Trang chủ / Khách Hàng

Đánh Giá Độ Phù Hợp Của Mô Hình Hồi Qui Tuyến Tính Bội



Bảng 15: Ma trận hệ số tương quan giữa các biến



F1

F2

F3

F4

LTT

F1

Pearson Correlation

1

0,404**

0,141

0,143

0,443**


Sig. (2-tailed)


0,000

0,085

0,081

0,000


N

150

150

150

150

150

F2

Pearson Correlation

0,404**

1

0,210*

0,304**

0,462**


Sig. (2-tailed)

0,000


0,010

0,000

0,000


N

150

150

150

150

150

F3

Pearson Correlation

0,141

0,210*

1

0,387**

0,390**


Sig. (2-tailed)

0,085

0,010


0,000

0,000


N

150

150

150

150

150

F4

Pearson Correlation

0,143

0,304**

0,387**

1

0,383**


Sig. (2-tailed)

0,081

0,000

0,000


0,000


N

150

150

150

150

150

LTT

Pearson Correlation

0,443**

0,462**

0,390**

0,383**

1


Sig. (2-tailed)

0,000

0,000

0,000

0,000



N

150

150

150

150

150

Có thể bạn quan tâm!

Xem toàn bộ 154 trang tài liệu này.

Đánh giá lòng trung thành của khách hàng đối với thẻ ghi nợ nội địa E-Partner của Ngân hàng Thương mại cổ phần Công thương Việt Nam - Chi nhánh Nam Thừa Thiên Huế - 10

Correlations


**. Correlation is significant at the 0,01 level (2-tailed).

*. Correlation is significant at the 0,05 level (2-tailed).


(Nguồn: xử lý số liệu bằng SPSS)


2.2.4.4. Xây dựng mô hình hồi qui tuyến tính:


Phân tích hồi qui bội được thực hiện với 4 biến độc lập bao gồm: Sự thỏa mãn , Rào cản chuyển đổi và quyết định lựa chọn, Thói quen lựa chọn, Chất lượng dịch vụ. Và phân tích được thực hiện bằng phương pháp sử dụng phương pháp chọn biến độc lập từng bước (Stepwise regression) – kết hợp của phương pháp đưa dần và loại trừ dần. Về mặt thực tiễn nó cũng là phương pháp được sử dụng thông thường nhất.

Trong phương pháp này, biến đầu tiên được đưa vào phương trình là biến có tương quan thuận hay nghịch lớn nhất với biến phụ thuộc. Nếu biến này không thỏa mãn điều kiện vào (FIN hoặc PIN) thì thủ tục sẽ chấm dứt và không có biến độc lập nào rong phương trình. Nếu nó thõa mãn thì biến thứ hai được chọn căn cứ vào tương quan riêng cao nhất. Và tiếp tục như vậy. Đưa lần lượt biến có tương quan lớn nhất là F2, rồi tiếp tục biến có tương quan cao tiếp theo là F1, tiếp tục với F3, và cuối cùng đưa biến F4 vào.

Bảng 16: Kết quả hồi qui sử dụng phương pháp Stepwise:



Mô hình

Hệ số không

chuẩn hóa

Hệ số chuẩn

hóa


t


Sig.

Thống kê


cộng tuyến


B

Sai số chuẩn


Beta


Tolerance


VIF

1

(Constant)

1,771

0,379


4,672

0,000



F2

0,615

0,097

0,462

6,335

0,000

1,000

1,000

2

(Constant)

0,895

0,410


2,182

0,031



F2

0,529

0,094

0,398

5,647

0,000

0,956

1,046

F3

0,279

0,064

0,307

4,356

0,000

0,956

1,046


3

(Constant)

0,591

0,398


1,484

0,140



F2

0,380

0,097

0,285

3,924

0,000

0,813

1,229

F3

0,264

0,061

0,290

4,311

0,000

0,952

1,050

F1

0,223

0,056

0,287

3,991

0,000

0,834

1,199

4

(Constant)

0,203

0,421


0,481

0,632



F2

0,324

0,098

0,244

3,319

0,001

0,771

1,297

F3

0,208

0,064

0,229

3,253

0,001

0,838

1,193

F1

0,223

0,055

0,286

4,058

0,000

0,834

1,199

F4

0,184

0,074

0,180

2,490

0,014

0,798

1,253

(Nguồn: Kết quả xử lý SPSS)


Kiểm định t với mức ý nghĩa 95% cho thấy tất cả 4 biến độc lập đều ảnh hưởng đến biến phụ thuộc. Mức giá trị Sig của 4 nhân tố đều < 0,05, chứng tỏ 4 biến độc lập sử dụng trong mô hình có ý nghĩa thống kê.

