Phân tích hồi quy tuyến tính bội

 Phân tích nhân tốbiến phụthuộc

Thang đo “Đánh giá chung vềhoạt động bán hàng” bao gồm 3 biến quan sát.

Bảng 2.16. Kiểm định KMO and Bartlett– thang đo biến phụthuộc Yếu tố cần đánh giá Giá trị chạy SPSS So sánh

HệsốKMO 0.689 0.5 < 0.689 < 1

Giá trịSig trong Kiểm định Bartlett 0.000 0.000 < 0.05

Phương sai trích 66.240% 66.240% > 50%

Trị sốEigenvalue 1.987 1.987 > 1

(Nguồn: Kết quảxửlý SPSS) Dựa vào kết quảkiểm định KMO and Bartlett’s đối với biến “Đánh giá chung về hoạt động bán hàng” cho thấy hệsốKMO = 0.689 > 0.5 và giá trị Sig trong kiểm định Bartlett = 0.000 < 0.05. Điều này chứng tỏ các biến quan sát có tương quan với nhau trong tổng thể.

Bên cạnh đó, phương sai trích = 66.240% > 50% và Trị số Eigenvalue = 1.987>1. Do đó,thỏa mãn điều kiện phân tích nhân tố

Bảng 2.17. Kết quả phân tích nhân tố thang đo

“Đánh giá chung về hoạt động bán hàng”

Nhân tố

Quý khách hài lòng với chất lượng sản phẩm và hoạt động bán hàng của công ty.

0.822 Quý khách sẽgiới thiệu người thân, bạn bè mua sản phẩm của

công ty

0.821 Quý khách sẽtiếp tục sửdụng sản phẩm của công ty 0.799

(Nguồn: Kết quả xử lý SPSS) Hệsốtải nhân tốFactor Loading của các biến thỏa mãn yêu cầu > 0.5.

Kết quả này cho thấy các biến trong thang đo “Đánh giá chung về hoạt động bán hàng”giải thích tốt cho đại lượng đo lường.

2.3.4. Phân tích hồi quy tuyến tính bội

Hệsố tương quan r:

+ r < 0.2: không tương quan + 0.2 < r < 0.4: tương quan yếu

+ 0.4 < r < 0.6: tương quan trung bình + 0.6 < r < 0.8: tương quan mạnh + 0.8 < r < 1: tương quanrất mạnh

Đầu tiên, ta kiểm định sự phù hợp của mô hình thông qua ma trận tương quan giữa biến phụthuộc và các biến độc lập.

Bảng 2.18. Ma trận tương quan

DG SP GC XT NV DV

DG Hệsố tương quan Pearson 1 0.558^** 0.575^** 0.401^** 0.564^** 0.638^**

Sig. (2-tailed) 0.000 0.000 0.000 0.000 0.000

N 130 130 130 130 130 130

SP Hệsố tương quan Pearson 0.558^** 1 0.462^** 0.179^* 0.499^** 0.496^**

Sig. (2-tailed) 0.000 0.000 0.041 0.000 0.000

N 130 130 130 130 130 130

GC Hệsố tương quan Pearson 0.575^** 0.462^** 1 0.237^** 0.468^** 0.430^**

Sig. (2-tailed) 0.000 0.000 0.007 0.000 0.000

N 130 130 130 130 130 130

XT Hệsố tương quan Pearson 0.401^** 0.179^* 0.237^** 1 0.297^** 0.202^*

Sig. (2-tailed) 0.000 0.041 0.007 0.001 0.021

N 130 130 130 130 130 130

NV Hệsố tương quan Pearson 0.564^** 0.499^** 0.468^** 0.297^** 1 0.478^**

Sig. (2-tailed) 0.000 0.000 0.000 0.001 0.000

N 130 130 130 130 130 130

DV Hệsố tương quan Pearson 0.638^** 0.496^** 0.430^** 0.202^* 0.478^** 1 Sig. (2-tailed) 0.000 0.000 0.000 0.021 0.000

N 130 130 130 130 130 130

**. Correlation is significant at the 0.01 level (2-tailed): Với mức ý nghĩa 1%

*. Correlation is significant at the 0.05 level (2-tailed): Với mức ý nghĩa 5%

Trường Đại học Kinh tế Huế

Dựa vào bảng trên, ta thấy được:

Với mức ý nghĩa 1%, giá trị Sig. của các biến độc lập SP, GC, XT, NV và DV với biến DG đều nhỏ hơn 0.01, tức các biến này có sự tương quan với nhau. Cụthể:

+ Biến “Dịch vụ bán hàng” (DV) tương quan mạnh nhất với biến “Đánh giá chung vềhoạt động bán hàng” (DG)với hệsốPearson = 0.638

+ Biến “Giá cả” (GC) tương quan mạnh thứ hai với biến “Đánh giá chung về hoạt động bán hàng” (DG)với hệsốPearson = 0.575

