thể, chứ không phải là sự tình cờ ngẫu nhiên trong mẫu, do vậy chúng đều có ý nghĩa về mặt thống kê. Nhìn sơ bộ, có thể kết luận các biến độc lập cấu thành nên thang đo marketing quan hệ (CO, EM, BO, SV, TR) có thể đưa vào mô hình để giải thích cho biến phụ thuộc lòng trung thành (LO).
Bảng 4.6: Phân tích hệ số tương quan Pearson
CO | EM | BO | SV | TR | LO | ||
CO | Tương quan Pearson | 1 | .440** | .354** | .429** | .353** | .235** |
Sig. (2-tailed) | .000 | .000 | .000 | .000 | .001 | ||
N | 213 | 213 | 213 | 213 | 213 | ||
EM | Tương quan Pearson | 1 | .326** | .471** | .340** | .443** | |
Sig. (2-tailed) | .000 | .000 | .000 | .000 | |||
N | 213 | 213 | 213 | 213 | |||
BO | Tương quan Pearson | 1 | .413** | .344** | .332** | ||
Sig. (2-tailed) | .000 | .000 | .000 | ||||
N | 213 | 213 | 213 | ||||
SV | Tương quan Pearson | 1 | .313** | .297** | |||
Sig. (2-tailed) | .000 | .000 | |||||
N | 213 | 213 | |||||
TR | Tương quan Pearson | 1 | .357** | ||||
Sig. (2-tailed) | .000 | ||||||
N | 213 | ||||||
LO | Tương quan Pearson | 1 | |||||
Sig. (2-đuôi) | |||||||
N | |||||||
**. Tương quan chặt chẽ tại mức 0.01 (2 đuôi). | |||||||
Có thể bạn quan tâm!
-
Mô Hình Nghiên Cứu Đề Nghị Tóm Tắt Chương 2: -
Phương Pháp Phân Tích Dữ Liệu Xác Định Mẫu Nghiên Cứu -
Cronbach Alpha Của Các Thành Phần Thành Phần Niềm Tin (Trust): -
Bảng Thống Kê Mô Tả Các Thành Phần Sau Khi Chạy Efa -
Hạn Chế Của Đề Tài Và Hướng Nghiên Cứu Tiếp Theo -
Kiểm Định Trung Bình Của Các Tổng Thể Sử Dụng Independent T-Tests Và One-Way Anova
Xem toàn bộ 114 trang tài liệu này.
4.4.2. Mô hình hồi quy tuyến tính bội
Giả sử các yếu tố marketing quan hệ theo mô hình 4.1 đều có quan hệ tuyến tính với lòng trung thành. Phân tích hồi quy tuyến tính sẽ giúp biết được cường độ ảnh hưởng của các biến độc lập: Niềm tin (TR), Cam kết (BO), Truyền thông (CO), Giá trị chia sẻ (SV), Sự cảm thông (EM) lên biến phụ thuộc (lòng trung thành). Do vậy, mô hình hồi quy tuyến tính bội được phát triển như sau:
Lòng trung thành = β0 + β1 * Truyền thông + β2 * Sự cảm thông + β3 * Mối ràng buộc + β4 * Giá trị chia sẻ + β5 * Niềm tin + ei
Hay: LO = β0 + β1*CO + β2*EM + β3*BO + β4*SV + β5*TR + ei
Trong đó, βk là hệ số của phương trình hồi quy tuyến tính bội và ei là phần dư.
Lệnh hồi quy tuyến tính trong chương trình SPSS 16.0 được sử dụng để chạy phân tích phần mềm hồi quy bằng phương pháp Enter. Hệ số xác định (R2) đo lường tỷ lệ tổng biến thiên của biến phụ thuộc, được giải thích bởi các biến độc lập trong mô hình. Giá trị R2 càng cao thì khả năng giải thích của mô hình hồi quy tuyến tính bội càng cao và việc dự đoán biến phụ thuộc càng chính xác.
