PHẦN II. NỘI DUNG VÀ KẾT QUẢ NGHIÊN CỨU
CHƯƠNG 2. PHÂN TÍCH ĐÁNH GIÁ SỰ HÀI LÒNG CỦA KHÁCH HÀNG
2.2. Phân tích và đánh giá thực trạng dịch vụ đào tạo tại Học viện Đào tạo Quốc tế
2.2.4. Phân tích hồi quy các nhân tố ảnh hưởng đến sự hài lòng của khách hàng đối với
Bảng 2.20. Gộp biến đại diện
Mã hóa Nhân tố Biến
X1 Chương trình đào tạo CTĐT1, CTĐT2, CTĐT3, CTĐT4, CTĐT5.
X2 Đội ngũ giảng viên ĐNGV1, ĐNGV2, ĐNGV3,
ĐNGV4, ĐNGV5.
X3 Năng lực phục vụ NLPV1, NLPV2, NLPV3,
NLPV4, NLPV5.
X4 Phương tiện hữu hình PTHH1, PTHH2, PTHH3, PTHH4, PTHH5, PTHH6.
HL Sự hài lòng đối với dịch vụ đào tạo
HL1, HL2, HL3, HL4.
2.2.4. Phân tích hồi quy các nhân tố ảnh hưởng đến sự hài lòng của khách hàng
Nghiên cứu thực hiện hồi quy đa biến theo phương pháp Enter: tất cả các biến có tương quan với biến HL sẽ được đưa vào một lần và xem xét các kết quả thống kê liên quan.
Phân tích tương quan Pearson
Trong các biến được đưa vào kiểm tra mối tương quan, biến “sự hài lòng của khách hàng đối với dịch vụ đào tạo của Học viện Đào tạo Quốc tế ANI” là biến phụ thuộc, còn lại là biến độc lập. Nếu các biến độc lập có mối tương quan với biến phụ thuộc thì việc phân tích hồi quy mới có ý nghĩa thống kê.
Bảng 2.21. Bảng phân tích tương quan Pearson Correlations
X1 X2 X3 X4 HL
X1
Pearson Correlation 1 .000 .000 .000 .295**
Sig. (2-tailed) 1.000 1.000 1.000 .001
N 135 135 135 135 135
X2
Pearson Correlation .000 1 .000 .000 .314**
Sig. (2-tailed) 1.000 1.000 1.000 .000
N 135 135 135 135 135
X3
Pearson Correlation .000 .000 1 .000 .348**
Sig. (2-tailed) 1.000 1.000 1.000 .000
N 135 135 135 135 135
X4
Pearson Correlation .000 .000 .000 1 .348**
Sig. (2-tailed) 1.000 1.000 1.000 .000
N 135 135 135 135 135
HL
Pearson Correlation .295** .314** .348** .348** 1
Sig. (2-tailed) .001 .000 .000 .000
N 135 135 135 135 135
Theo bảng trên ta thấy tất cả các biến độc lập đều có mối tương quan với biến phụ thuộc (Sig < 0,05) nên được đưa vào mô hình phân tích hồi quy.
Trường Đại học Kinh tế Huế
Độ phù hợp của mô hình
Tiến hành phân tích hồi quy một biến phụ thuộc và 4 biến độc lập theo phương pháp hồi quy từng bước (Stepwise).
Hệ số xác định R và R hiệu chỉnh dùng để đo sự phù hợp của mô hình hồi quy, còn gọi là hệ số xác định. Khi đánh giá độ phù hợp của mô hình dùng R hiệu chỉnh sẽ an toàn hơn vì R sẽ tăng khi đưa thêm biến độc lập vào mô hình. Độ phù hợp của mô hình càng cao khi R hiệu chỉnh càng lớn. Kết quả sau khi phân tích thu được:
Bảng 2.22. Độ phù hợp của mô hình Model Summaryb
Model R R Square
(R2)
R2hiệu chỉnh
Ước lượng sai số chuẩn
Durbin-Watson
1 .654a .428 .411 .76771588 1.715
Nhìn vào bảng trên, dùng để đánh giá độ phù hợp của mô hình hồi quy đa biến, hệ số R bình phương hiệu chỉnh Adjusted R Square là 0.411. Nghĩa là 41,1% biến thiên của biến phụ thuộc hài lòng được giải thích bởi 4 nhân tố độc lập. Điều này cho thấy mô hình hồi quy tuyến tính này phù hợp với tập dữ liệu của mẫu ở mức 41,1%.
