viên phục vụ chu đáo trong giờ cao điểm” và“Giao dịch viên bảo mật tốt thông tin cho khách hàng” đều nhỏ hơn 0,5. Vì vậy, các biến này không thoả mãn tiêu chuẩn trên. Chúng ta không nên loại cùng lúc 2 biến này ra. Chúng ta nên loại từ từng biến quan sát một. Biến nào có factor loading lớn nhất mà không đạt nhất sẽ bị loại ra trước. Factor loading lớn nhất của biến “Giao dịch viên bảo mật tót thông tin cho khách hàng bằng 0,456; nhỏ hơn biến “Giao dịch viên phục vụ chu đáo trong giờ cao điểm” có factor loading lớn nhất là 0,494. Loại biến Giao dịch viên bảo mật tốt thông tin cho khách hàng ra, sau đó ta tiếp tục thực hiện EFA lần 2 với 19 biến quan sát, ta có kết quả như sau:
Bảng 2.17: Bảng KMO và kiểm định Bartlett sau khi EFA lần 2
0,877 | |
Bartlett's Test of Sphericity Approx. Chi-Square | 675,756 |
Df | 171 |
Sig. | 0,000 |
Có thể bạn quan tâm!
-
Khi Công Ty Xyz Hứa Sẽ Thực Hiện Điều Gì Đó Vào Khoảng Thời Gian Xác Định, Thì Công Ty Sẽ Thực Hiện. -
Biểu Đồ Số Lượng Nhân Viên Giai Đoạn 2010- 2012 -
Biểu Đồ Về Giới Tính Của Khách Hàng Điều Tra -
Phân Tích Thống Kê Mô Tả Đánh Giá Chất Lượng Phục Vụ Của Gdv -
Những Tồn Tại Về Chất Lượng Phục Vụ Của Gdv Tại Agribank Hương Trà -
Thang Đo Các Thành Phần Năng Lực Phục Vụ Reliability Statistics
Xem toàn bộ 93 trang tài liệu này.
(Nguồn: xử lí SPSS)
Hệ số KMO = 0,877 (>0,5), kiểm định Bartlett’s có giá trị sig = 0,000 < 0,05 nên đạt yêu cầu.
Kết quả kiểm định KMO & Bartlett trên cho phép thực hiện phân tích nhân tố lần thứ hai với đầy đủ 19 biến. Kết quả của phân tích nhân tố khám phá EFA cho ở bảng dưới đây:
Bảng 2.18: Rotated Component Matrixa 2
Thành phần | ||||
1 | 2 | 3 | 4 | |
Giao dịch viên hướng dẫn thủ tục giao dịch một cách đầy đủ, dễ hiểu | 0,671 | |||
Giao dịch viên quan tâm đến khách hàng. | 0,668 | |||
Giao dịch viên thực hiện giao dịch nhanh chóng giảm thời gian chờ đợi của khách hàng. | 0,643 | |||
Giao dịch viên phục vụ nhanh chóng, đúng hạn. | 0,631 | |||
Giao dịch viên có thái độ lịch sự, nhã nhặn với khách hàng. | 0,631 | |||
Giao dịch viên cung cấp dịch vụ cho khách hàng đúng như cam kết. | 0,611 | |||
Giao dịch viên trả lời thỏa đáng mọi thắc mắc của khách hàng. | 0,566 | |||
Giao dịch viên hiểu được nhu cầu đặc biệt và lợi ích mà khách hàng muốn. | 0,560 | |||
Giao dịch viên có đủ kiến thức giải đáp thắc mắc cho khách hàng. | 0,514 | |||
Giao dịch viên phục vụ chu đáo trong giờ cao điểm. | ||||
Giao dịch viên phục vụ chu đáo với tất cả các khách hàng. | 0,756 | |||
Giao dịch viên tư vấn dịch vụ phù hợp. | 0,697 | |||
Giao dịch viên không để xảy ra sai xót nào. | 0,609 | |||
Giao dịch viên luôn tính đúng tiền sử dụng dịch vụ và thanh toán tiền dư thừa. | 0,585 | |||
Giao dịch viên có khả năng giao tiếp tôt. | 0,815 | |||
Giao dịch viên có thao tiếp nghiệp vụ chuyên nghiệp. | 0,648 | |||
Giao dịch viên có hành vi tạo được lòng tin và sự an tâm cho khách hàng. | 0,603 | |||
Giao dịch viên có ngoại hình dễ nhìn và tạo được thiện cảm cho khách hàng. | 0,834 | |||
Giao dịch viên có trang phục gọn gàng, lịch sự. | 0,832 | |||
Phương sai trích | 56,543% | |||
(Nguồn xử lý số liệu SPSS)
Kết quả của phân tích nhân tố EFA lần 2 cho ta 4 nhân tố mới với 19 biến ban đầu. Giá trị phương sai trích đạt được là 56,543% cho biết 4 nhân tố này giải thích được 56,543% biến thiên của dữ liệu, thoả mãn yêu cầu của phân tích nhân tố.