Phép phân tích phương sai (Anova) được tiến hành. Nếu giá trị F có ý nghĩa đáng kể về mặt thống kê (p < 0,05), giả thuyết thuần của mối quan hệ không tuyến tính bị bác bỏ. Hệ số β là hệ số hồi quy chuẩn hóa cho phép so sánh trực tiếp giữa các hệ số xem như là khả năng giải thích biến phụ thuộc. Trị tuyệt đối của một hệ số β chuẩn hóa càng lớn thì tầm quan trọng tương đối của nó trong dự báo biến phụ thuộc càng cao.
Bảng 4.7: Bảng tóm tắt mô hình hồi quy bội
Hệ số R | R 2 | R2 Hiệu chỉnh | Sai số chuẩn của ước lượng | Thống kê thay đổi | Hệ số Durbin - Watson | |||||
R2 thay đổi | F thay đổi | df1 | df2 | Mức ý nghĩa F thay đổi | ||||||
1 | .518a | .268 | .250 | .39778 | .268 | 15.143 | 5 | 207 | .000 | 1.803 |
a. Các dự báo: (Hằng số), TR, SV, BO, CO, EM | ||||||||||
b. Biến phụ thuộc: LO | ||||||||||
Bảng 4.8: Bảng đánh giá độ phù hợp cuả mô hình hồi quy bội
Tổng bình phương | df | Bình phương trung bình | F | Mức ý nghĩa | ||
1 | Hồi quy | 11.981 | 5 | 2.396 | 15.143 | .000a |
Phần dư | 32.753 | 207 | .158 | |||
Tổng | 44.734 | 212 | ||||
a. Các dự báo: (Hằng số), TR, SV, BO, CO, EM | ||||||
b. Biến phụ thuộc: LO | ||||||
Bảng 4.9: Bảng thông số của mô hình hồi quy tuyến tính bội
Hệ số chưa chuẩn hóa | Hệ số chuẩn hóa | t | Sig. | Thống kê đa cộng tuyến | ||||
B | Sai số chuẩn | Beta | Hệ số Tolerance | B | ||||
1 | (Hằng số) | 1.280 | .288 | 4.451 | .000 | |||
CO | -.044 | .060 | -.052 | -.729 | .467 | .700 | 1.429 | |
EM | .285 | .062 | .329 | 4.584 | .000 | .685 | 1.459 | |
BO | .143 | .061 | .160 | 2.329 | .021 | .753 | 1.327 | |
SV | .034 | .066 | .037 | .509 | .611 | .666 | 1.502 | |
TR | .144 | .049 | .197 | 2.939 | .004 | .790 | 1.266 | |
a. Biến phụ thuộc: LO | ||||||||
Từ Bảng 4.9 cho thấy 2 yếu tố: SV và CO có sig > 0,05 nên loại 2 yếu tố này
4.4.3. Phân tích các giả thuyết trong mô hình
Các kết luận dựa trên hàm hồi quy tuyến tính thu được chỉ có ý nghĩa khi hàm hồi quy đó phù hợp với dữ liệu mẫu và các hệ số hồi quy khác không có ý nghĩa, đồng thời các giả định của hàm hồi quy tuyến tính được đảm bảo. Vì thế, trước khi phân tích kết quả hồi quy cần thực hiện các kiểm định về độ phù hợp của mô hình, kiểm định ý nghĩa các hệ số hồi quy và đặc biệt là kiểm định các giả định của hàm hồi quy.
4.4.3.1. Kiểm định các giả định của mô hình
Từ kết quả quan sát trong mẫu, suy rộng ra kết luận cho mối quan hệ giữa các biến trong tổng thể. Sự chấp nhận và diễn giải kết quả hồi quy không thể tách rời các giả định cần thiết của mô hình hồi quy. Nếu các giả định bị vi phạm thì các kết quả ước lượng không đáng tin cậy nữa (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
Trong phần này, tác giả tiến hành kiểm định các giả định hàm hồi quy tuyến tính cổ điển bao gồm các giả định:
- Không có hiện tượng đa cộng tuyến.
