Model Summaryb

Std. Change Statistics

Error of
Adjuste the R
R dR Estimat Square F Sig. F Durbin-
Model R Square Square e Change Change df1 df2 Change Watson
1 ,691a ,478 ,469 ,64904 ,478 55,067 5 301 ,000 1,869
a. Predictors: (Constant), GCKM, MB, NV, TB, HH
b. Dependent Variable: SHL
Kết quả cho thấy mô hình có độ phù hợp đạt yêu cầu (R 2=0.469). Hệ số R2 hiệu
chỉnh (Adjusted Square) trong mô hình này là 0.469 nghĩa là mô hình hồi quy tuyến tính
đã xây dựng phù hợp với tập dữ liệu đến mức 46.9 %. Điều này cũng có nghĩa là có 46.9%
sự biến thiên của sự hài lòng của khách hàng về chất lượng dịch vụ của các siêu
thị trên địa bàn TP.HCM được giải thích chung bởi 5 biến độc lập trong mô hình.
Đại lượng thống kê Durbin – Watson (d) của hàm hồi quy 1 có giá trị là 1.869 < 3, cho
thấy: không có hiện tượng tự tương quan chuỗi bậc 1, hay nói cách khác: các phần dư ước
lượng của mô hình độc lập, không có mối quan hệ tuyến tính với nhau.

ANOVAa

Model Sum of Squares df Mean Square F Sig.

Regression 115,984 5 23,197 55,067 ,000b

1 Residual 126,796 301 ,421

Total 242,780 306

a. Dependent Variable: SHL

b. Predictors: (Constant), GCKM, MB, NV, TB, HH

Hệ số Sig trong mô hình ta thấy tất cả đều đạt yêu cầu < 0.05

Coefficientsa

Unstandardized Standardized Collinearity

Coefficients Coefficients Correlations Statistics
Std. Zero-
Model B Error Beta t Sig. order Partial Part Tolerance VIF
1 (Constant) -,370 ,273 -1,356 ,176
HH ,283 ,050 ,269 5,636 ,000 ,520 ,309 ,235 ,763 1,311
NV ,351 ,048 ,342 7,370 ,000 ,541 ,391 ,307 ,804 1,244
TB ,204 ,058 ,158 3,529 ,000 ,359 ,199 ,147 ,863 1,159
MB ,075 ,045 ,073 1,675 ,095 ,239 ,096 ,070 ,920 1,087
GCKM ,228 ,050 ,201 4,562 ,000 ,391 ,254 ,190 ,896 1,116
a. Dependent Variable: SHL
Hệ số Sig trong mô hình ta thấy tất cả đều đạt yêu cầu < 0.05. Tuy nhiên có 1 biến độc lập
là MB có chỉ số Sig = 0.095 > 0.05 nên chưa đạt yêu cầu. Chúng ta phải loại đi biến độc
lập MB và phân tích hồi quy tuyến tính lần 2

Phân tích hồi quy tuyến tính lần 2

Model Summaryb

Model R R Adjusted R Std. Error Change Statistics Durbin-

Square Square of the R Square F df1 df2 Sig. F Watson
Estimate Change Change Change

1 ,688a ,473 ,466 ,65098 ,473 67,726 4 302 ,000 1,891

a. Predictors: (Constant), GCKM, TB, NV, HH

b. Dependent Variable: SHL

Kết quả cho thấy mô hình có độ phù hợp đạt yêu cầu (R 2=0.466). Hệ số R2 hiệu
chỉnh (Adjusted Square) trong mô hình này là 0.466 nghĩa là mô hình hồi quy tuyến tính
đã xây dựng phù hợp với tập dữ liệu đến mức 46.6 %. Điều này cũng có nghĩa là có 46.6%
sự biến thiên của sự hài lòng của khách hàng về chất lượng dịch vụ của các siêu
thị trên địa bàn TP.HCM được giải thích chung bởi 5 biến độc lập trong mô hình.
Đại lượng thống kê Durbin – Watson (d) của hàm hồi quy 1 có giá trị là 1.891 < 3, cho
thấy: không có hiện tượng tự tương quan chuỗi bậc 1, hay nói cách khác: các phần dư ước
lượng của mô hình độc lập, không có mối quan hệ tuyến tính với nhau.

ANOVAa

Model Sum of Squares df Mean Square F Sig.

