V TH À MÔ HỊNH NGHIÊN CU
K t l un ch ng 2
3.4.3.2 Ki mđ nh giá tr ca thang đ ob ng phân tích nhâ nt (EFA)
3.4.2.2.1 Khái quát v ki m đ nh giá tr c a thang đo b ng EFA
Phân tích nhân t b ng các thành ph n chính (principle components) cho phép rút g n nhi u bi n s (items ho c variables) ít nhi u có m i t ng quan l n nhau thành nh ng đ i l ng đ c th hi n d i d ng m i t ng quan theo đ ng
th ng đ c g i là các nhân t (factors).
Phân tích nhân t ph i th a mãn 5 đi u ki n nh sau:
(1) H s KMO ≥ 0.5 và m c Ủ ngh a c a Ki m đ nh Bartlet ≤ 0.05.
KMO là m t ch tiêu dùng đ xem xét s thích h p c a EFA, EFA thích h p khi: 0.5 ≤ KMO ≤ 1; Ki m đ nh Bartlet xem xét gi thuy t v đ t ng quan gi a các bi n quan sát, n u ki m đ nh này có ý ngh a th ng kê (sig ≤ 0.05) thì các bi n quan sát có t ng quan v i nhau trong t ng th ( Theo Hoàng Tr ng và Chu
Nguy n M ng Ng c, 2005, p.262).
(2) H s t i nhân t (Factor Loading) > 0.5 đ t o giá tr h i t - Theo Hair và Ctg (1998, 111). H s t i nhân t là ch tiêu đ đ m b o m c ý ngh a thi t th c c a EFA. H s t i nhân t > 0.3 đ c xem là đ t m c t i thi uthì c m u ít nh t ph i là 350; h s t i nhân t > 0.4 đ c xem là quan tr ng; và ≥ 0.5 đ c xem là có ý ngh a th c ti n. N u c m u kho ng 100 thì nên thì nên ch n tiêu chu n h s t i nhân t > 0.55; n u c m u kho ng 50 thì h s t i nhân t > 0.75.
Trong ph n phân tích nhân t này, tác gi ch p nh n h s t i nhân t t 0.4 tr lên, n u các bi n quan sát không đ t yêu c u này thì không ph i là bi n quan tr ng trong mô hình và b lo i đ ch y ti p phân tích nhân t .
(3) Thang đo đ c ch pnh n khi t ng ph ng sai trích ≥ 50%. (Theo Hair và Ctg, 1998 và Gerbing & Anderson, 1988)
(4) H s eigenvalue >1 (Gerbing và Anderson, 1998). S l ng nhân t đ c xác đ nh d a trên ch s eigenvalue - đ i di n cho ph n bi n thiên đ c gi i thích b i m i nhân t .
(5) Khác bi t h s t i nhân t c a m t bi n quan sát gi a các nhân t ph i ≥ 0.3 đ t o giá tr phân bi tgi a các nhân t (Jabnoun và Al-Tamimi , 2003).
Sau khi ki m tra đi u ki n (1) c a phân tích nhân t , ti n đ n xác đ nh s l ng nhân t thông qua đi u ki n (3) là ph ng sai trích ≥ 50% và (4) là eigenvalue >1. Ti p đ n, ki m tra giá tr h i t theo đi u ki n (2) và giá tr phân bi t theo đi u ki n (5) c acác thang đo nh m đi u ch nh đ ph c v cho vi c ch y
h i quy mô hình ti p theo. Ch y mô hình theo ph ng pháp “Principle axis
factoring” và ch n phép xoay Promax (là ph ng pháp xoay không vuông
góc). K t qu phân tích EFA cu i cùng s đáp ng giá tr h i t và giá tr phân bi t. Cu i cùng, ti n hành đ t tên l i các nhân t và ki m đ nh Cronbach alpha l n n a cho các nhân t đã đ c EFA rút trích đ c. Các nhân s c a các nhân t dùng đ tính toán ch đ c hình thành sau khi ki m tra EFA và Cronbach alpha. Nhân s b ng trung bình c ng (Mean) c a các bi n s (ho c items) c a t ng nhân
t (factors), theo Nguy n ình Th , 2011, p.406.
