• Không có kết quả nào được tìm thấy

Phân tích nhân tố khám phá (Exploratory Factor Analysis – EFA)

PHẦN II: NỘI DUNG VÀ KẾT QUẢ NGHIÊN CỨU

CHƯƠNG 2: THỰC TRẠNG CHẤT LƯỢNG DỊCH VỤ NHÀ HÀNG TẠI

2.3. Thực trạng chất lượng dịch vụ nhà hàng của Công ty TNHH du lịch Lăng Cô qua

2.3.2. Phân tích nhân tố khám phá (Exploratory Factor Analysis – EFA)

Khách hàng sử dụng dịch vụ ăn uống tại nhà hàng trong trường hợp đi du lịch chiếm tỉ trọng rất cao gồm 83 phiếu khảo sát chiếm 63,8%. Tiếp theo là 27 phiếu dự tiệc chiếm 20,8% sau đó hội nghị chiếm 8,5% và cuối cùng là khác chiếm 6,9%.

2.3.2. Phân tích nhân tố khám phá(Exploratory Factor Analysis–EFA)

Bảng 2.6: Hệ số Cronbach’s Alpha của các nhóm biến quan sát về chất lượng dịch vụ nhà hàng tại LangCo Beach Resort

Nhóm nhân tố Biến

quan sát

Hệ số tương quan biến tổng

Hệ số cronbach’s Alpha

Nhóm 1: Sự hữu hình Cronbach’s Alpha = 0,796

SHH1 0,540 0,767

SHH2 0,552 0,765

SHH3 0,542 0,767

SHH4 0,538 0,768

SHH5 0,625 0,746

SHH6 0,502 0,776

Nhóm 2: Sự tin cậy Cronbach’s Alpha = 0,792

STC1 0,637 0,731

STC2 0,595 0,746

STC3 0,551 0,760

STC4 0,545 0,761

STC5 0,531 0,766

Nhóm 3: Sẵn sàng đáp ứng

Cronbach’s Alpha = 0,803

SSDU1 0,628 0,749

SSDU2 0,657 0,735

SSDU3 0,607 0,760

SSDU4 0,586 0,772

Nhóm 4: Năng lực phục vụ

Cronbach’s Alpha = 0,826

NLPV1 0,625 0,791

NLPV2 0,593 0,799

NLPV3 0,612 0,794

NLPV4 0,638 0,787

NLPV5 0,642 0,786

Nhóm 5: Sự đồng cảm Cronbach’s Alpha = 0,801

SDC1 0,538 0,779

SDC2 0,528 0,780

SDC3 0,556 0,772

SDC4 0,601 0,759

SDC5 0,716 0,719

Nhóm 6: Sự hài lòng Cronbach’s Alpha = 0,727

SHL1 0,533 0,664

SHL2 0,618 0,551

SHL3 0,510 0,688

Trường Đại học Kinh tế Huế

(Nguồn: Kết quả xử lý số liệutrên phần mềm SPSS) Hệ số Cronbach’s Alpha chung của tất cả các nhân tố sau khi xử lý số liệu đều lớn hơn 0,7 Đặc biệt, các nhân tố “Năng lực phục vụ”, “Mức độ đáp ứng” và “Sự đồng cảm” đều có hệ số Cronbach’s Alpha khá cao là lớn hơn 0,8. Ngoài ra, hệ số Cronbach’s Alpha của nhóm biến quan sát về “Sự hữu hình”, “Sự tin cậy” và “Sự hài lòng” có giá trị Cronbach’s Alpha lớn hơn 0,7 và trong mỗi nhóm biến thì hệ số tương quan tổng của các biến quan sát đều lớn hơn 0,3. Điều này khẳng định thang đo của các nhân tố rút trích từ các biến quan sát là phù hợp và đáng tin cậy. Vậy ta có thể sử dụng các nhóm biến này trong các phân tích nhân tố tiếp theo.

