Để đánh giá tính nhất quán nội tại của các khái niệm nghiên cứu tác giả sử
dụng phương pháp độ tin cậy Cronbach Alpha và phân tích nhân tố khám phá (EFA). Hệ số Cronbach Alpha được sử dụng để loại bỏ các biến không phù hợp trước. Các biến có hệ số tương quan biến tổng (Corrected item – total correlation) nhỏ hơn 0,30 sẽ bị loại và tiêu chuẩn chọn thang đo khi nó có độ tin cậy từ 0,60 trở lên. Sau khi sử dụng Cronbach’s Alpha để loại đi các biến không đạt độ tin cậy, các biến đạt yêu cầu sẽ được tiếp tục đưa vào phân tích nhân tố khám phá (EFA) đối với thang đo chất lượng cảm nhận và thang đo lòng trung thành của khách hàng. Cuối cùng, tất cả các thành phần được đưa vào phân tích hồi quy
đơn và hồi quy bội nhằm khẳng định giả thiết ban đầu.
4.2.1 Đánh giá thang đo bằng hệ số tin cậy Cronbach Alpha
Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008, trang 24): “Nhiều nhà nghiên cứu đồng ý rằng khi Cronbach’s Alpha từ 0,8 trở lên đến gần 1 thì thang đo đo lường là tốt, từ gần 0,7 đến gần 0,8 là sử dụng được". Theo Nguyễn
tốt (thang đo có độ tin cậy cao). Tuy nhiên điều này không thực sự như vậy. Hệ
số Cronbach’s Alpha quá lớn (Alpha> 0,95) cho thấy có nhiều biến trong thang
đo không có khác biệt gì nhau (nghĩa là chúng cùng đo lường một nội dung nào
đó của khái niệm nghiên cứu). Hiện tượng này gọi là hiện tượng trùng lắp trong
đo lường (redundancy)”.
Kết quả tính toán Cronbach Alpha của các thang đo của các thành phần chất lượng cảm nhận, chất lượng tín hiệu ( rõ ràng, nhất quán, tin cậy), xây dựng thương hiệu và lòng trung thành được thể hiện trong bảng 4.3. Các thang đo thể
hiện bằng 21 biến quan sát. Các thang đo này đều có hệ số tin cậy Cronbach Alpha đạt yêu cầu. Cụ thể, Cronbach Alpha của lòng trung thành là 0,811; của chất lượng cảm nhận là 0,719; của chất lượng tín hiệu rõ ràng là 0,777; của chất lượng tín hiệu nhất quán là 0,902, của chất lượng tín hiệu tin cậy là 0,807; của xây dựng thương hiệu là 0,807. Các hệ số tương quan biến tổng đều khá cao, các hệ số này lớn hơn 0,3, trừ biến PQ3 = 0,301 xấp xỉ bằng 0,3 . Nếu loại bỏ biến này thì hệ số Cronbach Alpha của biến chất lượng cảm nhận sẽ tăng từ 0,719 lên 0,770, tuy nhiên tác giả sẽ không loại bỏ biến PQ3 này và giữ tất các biến đo lường các khái niệm nghiên cứu để tiến hành phân tích nhân tố (EFA).