- Phương sai của phần dư không đổi.
- Các phần dư có phân phối chuẩn.
- Không có hiện tượng tương quan giữa các phần dư.
a. Xem xét giả định không có hiện tượng đa cộng tuyến
Trong mô hình hồi quy tuyến tính bội, giả định giữa các biến độc lập của mô hình không có hiện tượng đa cộng tuyến. Hiện tượng này có thể phát hiện thông qua hệ số phóng đại (VIF). Nếu VIF lớn hơn 10 thì hiện tượng đa cộng tuyến nghiêm trọng. Với mô hình này, để không có hiện tượng đa cộng tuyến nghiêm trọng thì VIF phải nhỏ hơn 10. Qua Bảng 4.12, giá trị VIF của các thành phần đều nhỏ hơn 10 chứng tỏ không có hiện tượng đa cộng tuyến.
b. Giả định phương sai của phần dư không đổi
Xem xét đồ thị của phần dư chuẩn hóa theo giá trị dự báo của biến phụ thuộc để kiểm tra có hiện tượng phương sai thay đổi hay không. Quan sát Đồ thị phân tán ở Biểu đồ 4.1, nhận thấy phần dư phân tán ngẫu nhiên theo đường hoành độ không. Như vậy,
giả định phương sai không đổi của mô hình hồi quy không đổi.
Biểu đồ 4.1: Đồ thị phân tán
c. Giả định về phần phối chuẩn của phần dư
Biểu đồ 4.2: Biểu đồ tần số của phần dư chuẩn hóa
Phần dư có thể không tuân theo phân phối chuẩn vì nhiều lý do như: sử dụng mô hình không đúng, phương sai không phải là hằng số, số lượng phần dư không đủ nhiều để phân tích (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005). Trong phần này, tác giả sử dụng biểu đồ Histogram, P-P để xem xét. Nhìn vào Biểu dồ 4.2 và Biểu đồ 4.3, giả định phần phân phối chuẩn của phần dư không bị vi phạm.
Trước hết, xem xét tần số của phần dư chuẩn hóa ở biểu đồ 4.2, phân phối phần dư xấp xỉ chuẩn St.Dev = 0,993 tức gần bằng 1. Do đó, có thể kết luận rằng giả thuyết phân phối chuẩn không bị vi phạm.
Biểu đồ 4.3: Biểu đồ tần số P-P
Từ Biểu đồ 4.3, các điểm quan sát không phân tán quá xa đường thẳng kỳ vọng mà phân tán dọc theo, sát đường kỳ vọng nên có thể chấp nhận giả thuyết cho rằng phân phối của phần dư là phân phối chuẩn. Từ các kết quả kiểm định trên, có thể kết luận giả định phân phối chuẩn không bị vi phạm.