2.3.2.2. Rút trích các nhân tố ảnh hưởng đến chất lượng dịch vụ nhà hàng tại công ty TNHH du lịch Lăng Cô

Để kiểm định các giả thuyết nghiên cứu, đề tài tiến hành phân tích nhân tố khám phá EFA và sử dụng ma trận xoay nhân tố với kết quả kiểm định KMO:

Trước khi tiến hành rút trích các nhân tố ảnh hưởng đến chất lượng dịch vụ nhà hàng tại LangCo Beach Resort, tôi đã tiến hành đánh giá độ tin cậy của thang đo. Kết quả kiểm định độ tin cậy cho thấy hệ số Cronbach’s Alpha của tất cả các khái niệm nghiên cứu đều lớn hơn 0,6 (Xem phụ lục 3, kiểm định Cronbach’s Alpha các thang đo)

Trong quá trình kiểm tra độ tin cậy, có 1 biến quan sát được loại bỏ do có hệ số tương quan biến tổng bé hơn 0,3. Biến được loại bỏ đó là: Nhiều hình thức thanh toán đa dạng đáp ứng nhu cầu của quý khách (tiền mặt, chuyển khoản, quẹt thẻ)(viết tắt là SSDU5, Hệ số tương quan tổng = -0,100) (Xem phụ lục 3, bảng 3.3).

Phương pháp phân tích nhân tố được tiến hành để rút gọn tập hợp các biến độc lập thành một tập hợp nhỏ hơn là các biến đại diện cho mỗi nhóm nhân tố mà không làm mất đi ý nghĩa giải thích và thông tin của nhóm nhân tố đó(Trích Hoàng Trọng &

Chu Nguyễn Mộng Ngọc,tập 2, tr. 29,2008a).

Hệ số KMO là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố EFA. Trị số KMO lớn (0,5 < KMO <1) có nghĩa là phân tích nhân tố thích hợp, còn nếu như trị số này nhỏ hơn 0,5 thì phân tích nhân tố có khả năng không thích hợp với dữ liệu. (Trích Hoàng Trọng & Chu Nguyễn Mộng Ngọc,tập 2. tr.31, 2008a).

Trường Đại học Kinh tế Huế

Kiểm định Bartlett test of sphericity là một đại lượng thống kê dùng để xem xét giả thuyết về độ tương quan giữa các biến quan sát bằng không trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig <0,05) thì các biến quan sát có tương quan với nhau trong tổng thểhay nói cách khác kiểm định có ý nghĩa thống kê, có thể sử dụng kết quả để phân tích EFA.(Trích Hoàng Trọng & Chu Nguyễn Mộng Ngọc, tập2, 2008a).

Sau khi tiến hành xoay nhân tố lần 3, kết quả kiểm định KMO cho ra như sau:

Bảng 2.7: Kiểm định KMO và Bartlett’s Test

Hệ số KMO 0,791

Kiểm định Barlett’s

Giá trị chi bình phương xấp xỉ

1115,061

Df 231

Sig. 0,000

(Nguồn: Kết quả xử lý số liệu trên phân mềm SPSS) Với kết quả kiểm định KMO là 0,791 > 0,05 (Phân tích nhân tố thích hợp với dữ liệu) và p – value của kiểm định Barlett bé hơn 0,05 (các biến quan sát tương quan với nhau trong tổng thể), ta có thể kết luận được rằng dữ liệu khảo sát được đảm bảo các điều kiện để tiến hành phân tích nhân tố khám phá EFA và có thể sử dụng các kết quả đó.

Kết quả phân tích EFA đã cho ra các nhân tố cơ bản của mô hình nghiên cứu cho thấy 5nhân tố này giải thích được 61,485% của biến động. Tất cả các hệ số tải nhân tố của các nhân tố trong từng yếu tố đều lớn hơn 0,5(Phụ lục 4, Kết quả phân tích nhân tố EFA, bảng 4.8).

Theo kết quả phân tích EFA:

Tiêu chuẩn Kaiser (Kaiser Criterion) nhằm xác định số nhân tố được trích từ thang đo. Các nhân tố kém quan trọng bị loại bỏ, chỉ giữ lại những nhân tố quan trọng bằng cách xem xét giá trị Eigenvalue. Kết quả có 5 nhân tố có giá trị Eigenvalue lớn hơn 1 được giữ lại trong mô hình phân tích.

