Phân tích hồi quy

Mô hình hồi quy có dạng như sau:

HAILONG = β0 + β1TINCAY + β2DAPUNG + β3PHUCVU + β4DONGCAM + β5HUUHINH + ei

Từ hệ số Bê– ta chuẩn hóa với mức ý nghĩa Sig. tương ứng có thể xác định được các biến độc lập nào ảnh hưởng tới biến phụ thuộc trong mô hình và ảnh hưởng với mức độ ra sao, chiều hướng tác động như thế nào. Kết quả của mô hình hồi quy sẽ giúp ta xác định được chiều hướng, mức độ ảnh hưởng của các nhân tố ảnh hưởng đến sựhài lòng của khách hàng vềchất lượng dịch vụlữhành nội địa tại công ty Global Travel. Từ đó, làm căn cứ đểkết luận và đưa ra các giải pháp mang tính thuyết phục hơn.

2.2.4.3. Phân tích hồi quy

Trong giai đoạn phân tích hồi quy, nghiên cứu chọn phương pháp Enter, chọn lọc dựa trên tiêu chí chọn những nhân tốcó mức ý nghĩa Sig. < 0,05. Những nhân tốnào có giá trịSig. > 0,05 sẽbịloại khỏi mô hình và không tiếp tục nghiên cứu nhân tố đó.

Kết quảsau khi phân tích hồi quy:

Bảng 2.13: Hệsốphân tích hồi quy Hệsố chưa chuẩn hóa Hệsốchuẩn hóa

T Sig. VIF

B Độlệch

chuẩn Beta

Hằng số 0,346 0,285 1,213 0,228

TINCAY 0,209 0,037 0,349 5,658 0,000 1,042

DAPUNG 0,127 0,042 0,187 3,020 0,003 1,052

PHUCVU 0,229 0,039 0,368 5,932 0,000 1,054

DONGCAM 0,229 0,038 0,383 6,095 0,000 1,083

HUUHINH 0,130 0,039 0,205 3,336 0,001 1,037

(Nguồn: Kết quả điều tra xử lý của tác giả năm 2020)

Trường Đại học Kinh tế Huế

Giá trịSig. tại các phép kiểm định của các biến độc lập được đưa vào mô hình:

“Sự tin cậy”, “Năng lực phục vụ”, “Khả năng đáp ứng”, “Sự đồng cảm”, “Phương tiện hữu hình” đều nhỏ hơn 0,05. Với mức ý nghĩa này, ta có thểkết luận các biến đều có khả năng sửdụng hệsốhồi quy đểgiải thích hay lượng hóa mối liên hệgiữa biến phụ thuộc và biến độc lập. Ngoài ra hằng số trong mô hình có giá trị Sig. là 0,228 > 0,05 nên cũng sẽbịloại.

Như vậy, phương trình hồi quy được xác định như sau:

HAILONG = 0,349TINCAY + 0,187DAPUNG + 0,368PHUCVU + 0,383DONGCAM + 0,205HUUHINH + ei

Ý nghĩacủa các hệsốBê– ta như sau:

Hệsố β1 = 0,349 có ý nghĩa là khi biến “Sự tin cậy” thay đổi một đơn vị trong khi các biến khác không đổi thì “Sự hài lòng” biến động cùng chiều với 0,349 đơn vị.

Hệsố β2 = 0,187 có ý nghĩa là khi biến “Khả năng đáp ứng” thay đổi một đơn vị trong khi các biến khác không đổi thì “Sự hài lòng” biến động cùng chiều với 0,187 đơn vị.

Hệsố β3 = 0,368 có ý nghĩa là khi biến “Năng lực phục vụ” thay đổi một đơn vị trong khi các biến khác không đổi thì “Sự hài lòng” biến động cùng chiều với 0,368 đơn vị.

Hệ số β4 = 0,383 có nghĩa là khi biến “Sự đồng cảm” thay đổi một đơn vị trong khi các biến khác không đổi thì “Sự hài lòng” biến động cùng chiều với 0,383 đơn vị.

Hệ số β5 = 0,205 có ý nghĩa là khi biến “Phương tiện hữu hình” thay đổi một đơn vị trong khi các biến khác không đổi thì “Sự hài lòng” biến động cùng chiều với 0,205 đơn vị.

