Thông tin mẫu nghiên cứu được thu thập bằng kỹ thuật phỏng vấn trực tiếp khách hàng (khách hàng ở xa, thực hiện phỏng vấn qua email). Để thu được số quan sát dự kiến là 405, tác giả quyết định phát ra 550 bảng câu hỏi để phỏng vấn trực tiếp khách hàng, qua email với những khách hàng ở xa. Kết quả phỏng vấn sau khi gạn lọc các phiếu trả lời thiếu nhiều thông tin, hoặc có trên một trả lời cho một câu hỏi, hoặc có cơ sở để xác định không đáng tin được nhập vào ma trận dữ liệu trên phần mềm SPSS 20. 0 và được làm sạch sau đó, trước khi sử dụng để thống kê và phân tích dữ liệu.
3.3.4 Phƣơng pháp phân tích dữ liệu
Quá trình phân tích dữ liệu nghiên cứu được thực hiện qua các giai đoạn:
Đánh giá sơ bộ thang đo
Việc đánh giá sơ bộ độ tin cậy và giá trị của thang đo được thực hiện bằng phương pháp hệ số tin cậy Cronbach alpha và phân tích nhân tố khám phá EFA thông qua phần mềm xử lý SPSS 20. 0 để sàng lọc, loại bỏ các biến quan sát không đáp ứng tiêu chuẩn độ tin cậy (biến rác). Trong đó:
- Cronbach alpha là phép kiểm định thống kê về mức độ chặt chẽ (khả năng giải thích cho một khái niệm nghiên cứu) của tập hợp các biến quan sát thông qua hệ số Cronbach alpha. Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2005, tr.257, 258) cùng nhiều nhà nghiên cứu đồng ý rằng khi hệ số Cronbach alpha có giá trị từ 0,7 trở lên là sử dụng được. Về mặt lý thyết, Cronbach alpha càng cao càng tốt (thang đo càng có độ tin cậy cao). Tuy nhiên, nếu Cronbach alpha quá lớn (α >0,95%) thì xuất hiện hiện tượng trùng lắp (đa cộng tuyến) trong đo lường (recdundancy) nghĩa là nhiều biến trong thang đo không có khác biệt gì nhau (Nguyễn Đình Thọ, 2011, tr.350-351). Trong khi đó, nhiều nhà nghiên cứu (Nunally,1978; Peterson, 1994; Slater,1995) đề nghị hệ số Cronbach alpha từ 0,6 trở lên là có thể chấp nhận được trong trường hợp khái niệm đang nghiên cứu là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu.
Tuy nhiên, theo Nunnally và ctg (1994), hệ số Cronbach alpha không cho biết biến nào nên loại bỏ và biến nào nên giữ lại. Bởi vậy, bên cạnh hệ số Cronbach alpha, người ta còn sử dụng hệ số tương quan biến tổng (iterm - total correlation) và những biến nào có tương quan biến tổng < 0,3 sẽ bị loại bỏ.
- Phân tích nhân tố khám phá EFA được sử dụng phổ biến để đánh giá giá trị thang đo (tính đơn hướng, giá trị hội tụ và giá trị phân biệt) hay rút gọn một tập biến. Trong nghiên cứu này, phân tích nhân tố được ứng dụng để tóm tắt tập các biến quan sát vào một số nhân tố nhất định đo lường các thuộc tính của các khái niệm nghiên cứu. Tiêu chuẩn áp dụng và chọn biến đối với phân tích nhân tố khám phá EFA bao gồm:
- Tiêu chuẩn Bartlett và hệ số KMO dùng để đánh giá sự thích hợp của EFA. Theo đó, giả thuyết H0 (các biến không có tương quan với nhau trong tổng thể) bị bác bỏ và do đó EFA được gọi là thích hợp khi: 0,5 ≤ KMO ≤ 1 và Sig < 0,05. Trường hợp KMO < 0,5 thì phân tích nhân tố có khả năng không thích hợp với dữ liệu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005, tr.262).