Tiêu chuẩn phương sai trích (Variance Explained Criteria): Phân tích nhân tố là thích hợp nếu tổng phương sai trích không được nhỏ hơn 50%. Theo Gerbing &

Anderson (1988)

Trường Đại học Kinh tế Huế

 Dựa theo bảng Total Variance Explained thuộc phụ lục 3 “Kết quả phân tích nhân tố EFA, bảng 4.8”, tổng phương sai trích là 61,485% > 50%. Do đó, phân tích nhân tố là phù hợp.

Sau khi tiến hành xoay nhân tố lần 2, tôi tiến hành loại bỏ biến “Các phương tiện vật chất trong nhà hàng vừa cổ kính, mộc mạc vừa hiện đại” (viết tắt là SHH), biến

“Nhân viên nhà hàng phục vụ anh/chị nhanh chóng, chính xác” (viết tắt là NLPV2) và

“Nhà hàng cung cấp dịch vụ ăn uống ăn uống theo đúng thời gian đã hứa với anh/chi”

(viết tắt là STC3). Kết quả 5 nhân tố được xác định trong Bảng Rotated Component Matrixa thuộc phụ lục 4 “Kết quả phân tích nhân tố EFA, bảng 4.9”, có thể được mô tả như sau:

Bảng 2.8: Ma trận xoay nhân tố đã loại bỏ biến Ma trận xoay nhân tố

Nhân tố

1 2 3 4 5

SDC4 ,751

SDC5 ,730

SDC1 ,706

SDC2 ,701

SDC3 ,569

NLPV4 ,789

NLPV3 ,754

NLPV5 ,738

NLPV1 ,718

SHH5 ,729

SHH3 ,714

SHH6 ,671

SHH4 ,667

SHH2 ,655

SSDU1 ,810

SSDU2 ,770

SSDU3 ,768

SSDU4 ,722

STC1 ,808

STC4 ,775

STC2 ,740

STC5 ,549

(Nguồn: Kết quả xử lý số liệu trên phân mềm SPSS)

Trường Đại học Kinh tế Huế

- Nhóm nhân tố thứ năm:Sự đồng cảm (SDC), có giá trị Eigenvalue = 5,490 >1, nhân tố này thể hiện sự quan tâm ân cần, giúp khách hàng cảm thấy luôn được đón tiếp nồng hậu khi đến sử dụng dịch vụ tại nhà hàng,được thể hiện qua các tiêu chí:

+ Nhân viên của resort luôn thể hiện sự quan tâm đến anh/chị.

+ Nhân viên của resort luôn hiểu rõđược nhu cầu và mong muốn của anh/chị.

+ Nhân viên resort luôn chú ý đến nhu cầu phát sinh của anh/chị trong quá trình anh/chị sử dụng dịch vụ.

+ Giá cả của sản phẩm dịch vụ là hợp lý.

+ Nhân viên của resort luôn sẵn sàng giúp đỡ khi anh/chị gặp sự cố.

- Nhóm nhân tố thứ tư:Năng lực phục vụ (NLPV),có giá trị Eigenvalue = 2,609

>1, nhân tố nàyđo lường mức độ mong muốn, khả năng, năng lực giải quyết vấn đề và phục vụ khách hàng một cách nhanh chóng, nhân tố này được diễn giải thông qua sự tác động của các tiêu chí:

+ Thái độ của nhân viên nhà hàng luôn nhã nhặn, lịch sự và tôn trọng với anh/chị.

+ Nhân viên có phong cách phục vụchuyên nghiệp.

+ Nhân viên nhà hàng có trìnhđộ ngoại ngữ, giao tiếp tốt.

+ Nhân viên nhà hàng luôn quan tâm đến quý khách.

- Nhóm nhân tố thứ nhất: Sự hữu hình (SHH), có giá trị Eigenvalue = 1,932 >1, nhân tố này thể hiện hình ảnh bên ngoài có thể nhìn thấy bằng mắt thường, cơ sở vật chất hiện có, không gian trong nhà hàng, phong cách của đội ngũ nhân viên và được thể hiện qua các tiêu chí:

+ Nhà hàng có không cảnh đẹp, không gian rông rãi, thoát mát..