Ta có được mô hình sau


Y = 0,203 + 0,244X1 + 0,229X2 + 0,286X3 +0,180X4 +e

Trong đó:


Y: lòng trung thành của khách hàng


X1: trung thành vì rào cản chuyển đổi và quyết định lựa chọn

X2: trung thành vì thói quen lựa chọn

X3: trung thành vì sự thỏa mãn

X4: trung thành vì chất lượng dịch vụ


e: Sai số ước lượng


2.2.4.5. Đánh giá độ phù hợp của mô hình hồi qui tuyến tính bội

Mô hình thường không phù hợp với dữ liệu thực tế như giá trị R2 thể hiện. Trong tình huống này R2 điều chỉnh từ R2 được sử dụng để phản ánh sát hơn mức độ phù hợp của mô hình hồi qui tuyến tính đa biến (Theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008). Như vậy, để đánh giá độ phù hợp của mô hình ta dùng hệ số xác định R2 điều chỉnh. Hệ số xác định R2 điều chỉnh của mô hình này là 38,1%, thể hiện 4 biến độc lập trong mô hình giải thích được 38,1% biến thiên của biến phụ thuộc trung thành dịch vụ thẻ ghi nợ nội địa E-Partner của NH TMCP Công thương Việt Nam – chi nhánh Nam Thừa Thiên Huế. Với giá trị này thì độ phù hợp của mô hình là có thể chấp nhận được.

Bảng 17: Đánh giá độ phù hợp của mô hình hồi qui tuyến tính bội



Model


R


R2


R2 điều

chỉnh


Std.error of the Estimate

Change Statistics


Durbin- Watson

Mức thay đổi của R2

Thay đổi của F


df1


df2


Sig

1

0,462

0,213

0,208

0,37706

0,213

40,173

1

148

0,000


2

0,551

0,303

0,294

0,35606

0,090

18,976

1

147

0,000


3

0,610

0,372

0,359

0,33925

0,069

15,927

1

146

0,000


4

0,631

0,398

0,381

0,33337

0,026

6,918

1

145

0,014

1,787

2.2.4.6. Kiểm định độ phù hợp của mô hình


Để kiểm định độ phù hợp của mô hình ta sử dụng các công cụ là kiểm định F và kiểm định t.


Để có thể suy diễn mô hình này thành mô hình của tổng thể ta cần phải tiến hành kiểm định F thông qua phân tích phương sai. Giả thuyết Ho là βk = 0. Ta có Sig. của F

= 0,000 < 1/1000 nên bác bỏ giả thuyết Ho. Như vậy điều này có nghĩa là kết hợp của

các biến hiện có trong mô hình có thể giải thích được thay đổi của biến phụ thuộc hay


nói cách khác có ít nhất một biến độc lập nào đó ảnh hưởng đến biến phụ thuộc.


Bảng 18: Kiểm định về sự phù hợp của mô hình hồi quy

ANOVAe


Model


Sum of Squares

df

Mean Square

F

Sig.

1

Regression

5,707

1

5,707

40,137

0,000a


Residual

21,042

148

0,142











Total

26,748

149




2

Regression

8,112

2

4,056

31,994

0,000b


Residual

18,636

147

0,127




Total

26,748

149




3

Regression

9,945

3

3,315

28,804

0,000c


Residual

16,803

146

0,115




Total

26,748

149




4

Regression

10,634

4

2,659

23,992

0,000d


Residual

16,114

145

0,111




Total

26,748

149




a. Predictors: (Constant), F2

b. Predictors: (Constant), F2, F3

c. Predictors: (Constant), F2, F3, F1

d. Predictors: (Constant), F2, F3, F1, F4


ANOVAe


Model

Sum of Squares

df

Mean Square

F

Sig.

1

Regression

5,707

1

5,707

40,137

0,000a


Residual

21,042

148

0,142




Total

26,748

149




2

Regression

8,112

2

4,056

31,994

0,000b


Residual

18,636

147

0,127




Total

26,748

149



3

Regression

9,945

3

3,315

28,804

0,000c


Residual

16,803

146

0,115




Total

26,748

149



4

Regression

10,634

4

2,659

23,992

0,000d


Residual

16,114

145

0,111




Total

26,748

149






a. Predictors: (Constant), F2

b. Predictors: (Constant), F2, F3

c. Predictors: (Constant), F2, F3, F1

d. Predictors: (Constant), F2, F3, F1, F4

e. Dependent Variable: LTT


Để đảm bảo các biến độc lập đều thực sự có ảnh hưởng đến biến phụ thuộc, ta tiến

hành kiểm định t. Với giả thuyết Ho là hệ số hồi quy của các biến độc lập βk = 0 và với độ tin cậy 95%. Dựa vào Bảng Kết quả, ta có mức giá trị Sig. của 4 nhân tố Sự thỏa mãn, Rào cản chuyển đổi và quyết định lựa chọn, Thói quen lựa chọn, Chất lượng dịch vụ đều


có sig <0,05 nên bác bỏ giả thiết H0, tức là 4 nhân tố này đều giải thích được cho biến phụ

thuộc.