Bảng trên cho thấy, biến quan sát “Giao dịch viên phục vụ chu đáo trong giờ cao điểm” không thuộc nhóm nhân tố nào. Loại biến “Giao dịch viên phục vụ chu đáo trong giờ cao điểm” ra, sau đó ta tiếp tục thực hiện EFA lần 3 với 18 biến quan sát, ta có kết quả như sau:
Bảng 2.19: KMO và kiểm định Bartlett sau khi EFA lần 3
0,871 | |
Bartlett's Test of Sphericity Approx. Chi-Square | 630,797 |
Df | 153 |
Sig. | 0,000 |
(Nguồn xử lí SPSS)
Hệ số KMO = 0,8771 (>0,5), kiểm định Bartlett’s có giá trị sig = 0,000 < 0,05 nên đạt yêu cầu.
Kết quả kiểm định KMO & Bartlett trên cho phép thực hiện phân tích nhân tố lần thứ ba với đầy đủ 18 biến. Kết quả của phân tích nhân tố khám phá EFA lần ba cho ở bảng dưới đây:
Bảng 2.20: Rotated Component Matrixa 3
Thành phần | ||||
1 | 2 | 3 | 4 | |
Giao dịch viên hướng dẫn thủ tục giao dịch một cách đầy đủ, dễ hiểu | 0,670 | |||
Giao dịch viên quan tâm đến khách hàng. | 0,669 | |||
Giao dịch viên thực hiện giao dịch nhanh chóng giảm thời gian chờ đợi của khách hàng. | 0,641 | |||
Giao dịch viên có thái độ lịch sự, nhã nhặn với khách hàng. | 0,637 | |||
Giao dịch viên phục vụ nhanh chóng, đúng hạn. | 0,629 | |||
Giao dịch viên cung cấp dịch vụ cho khách hàng đúng như cam kết. | 0,609 | |||
Giao dịch viên trả lời thỏa đáng mọi thắc mắc của khách hàng. | 0,565 | |||
Giao dịch viên hiểu được nhu cầu đặc biệt và lợi ích mà khách hàng muốn. | 0,559 | |||
Giao dịch viên có đủ kiến thức giải đáp thắc mắc cho khách hàng. | 0,520 | |||
Giao dịch viên phục vụ chu đáo với tất cả các khách hàng. | 0,753 | |||
Giao dịch viên tư vấn dịch vụ phù hợp. | 0,702 | |||
Giao dịch viên không để xảy ra sai xót nào. | 0,603 | |||
Giao dịch viên luôn tính đúng tiền sử dụng dịch vụ và thanh toán tiền dư thừa. | 0,580 | |||
Giao dịch viên có khả năng giao tiếp tôt. | 0,817 | |||
Giao dịch viên có thao tiếp nghiệp vụ chuyên nghiệp. | 0,647 | |||
Giao dịch viên có hành vi tạo được lòng tin và sự an tâm cho khách hàng. | 0,603 | |||
Giao dịch viên có trang phục gọn gàng, lịch sự. | 0,850 | |||
Giao dịch viên có ngoại hình dễ nhìn và tạo được thiện cảm cho khách hàng. | 0,836 | |||
Phương sai trích | 57,611% | |||
( Nguồn xử lý số liệu SPSS )
Kết quả của phân tích nhân tố EFA lần 3 cho ta 4 nhân tố mới với 18 biến ban đầu. Giá trị phương sai trích đạt được là 57,611% cho biết 4 nhân tố này giải thích được 57,611% biến thiên của dữ liệu, thoả mãn yêu cầu của phân tích nhân tố.
Bảng trên cho thấy, Factor loading của các biến đều lớn hơn 0,5 nên không có biến nào loại ra sau khi EFA lần 3 và đây cũng là lần EFA cuối cùng với kết quả có 4 nhân tố mới với 18 biến quan sát.