+ Kiến trúc nhà hàng ấn tượng.

+ Cách bố trí trongnhà hàng phù hợp đáp ứng nhu cầu sử dụng của anh/chị.

+ Bãiđỗ xe rông rãi

+ Trang phục nhân viên gọn gàng, sạch sẽ, lịch sự.

- Nhóm nhân tố thứ ba:Sẵn sàng đáp ứng (SSDU),có giá trịEigenvalue = 1,624 >1, nhân tố này được khách hàng cảm nhận thông quasự phục vụ chuyên nghiệp, khả năng đáp ứng được nhu cầu của khách hàng, được thể hiện qua các tiêu chí:

Trường Đại học Kinh tế Huế

+ Thực đơn món ăn nhà hàng rất phong phú và đa dạng, dễ lựa chọn.

+ Nhân viên nhà hàng luôn sẳn sàng giúp đở quý khách.

- Nhóm nhân tố thứ hai: Sự tin cậy (STC), có giá trị Eigenvalue = 1,575 >1, nhân tố này nói lên khả năng cung ứng dịch vụ phù hợp, chính xác, đúng uy tín và đúng như những gìđã cam kết, được thể hiện qua các tiêu chí:

+ Anh/chị nhân được những thông tin cụ thể về thời gian sử dụng dịch vụ.

+ Nhà hàng cung cấp dịch vụ đúng như đã giới thiệu.

+ Thức ăn và nước uống đảm bảo chất lượng.

+ Vệ sinh an toàn thực phẩm, dụng cụ ăn uống được đảm bảo.

2.3.2.3. Rút trích nhân tố chính mức độ thỏa mãn của khách hàng về chất lượng dịch vụ nhà hàng tại LangCo Beach Resort.

Trước khi tiến hành phân tích nhân tố đo lường mức độ thỏa mãn của khách hàng về chất lượng dịch vụ nhà hàng tại LangCo Beach Resort, từ kết quả phân tích đánh giá độ tin cậy của thang đo. Kết quả kiểm định độ tin cậy cho thấy hệ số Cronbach’s Alpha =0,727 > 0,6 và các biến đều có tương quan biến tổng > 0,3. Qua đó đủ điều kiệm để tiến hành phân tích nhân tố khám phá EFA cho nhân tố sự hài lòng chung.

Nghiên cứu thu được kết quả cho thấy Eigenvalues bằng 1,947 thỏa mãn điều kiện lớn hơn 1 và tổng phương sai rút trích là 66,905 % > 50% đã cho thấy các điều kiện của phân tích nhân tố là phù hợp đối với biến quan sát.

Bảng 2.9: Kiểm định KMO và Bartlett’s Test về sự hài lòng chung

Hệ số KMO 0,660

Kiểm định Barlett’s

Giá trị chi bình phương xấp xỉ

82,347

Df 3

Sig. 0,000

(Nguồn: Kết quả xử lý số liệu trên phân mềm SPSS Kết quả kiểm định Kaiser –Meyer–Olkin cho ta hệ số KMO =0,660 và kết quả kiểm định Bartlett’s –test cũng cho thấyp– value bé hơn 0,05 với mức ý nghĩa 5% đã bác bỏ giả thuyết các biến không tương quan với nhau nên việc phân tích nhân tố là phù hợp.

Trường Đại học Kinh tế Huế

Dưới đây là ma trận xoay nhân tố của biến sự hài lòng chung:

Bảng 2.10: Ma trận xoay nhân tố sự hài lòng chung Component Matrixa Ma trận xoay nhân tố

Nhân tố 1

SHLC3 0,852

SHLC2 0,793

SHLC1 0,770

(Nguồn: Kết quả xử lý số liệu trên phân mềm SPSS

2.3.3. Xác định mức độ ảnh hưởng của các nhân tố đến sự hài lòng của khách lòngđối với chất lượng dịch vụ nhà hàng tại LangCo Beach Resort

2.3.3.1. Mô hình hồiquy tổng quát Mô hình hồi quy ban đầu

Mô hình hồi quy tổng quát: Y = β01X12X23X3+...+βiXii. Trong đó: Y: Biến phụ thuộc

β0: Hệ số chặn (hằng số) β1: Hệ số hồi quy riêng

Xi: Các biến độc lập trong mô hình

εi: Biến độc lập ngẫu nhiên có phân phối chuẩn với trung bình là 0 và phương sai không đổi σ2.