+ Biến “Nhân viên bán hàng” (NV) tương quan mạnh thứba với biến “Đánh giá chung vềhoạt động bán hàng” (DG)với hệsốPearson = 0.564

+ Biến “Sản phẩm” (SP) tương quan mạnh thứ tư với biến “Đánh giá chung về hoạt động bán hàng” (DG)với hệsốPearson = 0.558

+ Biến “Hoạt động xúc tiến bán hàng” (XT) tương quan yếu nhất với biến

“Đánh giá chung về hoạt động bán hàng” (DG)với hệsốPearson = 0.401

Kết quả phân tích tương quan cho thấy hệsố tương quan giữa các biến độc lậpở mức tương quan mạnh, vì vậy ta phải xem xét xem có xảy ra hiên tượng đa cộng tuyến có xảy ra hay không khi phân tích hồi quy đa biến.

2.3.4.2. Phân tích hồi quy tuyến tính bội

Hệ số xác định R² (R Square) và R² hiệu chỉnh (Adjusted R square) được dùng để đo sựphù hợp của mô hình hồi quy.

Tuy nhiên, hệ số R² còn có hạn chế đó là càng đưa thêm nhiều biến vào mô hình, mặc dù chưa xác định biến đưa vào có ý nghĩa hay không thì giá trị R² sẽ tăng.

Giá trị R² tăng khả năng giải thích của mô hình, nhưng bản chất thì lại không làm rõ được tầm quan trọng của biến đưa vào, do đó nếu dựa vào giá trị R² để đánh giá tính hiệu quảcủa mô hình sẽdẫn đến tình huống không chính xác vì sẽ đưa quá nhiều biến không cần thiết, làm phức tạp mô hình. Để ngăn chặn tình trạng trên, tôi sẽ dùng R² hiệu chỉnh để đo sựphù hợp của mô hình hồi quy.

Bảng 2.19. Các hệsố xác định trong phân tích hồi quy Mô hình R R² R²hiệu chỉnh Std. Error of

the Estimate

Durbin-Watson

1 0.782^a 0.612 0.596 0.37179 2.015

(Nguồn: Kết quảxửlý SPSS)

Trường Đại học Kinh tế Huế

Dựa vào kết quả phân tích hồi quy tuyến tính, ta thấy R = 0.782 cho thấy mối quan hệ giữa các biến trong mô hình tương quan chặt chẽ. Hệ số R² = 61.2% > 50%

thỏa mãn mức ý nghĩa của mô hình tuyến tính. Để đánh giá độ phù hợp của mô hình hồi quy đa biến, hệsốR bình phương hiệu chỉnh Adjusted R Square là 0.596. Nghĩa là 59.6% biến thiên của biến phụ thuộc “Đánh giá chung về hoạt động bán hàng” (DG) được giải thích bởi 5 nhân tố độc lập: SP, GC, XT, NV, DV. Điều này cho thấy mô hình hồi quy tuyến tính này phù hợp với tập dữliệu của mẫuở mức 59.6%, tức là các biến độc lập trong mô hình nghiên cứu ảnh hưởng tới 59.6% sự biến thiên của biến phụthuộc DG, 40.4% còn lại là do sự ảnh hưởng của những biến ngoài mô hình và do sai sốngẫu nhiên.

Hệ số Durbin-Watson dùng để kiểm tra hiện tượng tự tương quan chuỗi bậc nhất giữa các biến độc lập. Quy tắc kiểm định d của Durbin-Watson:

+ Nếu 1 < d < 3 thì kết luận mô hình không có tự tương quan.

+ Nếu 0 < d < 1 thì kết luận mô hình có tự tương quan dương.

+ Nếu 3 < d < 4 thì kết luận mô hình có tự tương quan âm.

Với giá trị d trong bảng trên là 2.015, rơi vào miền nên chấp nhận giả thiết không có tự tương quan chuỗi bậc nhất.

Tuy nhiên để chính xác hơn, ta tra hệsốDurbin-Watson trong bảng và dựa theo quy tắc sau:

Cụ thể trong trường hợp này, k' = 5, n = 130, tra bảng Durbin-Watson ta códL

= 1.665vàdU = 1.802. Gắn vào thanh giá trị Durbin-Watson, ta thấy 1.802 < 2.015 <

2.198, như vậy, không có sự tương quan chuỗi bậc nhất trong mô hình.

Trường Đại học Kinh tế Huế

 Kiểm định One Way ANOVA

Tổng thể rất lớn, chúng ta không thể khảo sát hết toàn bộ, nên thường trong nghiên cứu, chúng ta chỉ chọn ra một lượng mẫu giới hạn đểtiến hành điều tra, từ đó suy ra tính chất chung của tổng thể. Mục đích của kiểm định F trong bảng ANOVA chính là để kiểm tra xem mô hình hồi quy tuyến tính này có suy rộng và áp dụng được cho tổng thể hay không. Cụ thể trong trường hợp này, giá trị sig của kiểm định F là 0.000 < 0.05. Như vậy, mô hình hồi quy tuyến tính xây dựng được phù hợp với tổng thể.