Kết luận: Như vậy qua 3 lần chạy EFA ta rút ra được 4 nhân tố mới khác với 5 nhân tố đã đề xuất ban đầu và còn lại 18 biến quan sát, giảm đi 2 biến so với ban đầu, 2 biến đó là biến: GDV phục vụ chu đáo trong giờ cao điểm và GDV bảo mật tốt thông tin của KH.
Việc tạo ra các nhân tố mới và loại đi các biến không cần thiết sẽ giúp cho việc đánh giá chất lượng phục vụ của GDV được chính xác hơn và phản ánh đúng thực trạng của vấn đề đang nghiên cứu. Chúng ta sẽ sử dụng các nhân tố mới này và 18 biến quan sát còn lại để tiến hành các phân tích tiếp theo.
2.2.4.2. Đặt tên và giải thích nhân tố
Việc giải thích các nhân tố được thực hiện trên cơ sở nhận ra các biến quan sát có hệ số truyền tải (factor loading) lớn nằm trong cùng một nhân tố. Như vậy nhân tố này có thể giải thích bằng các biến có hệ số lớn nằm trong nó.
+ Nhân tố 1 gồm tập hợp các biến: Giao dịch viên hướng dẫn thủ tục giao dịch một cách đầy đủ, dễ hiểu; Giao dịch viên quan tâm đến khách hàng.; Giao dịch viên thực hiện giao dịch nhanh chóng giảm thời gian chờ đợi của khách hàng; Giao dịch viên có thái độ lịch sự, nhã nhặn với khách hàng; Giao dịch viên phục vụ nhanh chóng, đúng hạn; Giao dịch viên cung cấp dịch vụ cho khách hàng đúng như cam kết; Giao dịch viên trả lời thỏa đáng mọi thắc mắc của khách hàng; Giao dịch viên hiểu được nhu cầu đặc biệt và lợi ích mà khách hàng muốn; Giao dịch viên có đủ kiến thức giải đáp thắc mắc cho khách hàng.
Đặt tên nhân tố này là:Năng lực phục vụ.
+ Nhân tố thứ 2 gồm tập hợp các biến : Giao dịch viên phục vụ chu đáo với tất cả các khách hàng; Giao dịch viên tư vấn dịch vụ phù hợp; Giao dịch viên không để xảy ra sai xót nào; Giao dịch viên luôn tính đúng tiền sử dụng dịch vụ và thanh toán tiền dư thừa.
Đặt tên nhân tố này là: Chăm sóc khách hàng và độ tin cậy.
+ Nhân tố thứ 3 gồm tập hợp các biến: Giao dịch viên có khả năng giao tiếp tôt; Giao dịch viên có thao tiếp nghiệp vụ chuyên nghiệp; Giao dịch viên có hành vi tạo được lòng tin và sự an tâm cho khách hàng.
Đặt tên nhân tố này là: Hành vi của giao dịch viên.
+ Nhân tố thứ 4 gồm tập hợp các biến: Giao dịch viên có trang phục gọn gàng, lịch sự; Giao dịch viên có ngoại hình dễ nhìn và tạo được thiện cảm cho khách hàng.
Đặt tên nhân tố này là: Phương tiện hữu hình.
Kết quả phân tích nhân tố đã đưa ra mô hình đánh giá về chất lượng phục vụ của Giao dịch viên tại chi nhánh NH Agribank – Thị xã Hương Trà là tổ hợp của các thang đo : Năng lực phục vụ; Chăm sóc khách hàng và độ tin cậy; Hành vi của giao dịch viên; Phương tiện hữu hình.
Như vậy, mô hình nghiên cứu ban đầu qua kết quả phân tích hệ số Cronbach’ Alpha và phân tích nhân tố khám phá EFA đã có sự thay đổi, thay vì năm thành phần như ban đầu trong mô hình đã đề xuất trên cơ sở lí thuyết, qua quá trình phân tích, chỉ có 4 nhân tố được tạo ra và 4 nhân tố này đều đạt yêu cầu và có ý nghĩa trong thống kê. Do đó, các nhân tố trên sẽ được sử dụng trong phân tích hồi quy và kiểm định tiếp theo.