- Tiêu chuẩn rút trích nhân tố gồm chỉ số Engenvalue (đại diện cho lượng biến thiên được giải thích bởi các nhân tố) và chỉ số Cumulative (tổng phương sai trích cho biết phân tích nhân tố giải thích được bao nhiêu % và bao nhiêu % bị thất thoát). Theo Gerbing và Anderson (1988), các nhân tố có Engenvalue < 1 sẽ không có tác dụng tóm tắt thông tin tốt hơn biến gốc (biến tiềm ẩn trong các thang đo trước khi EFA). Vì thế, các nhân tố chỉ được rút trích tại Engenvalue > 1 và được chấp nhận khi tổng phương sai trích ≥ 50%. Tuy nhiên, trị số Engenvalue và phương sai trích là bao nhiêu còn phụ thuộc vào phương pháp trích và phép xoay nhân tố. Theo Nguyễn Khánh Duy (2009, tr.14), nếu sau phân tích EFA là phân tích hồi qui thì có thể sử dụng phương pháp trích Principal components với phép xoay Varimax.
- Tiêu chuẩn hệ số tải nhân tố (Factor loadings) biểu thị tương quan đơn giữa các biến với các nhân tố, dùng để đánh giá mức ý nghĩa của EFA. Theo Hair và ctg, Factor loading > 0,3 được xem là đạt mức tối thiểu; Factor loading > 0,4 được xem là quan trọng; Factor loading > 0,5 được xem là có ý nghĩa thực tiễn. Trường hợp chọn tiêu chuẩn Factor loading > 0,3 thì cỡ mẫu ít nhất phải là 350; nếu cỡ mẫu khoảng 100
thì nên chọn tiêu chuẩn Factor loading > 0,55; nếu cỡ mẫu khoảng 50 thì Factor loading > 0,75 (Nguyễn Khánh Duy, 2009, tr.14). Ngoài ra, trường hợp các biến có Factor loading được trích vào các nhân tố khác nhau mà chênh lệch trọng số rất nhỏ (các nhà nghiên cứu thường không chấp nhận < 0,3), tức không tạo nên sự khác biệt để đại diện cho một nhân tố, thì biến đó cũng bị loại và các biến còn lại sẽ được nhóm vào nhân tố tương ứng đã được rút trích trên ma trận mẫu (Pattern Matrix).
Tuy nhiên, cũng như trong phân tích Cronbach alpha, việc loại bỏ hay không một biến quan sát không chỉ đơn thuần nhìn vào con số thống kê mà còn phải xem xét giá trị nội dung của biến đó. Trường hợp biến có trọng số Factor loading thấp hoặc được trích vào các nhân tố khác nhau mà chênh lệch trọng số rất nhỏ, nhưng có đóng góp quan trọng vào giá trị nội dung của khái niệm mà nó đo lường thì không nhất thiết loại bỏ biến đó (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2011, tr.402, 403).
Trong nghiên cứu này, mẫu nghiên cứu có kích thước tương đối lớn (n = 438) và sau EFA là phân tích hồi qui đa biến. Vì thế, trong quá trình Cronbachalpha, tác giả sẽ giữ lại các thang đo có trị số Cronbach alpha ≥ 0,6 và loại các biến quan sát có tương quan biến-tổng < 0,3. Trong quá trình EFA, tác giả sử dụng phương pháp trích Principal components với phép xoay Varimax; loại bỏ các biến quan sát có trị số Factor loading ≤ 0,4 hoặc trích vào các nhân tố khác mà chênh lệch trọng số Factor loading giữa các nhân tố ≤ 0,3
Phân tích hồi qui tuyến tính bội
Quá trình phân tích hồi qui tuyến tính được thực hiện qua các bước:
Bước 1: Kiểm tra tương quan giữa biến các biến độc lập với nhau và với biến phụ thuộc thông qua ma trận hệ số tương quan. Theo đó, điều kiện để phân tích hồi qui là phải có tương quan giữa các biến độc lập với nhau và với biến phụ thuộc. Tuy nhiên, theo John và Benet - Martinez (2000), khi hệ số tương quan < 0,85 thì có khả năng đảm bảo giá trị phân biệt giữa các biến. Nghĩa là, nếu hệ số tương quan > 0,85 thì cần xem xét vai trò của các biến độc lập, vì có thể xảy ra hiện tượng đa cộng tuyến (một biến độc lập này có được giải thích bằng một biến khác).