Kiểm định ANOVA
Bảng 2.23. Kiểm định ANOVA
Model Sum of
Squares
df Mean Square F Sig.
1
Regression 57.380 4 14.345 24.339 .000b
Residual 76.620 130 .589
Total 134.000 134
Nhìn vàobảngtrên, kiểm định giả thuyết về độ phù hợp với tổng thể của mô hình, giá trị F=24,339 với sig.=0.000 <5%. Chứng tỏ R bình phương của tổng thể khác 0. Đồng nghĩa với việc mô hình hồi quy tuyến tính xây dựng được là phù hợp với tổng thể (chi tiết hơn là R bình phương tổng thể ta không thể tính cụ thể được, nhưng ta biết chắc chắn sẽ khác 0, mà khác 0 thì chứng tỏ là các biến độc lập có tác động đến biến phụ thuộc).
Trường Đại học Kinh tế Huế
Phương trình hồi quy đa biến
Bảng 2.24. Hệ số phân tích hồi quy
Model Unstandardized
Coefficients
Standardized Coefficients
t Sig. Collinearity Statistics
B Std.
Error
Beta Tolerance VIF
1
(Constant)
-1.229E-016 .066 .000 1.000
REGR factor score
1 for analysis 1 .295 .066 .295 4.454 .000 1.000 1.000
REGR factor score
2 for analysis 1 .314 .066 .314 4.736 .000 1.000 1.000
REGR factor score
3 for analysis 1 .348 .066 .348 5.248 .000 1.000 1.000
REGR factor score
4 for analysis 1 .348 .066 .348 5.248 .000 1.000 1.000
(Nguồn: Kết quả xử lí số liệu điều tra)
Hệ số phóng đại phương sai của các biến (VIF) đều bằng 1, do đó bác bỏ giả thuyết có hiện tượng đa cộng tuyến xảy ra trong mô hình. Từ kết quả phân tích trên cho thấy giá trị Sig. của các nhân tố đều nhỏ hơn 0,05 nên các biến có ý nghĩa thống kê.
Nhìn vàoBảng 2.24 trên, kiểm định các giả thuyết sử dụng phần mềm SPSS:
cái giá trị ở cột Sig. đều < 0.05 chứng tỏ 4 biến độc lập đều tác động có ý nghĩa thống kê đếnbiến phụ thuộc. Nghĩa là 4 giả thiết đều được chấp nhận.
Như vậy, phương trình hồi quy được xác định như sau:
HL = 0,295.CTĐT + 0,314.ĐNGV + 0,348.NLPV + 0,348.PTHH Đề tài tiến hành giải thích ý nghĩa các hệ số bê-ta như sau:
Trường Đại học Kinh tế Huế
Hệ số β1 = 0,295 có nghĩa là khi biến “ Chương trình đào tạo” thay đổi 1 đơn vị trong khi các biến khác không đổi thì “Sự hài lòng” biến động cùng chiều 0,295 đơnvị.
Tương tự với các biến còn lại cũng giải thích như vậy.
Hệ số β2 = 0,314 có nghĩa là khi biến “Đội ngũ giảng viên” thay đổi 1 đơn vị trong khi các biến khác không đổi thì “ Sự hài lòng” biến động cùng chiều 0,314 đơn vị.
Hệ số β3 = 0,348 có nghĩa là khi biến “Năng lực phục vị” thay đổi 1 đơn vị trong khi các biến khác không đổi thì “Sự hài lòng” biến động cùng chiều 0,348 đơn vị.
Hệ số β4 = 0,348 có nghĩa là khi biến “Phương tiện hữu hình” thay đổi 1 đơn vị trong khi các biến khác không đổi thì “Sự hài lòng” biến động cùng chiều 0,348 đơn vị.