Sau khi đánh giá thang đo bằng hệ số Cronbach Alpha và phân tích nhân tố ta đã xác định được có 5 nhân tố ảnh hưởng đến sự hài lòng của khách hàng đối với chất lượng dịch vụ nhà hàng. Đó là Sự hữu hình (SHH), Sự tin cậy (STC), Sẵn sàng đáp ứng (SSDU), Năng lực phục vụ (NLPV), Sự đồng cảm (SDC). Mô hình nghiên cứu về chất lượng dịch vụ nhà hàng ban đầu được thể hiện như sau:

SHL =β0+β1.SDC +β2.NLPV +β3.SHH +β4.SSDU + β5.STC +εi

Trong đó: SHL là giá trị của biến phụ thuộc Sự hài lòng của khách hàng đối với chất lượng dịch vụ nhà hàng tại LangCo Beach Resort.

Trường Đại học Kinh tế Huế

Các giả thuyết cho mô hình hồi quy:

- H0: Các nhân tố chính không có mối tương quan với sự hài lòng củakhách hàng về chất lượng dịch vụ nhà hàng tại LangCo Beach Resort.

- H1: Nhân tố “SDC” có tương quan với Sự hài lòng của khách hàng đối với chất lượng dịch vụ nhà hàng tại LangCo Beach Resort.

- H2: Nhân tố “NLPV” có tương quan với Sự hài lòng của khách hàng đối với chất lượng dịch vụ nhà hàng tại LangCo Beach Resort.

- H3: Nhân tố “SHH” có tương quan với Sự hài lòng của khách hàng đối với chất lượng dịch vụ nhà hàng tại LangCo Beach Resort.

- H4: Nhân tố “SSDU” có tương quan với Sự hài lòng của khách hàng đối với chất lượng dịch vụ nhà hàng tại LangCo Beach Resort.

- H5: Nhân tố “STC” có tương quan với Sự hài lòng của khách hàng đối với chất lượng dịch vụ nhà hàng tại LangCo Beach Resort.

2.3.3.2. Kiểm định hệ số tương quan

Bước đầu tiên trong phân tích hồi quy tuyến tính, ta sẽ xem xét các mối quan hệ tương quan tuyến tính giữa biến phụ thuộc và từng biến độc lập, cũng như giữa các biến độc lập với nhau. Nếu hệ số tương quan Pearson giữa các biến phụ thuộc và biến độc lập lớn chứng tỏ chúng có mối quan hệ tuyến tính với nhau và phân tích hồi quy tuyến tính có thể phù hợp. Mặc khác, nếu giữa các biến độc lập cũng có tương quan tuyến tính với nhau thì đó cũng là dấu hiệu cho biết giữa chúng có thể xảy ra hiện tượng đa cộng tuyến trong mô hình chúng tađang xét.