Năng lực phục vụ
Chăm sóc khách hàng và độ tin cậy
Hành vi của Giao dịch viên
Chất lượng phục vụ của Giao dịch viên
Phương tiện hữu hình
Hình 2.12: Mô hình lí thuyết đã điều chỉnh
2.2.3. Kiểm định giả thuyết mô hình hồi qui giữa các thành phần chất lượng phục vụ của GDV đối với sự hài lòng
Mô hình lý thuyết thực tế gồm có 5 thành phần: (I) Năng lực phục vụ , (II) Chăm sóc khách hàng và độ tin cậy, (III) Hành vi của Giao dịch viên, (IV) Phương tiện hữu hình, (V) Mức độ hài lòng chung của khách hàng cá nhân. Trong đó, mức độ hài lòng chung của khách hàng cá nhân là thành phần phụ thuộc, 4 thành phần còn lại là những thành phần độc lập và được giả định là các yếu tố tác động đến sự hài lòng của khách hàng. Tiến hành phân tích hồi qui để xác định cụ thể trọng số của từng thành phần tác động đến sự hài lòng của khách hàng. Giá trị của các yếu tố được dùng để chạy hồi qui là giá trị trung bình của các biến quan sát đã được kiểm định. Phân tích hồi qui được thực hiện bằng phương pháp hồi qui tổng thể các biến với phần mềm SPSS version 16.0.
Theo giả thuyết của nghiên cứu là có mối quan hệ giữa khái niệm các thành phần của chất lượng phục vụ của giao dịch viên và sự hài lòng của khách hàng. Vấn đề đặt ra trong nghiên cứu này là có mối quan hệ tuyến tính cùng chiều giữa các thành phần chất lượng phục vụ của GDV với sự hài lòng? Mức độ quan hệ như thế nào? Như vậy mô hình tuyến tính bội được sử dụng để phân tích và giải thích vấn đề.
Ta tiến hành phân tích hồi quy để xác định cụ thể trọng số của từng yếu tố tác động đến mức độ hài lòng của khách hàng. Phân tích hồi quy sẽ được thực hiện giữa 4 biến độc lập bao gồm: (F1) Năng lực phục vụ, (F2) Chăm sóc khách hàng và độ tin cậy, (F3) Hành vi của Giao dịch viên, (F4) Phương tiện hữu hình với một biến phụ thuộc là sự hài lòng của khách hàng cá nhân (HÀI LÒNG). Giá trị của các yếu tố được dùng để chạy hồi quy là giá trị trung bình của các biến quan sát đã được kiểm định. Phân tích hồi quy được thực hiện bằng phương pháp hồi quy tổng thể các biến (phương pháp enter) với phần mềm SPSS 16.0.
2.2.3.1. Xem xét mối tương quan giữa các biến độc lập và biến phụ thuộc
Kiểm định cặp giả thuyết:
H0: Các biến độc lập và biến phụ thuộc không có mối tương quan với nhau H1: Các biến độc lập và biến phụ thuộc có mối tương quan với nhau
Bảng 2.21: Hệ số tương quan Pearson giữa các biến
Năng lực phục vụ | Chăm só khách hàng và độ tin cậy. | Hành vi của giao dịch viên | Phương tiện hữu hình | |
Sự hài lòng Tương quan của khách Pearson hàng cá nhân Sig.(2-phía) | 0.805** 0,000 | 0,709** 0,000 | 0,631** 0,000 | -0,033 0,741 |
( Nguồn xử lý số liệu SPSS )
** : Kiểm định các giả thuyết ở mức ý nghĩa nhỏ hơn 0,01
Nhận xét: Có thể thấy biến phụ thuộc và các biến độc lập có mối tương quan với nhau, giá trị Sig. bé hơn mức ý nghĩa α cho thấy sự tương quan có ý nghĩa về mặt thống kê ngoại trừ nhân tố “Phương tiện hữu hình” có giá trị sig = 0,741( lớn hơn mức ý nghĩa α ) do đó nhân tố này bị loại ra khỏi mô hình hồi quy. Như vậy, mô hình hồi quy còn lại 3 biến độc lập đó là: Năng lực phục vụ; Chăm sóc khách hàng và độ tin cậy; Hành vi của GDV.
2.2.3.2. Xây dựng mô hình hồi quy
Mô hình nghiên cứu được biểu diễn dưới dạng phương trình hồi quy như sau:
Sự hài lòng = β0 + β1 * Năng lực phục vụ + β2 * Chăm sóc khách hàng và độ tin cậy+ β3 * Hành vi của GDV
Với βi là hệ số hồi quy riêng phần tương ứng với các biến độc lập.
