Phân tích hồi quy:

Biến Trải nghiệm khách hàng

Dựa vào cơ sở lý thuyết và kết quả phân tích ở trên ta sẽ đưa tất cả các biến độc lập trong
mô hình hồi quy đã điều chỉnh bằng phương pháp đưa vào cùng một lúc Enter để chọn
lọc dựa trên tiêu chí chọn những biến có mức ý nghĩa < 0.05.

Phương pháp kiểm định được sử dụng là hàm hồi quy tuyến tính bội với phương pháp
đưa vào một lượt (Enter).

Để đánh giá mức độ phù hợp của mô hình, hệ số xác định R2 và R2 hiệu chỉnh (Adjusted
R square) được xem xét. Vì R2 sẽ tăng lên khi đưa thêm biến độc lập vào mô hình nên
dùng R2 hiệu chỉnh sẽ an toàn hơn khi đánh giá độ phù hợp của mô hình.

R2 hiệu chỉnh càng lớn thể hiện độ phù hợp của mô hình càng cao. Kết quả nhận được
cho thấy mức ý nghĩa sig. rất nhỏ và hệ số xác định R2 = 0.659 (và R2 hiệu chỉnh
=0.650) chứng minh mức độ phù hợp với mô hình tương đối cao. Điều này cho thấy rằng
6 biến độc lập đưa vào ảnh hưởng 65,9% sự thay đổi của biến phụ thuộc còn lại 34,1% là
do các biến ngoài mô hình và sai số ngẫu nhiên.

Bảng. Bảng Hệ số xác định độ phù hợp của mô hình

Mô Giá R bình R bình Sai số Durbin-

hình trị R phương phương hiệu chuẩn của
Watson
chỉnh ước lượng
1 .812a .659 .650 .59255 1.997

(Nguồn: Kết quả xử lý trên phần mềm SPSS 20.0)

Hiện tượng đa cộng tuyến trong nghiên cứu này không xảy ra và làm ảnh hưởng đến kết
quả giải thích với hệ số VIF- hệ số phóng đại phương sai của các biến độc lập trong mô
hình đều < 3. Quy tắc là khi VIF vượt quá 2 thì đó là dấu hiệu của đa cộng tuyến.

Bảng . Bảng Kết quả phân tích ANOVA

Mô hình Tổng các bình Df Mean F Sig.

phương Square
1 Regression 161.455 6 26.909 76.640 .000 b
 Residual 83.564 238 .351

Total 245.019 244

(Nguồn: Kết quả xử lý trên phần mềm SPSS 20.0)

Như vậy, kết quả thống kê còn cho thấy, các hệ số hồi quy chuẩn hóa của phương trình
hồi quy điều khác 0 và có 06 nhân tố có Sig.<0.05, chứng tỏ 06 nhân tố này điều ảnh
hưởng đến Trải nghiệm của khách hàng tại Jollibee. So sánh giá trị (độ lớn) của hệ số
chuẩn hóa cho thấy tác động theo thứ tự từ mạnh đến yếu của các nhân tố: Năng lực phục
vụ, Sự đảm bảo, Sự đồng cảm, Chất lượng món ăn, Độ tin cậy, Không gian phục vụ.

Bảng. Bảng kết quả phân tích hồi quy

Hệ số hồi quy Hệ số hồi t Giá Thống kê đa tuyến cộng

chưa chuẩn hóa quy chuẩn trị
Mô hình
hóa Sig.

B Sai số Beta Độ Hệ số phóng

chuẩn chấp đại phương
nhận sai

1 (Hằng .616 .238 2.590 .010

số)
SDB .205 .042 .223 4.853 .000 .680 1.470
DTC .144 .043 .152 3.322 .001 .686 1.458
SDC .171 .044 .173 3.873 .000 .720 1.389
CLMA .165 0.44 .171 3.721 .000 .675 1.482
NLPV .265 .042 .285 6.253 .000 .688 1.455
 KGPV .136 0.45 .137 3.009 .003 .693 1.443

(Nguồn: Kết quả xử lý trên phần mềm SPSS 20.0)

Hệ số phóng đại phương sai VIF (Variance inflation factor – VIF) rất khó (nhỏ hơn 2)
cho thấy các biến độc lập này không có quan hệ chặt chẽ với nhau nên không có hiện
tượng đa cộng tuyến.

Những giá trị Beta khác 0 không có ý nghĩa thống kê (kiểm định 2 phía p>0.05)

Kết quả trên cũng cho thấy mối quan hệ tuyến tính của các yếu tố tác động đến Trải
nghiệm khách hàng khi sử dụng dịch vụ và sản phẩm tại Jollibee của khách hàng có ý
nghĩa thống kê (Sig. < 0.05). Các giả thuyết H1, H2, H3, H4, H5, H6 được chấp nhận.

Như vậy kết quả cho thấy có 6 biến độc lập tác động có ý nghĩa lên biến phụ thuộc (Sig.
<0.05). Và 6 nhân tố này đưa vào phân tích hồi quy đều được giữ lại trong mô hình.