Trường Đại học Kinh tế Huế

Bảng 2.11: Kết quả kiểm định hệ số tương quan Pearson Các mối tương quan

SHL SDC NLPV SHH SSDU STC

SHL

Hệ số tương quan

Pearson 1 ,659** ,521** ,585** ,421** ,459**

Giá trị Sig. ,000 ,000 ,000 ,000 ,000

Số quan sát 130 130 130 130 130 130

SDC

Hệ số tương quan

Pearson ,659** 1 ,406** ,320** ,226** ,332**

Giá trị Sig. ,000 ,000 ,000 ,010 ,000

Số quan sát 130 130 130 130 130 130

NLPV

Hệ số tương quan

Pearson ,521** ,406** 1 ,344** -,003 ,175*

Giá trị Sig. ,000 ,000 ,000 ,971 ,047

Số quan sát 130 130 130 130 130 130

SHH

Hệ số tương quan

Pearson ,585** ,320** ,344** 1 ,215* ,297**

Giá trị Sig. ,000 ,000 ,000 ,014 ,001

Số quan sát 130 130 130 130 130 130

SSDU

Hệ số tương quan

Pearson ,421** ,226** -,003 ,215* 1 ,350**

Giá trị Sig. ,000 ,010 ,971 ,014 ,000

Số quan sát 130 130 130 130 130 130

STC

Hệ số tương quan

Pearson ,459** ,332** ,175* ,297** ,350** 1

Giá trị Sig. ,000 ,000 ,047 ,001 ,000

Số quan sát 130 130 130 130 130 130

(Nguồn: Kết quả xử lý trên phần mềmSPSS)

Trường Đại học Kinh tế Huế

Với mức ý nghĩa 5%, giá trị Sig của các các nhân tố “SDC”, “NLPV”, “SHH”,

“SSDU” và “STC” đều nhỏ hơn 0,05 đều đó cho thấy các nhân tố này đều có mối quan hệ tương quan tuyến tính khá mạnh với biến Sự hài lòng của khách hàng nên không có biến độc lập nào bị loại ra khỏi mô hình hồi quy.

Cụ thể, mối quan hệ tương quan giữa biến Sự hài lòng chung (SHL) và biến Sự đồng cảm là 0,659, tương quan với biến Sự tin cậy (STC) là 0,459, với biến độc lập Năng lực phục vụ (NLPV) là 0,521, Mức độ đáp ứng (MDDU) là 0,421, tương quan với biến Sự hữu hình (SHH) là 0,585. Từ những hệ số tương quan Pearson trên tuy giá trị Sig đều nhỏ hơn 0,05 nhưng hệ số tương quan giữa các biến đọc lập khá lơn đều lơn hơn 0,3 nên có sự tương quan mạnh từ đó có thể nghi ngờ xãy ra hiện tượng đa cộng tuyến khi phân tích hồi quy đa biến.

2.3.3.3. Xây dựng mô hình hồi quy tuyến tính

SHL =β0+β1.SDC+β2.NLPV +β3.SHH +β4.SSDU + β5.STC +εi

Trong đó: SHL là giá trị của biến phụ thuộc Sự hài lòng của khách hàng đối với chất lượng dịch vụnhà hàng tại LangCo Beach Resort.

Các giả thuyết điều chỉnh cho mô hình hồi quy:

- H0: Các nhân tố chính không có mối tương quan với Sự hài lòng của khách hàng về chất lượng dịch vụ nhà hàng tại LangCo Beach Resort.

- H1: Nhân tố “SDC” có tương quan với Sự hài lòng của khách hàng đối với chất lượng dịch vụ nhà hàng tại LangCo Beach Resort.

- H2: Nhân tố “NLPV” có tương quan với Sự hài lòng của khách hàng ðối với chất lýợng dịch vụ nhà hàng tại LangCo Beach Resort.

- H3: Nhân tố “SHH” có tương quan với Sự hài lòng của khách hàng đối với chất lượng dịch vụ nhà hàng tại LangCo Beach Resort.

- H4: Nhân tố “SSDU” có tương quan với Sự hài lòng của khách hàng đối với chất lượng dịch vụ nhà hàng tại LangCo Beach Resort.

- H5: Nhân tố “STC” có tương quan với Sự hài lòng của khách hàng đối với chất lượng dịch vụ nhà hàng tại LangCo Beach Resort.

Trường Đại học Kinh tế Huế

Đánhgiá mô hình hồi quy tuyến tính

Đánh giá độ phù hợp của mô hình hồi quy tuyến tính

Mô hình thường không phù hợp với dữ liệu thực tế như giá trị R2thể hiện. Trong tình huống này R2 hiệu chỉnh (Adjusted R square) từ R2 được sử dụng để phản ánh sát hơn mức độ phù hợp của mô hình hồi qui tuyến tính đa biến (Hoàng Trọng & Chu Nguyễn Mộng Ngọc,tập 1, tr. 217-218, 2008b).Như vậy, để đánh giá độ phù hợp của mô hình ta dùng hệ số xác định R2 hiệu chỉnh. R2 hiệu chỉnh càng lớn thể hiện độ phù hợp của mô hình càng cao.