Bảng 2.22: Kết quả phù hợp của mô hình hồi qui
R | R2 | R2 hiệu chỉnh | Sai số chuẩn để ước lượng | Dubin - Watson | |
0,861 | 0,74 1 | 0,733 | 0,44044 | 2,002 |
a. Predictor: ( constant ), F3, F2, F1
b. Dependent Variable: HAILONG
(Nguồn xử lý số liệu SPSS)
Trị số R có giá trị 0,861 cho thấy mối quan hệ giữa các biến trong mô hình có mối tương quan khá chặt chẽ. Báo cáo kết quả hồi qui của mô hình cho thấy giá trị R2 (R Square) bằng 0,741 điều này nói lên độ phù hợp của mô hình là 74,1% hay nói cách
khác là 74,1% sự biến thiên của biến Hài lòng được giải thích bởi 3 thành phần chất lượng phục vụ của GDV. Giá trị R2 hiệu chỉnh (Adjusted R Square) phản ánh chính xác hơn sự phù hợp của mô hình đối với tổng thể, ta có giá trị R2 hiệu chỉnh bằng 0,733 (hay 73,3%) có nghĩa tồn tại mô hình hồi qui tuyến tính giữa Sự hài lòng của khách hàng và 3 thành phần trong chất lượng phục vụ của GDV.
2.2.3.3. Kiểm định độ phù hợp của mô hình.
Bước tiếp theo trong phân tích hồi quy đó là thực hiện kiểm định F về độ phù hợp của mô hình hồi quy tuyến tính tổng thể, xem biến phụ thuộc có liên hệ tuyến tính với toàn bộ biến độc lập hay không.
Kiểm định cặp giả thuyết:
H0: Mô hình hồi quy tuyến tính là không phù hợp (β1 = β2 = β3 = 0) H1: Mô hình hồi quy tuyến tính là phù hợp (tồn tại ít nhất 1 β khác 0)
Mô hình | Tổng R2 | Df | Trung bình | F | Sig. |
1 Hồi quy | 53,377 | 3 | 17,792 | 91,720 | 0,000a |
Phần dư | 18,623 | 96 | 0,194 | ||
Tổng | 72,000 | 99 |
Bảng 2.23: Kiểm định ANOVA về độ phù hợp của mô hình ANOVAb
a. Predictor: ( constant ), F3, F2, F1
b. Dependent Variable: HAILONG
(Nguồn xử lí dữ liệu bằng SPSS)
Nhận xét: Từ bảng trên ta thấy giá trị sig <0.05, từ đó có thể kết luận mô hình hồi quy tuyến tính xây dựng phù hợp với tổng thể.
2.2.3.4. Dò tìm các vi phạm giả định cần thiết
a) Giả định phương sai của sai số không đổi
Hiện tượng phương sai sai số thay đổi gây ra các hậu quả tai hại đối với mô hình ước lượng bằng phương pháp OSL. Nó làm cho các ước lượng của các hệ số hồi quy không chệch, nhưng không hiệu quả.
Để kiểm tra xem mô hình xây dựng được có xảy ra hiện tượng phương sai sai số thay đổi hay không, ta tiến hành kiểm định tương quan hạng Spearman. Giả thuyết đặt ra cho kiểm định này là:
H0: hệ số tương quan hạng của tổng thể bằng 0 H1: Hệ số tương quan hạng của tổng thể khác 0
Bảng 2.24: Kết quả kiểm định Spearman mối tương quan giữa phần dư và các biến độc lập
Năng lực phục vụ | Chăm sóc khách hàng và độ tin cậy | Hành vi của GDV | ||
Trị tuyệt đối của phần dư | Hệ số tương quan hạng | 0,003 | 0,026 | 0,031 |
Sig. (2 phía) | 0,976 | 0,800 | 0,763 | |
N | 100 | 100 | 100 |
( Nguồn xử lý SPSS )
Nhận xét: Kết quả cho thấy giá trị Sig. đều lớn hơn 0,05 nên không có cơ sở bác bỏ giả thuyết H0: hệ số tương quan hạng của tổng thể bằng 0. Như vậy, giả thuyết phương sai sai số thay đổi bị bác bỏ. Mô hình thoả mãn giả định phương sai sai số không đổi.
b) Giả định về phân phối chuẩn của phần dư
Tính chất phân phối của phần dư thể hiện qua biểu đồ tần số Histogram:
( Nguồn xử lý số liệu SPSS )
Hình 2.13: Biểu đồ Phân phối chuẩn phần dư
Với Mean = 1,73E-15 gần bằng 0, độ lệch chuẩn Std. Dev = 0,985, và đồ thị có dạng hình chuông nên có thể kết luận rằng giả thiết phân phối chuẩn không bị vi phạm.
c) Giả định tính độc lập của sai số
Đại lượng Durbin – Watson được dùng để kiểm định tương quan của các sai số kề nhau.