Ngoài ra để đảm bảo mô hình có ý nghĩa, ta cần tiến hành kiểm tra thêm về đa

cộng tuyến, tự tương quan và kiểm định phân phối chuẩn của phần dư.


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). Kết quả phân tích hồi quy sử dụng phương pháp Stepwise, cho thấy hệ số phóng đại phương sai VIF đều nhỏ hơn 10 và độ chấp nhận của biến (Tolerance) đều lớn hơn 0,1. Mặt khác, trong phân tích hệ số tương quan giữa các biến đều bằng 0 nên có thể kết luận mô hình không bị đa cộng tuyến.

Tra bảng thống kê Durbin-Watson với số mẫu quan sát bằng 150 và số biến độc lập là 4 ta có du = 1,774; 4-du = 2,226. Kết quả kiểm định Durbin – Waston cho giá trị d = 1,787. Như vậy, đại lượng d nằm trong khoảng (du, 4 – du) hay trong khoảng (1,774;2,226) thì ta có thể kết luận các phần dư là độc lập với nhau, không có hiện tượng tự tương quan trong mô hình.

Kiểm định phân phối chuẩn của phần dư ta được kết quả sau đây:



Hình 14 : Kiểm định phân phối chuẩn của phần dư


Dựa vào kết quả trên ta thấy các giá trị Error of Skewness và Std. Error of Kurtosis của các nhân tố đều nhỏ nằm trong khoảng cho phép là từ -2 đến 2, đồng thời biểu đồ histogram của phần dư có dạng hình chuông, trung bình bằng 0, độ lệch chuẩn Std.Dev=0,986 do đó có thể kết luận phần dư có phân phối chuẩn, giả thuyết về phân phối chuẩn của phần dư không bị vi phạm.

Như vậy thông qua các kiểm định trên ta thấy mô hình hồi quy xây dựng được là phù hợp, các biến độc lập đều có tác dụng giải thích tốt cho mô hình.

2.2.4.7. Kiểm định các giả thuyết điều chỉnh


Từ phương trình xây dựng ở trên ta thấy có 4 nhân tố tác động đến lòng trung thành đó là “Sự thõa mãn”, “Rào cản chuyển đổi và quyết định lựa chọn”, “Thói quen lựa chọn” và “Chất lượng dịch vụ”.

Giả thiết H01 cho rằng “Sự thõa mãn” không ảnh hưởng đến lòng trung thành. Dựa vào kết quả hồi quy ta thấy giá trị t= 4,058 với giá trị sig. tương ứng bằng 0,000<0,05 và giá trị B=0,223>0 do đó ta có thể bác bỏ giả thiết H01 với độ tin cậy 95% và kết luận rằng “Sự thõa mãn” là một nhân tố ảnh hưởng đến lòng trung thành của khách hàng, và khi mức độ thỏa mãn về “Sự thõa mãn” tăng lên 1 đơn vị thì lòng trung thành tăng lên 0,223 đơn vị.

Giả thiết H02 cho rằng “Rào cản chuyển đổi và quyết định lựa chọn” không ảnh hưởng đến lòng trung thành. Dựa vào kết quả hồi quy ta thấy giá trị t =3,319 với sig.=0,001<0,05, và giá trị B=0,324 do vậy ta có thể bác bỏ giả thiết H02 với độ tin cậy 95% và kết luận rằng “Rào cản chuyển đổi và quyết định lựa chọn” là một nhân tố ảnh hưởng đến lòng trung thành của khách hàng và khi mức độ thỏa mãn về “Rào cản chuyển đổi và quyết định lựa chọn” tăng 1 đơn vị thì lòng trung thành tăng 0,324 đơn vị.

Giả thiết H03 cho rằng “Thói quen lựa chọn” không ảnh hưởng đến lòng trung thành. Kết quả kiểm định cho thấy giá trị t=3,253 , sig.=0,001 <0,05 và

..... Xem trang tiếp theo?
⇦ Trang trước - Trang tiếp theo ⇨

Ngày đăng: 16/05/2023