Adjusted R Square hay còn gọi là R bình phương hiệu chỉnh, nó phản ánh mức độ ảnh hưởng của các biến độc lập lên biến phụ thuộc. Cụ thể trong trường hợp này, 5 biến độclập đưa vàoảnh hưởng 68,8% sựthayđổicủa biến phụthuộc,còn lại31,2%

là do các biến ngoài mô hình và sai số ngẫu nhiên. Thường thì giá trị này từ 50% trở lên là nghiên cứu có thể sử dụng được như vậy độ phù hợp của mô hình hồi quy đáp ứng được yêu cầu.

Bảng2.12: Thống kê mức độ phù hợp của mô hình hồi quy Tóm tắt mô hình (Model Summary)

Mô hình

R R bình

phương

R bình phương hiệu chỉnh

Sai số chuẩn của ước lượng

Giá trị Durbin-Watson

1 ,837a ,700 ,688 ,36711 1,863

(Nguồn: Kết quả xử lý trên phần mềm SPSS) Tra bảng thống kê giá trị Durbin – Watson với số mẫu quan sát bằng 127 và số biến độc lập là 5, ta có du = 1,863.Như vậy, đại lượng d nằm trong khoảng (du, 4-du) hay trong khoảng (1,863; 2,137), đều này chứng tỏ các biến không có hiện tượng tự tương quan.

Kiểm định độ phù hợp của mô hình

Để kiểm định độ phù hợp của mô hình ta sử dụng các công cụ kiểm định F. Để có thể suy mô hình này thành mô hình của tổng thể ta cần phải tiến hành kiểm định F thông qua phân tích phương sai ANOVA.

Trường Đại học Kinh tế Huế

Giả thuyết

H0: β1 = β2 = β3 = β4 = β5 = 0: các nhân tố “SDC, NLPV, SHH, SSDU, STC”

không thể giải thích được sự thay đổi của biến phụ thuộc.

H1: βi # 0: có ít nhất một biến độc lập trong mô hình giải thích được sự thay đổi của biến phụ thuộc

Bảng 2.13: Bảng phân tích phương sai ANOVA ANOVAa

Mồ hình Tổng cácbình phương

df Trung bình bình phương

F Sig.

1

Hồi quy 39,035 5 7,807 57,928 ,000b

Phần dư 16,712 124 ,135

Total 55,747 129

(Nguồn: Kết quả xử lý trên phần mềm SPSS) Từ bảng 2.13 có thể thấy rằng giá trị Sig. = 0,000b< 0,05 nên ta bác bỏ giả thuyết H0và chấp nhận giả thuyết H1: βi # 0: có ít nhất một biến độc lập trong mô hình giải thích được sự thay đổi của biến phụ thuộc. Từ đó có thể chứng minh răng mô hình hồi quy tuyến tính bội phù hợp và có thể sử dụng để suy rộng ra cho tổng thể.

Kiểm định giả định về hiện tượng đa cộng tuyến

Để đảm bảo mô hình nghiên cứu luôn có ý nghĩa, ta cần tiến hành kiểm tra thêm về hiện tượng đa cộng tuyến và tự tương quan.

Để dò tìm hiện tượng đa cộng tuyến ta căn cứ trên độ chấp nhận của biến (Tolerance) và hệ số phóng đại phương sai (Variance inflation factor – VIF).

Giả thuyết:

H0: Mô hình bị đa cộng tuyến

H1: Mô hình không bị đa cộng tuyến.

Từ bảng 2.14 cho thấy hệ số phóng đại phươg sai VIF của các biến đưa vào mô hình đều nhỏ hơn 10 cụ thể: SDC = 1,363; NLPV = 1,306; SHH = 1,262, SSDU = 1,197; STC = 1,275. Kết hợp với độ chấp nhận biến (Tolerance) đều lớn hơn 0,1 nên ta bác bỏ giả thuyết mô hình bị đa cộng tuyến.

Trường Đại học Kinh tế Huế