اگر متغیر مستقل رضایت مشتری را با و متغیر وابسته وفاداری مشتری را با نمایش دهیم، مدل رگرسیونی بشرح زیر می باشد:
بطوریکه نشان دهنده عرض از مبدا و نشان دهنده ضریب رگرسیونی میان متغیر رضایت مشتری و متغیر وابسته وفاداری مشتری است. در صورتی می توان ادعا کرد که متغیر رضایت مشتری تاثیر مثبت و معناداری بر وفاداری مشتری دارد که ضریب رگرسیونی مثبت باشد. بنابراین باید آزمون فرض زیر را انجام داده و فرض صفر و فرض مقابل را به صورت زیر تعریف می کنیم:
(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))
فرض : رضایت مشتری بر وفاداری مشتری، تأثیر مثبت و معناداری ندارد.( )
فرض : رضایت مشتری بر وفاداری مشتری، تأثیر مثبت و معناداری دارد. ( )
اگر سطح معناداری از ۰۵/۰ کمتر باشد، فرض رد می شود و پذیرفته می شود.
در جدول (۴-۱۱) مشاهده می کنیم مقدار ضریب رگرسیونی میان متغیر رضایت مشتری و وفاداری مشتری ۵۷۰/۰ و سطح معناداری ۰۰۰/۰ است که از ۰۵/۰ کمتر است، بنابراین با توجه به سطح معناداری و مثبت بودن ضریب رگرسیونی نتیجه می گیریم فرض از نظر آماری تایید شده و فرضیه سوم پذیرفته می شود و با اطمینان ۹۵ درصد رضایت مشتری تاثیر مثبت و معناداری بر وفاداری مشتری دارد.
در این جدول مقدار عرض از مبدا نیز آزمون شده است، چون سطح معنی داری از ۰۵/۰ کمتر است نتیجه می گیریم که عرض از مبدا مخالف صفر است.
جدول ۴-۱۱: جدول ضرایب رگرسیونی فرضیه سوم
ضرایب | مقدار آماره آزمون T | سطح معنی داری | فرض مورد بررسی | نتیجه آزمون فرض | |
عرض از مبدا ( ) | ۰۸۸/۲ | ۷۸۹/۱۱ | ۰۰۰/۰ | پذیرش فرض | |
رضایت مشتری ( ) |
۴۸۱/۰ | ۴۲۵/۱۰ | ۰۰۰/۰ | پذیرش فرض |
با بهره گرفتن از جدول ضرایب فوق، مدل رگرسیون خطی ساده میان متغیر مستقل رضایت مشتری و متغیر وابسته وفاداری مشتری عبارت است از:
X30.481 +2.088 Y3=
با بهره گرفتن از این مدل رگرسیونی، هر مقدار مد نظر، از وفاداری مشتری را می توان با بهره گرفتن از متغیر رضایت مشتری پیش بینی کرد. همچنین ضریب تعیین این مدل ۲۲۱/. می باشد یعنی با بهره گرفتن از رابطه رگرسیونی فوق ۱/۲۲ درصد از تغییرات را می توان توجیه کرد.
در ادامه با بهره گرفتن از جدول تجزیه واریانس که با نرم افزار SPSS به دست آمده است فرضیات زیر آزمون می شوند:
فرض : مدل رگرسیون خطی برازش داده شده، معنادار نیست.
فرض : مدل رگرسیون خطی برازش داده شده، معنادار است.
اگر سطح معناداری از ۰۵/. کمتر باشد، نتیجه می گیریم فرض مقابل تایید می شود و مدل رگرسیون خطی برازش داده شده معنادار است.