Bảng 4.3: Hệ số Cronbach Alpha của các khái niệm nghiên cứu: Biến quan sát Trung bình thang đo nếu loại biến Phương sai thang đo nếu loại biến Tương quan biến tổng Alpha nếu loại bỏ biến Lòng trung thành (LY), alpha = 0,811
LY1 15.08 6.475 0.601 0.774 LY2 15.01 6.234 0.671 0.751 LY3 14.78 6.834 0.695 0.753 LY4 15.21 63659 0.532 0.796 LY5 15.14 6.877 0.523 0.797 Chất lượng cảm nhận ( PQ), alpha = 0,719 PQ1 10.51 2.991 0.602 0.600 PQ2 10.60 2.887 0.622 0.586 PQ3 10.78 3.681 0.301 0.770 PQ4 10.86 3.001 0.526 0.646 Chất lượng tín hiệu rõ ràng (CSR) , alpha = 0,777 CSR1 7.40 1.352 0.700 0.605 CSR2 7.37 1.377 0.673 0.634 CSR3 7.47 1.454 0.485 0.847
Chất lượng tín hiệu nhất quán (CSN) , alpha = 0,902
CSN1 7.10 1.956 0.808 0.859
CSN2 7.11 1.792 0.807 0.861
CSN3 7.11 1.935 0.805 0.861
Chất lượng tín hiệu tin cậy (CST) , alpha = 0,807
CST1 7.57 1.389 0.657 0.736
CST2 7.61 1.283 0.674 0.716
CST3 7.63 1.310 0.637 0.756
Xây dựng thương hiệu ( BI ), alpha = 0,696
BI1 6.82 1.495 0.459 0.667
BI2 6.86 1.220 0.550 0.554
4.2.2 Phân tích nhân tố khám phá ( EFA)
Khi tiến hành phân tích nhân tố khám phá, các nhà nghiên cứu thường quan tâm
đến một số tiêu chuẩn sau:
- Hệ số KMO (Kaiser – Meyer – Olkin measure of sampling adequacy) là một chỉ tiêu dùng để xem xét sự thích hợp của EFA, 0,5 ≤ KMO ≤1 thì phân tích nhân tố là thích hợp. Theo Nguyễn Đình Thọ, 2011 thì KMO ≥ 0,90 là rất tốt; KMO ≥ 0,80: tốt; KMO ≥ 0,70: được; KMO ≥ 0,60: tạm được; KMO≥ 0,50: xấu; KMO< 0,50: không thể chấp nhận được.
- Tiêu chí Eigenvalue là một tiêu chí sử dụng phổ biến trong xác định nhân tố
trong phân tích EFA. Với tiêu chí này, số lượng nhân tốđược xác định ở nhân tố
có Eigenvalue tối thiểu bằng 1 và tổng phương sai trích lớn hơn 50%
- Trọng số nhân tố (Factor loading) >= 0,5. Theo Hair et al(2006), trọng số nhân tố là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA. Trọng số nhân tố
> 0,3 được xem là đạt được mức tối thiểu; > 0,4 được xem là quan trọng; >= 0,5
được xem là có ý nghĩa thực tiễn. Hair et al (2006) cũng khuyên rằng: nếu chọn tiêu chuẩn trọng số nhân tố > 0,3 thì cỡ mẫu ít nhất phải là 350, nếu cỡ mẫu khoảng 100 thì nên chọn tiêu chuẩn trọng số nhân tố > 0,55, nếu cỡ mẫu khoảng 50 thì trọng số nhân tố phải > 0,75. Như vậy, với nghiên cứu này, mẫu nghiên cứu là 300, thì trọng số nhân tốđạt yêu cầu khi >= 0,5.
- Phương pháp trích Principal Component Analysis với phép xoay Varimax và
điểm dừng trích các yếu tố có giá trị Eigen lớn hơn 1.
Kết quả phân tích nhân tố EFA cho các thang đo các thành phần của lòng trung thành, chất lượng cảm nhận, chất lượng tín hiệu và xây dựng thương hiệu cho thấy có 5 yếu tố được trích tại giá trị Eigen là 1,072 và tổng phương sai trích là 65,017%. Như vậy, có hai thành phần gộp lại thành một. Sau khi phân tích nhân tố thì CSR3 không còn đo lường cho CSR nữa mà cùng với các biến CSN1, CSN2, CSN3, SCT1, CST2, CST3 đo lường cho nhân tố thứ nhất, nên loại biến CSR3 (bảng 4.4).
Bảng 4.4: kết quả phân tích EFA lần 1 Biến quan sát Hệ số tải nhân tố của các thành phần 1(CSNT) 2(LY) 3(PQ) 4(BI) 5(CSR) LY1 0.796 LY2 0.763 LY3 0.825 LY4 0.548 LY5 0.513 PQ1 0.715 PQ2 0.602 PQ3 0.509 PQ4 0.715 CSR1 0.717 CSR2 0.755 CSR3 0.508 CSN1 0.770 CSN2 0.852 CSN3 0.872 CST1 0.756 CST2 0.692 CST3 0.577 BI1 0.620 BI2 0.796 BI3 0.607 Giá trị Eigen 7.464 2.471 1.353 1.295 1.072 Phương sai trích 35.542 11.767 6.441 6.165 5.102
Sau khi loại bỏ biến không đạt yêu cầu là CSR3, tác giả tiến hành phân tích EFA lần 2 với các biến còn lại. Kết quả phân tích EFA lần 2 được thể hiện trong bảng 4.5.