Giả thuyết khi tiến hành kiểm định này là:
H0: Hệ số tương quan tổng thể của các phần dư bằng 0 H1: Hệ số tương quan tổng thể của phần dư khác 0
Thực hiện hồi quy cho ta kết quả về trị kiểm định d của Durbin – Watson trong bảng dưới đây bằng 2,020 . Giá trị d tra bảng Durbin – Watson với 3 biến độc lập và 100 mẫu quan sát là dL = 1,613 và dU = 1,736
Bảng 2.25: Kiểm định Durbin – Watson
R2 | R2 hiệu chỉnh | Dubin-watson | |
.861a | 0,741 | 0,733 | 2,020 |
Nhận xét: Giá trị d tính được rơi vào miền chấp nhận giả thuyết không có tự tương quan. Như vậy mô hình không vi phạm giả định về hiện tượng tự tương quan.
d. Giả định không có hiện tượng Đa cộng tuyến
Bảng 2.26: Kiểm định hiện tượng đa cộng tuyến
Đo lường đa cộng tuyến | ||
Độ chấp nhận (Tolerance) | Hệ số phóng đại phương sai (Variance Inflation Factor - VIF) | |
(Hằng số) | ||
Năng lực phục vụ | 0,506 | 1,977 |
Chăm sóc khách hàng và độ tin cậy | 0,618 | 1,619 |
Hành vi của GDV | 0,583 | 1,715 |
(Nguồn xử lý SPSS)
Nhận xét: Với độ chấp nhận (Tolerance) lớn và hệ số phóng đại phương sai (Variance Inflation Factor - VIF) của các biến nhỏ, mô hình hồi quy không vi phạm hiện tượng đa cộng tuyến. Mô hình hồi quy vi phạm hiện tượng đa cộng tuyến khi có giá trị VIF lớn hơn hay bằng 10.
2.2.3.3. Kết quả phân tích hồi quy đa biến và đánh giá mức độ quan trọng của từng nhân tố
Kiểm định cặp giả thuyết:
H0: Các biến độc lập không có tác động đến sự hài lòng của KH cá nhân H1: Các biến độc lập có tác động đến sự hài lòng của KH cá nhân
Bảng 2.27: Bảng phân tích hồi quy đa biến
Hệ số hồi quy chưa chuẩn hoá | Hệ số hồi quy chuẩn hoá | T | Sig. | ||
B | Độ lệch chuẩn | Beta | |||
(Hằng số) | -1,878 | 0,338 | -5,554 | 0,000 | |
Năng lực phục vụ | 0,843 | 0,118 | 0,522 | 7,154 | 0,000 |
Chăm sóc khách hàng và độ tin cậy | 0,503 | 0,101 | 0,329 | 4,980 | 0,000 |
Hành vi của GDV | 0,200 | 0,098 | 0,139 | 2,052 | 0,043 |
( Nguồn xử lý số liệu SPSS )
Nhận xét: Kiểm định t trong phân tích hệ số hồi quy cho ta thấy: giá trị Sig. của tất cả các biến độc lập đều nhỏ hơn 0,05. Do đó ta có thể nói rằng tất cả các biến độc lập đều có tác động đến Sự hài lòng của khách hàng cá nhân đối với chấtt lượng phục vụ của GDV. Tất cả các nhân tố này đều có ý nghĩa trong mô hình và tác động cùng chiều đến sự hợp tác của khách hàng, do các hệ số hồi quy đều mang dấu dương.
Phương trình hồi quy tổng quát của mô hình được viết lại như sau:
Sự hài lòng = -1,878 + 0,843*Năng lực phục vụ + 0,503*Chăm sóc khách hàng và độ tin cậy + 0,2*Hành vi của GDV
Thông qua các hệ số hồi quy chuẩn hoá, ta biết được mức độ quan trọng của các nhân tố tham gia vào phương trình. Cụ thể, nhân tố Năng lực phục vụ có ảnh hưởng