3.4.2.2.2 Phân t ch nhân t khám phá (EFA) đ i v i các thành ph n c a CLDV
Th
K t qu phân tích nhân t cho th y t t c 26 bi n quan sát trong 5 thành ph n c a thang đo Q SDLD DV Th b phân tán thành 4nhân t . Tuy nhiên, bi n U5
có khác bi t h s t i nhân t c a m t bi n quan sát gi a các nhân t khác nh h n 0,3 nên ph i lo i ra tr c. Ch y l i l n 1, l i th y bi n NL4 có h s t i nhân t khác bi t ít h n 0,3 nên ph i ti p t c lo i ra ti p. Ch y l i l n 2, th y bi n NL5 có
h s t i nhân t khác bi t ít h n nên ph i ti p t c lo i ra đ ch y ti p. Ch y l i l n
3, K t qu cho th y h s KMO = 0.958 nên EFA phù h p v i d li u và th ng kê
Chi-Square c a ki m đ nh Bartlett‟s đ t giá tr 5,332.988 v i m c ý ngh a 0.000;
nên các bi n quan sát có t ng quan v i nhau xét trên ph m vi t ng th ; ph ng sai trích đ c là 63.743 % th hi n 03 nhân t rút trích ra đ c gi i thích 63.743 % bi n thiên c a d li u, t i h s Eigenvalues = 1.244. Do v y, các thang đo rút
ra là ch p nh n đ c.
Do h s t i nhân t (Factor Loading) > 0.4 đ c xem là quan tr ng, nên ti n hành rút trích nhân t v i h s t i nhân t > 0.4 đ b ng s li u d nhìn h n. Vì v y, ti n hành ch y l i l n 4. (Xem Ph l c 6)
Nhân t th 1 (hay thang đo th 1, thu c c t đ u tiên) có bi n quan sát EFA b lo i, nên các thành ph n b thay đ i, c n ki m tra l i đ tin c y (nhân t 2 và 3
t ng quan bi n –t ng đ u > 0.3 nên nhân t 1 m i v a xây d ng là th a mãn yêu c u (Xem Ph l c 6).
Nh v y, thang đo t 05 nhân t g c, sau khi phân tích nhân t khám phá EFA thì tách ra thành 03 nhân t v i 23 bi n quan sát. Các nhân t trích ra đ u đ t đ tin c y và giá tr .
B ng 3.5. K t qu EFA các thành ph n thang đo CLDV Th đã lo i bi n
U5, NL5 và NL4 v i h s t i nhân t l n h n 0.4.
Pattern Matrixa
Nhân t
1 2 3
C2 Luôn quan tâm khách hàng .974
C4 Luôn chú ý nhu c u khách hàng .938 C3 Không ph i đ i lâu đ đ cph c v .888 U4 Gi i đáp nhanh chóng yêu c u .767 U2 S n sàng giúp khách hàng k p th i .670 NL1 Ph c v khách hàng l ch thi p, nhã nh n .616 NL2 X lý nghi p v nhanh chóng, chính xác .611 NL3 Am hi u s n ph m, ph c v chuyên nghi p .534
C1 Có nhi u ch ng trình tri ân khách hàng .526
U3 H ng d n th t c đ y đ , d hi u .524
U1 Tr l i chính xác các giao d ch th đã làm .518
NL6 Vietcombank là ngân hàng có danh ti ng .435
TC1 Th t c làm th .754 TC5 Giao d ch th chính xác .717 TC4 Giao tr th đúng h n .675 TC2 B o m t thông tin .667 TC3 Khách hàng tín nhi m .642 HH3 D ch v trên ATM d s d ng .862
HH2 N i đ t máy ATM s ch s , thoáng mát .858
HH4 a đi m đ t ATM h p lý, d nh n bi t .777
HH1 M ng l i ATM/POS r ng kh p .628
HH5 Trang ph c đ c thù riêng, thanh l ch .453
HH6 Tài li u, hình nh v DV Th đ p và đ y đ .443
Extraction Method: Principal Axis Factoring.
Rotation Method: Promax with Kaiser Normalization. a. Rotation converged in 6 iterations.
3.4.2.2.3 Phân t ch nhân t khám phá(EFA) đ i v i thang đoQ SDLD DV Th c a ngân hàng
K t qu phân tích nhân t EFA cho th y t t c 03 bi n quan sát c a thang đo Q SDLD DV Th v n gi nguyên đ c 01 nhân t . H s KMO=0.739 nên EFA
phù h p v i d li u, và th ng kê Chi-Square c a ki m đ nh Bartlett‟s đ t giá tr 782.917 v i m c ý ngh a 0.000; nên các bi n quan sát có t ng quan v i nhau xét trên ph m vi t ng th ; ph ng sai trích đ c là 86.475 % th hi n 01 nhân t rút trích ra đ c gi i thích 86.475 % bi n thiên c a d li u, t i h s Eigenvalues =
2.594 nên không đa h ng. Do v y, các thang đo rút ra là ch p nh n đ c. (Xem Ph l c 6)
B ng 3.6. K t qu EFA đ i v i các thang đo Q SDLD DV Th
Factor Matrixa Nhân t 1 Q SD3 Anh/ch v n ti p t c s d ng DV Th c a NH .953 Q SD1 Anh/ch luôn mu n s d ng DV Th c a NH .899 Q SD2 Anh/ch s n lòng gi i thi u DV Th v i ng i khác .827 Extraction Method: Principal Axis Factoring.
a. 1 factors extracted. 10 iterations required.