Trường Đại học Kinh tế Huế

 Phân tích hồi quy tuyến tính

Bảng 2.20. Kết quảphân tích hồi quy tuyến tính

Mô hình

Hệ số chưa chuẩn hóa

Hệ số

chuẩn hóa t Sig.

Thống kê đa cộng tuyến

B Sai số Beta Tolerance VIF

1 (Constant) -0.320 0.304 -1.055 0.294

SP 0.178 0.073 0.172 2.434 0.016 0.630 1.588

GC 0.233 0.068 0.231 3.412 0.001 0.681 1.469

XT 0.189 0.055 0.203 3.441 0.001 0.898 1.114

NV 0.163 0.079 0.147 2.056 0.042 0.617 1.622

DV 0.332 0.067 0.343 4.971 0.000 0.659 1.518

a. Dependent Variable: DG

(Nguồn: Kết quảxửlý SPSS) Dựa vào bảng trên, ta thấy hệsốhồi quy của các biến độc lập (Sig.) đều nhỏ hơn 0.05, do đó các biến độc lập này đều có ý nghĩa giải thích cho biến phụ thuộc, không biến nào bị loại bỏ. HệsốVIF nhỏ hơn 2 do vậy không có đa cộng tuyến xảy ra.

Ta có mô hình hồi quy như sau:

DG = 0.172*SP + 0.231*GC +0.203*XT + 0.147*NV + 0.343*DV

+ Hệ số βeta₁ = 0.172 cho biết: trong điều kiện các yếu tố khác không đổi, khi nhân tố “Sản phẩm” tăng lên 1 đơn vị thì mức độ đánh giá chung của khách hàng đối với hoạt động bán hàng tại Công ty tăng thêm 0.172đơn vị.

+ Hệ số βeta₂ = 0.231 cho biết: Trong điều kiện các yếu tố khác không đổi, khi nhân tố “Giá cả” tăng lên 1 đơn vị thì mức độ đánh giá chung của khách hàng đối với hoạt động bán hàng tại Công ty tăng thêm0.231đơn vị.

+ Hệ số βeta₃ = 0.203 cho biết: Trong điều kiện các yếu tố khác không đổi, khi nhân tố “Hoạt động xúc tiến bán hàng” tăng lên 1 đơn vị thì mức độ đánh giá chung của khách hàng đối với hoạt động bán hàng tại Công ty tăng thêm 0.203đơn vị.

+ Hệ số βeta₄ = 0.147 cho biết: Trong điều kiện các yếu tố khác không đổi, khi nhân tố “Nhân viên bán hàng” tăng lên 1 đơn vị thì mức độ đánh giá chung của khách

Trường Đại học Kinh tế Huế

+ Hệsố βeta₄ = 0.343 cho biết: Trong điều kiện các yếu tố khác không đổi, khi nhân tố “Dịch vụ bán hàng” tăng lên 1 đơn vị thì mức độ đánh giá chung của khách hàng đối với hoạt động bán hàng tại Công ty tăng thêm 0.343đơn vị.

Như vậy:

+ “Dịch vụ bán hàng” là yếu tố có ảnh hưởng mạnh nhất đến hiệu quả hoạt động bán hàng tại công ty TNHH Hiệp Thành vì có hệsố Beta cao nhất là 0.343, dấu dương của hệsốBeta thể hiện mối quan hệ cùng chiều giữa yếu tố giá cảvà hiệu quả hoạt động bán hàng.

+ Tương tự, yếu tố ảnh hưởng mạnh thứ hai là “Giá cả”, thứ ba là “Hoạt động xúc tiến bán hàng”, thứ tư là “Sản phẩm” và yếu tốcóảnh hưởng nhỏnhất tới hiệu quả hoạt động bán hàng của công ty TNHH Hiệp Thành là “Nhân viên bán hàng” với các hệ số Beta lần lượt là 0.231; 0.203; 0.172; 0.147. Các yếu tố này đều có hệ số Beta dương thểhiện mối quan hệcùng chiều với hiệu quảhoạt động bán hàng.

 Kiểm định tính phân phối chuẩn của phần dư

Biểu đồ tần số Histogram cho thấy một đường cong phân phối chuẩn được đặt chồng lên biểu đồ tần số. Như vậy phân phối phần dư xấp xỉchuẩn nên có thểkết luận giảthiết phân phối chuẩn không bịvi phạm.

2.3.5.Đánh giá của khách hàng về các nhân tố ảnh hưởng đến hoạt động bán hàng

Trong tài liệu NÂNG CAO HIỆU QUẢ HOẠT ĐỘNG BÁN HÀNG TẠI CÔNG TY TRÁCH NHIỆM HỮU HẠN HIỆP THÀNH – HUẾ (Trang 76-82)