Kiểm định F sử dụng trong bảng phân tích phương sai vẫn là một phép giả thuyết về độ
phù hợp của mô hình hồi quy tuyến tính tổng thể. Kết quả phân tích cho thấy. kiểm định
F có giá trị là 76.640 với Sig. = 000(b) chứng tỏ mô hình hồi quy tuyến tính hội là phù
hợp với tập dữ liệu và có thể sử dụng được để suy rộng ra cho tổng thể.
Biến Sự hài lòng

Dựa vào cơ sở lý thuyết và kết quả phân tích ở trên ta sẽ đưa tất cả các biến độc lập trong
mô hình hồi quy đã điều chỉnh bằng phương pháp đưa vào cùng một lúc Enter để chọn
lọc dựa trên tiêu chí chọn những biến có mức ý nghĩa < 0.05.

Phương pháp kiểm định được sử dụng là hàm hồi quy tuyến tính bội với phương pháp
đưa vào một lượt (Enter).

Để đánh giá mức độ phù hợp của mô hình, hệ số xác định R2 và R2 hiệu chỉnh (Adjusted
R square) được xem xét. Vì R2 sẽ tăng lên khi đưa thêm biến độc lập vào mô hình nên
dùng R2 hiệu chỉnh sẽ an toàn hơn khi đánh giá độ phù hợp của mô hình.

R2 hiệu chỉnh càng lớn thể hiện độ phù hợp của mô hình càng cao. Kết quả nhận được
cho thấy mức ý nghĩa sig. rất nhỏ và hệ số xác định R2 = 0.560 (và R2 hiệu chỉnh
=0.559) chứng minh mức độ phù hợp với mô hình tương đối cao. Điều này cho thấy rằng
1 biến độc lập đưa vào ảnh hưởng 56,0% sự thay đổi của biến phụ thuộc còn lại 44,0% là
do các biến ngoài mô hình và sai số ngẫu nhiên.

Bảng. Bảng Hệ số xác định độ phù hợp của mô hình

Mô Giá R bình R bình Sai số Durbin-

hình trị R phương phương hiệu chuẩn của
Watson
chỉnh ước lượng
1 .749a .560 .559 .67131 1.876

(Nguồn: Kết quả xử lý trên phần mềm SPSS 20.0)

Hiện tượng đa cộng tuyến trong nghiên cứu này không xảy ra và làm ảnh hưởng đến kết
quả giải thích với hệ số VIF- hệ số phóng đại phương sai của các biến độc lập trong mô
hình đều < 3. Quy tắc là khi VIF vượt quá 2 thì đó là dấu hiệu của đa cộng tuyến.

Bảng . Bảng Kết quả phân tích ANOVA

Mô hình Tổng các Df Mean F Sig.

bình phương Square
1 Regression 139.657 1 139.657 309.894 .000 b
 Residual 109.510 243 .451

Total 249.167 244

(Nguồn: Kết quả xử lý trên phần mềm SPSS 20.0)

Như vậy, kết quả thống kê còn cho thấy, các hệ số hồi quy chuẩn hóa của phương trình
hồi quy điều khác 0 và có 01 nhân tố có Sig.<0.05, chứng tỏ 01 nhân tố này điều ảnh
hưởng đến Sự hài lòng của khách hàng về chất lượng dịch vụ ăn uống tại Jollibee. So
sánh giá trị (độ lớn) của hệ số chuẩn hóa cho thấy tác động theo thứ tự từ mạnh đến yếu
của các nhân tố: Trải nghiệm khách hàng.

Bảng. Bảng kết quả phân tích hồi quy

Hệ số hồi quy Hệ số hồi t Giá Thống kê đa tuyến

chưa chuẩn hóa quy chuẩn trị cộng
Mô hình
hóa Sig.

B Sai số Beta Độ Hệ số phóng

chuẩn chấp đại phương
nhận sai

1 (Hằng 1.309 .242 5.400 .000

số)
KGPV .755 .043 .749 17.604 .000 1.000 1.000

(Nguồn: Kết quả xử lý trên phần mềm SPSS 20.0)

Hệ số phóng đại phương sai VIF (Variance inflation factor – VIF) rất khó (nhỏ hơn 2)
cho thấy các biến độc lập này không có quan hệ chặt chẽ với nhau nên không có hiện
tượng đa cộng tuyến.
Những giá trị Beta khác 0 không có ý nghĩa thống kê (kiểm định 2 phía p>0.05)

Kết quả trên cũng cho thấy mối quan hệ tuyến tính của các yếu tố tác động đến Sự hài
lòng của khách hàng về chất lượng dịch vụ ăn uống tại Jollibee có ý nghĩa thống kê (Sig.
< 0.05). Các giả thuyết H7 được chấp nhận.

Như vậy kết quả cho thấy có 1 biến độc lập tác động có ý nghĩa lên biến phụ thuộc (Sig.
<0.05). Và 1 nhân tố này đưa vào phân tích hồi quy đều được giữ lại trong mô hình.

Kiểm định F sử dụng trong bảng phân tích phương sai vẫn là một phép giả thuyết về độ
phù hợp của mô hình hồi quy tuyến tính tổng thể. Kết quả phân tích cho thấy. kiểm định
F có giá trị là 309.894 với Sig. = 000(b) chứng tỏ mô hình hồi quy tuyến tính hội là phù
hợp với tập dữ liệu và có thể sử dụng được để suy rộng ra cho tổng thể.