Có một điểm chung của các biến độc lập này là đều ảnh hưởng thuận chiều đến biến phụthuộc “Sự hài lòng”, sựhài lòng của khách hàng vềchất lượng dịch vụ lữ hành nội địa tại công ty Global Travel sẽ được gia tăng khi những nhân tố ảnh hưởng này tăng. Điều này cho thấy công ty Global Travel cần có những động thái

Trường Đại học Kinh tế Huế

2.2.4.4. Đánh giá độphù hợp của mô hình

Bảng 2.14: Đánh giá độphù hợp của mô hình Mô hình

(Model)

R

R Square (R²)

R²hiệu chỉnh (Adjusted R Square)

Sai số ước tính (Std. Error of the Estimate)

Durbin -Watson

1 0,764 0,584 0,566 0,36059 1,671

(Nguồn: Kết quả điều tra xử lý của tác giả năm 2020) Dựa vào bảng kết quả phân tích, mô hình 5 biến độc lập có giá trị R Square hiệu chỉnh là 0,566 tức là: độ phù hợp của mô hình là 56,6%. Hay nói cách khác, 56,6% độbiến thiên của biến phụthuộc “Sự hài lòng” được giải thích bởi 5 nhân tố được đưa vào mô hình. Bên cạnh đó, ta nhận thấy giá trị R Square hiệu hỉnh là 56,6 tương đối cao ( >50%), nghĩa là mối quan hệ giữa biến độc lập và biến phụ thuộc được coi là gần chặt chẽ.

2.2.4.5. Kiểm định sựphù hợp của mô hình

Bảng 2.15: Kiểm định ANOVA ANOVA

Mô hình (Model)

Tổng bình phương (Sum of Squares) Df

Trung bình bình phương (Mean

Square)

F Sig.

1

Regression 20,835 5 4,167 32,048 0,000

Residual 14,823 114 0,130

Total 35,658 119

(Nguồn: Kết quả điều tra xử lý của tác giả năm 2020) Kết quả từ bảng ANOVA cho thấy giá trị Sig. = 0,000 rất nhỏ, cho phép nghiên cứu bác bỏ giả thiết rằng “Hệ số xác định R bình phương = 0” tức là mô hình hồi quy phù hợp. Như vậy mô hình hồi quy thu được rất tốt, các biến độc lập giảithích được khá lớn sự thay đổi của biến phụthuộc “Sự hài lòng”.

Trường Đại học Kinh tế Huế

2.2.4.6. Xem xét tự tương quan

Đại lượng Durbin – Watson được dùng để kiểm định tương quan của các sai số kềnhau. Dựa vào kết quả thực hiện phân tích hồi quy cho thấy, giá trị Durbin – Watson là 1,671 thuộc trong khoảng chấp nhận ( 1,6 đến 2,6). Vậy có thểkết luận là mô hình không xảy ra hiện tượng tự tương quan.

2.2.4.7. Xem xét đa cộng tuyến

Mô hình hồi quy vi phạm hiện tượng đa cộng tuyến khi có giá trị hệsốphóng đại phương sai (VIF –Variance Inflation Factor) lớn hơn hay bằng 10.

Từ kết quả phân tích hồi quy ở trên, ta có thể thấy rằng giá trị VIF của mô hình nhỏ(trên giá trị1). Từ đó, mô hình hồi quy không vi phạm hiện tượng đa cộng tuyến.

Trường Đại học Kinh tế Huế

2.2.4.8. Kiểm định phân phối chuẩn của phần dư

Biểu đồ1: Biểu đồtần sốHistogram của phần dư chuẩn hóa

Phần dư có thể không tuân theo phân phối chuẩn vì những lý do như: sử dụng sai mô hình, phương sai không phải là hằng số, số lượng các phần dư không đủ nhiều đểphân tích. Vì vậy chúng ta phải tiến hành kiểm định phân phối chuẩn của phần dư đểxem xét sựphù hợp của mô hìnhđưa ra.

Từbiểu đồ trích từkết quảphân tích hồi quy, ta có thểthấy rằng phần dư tuân theo phân phối chuẩn. Với giá trị Mean: 3,04E-15 và giá trị Std.Dev gần bằng 1 (0,979).

Trường Đại học Kinh tế Huế

2.2.5. Đánh giá của khách hàng về chất lượng dịch vụ lữ hành nội địa tại