3.4.2.2.4 T nh toán bi n đ đ t tên các nhân t
B ng 3.7. B ng tính toán bi n.
COMPUTE X1=MEAN( U1, U2, U3, U4, NL1, NL2, NL3, NL6, C1, C2, C3, C4). EXECUTE. COMPUTE X2=MEAN(TC1, TC2, TC3, TC4, TC5). EXECUTE. COMPUTE X3=MEAN(HH1, HH2, HH3, HH4, HH5, HH6). EXECUTE. COMPUTE Y=MEAN(Q SD1, Q SD2, Q SD3). EXECUTE.
Sau khi tính toán bi n, ti n hành đ t tên l i các nhân t nh sau:
(1) Nhân t 1 (X1) g m các bi n quan sát là: U1 -> U4; NL1, NL2, NL3, NL6; C1 -> C4; đây là nh ng bi n nói v nhân viên ngân hàng, nên đ t tên l i nhân t đ u tiên này là “C m nh n v nhân viên Ngân hàng”
(2) Nhân t 2 (X2) là “ C m nh n v s tin c y c a d ch v ”
(3) Nhân t 3 (X3) là “ C m nh n v ph ng ti n h u hình c a Ngân hàng”.
3.4.4 Hi u ch nh mô hình và các gi thuy t nghiên c u
T mô hình nghiên c u đ ngh và các gi thuy t nghiên c u đã nêu ph n 1.3, và t k t qu phân tích nhân t trên, ta ti n hành đi u ch nh l i mô hình nghiên c u và các gi thuy t nghiên c u nh sau:
+ V mô hình nghiên c u: Bi n ph thu c là Q SDLD DV Th (Y) và ba bi n đ c l p m i là: “C m nh n v nhân viên ngân hàng” (X1), “C m nh n v s tin c y c a d ch v ” (X2) và “C m nh n v ph ng ti n h u hình c a ngân hàng”
(X3).
+ V các gi thuy t nghiên c u:
H1: M c đ c m nh n c a khách hàng v nhân viên NH càng cao thì Q SDLD DV th c a khách hàng càng cao.
H2: M c đ c m nh n c a khách hàng v s tin c y c a d ch v NH càng cao thì Q SDLD DV th càng cao.
H3: M c đ c m nh n c a khách hàng v ph ng ti n h u hình c a NH càng t t thì Q SDLD DV th càng cao.
Hình 3.2. Mô hình nghiên c u đ c hi u ch nh.
3.4.5 Ki m đ nhmô hình và các gi thuy t b ngh i quy đa bi n
Sau khi EFA rút trích đ c các nhân t và l u l i thành các bi n m i, chúng ta s dùng t p h p bi n m i này thay cho t p h p bi n g c đ đ a vào phân tích các b c ti p theo nh : t ng quan và h i quy, ki m đ nh trung bình T-test, ANOVA,…
Xem xét m i quan h tuy n tính gi a các bi n b ng cách ch y t ng quan
(Correlation) và đánh giá s t ng quan thông qua ma tr n t ng quan Pearson, v i h s t ng quan Pearson ph i khác 0 và h s Sig < 0.05 (v i m c ý ngh a
5%, s ch p nh n gi thuy t ban đ u, bác b gi thuy t Ho). H s t ng quan bi u th đ l n và chi u h ng c a m i quan h là đ ng bi n (d u +) hay ngh ch bi n (d u -) . Sau đó,ti n hành ch y h i quy và ki m tra các gi đ nh có b vi ph m hay không nh : có hi n t ng t t ng quan không, có v n đ đa c ng tuy n không,...