d. Giả định về tính độc lập của phần dư
Khi xảy ra hiện tượng tự tương quan, các ước lượng của mô hình hồi quy không đáng tin cậy. Phương pháp kiểm định có ý nghĩa nhất để phát hiện tự tương quan là kiểm định Dubin-Waston (d). Nếu 1 Bảng 4.7 thể hiện Durbin - Waston là 1,803, có nghĩa là chấp nhận giả định không có tương quan giữa các phần dư. Như vậy, các giả định của mô hình hồi quy tuyến tính đều thỏa mãn. Tiếp theo các kiểm định về độ phù hợp và kiểm định các hệ số hồi quy được trình bày. 4.4.3.2. Kiểm định độ phù hợp của mô hình Hệ số R2 trong mô hình là 0.268 đánh giá độ phù hợp của mô hình. Mặt khác, kết quả nghiên cứu cho thấy R2 điều chỉnh là 0.250 < R2, sử dụng hệ số này để đánh giá độ phù hợp của mô hình nghiên cứu sẽ an toàn và chính xác hơn vì nó không thổi phồng độ phù hợp mô hình (Bảng 4.7). R2 điều chỉnh bằng 0.250 nghĩa là mô hình hồi quy tuyến tính bội xây dựng có các biến tiềm ẩn và các biến độc lập giải thích được 25,0% sự biến thiên của biến phụ thuộc. Ngoài ra, kiểm định F được sử dụng trong phân tích phương sai vẫn là phép kiểm định giả thuyết về độ phù hợp của mô hình hồi quy tuyến tính tổng thể. Giá trị F trong Bảng 4.8 là 15.143, trị số này được tính từ giá trị R2 đầy đủ, mức ý nghĩa quan sát (Sig= 0,000) rất nhỏ sẽ an toàn khi bác bỏ giả thuyết H0 cho rằng β1 = β2 = β3 = β4= β5 = 0. Với số liệu này, mô hình hồi quy tuyến tính đưa ra là phù hợp với dữ liệu và có thể sử dụng được. 4.4.4. Ý nghĩa các hệ số hồi quy riêng phần trong mô hình Hệ số hồi quy riêng trong mô hình dùng để kiểm định vai trò quan trọng của các biến độc lập tác động như thế nào đối với biến phụ thuộc. Cụ thể hơn, các hệ số riêng trong mô hình cho biết mức độ ảnh hưởng các biến. Thông qua hệ số Beta chuẩn hóa trong kết quả hồi quy Bảng 4.9, mô hình hồi quy bội dựa trên kết quả khảo sát nghiên cứu này là: LO = 1.280 + 0.285 * EM + 0.144 * TR + 0.143 * BO Hay mô hình hồi quy bội đã chuẩn hóa là: LO = 0.329 * EM + 0.197 * TR + 0.160 * BO Sự cảm thông là một yếu tố có ảnh hưởng lớn nhất đến lòng trung thành của khách hàng (có hệ số hồi quy lớn nhất). Dấu dương (+) của hệ số β có ý nghĩa là mối quan hệ giữa yếu tố “Sự cảm thông” và “Lòng trung thành” là mối quan hệ cùng chiều. Theo đó, khi Khách hàng cảm nhận rằng Sự cảm thông của Ngân hàng càng cao thì Lòng trung thành càng cao. Kết quả hồi quy (Bảng 4.9) có β2 = 0.329 (mức ý nghĩa < 0,05), nghĩa là, khi tăng Sự cảm thông lên 1 đơn vị độ lệch chuẩn thì Lòng trung thành tăng thêm 0.329 đơn vị lệch chuẩn. Vậy, giả thuyết H2 được chấp nhận. Niềm tin là một yếu tố có ảnh hưởng lớn tiếp theo đến lòng trung thành của khách hàng. Dấu dương (+) của hệ số β có ý nghĩa là mối quan hệ giữa yếu tố “Niềm tin” và “Lòng trung thành” là mối quan hệ cùng chiều. Theo đó, khi Khách hàng cảm nhận rằng Niềm tin với Ngân hàng càng cao thì Lòng trung thành của khách hàng sẽ càng tăng. Kết quả hồi quy (Bảng 4.9) có β5 = 0.197 (mức ý nghĩa <0,05), nghĩa là, khi tăng Niềm tin lên 1 đơn vị độ lệch chuẩn thì lòng trung thành của Khách hàng tăng thêm 0.197 đơn vị lệch chuẩn. Vậy, giả thuyết H5 được chấp nhận. β có ý nghĩa là mối quan hệ giữa yếu tố “Cam