Regression 114,802 4 28,700 67,726 ,000b

1 Residual 127,979 302 ,424

Total 242,780 306

a. Dependent Variable: SHL

b. Predictors: (Constant), GCKM, TB, NV, HH

Hệ số Sig trong mô hình ta thấy tất cả đều đạt yêu cầu < 0.05
 Coefficientsa
Model Unstandardized Standardized t Sig. Correlations Collinearity
Coefficients Coefficients Statistics
B Std. Error Beta Zero- Partial Part Tolerance VIF
order
(Constant) -,233 ,261 -,893 ,372

HH ,286 ,050 ,272 5,701 ,000 ,520 ,312 ,238 ,764 1,308

1 NV ,360 ,047 ,351 7,591 ,000 ,541 ,400 ,317 ,815 1,228

TB ,222 ,057 ,172 3,906 ,000 ,359 ,219 ,163 ,895 1,117

GCKM ,230 ,050 ,202 4,587 ,000 ,391 ,255 ,192 ,897 1,115
a. Dependent Variable: SHL

- Hệ số Sig trong mô hình ta thấy tất cả đều đạt yêu cầu < 0.05 đủ điều kiện tin cậy,
mô hình hồi quy tuyến tính bội phù hợp với dữ liệu và có thể sử dụng được.
- Trong điều kiện các yếu tố khác không thay đổi, ta thấy:
+ Biến độc lập NV (Nhân viên) là Biến độc lập tác động mạnh nhất đến sự hài lòng
của khách hàng về chất lượng dịch vụ của các siêu thị trên địa bàn TP.HCM (Vì hệ số
Beta chuẩn hóa = 0.351)
+ Biến độc lập HH (Hàng hóa) tác động mạnh nhì đến đến sự hài lòng của khách
hàng về chất lượng dịch vụ của các siêu thị trên địa bàn TP.HCM (Vì hệ số Beta chuẩn
hóa = 0.272)
+ Biến độc lập GCKM (Giá cả khuyến mãi) tác động mạnh thứ ba đến đến sự hài
lòng của khách hàng về chất lượng dịch vụ của các siêu thị trên địa bàn TP.HCM (Vì hệ
số Beta chuẩn hóa = 0.202)
+ Biến độc lập TB (Trưng bày) tác động yếu nhất đến đến sự hài lòng của khách
hàng về chất lượng dịch vụ của các siêu thị trên địa bàn TP.HCM (Vì hệ số Beta chuẩn
hóa = 0.172)
- Phương trình hồi quy chuẩn hóa sẽ được viết như sau:
SHL = 0.351*NV + 0.272*HH + 0.202*GCKM + 0.172*TB
- Trong điều kiện các yếu tố khác không thay đổi, nếu chúng ta tăng hoặc giảm biến
độc lập NV 1 đơn vị thì biến phụ thuộc SHL sẽ tăng hoặc giảm 0.351 đơn vị
- Trong điều kiện các yếu tố khác không thay đổi, nếu chúng ta tăng hoặc giảm biến
độc lập HH 1 đơn vị thì biến phụ thuộc SHL sẽ tăng hoặc giảm 0.272 đơn vị
- Trong điều kiện các yếu tố khác không thay đổi, nếu chúng ta tăng hoặc giảm biến
độc lập GCKM 1 đơn vị thì biến phụ thuộc SHL sẽ tăng hoặc giảm 0.202 đơn vị
- Trong điều kiện các yếu tố khác không thay đổi, nếu chúng ta tăng hoặc giảm biến
độc lập TB 1 đơn vị thì biến phụ thuộc SHL sẽ tăng hoặc giảm 0.172 đơn vị
- Tất cả các biến độc lập tác động cùng chiều với biến phụ thuộc
- Ta thấy tất cả các giá trị của hệ số Tolerance đều lớn hơn > 0.5 và tất cả các
giá trị của hệ số phóng đại phương sai VIF đều nhỏ hơn < 2 => KHÔNG CÓ
HIỆN TƯỢNG ĐA CỘNG TUYẾN XẢY RA

-
 - Hệ số beta chuẩn hóa (màu cam) sẽ cho chúng ta biết được biến độc lập nào
tác động mạnh nhất biến nào tác động yếu nhất

Kết quả từ biểu đồ tần số Histogram của phần dư cho thấy, phân phối của phần dư
xấp xỉ chuẩn (trung bình Mean lệch với 0 vì số quan sát khá lớn, độ lệch chuẩn Std. Dev =
0.993). Điều này có nghĩa là giả thuyết phân phối chuẩn của phần dư không bị vi phạm
Kiểm định Durbin Watson = 1.891 trong khoảng [1 < D < 3] nên không có hiện
tượng tương quan của các phần dư (Hoàng Trọng – Chu Nguyễn Mộng Ngọc, 2008)

Hình trên cho thấy các phần dư phân tán ngẫu nhiên quanh trục O (là quanh giá trị
trung bình của phần dư) trong một phạm vi không đổi. Điều này có nghĩa là phương sai
của phần dư không đổi.
 Kết quả từ biểu đồ tần số P-P plot cho thấy các điểm phân tán xung quanh được kỳ
vọng. Cũng cho thấy giả định phân phối chuẩn của phần dư không bị vi phạm.