Bước 2: Xây dựng và kiểm định mô hình hồi qui
Y = β1X1+β2X2+ β3X3+ β4X4+...+ βkXk Được thực hiện thông qua các thủ tục:
- Lựa chọn các biến đưa vào mô hình hồi qui (tác giả sử dụng phương pháp Enter - SPSS xử lý tất cả các biến đưa vào cùng một lượt).
- Đánh giá độ phù hợp của mô hình bằng hệ số xác định R2 (R Square). Tuy nhiên, R2 có đặc điểm càng tăng khi đưa thêm các biến độc lập vào mô hình, mặc dù không phải mô hình càng có nhiều biến độc lập thì càng phù hợp với tập dữ liệu. Vì thế, R2 điều chỉnh (Adjusted R Square) có đặc điểm không phụ thuộc vào số lượng biến đưa thêm vào mô hình được sử dụng thay thế R2 để đánh giá mức độ phù hợp của mô hình hồi qui bội.
- Kiểm định độ phù hợp của mô hình để lựa chọn mô hình tối ưu bằng cách sử dụng phương pháp phân tích ANOVA để kiểm định giả thuyết H0: (không có mối liên hệ tuyến tính giữa biến phụ thuộc với tập hợp các biến độc lập β1=β2=β3=βK= 0).
Nếu trị thống kê F có Sig rất nhỏ (< 0,05), thì giả thuyết H0 bị bác bỏ, khi đó chúng ta kết luận tập hợp của các biến độc lập trong mô hình có thể giải thích cho sự biến thiên của biến phụ thuộc. Nghĩa là mô hình được xây dựng phù hợp với tập dữ liệu, vì thế có thể sử dụng được.
- Xác định các hệ số của phương trình hồi qui, đó là các hệ số hồi qui riêng phần βk đo lường sự thay đổi trung bình của biến phụ thuộc khi biến độc lập Xk thay đổi một đơn vị, trong khi các biến độc lập khác được giữ nguyên. Tuy nhiên, độ lớn của βk phụ thuộc vào đơn vị đo lường của các biến độc lập, vì thế việc so sánh trực tiếp chúng với nhau là không có ý nghĩa. Do đó, để có thể so sánh các hệ số hồi qui với nhau, từ đó xác định tầm quan trọng (mức độ giải thích) của các biến độc lập cho biến phụ thuộc, người ta biểu diễn số đo của tất cả các biến độc lập bằng đơn vị đo lường độ lệnh chuẩn beta.
Bước 3: Kiểm tra vi phạm các giả định hồi qui
Mô hình hồi qui được xem là phù hợp với tổng thể nghiên cứu khi không vi phạm các giả định. Vì thế, sau khi xây dựng được phương trình hồi qui, cần phải kiểm tra các vi phạm giả định cần thiết sau đây:
- Có liên hệ tuyến tính gữa các biến độc lập với biến phụ thuộc - Phần dư của biến phụ thuộc có phân phối chuẩn
- Phương sai của sai số không đổi
- Không có tương quan giữa các phần dư (tính độc lập của các sai số)
- Không có tương quan giữa các biến độc lập (không có hiện tượng đa cộng tuyến).
Trong đó:
- Công cụ để kiểm tra giả định liên hệ tuyến tính là đồ thị phân tán phần dư chuẩn hóa (Scatter) biểu thị tương quan giữa giá trị phần dư chuẩn hóa (Standardized Residual) và giá trị dự đoán chuẩn hóa (Standardized Pridicted Value).
- Công cụ để kiểm tra giả định phần dư có phân phối chuẩn là đồ thị tần số Histogram, hoặc đồ thị tần số P-P plot.
- Công cụ để kiểm tra giả định sai số của biến phụ thuộc có phương sai không đổi là đồ thị phân tán của phần dư và giá trị dự đoán hoặc kiểm định Spearman’s rho.
