,228 và nhân tốcó ảnh hưởng ít nhất đến sự hài lòng là “Mức độ đáp ứng”

Trường Đại học Kinh tế Huế

Mức độhài lòng sẽ tăng (giảm) 0,303 đơn vịkhi yếu tố “Năng lực phục vụ” tăng (giảm) 1 đơn vịvới điều kiện các nhân tố khác không đổi.

Mức độ hài lòng sẽ tăng (giảm) 0,301 đơn vị khi yếu tố “Sựtin cậy” tăng (giảm) 1 đơn vịvới điều kiện các nhân tố khác không đổi.

Mức độhài lòng sẽ tăng (giảm) 0,257đơn vịkhi yếu tố “Mức độ đồng cảm” tăng (giảm) 1 đơn vịvới điều kiện các nhân tố khác không đổi.

Mức độ hài lòng sẽ tăng (giảm) 0,228 đơn vị khi yếu tố “Phương tiện hữu hình”

tăng (giảm) 1 đơn vịvới điều kiện các nhân tố khác không đổi.

Mức độ hài lòng sẽ tăng (giảm) 0,197 đơn vị khi yếu tố “Mức độ đáp ứng” tăng (giảm) 1 đơn vịvới điều kiện các nhân tố khác không đổi.

2.2.6.4.Đánh giá mức độphù hợp của mô hình hồi quy tuyến tính bội Bảng 2.17. Thống kê phân tích hệ số hồi quy (Model summary^b) Mô

hình R R² R²hiệu chỉnh Ước lượng độ lệch chuẩn

Hệ số Durbin-Watson

1 0,825^a 0,681 0,669 0,26582 1,616

(Nguồn: Kết quảxửlý sốliệu SPSS 20) Để đánh giá độphù hợp của mô hình ta sửdụng hệsố xác định R²đểkiểm tra.

Tiến hành so sánh giá trị trịR²và R²hiệu chỉnh ta thấy R²hiệu chỉnh (0,669) < R² (0,618) cho thấy mô hình đánh giá độ phù hợp này an toàn hơn, nó không thổi phồng mức độ phù hợp của mô hình lên mà cho ta kết luận rằng mô hình này là hợp lý để đánh giá mức độ ảnh hưởng của các yếu tố đến sự hài lòng của khách hàng. Sau khi chạy hồi quy tuyến tính bội với phương pháp đưa vào một lượt (Enter) ta có hệ số R² hiệu chỉnh = 0,669 > 0.5, điều này có ý nghĩa là độ phù hợp của mô hình là 66,9% hay 66,9% sựbiến thiên của nhân tố phụthuộc “Mức độ hài lòng chung” là do các nhân tố độc lập tác động vào, còn lại là tác động của các yếu tốkhác ngoài mô hình.

Trường Đại học Kinh tế Huế

2.2.6.5. Kiểm định sựphù hợp của mô hình

Bảng 2.18. Kiểm định độ phù hợp ANOVA ANOVA

Mô hình Tổng bình

phương Df Trung bình

bình phương F Sig.

Hồi quy 20,197 5 4,039 57,168 0,000^b

Số dư 9,468 134 0,071

Tổng 29,666 139

(Nguồn: Kết quảxửlý sốliệu SPSS 20) Nhìn vào kết quả phân tích ANOVA ở bảng trên cho thấy giá trị F = 57,168 với Sig. = 0,000 < 0.05 do vậy bác bỏ giả thuyết H₀. Như vậy, sự kết hợp giữa các biến độc lập giải thích được tốt các thay đổi của biến phụ thuộc “Mức độ hài lòng”, mô hình hồi quy tuyến tính được xem là phù hợp.

Trong tài liệu Đánh giá sự hài lòng của khách hàng đối với chất lượng dịch vụ bảo hiểm vật chất xe cơ giới tại Công ty Bảo hiểm PJICO Huế (Trang 70-75)