Ki m tra t ng quan b ng h s R2, và R2 đi u ch nh (adjusted R square). R2 đo l ng t l t ng bi n thiên c a bi n ph thu c đ c gi i thích b ng các bi n đ c l p trong mô hình. R2 càng cao thì kh n ng gi i th ch c a mô hình h i quy
càng l n và vi c d đoán bi n ph thu c càng ch nh xác. Do trong phân tích h i
quy đa bi n, R2 càng t ng khi s bi n đ c l p càng t ng, do đó đôi khi không th hi n đúng ý ngh a c a ph ng trình h i quy nên c n dùng R2 đi u ch nh. i u ki n R2 nh sau: + N u R = 0 => R2 = 0 : Không t ng quan. S c m nh n v nhân viên Ngân hàng S c m nh n v s tin c y c a d ch v S c m nh n v ph ng ti n h u hình c a NH H1 (+) H2 (+) H3 (+) Quy t đ nh s d ng lâu dài DV Th Vietcombank
+ N u R < 0.3 => R2 = 0 : T ng quan m c th p. + N u 0.3 ≤ R < 0.5 => 0.1 ≤ R2 < 0.25 : T ng quan m c trung bình. + N u 0.5 ≤ R < 0.7 => 0.25 ≤ R2 < 0.5 : T ng quan khá ch t ch . + N u 0.7 ≤ R < 0.9 => 0.5 ≤ R2 < 0.8 : T ng quan ch t ch . + N u 0.9 ≤ R < 1 => 0.8 ≤ R2 < 1 : T ng quan r t ch t ch .
+ N u R = 1 => R2 = 1 : T ng quan hoàn toàn. V i h s R2 các bi n đ c l p X gi i thích đ c (R2 )% bi n ph thu c Y.
Ki m tra hi n t ng t t ng quan b ng h s Durbin-Watson (D): Do
trong chu i kh o sát có th có nh ng d li u b trùng nhau, ph i ki m tra đ mô
hình nghiên c u đ c t t h n. N u 1 < D < 3: Mô hình không t t ng quan, t t. N u 0 < D < 1: Mô hình t t ng quan d ng. N u 3 < D < 4: Mô hình t t ng
quan âm.
Ki m tra hi n t ng đa c ng tuy n thông qua h s phóng đ i ph ng sai - VIF (Variance Inflation Factor). a c ng tuy n là tr ng thái các bi n đ c l p trong mô hình có t ng quan ch t ch v i nhau. i u ki n: 1 ≤ VIF < 5 thì các bi n đ c l p trong mô hình không t ng quan nhau nên không x y ra v n đ đa c ng tuy n.
Gi i thích k t qu thông qua B ng Coefficients d a trên Ch s Sig. N u
Sig < 0.05 (v i m c ý ngh a 5%): Ch p nh n gi thuy t ban đ u, có ngh a là: Ch p nh n gi thuy t Hi (i = 1,2,3). Ph ng trình d ng chu n hóa s d a trên ch s Bêta chu n hóa (Standardized Coefficients Beta) có d ng nh sau:
Y= 0+ 1X1+ 2X2+ 3X3+ .
Trong đó :
+ Y là : Q SD LD DV Th c a khách hàng.
+ 0, 1, 2, 3: các h s h i quy t ng ph n.
+ X1 là : “C m nh n c a khách hàng v nhân viên ngân hàng”
+ X2 là : “C m nh n c a khách hàng v s tin c y c a d ch v ”
+ X3 là : “C m nh n c a khách hàng v ph ng ti n h u hìnhc a NH” + là : Ph n d .
3.4.5.1 Ki m tra t ng quan gi a các bi n
Qua b ng phân tích t ng quan, ta k t lu n r ng có m i t ng quan gi a bi n ph thu c Y và bi n d c l p X1 , X2 , X3v i m c ý ngh a 1% v i h s t ng quan Pearson (Pearson Correlation) gi a các bi n là khá l n, t 0.643 đ n 0.920. Tuy
nhiên, bên c nh s t ng quan gi a các bi n đ c l p v i bi n ph thu c thì gi a các bi n đ c l p c ng có m i t ng quan v i nhau. Do đó c n quan tâm đ n v n đ t t ng quan và đa c ng tuy n phân tích h i quy ti p theo.
B ng 3.8. B ng ma tr n t ng quan Pearson. Correlations X1 X2 X3 Y X1 Pearson Correlation 1 .725** .920** .744** Sig. (2-tailed) .000 .000 .000 N 336 336 336 336 X2 Pearson Correlation .725** 1 .753** .643** Sig. (2-tailed) .000 .000 .000 N 336 336 336 336 X3 Pearson Correlation .920** .753** 1 .765** Sig. (2-tailed) .000 .000 .000 N 336 336 336 336 Y Pearson Correlation .744** .643** .765** 1 Sig. (2-tailed) .000 .000 .000 N 336 336 336 336
**. Correlation is significant at the 0.01 level (2-tailed).
3.4.5.2 K t qu ki m đ nh h i quy đa bi nvà xây d ng mô hình
Mô hình h i quy đa bi n (h i quy b i) th c hi n theo ph ng pháp enter (đ a các bi n vào 1 l n). ây là ph ng pháp đ c s d ng r ng rãi nh t trong nghiên c u th tr ng vì tính ch t thông tin đ n gi n và d đ c.
Model Summaryb
Model R R Square Adjusted R
Square