- Công cụ được sử dụng để kiểm tra giả định không có tương quan giữa các phần dư là đại lượng thống kê d (Durbin - Watson), hoặc đồ thị phân tán phần dư chuẩn hóa (Scatter).
- Công cụ được sử dụng để phát hiện tồn tại hiện tượng đa cộng tuyến là độ chấp nhận của biến (Tolerance) hoặc hệ số phóng đại phương sai (Variance inflation factor - VIF). Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2005, tr.217, 218), qui tắc chung là VIF > 10 là dấu hiệu đa cộng tuyến; trong khi đó, theo Nguyễn Đình Thọ và Nguyễn Thị Mai Trang (2011, tr.497), khi VIF > 2 cần phải cẩn trọng hiện tượng đa cộng tuyến.
TÓM TẮT CHƢƠNG 3
Chương 3 trình bàyphương pháp nghiên cứu được thực hiện qua 2 giai đoạn là nghiên cứu sơ bộ và chính thức. Kết quả nghiên cứu sơ bộ là một nghiên cứu định tính khẳng định mô hình lý thuyết đề xuất trong chương 2 phản ánh các thành phần chính của chất lượng dịch vụ ngân hàng bán lẻ - áp dụng cho trường hợp Ngân hàng MHB – Chi nhánh Vĩnh Long, đồng thời phát triển thang đo các thành phần này và sự hài lòng gồm 31 biến. Nghiên cứu chính thức là một nghiên cứu định lượng, mẫu nghiên cứu được chọn bằng phương pháp lấy mẫu thuận tiện kết hợp định mức; kích thước mẫu dự kiến là 405 được thu thập bằng hình thức phỏng vấn trực tiếp bằng bảng câu hỏi, hoặc email. Quá trình phân tích dữ liệu gồm các giai đoạn:
- Đánh giá độ tin cậy (giá trị hội tụ và giá trị phân biệt) các thang đo bằng Cronbach alpha và phân tích nhân tố khám phá (EFA).
- Phân tích hồi qui tuyến tính bội được sử dụng để kiểm định mô hình nghiên cứu và các giả thuyết nghiên cứu.
Toàn bộ quá trình phân tích dữ liệu sử dụng phần mềm SPSS 20.0 Kết quả nghiên cứu định lượng sẽ được trình bày trong chương tiếp theo.
Chƣơng 4: PHÂN TÍCH DỮ LIỆU VÀ KẾT QUẢ NGHIÊN CỨU 4.1 THÔNG TIN VỀ MẪU NGHIÊN CỨU
Bảng 4.1: Thông tin mẫu nghiên cứu
Tiêu chí Địa chỉ Số lƣợng khách hàng tại thời điểm 31/12/2013 Khách hàng đƣợc phỏng vấn Số lƣợng Tỷ trọng (%) Khu vực (huyện) TP. Vĩnh Long 880 110 12,5 Long Hồ 520 65 12,5 Mang Thít 352 44 12,5 Tam Bình 488 61 12,5 Trà Ôn 248 31 12,5 Bình Minh 344 43 12,5 Bình Tân 280 35 12,5 Vũng Liêm 392 49 12,5 Tổng 3.504 438 100 Giới tính Nam 226 51,60 Nữ 212 48,40 Độ tuổi Từ 18-35 tuổi 169 38,60 Từ 36 - 55 tuổi 187 42,70 Trên 55 tuổi 82 18,70 Nghề nghiệp
Cán bộ viên chức, giáo viên 98 22,40
Học sinh, sinh viên 60 13,70
Tiểu thương 101 23,10
Doanh nhân, nhân viên công
ty 82 18,70 Ngành nghề khác 97 22,10 Thời gian sử dụng dịch vụ NHBL Dưới 1 năm 149 34,00 Từ 1-3 năm 166 37,90 Trên 3 năm 123 28,10
Quá trình khảo sát khách hàng được thực hiện từ tháng 03/2014 đến hết tháng 04/2014. Với 550 bảng câu hỏi phát ra, kết quả thu về được 482 bảng (trong đó số trả lời qua mạng internet rất ít, chỉ 22 bảng). Sau khi loại bỏ những phiếu trả lời không đạt yêu cầu (phiếu trả lời thiếu nhiều thông tin, hoặc có trên một trả lời cho một câu hỏi, hoặc có cơ sở để xác định không đáng tin cậy), số bảng hỏi còn lại là 438 được phân bố theo địa bàn các huyện trong tỉnh Vĩnh Long mà MHB - Chi nhánh Vĩnh Long đang phục vụ (bảng 4.1).