kết” và “Lòng trung thành” là mối quan hệ cùng chiều. Theo đó, khi Khách hàng cảm nhận rằng Cam kết với Ngân hàng càng cao thì Lòng trung thành của khách hàng càng tăng. Kết quả hồi quy (Bảng 4.9) có β3 = 0.160 (mức ý nghĩa < 0,05) nghĩa là khi tăng Cam kết lên 1 đơn vị độ lệch chuẩn thì lòng trung thành của khách hàng tăng thêm 0.169 đơn vị lệch chuẩn. Vậy giả thuyết H3 được chấp nhận. 4.4.5. Kiểm định các giả thuyết nghiên cứu Có 5 giả thuyết được đề nghị, tiến hành kiểm định lần lượt các giả thuyết có kết quả như sau (Bảng 4.10): Bảng 4.10: Kết quả kiểm định các giả thuyết nghiên cứu Giả thuyết Phát biểu Trị thống kê Kết quả H1 Truyền thông sẽ tác động tích cực đến lòng trung thành của khách hàng đối với ngân hàng 0,467>0,05 Bác bỏ H2 Sự cảm thông sẽ tác động tích cực đến lòng trung thành của khách hàng đối với ngân hàng 0,000<0,05 Chấp nhận H3 Mối ràng buộc sẽ tác động tích cực đến lòng trung thành của khách hàng đối với ngân hàng 0,021<0,05 Chấp nhận H4 Giá trị chia sẻ và mục tiêu chung sẽ tác động tích cực đến lòng trung thành của khách hàng đối với ngân hàng 0,611>0,05 Bác bỏ H5 Niềm tin sẽ tác động tích cực đến lòng trung thành của khách hàng đối với ngân hàng 0,004<0,05 Chấp nhận 4.5. Kiểm định sự khác biệt giữa các biến kiểm soát với sự tác động đến lòng trung thành Trong các phần đã được phân tích ở Chương này, tác giả đã phân tích các yếu tố marketing quan hệ tác động lòng trung thành của khách hàng tại Ngân hàng TMCP Đầu tư và Phát triển Việt nam (BIDV) trên địa bàn TP.HCM. Trong phần này, tác giả tiếp tục đi tìm câu trả lời: Liệu mức độ cảm nhận về các yếu tố nêu trên có sự khác biệt giữa các nhóm khách hàng khi họ được chia theo giới tính, tình trạng hôn nhân, nhóm tuổi, trình độ học vấn, nghề nghiệp, thu nhập. Tác giả dùng phân tích Independent T-Test cho biến kiểm soát giới tính. Phân tích phương sai (One-way Anova) cho các biến kiểm soát còn lại. Đây là sự mở rộng của phép kiểm định T, vì phương pháp này giúp so sánh trị trung bình của 3 nhóm trở lên. Kết hợp với phép kiểm định Benferroni, là thủ tục so sánh bội được dùng để xác định sự khác nhau có nghĩa giữa trị số trung bình của từng cặp nhóm đối tượng với nhau. Phép kiểm định này cho phép linh hoạt điều chỉnh được mức ý nghĩa khi tiến hành so sánh bội dựa trên số lần tiến hành so sánh (Phụ lục 9). Sau khi tiến hành phân tích Independent T-Tests cùng mức ý nghĩa 0,05 kết quả thu được là: Không có sự khác biệt giữa nam và nữ về lòng trung thành của khách hàng trong mẫu nghiên cứu khi được chia theo giới tính của khách hàng. Sau khi tiến hành phân tích One-way Anova với kiểm định Bonferroni cùng mức ý nghĩa 0,05 cũng thu được kết quả là: Không có sự khác biệt về độ tuổi, trình độ học vấn, nghề nghiệp, thu nhập về lòng trung thành của khách hàng. TÓM TẮT CHƯƠNG 4 Trong chương này, tác giả trình bày kết quả nghiên cứu gồm các nội dung: Thông tin mẫu nghiên cứu, Kiểm định thang đo, Mô hình nghiên cứu, Phân tích hồi quy. Tác giả xem xét ảnh hưởng của các biến yếu tố marketing quan hệ tác động đến Lòng trung thành của khách hàng đối với Ngân hàng TMCP Đầu tư và Phát triển Việt Nam (BIDV) tại TP.HCM.