Trong 438 khách hàng trả lời khảo sát, không có sự chênh lệch nhiều về tỷ lệ nam và nữ. Khách hàng được phỏng vấn đa dạng các ngành nghề, phần đông có sử dụng dịch vụ ngân hàng bán lẻ của MHB - Chi nhánh Vĩnh Long từ 1 đến 3 năm. Như vậy, mẫu nghiên cứu tổng hợp sự đa dạng các đối tượng khách hàng khác nhau sẽ góp cho nghiên cứu góc nhìn toàn vẹn hơn trong đánh giá về chất lượng dịch vụ ngân hàng bán lẻ.
4.2 ĐÁNH GIÁ SƠ BỘ THANG ĐO
4.2.1 Đánh giá độ tin cậy bằng Cronbachalpha
Kết quả kiểm định được trình bày ở bảng 4.2 cho thấy tất cả các thang đo đều có hệ số Cronbach alpha ≥ 0,6. Thành phần có hệ số Cronbach alpha thấp nhất là 0,767 (thang đo sự đáp ứng). Các thành phần khác có hệ số Cronbach alpha nằm trong khoảng 0,8 – 0,9 đồng thời có tương quan giữa biến và tổng đều lớn hơn 0,3 (nhỏ nhất là 0,318). Kết quả này cho thấy tất cả các biến đo lường đều đạt yêu cầu, ta có thể sử dụng tất cả các biến này đưa vào phân tích nhân tố khám phá EFA trong bước tiếp theo.
Bảng 4.2: Kết quả kiểm định Cronbach alpha của tất cả các thang đo Biến quan
sát
Trung bình thang đo nếu loại biến
Phƣơng sai thang đo nếu loại biến
Hệ số tƣơng quan giữa biến
và tổng
Cronbach Alpha nếu loại
biến này Thành phần Năng Lực phục vụ : Cronbach's Alpha = 0,848
NL1 21,92 10,238 0,612 0,829
NL2 22,21 9,974 0,700 0,805
NL3 22,23 9,848 0,678 0,811
NL4 22,26 10,052 0,666 0,814
NL5 22,02 10,817 0,632 0,824
Thành phần Sự tin cậy : Cronbach's Alpha = 0,811
TC1 26,61 15,301 0,649 0,765 TC2 26,84 14,739 0,705 0,751 TC3 26,89 16,710 0,527 0,791 TC4 26,25 17,666 0,381 0,818 TC5 27,39 13,759 0,617 0,775 TC6 26,56 15,670 0,575 0,781 Thành phần sự đáp ứng : Cronbach's Alpha =0,767 DU1 16,03 5,839 0,529 0,734 DU2 15,62 6,290 0,568 0,712 DU3 15,92 5,683 0,612 0,686 DU4 15,82 6,185 0,566 0,712
Thành phần sự thấu hiểu : Cronbach's Alpha =0,800
TH1 15,51 6,342 0,578 0,766
TH2 15,49 6,067 0,643 0,735
TH3 15,65 6,108 0,619 0,746
TH4 15,53 6,048 0,609 0,751
Thành phần khả năng tiếp cận dịch vụ : Cronbach's Alpha = 0,822
SP1 18,37 11,232 0,598 0,793
SP2 18,33 11,860 0,662 0,777
SP3 19,08 10,455 0,675 0,769
SP4 18,53 11,806 0,662 0,777
SP5 18,45 11,804 0,510 0,819
Thành phần giá cả dịch vụ : Cronbach's Alpha = 0,835
GC1 9,51 3,202 0,686 0,78
GC2 9,57 3,175 0,745 0,722
GC3 9,41 3,351 0,657 0,808
Thành phần sự hài lòng : Cronbach's Alpha = 0,878
HL1 15,52 10,548 0,703 0,863