Bảng 4.5: kết quả phân tích EFA lần 2 Biến quan sát Hệ số tải nhân tố của các thành phần 1(CSNT) 2(LY) 3(PQ) 4(BI) 5(CSR) LY1 0.794 LY2 0.766 LY3 0.833 LY4 0.551 LY5 0.508 PQ1 0.710 PQ2 0.601 PQ3 0.532 PQ4 0.693 CSR1 0.760 CSR2 0.721 CSN1 0.762 CSN2 0.853 CSN3 0.868 CST1 0.754 CST2 0.696 CST3 0.580 BI1 0.648 BI2 0.807 BI3 0.588 Giá trị Eigen 7.053 2.451 1.340 1.293 1.071 Phương sai trích 35.266 12.256 6.698 6.463 5.357 Cronbach Alpha 0.897 0.811 0.719 0.696 0.847
Kết quả cho thấy, cũng có 5 yếu tốđược trích tại giá trị Eigen 1,072 và tổng phương sai trích là 66,041%. Các trọng số nhân tố đều cao. Hai thang đo chất lượng tín hiệu nhất quán và chất lượng tín hiệu tin cậy gộp chung lại thành một yếu tố, về mặt lý thuyết hai thành phần này phân biệt nhưng về mặt thực tiễn có
thể là một thành phần đơn hướng. Vì vậy, chúng được gọi tên là chất lượng tín hiệu nhất quán và tin cậy. Hệ số Cronbach Alpha của chúng được tính lại. Cụ
thể, Cronbach alpha của thành phần chất lượng tín hiệu rõ ràng là 0,847 và thành phần chất lượng tín hiệu nhất quán và tin cậy là 0,897. Hệ số KMO là 0,840 > 0,8: tốt; trong kiểm định Bartlett Test có giá trị Sig (giá trị p-value) =0.000 (tức là sig = 0.000 < 0.05)- với mức ý nghĩa 5%. Do vậy, ta có đủ cơ sở
chấp nhận có sự tương quan có ý nghĩa giữa các biến quan sát. Vậy, có thể
khẳng định rằng, việc phân tích nhân tố là phù hợp.
Với kết quả phân tích nhân tố EFA như trên cho tác giả kết luận rằng các thang đo biểu thị cho lòng trung thành, chất lượng cảm nhận, chất lượng tín hiệu, xây dựng thương hiệu đã đạt giá trị hội tụ. Hay nói cách khác, các biến quan sát
đã đại diện cho các khái niệm nghiên cứu cần phải đo.
Như vậy, sau khi hoàn tất phân tích EFA, mô hình nghiên cứu được điều chỉnh lại và phát biểu lại các giả thuyết nghiên cứu
4.2.3 Điều chỉnh mô hình nghiên cứu
Trong phần cơ sở lý thuyết, chất lượng tín hiệu ( CS) đã đề cập được mô tả
gồm 3 thành phần là: chất lượng tín hiệu rõ ràng ( CSR), chất lượng tín hiệu nhất quán (CSN) và chất lượng tín hiệu tin cậy ( CST). Sau khi phân tích nhân tố và kiểm định mức độ tin cậy của từng nhân tố được rút trích, chất lượng tín hiệu
được điều chỉnh lại gồm 2 thành phần là: chất lượng tín hiệu rõ ràng ( CSR1, CSR2) và chất lượng tín hiệu nhất quán và tin cậy ( CSN1, CSN2, CSN3, CST1, CST2, CST3). Các nhân tố còn lại: lòng trung thành (LY), chất lượng cảm nhận (PQ) và xây dựng thương hiệu ( BI) vẫn giữ nguyên các thành phần.
Như vậy, theo những phân tích trên thì mô hình nghiên cứu ban đầu sẽđược
Hình 4.1: Mô hình nghiên cứu điều chỉnh H2 H4 H1 H3 XÂY DỰNG THƯƠNG HIỆU CHẤT LƯỢNG TÍN HIỆU - Rõ ràng - Nhất quán,tin cậy CHẤT LƯỢNG CẢM NHẬN LÒNG TRUNG THÀNH
Và khi đó, các giả thuyết nghiên cứu cũng được điều chỉnh lại cho phù hợp với mô hình nghiên cứu mới:
H1a: Việc chú trọng xây dựng thương hiệu nhiều hơn sẽ làm cho chất lượng tín hiệu rõ ràng hơn
H1b: Việc chú trọng xây dựng thương hiệu nhiều hơn sẽ làm cho chất lượng tín hiệu nhất quán và tin cậy hơn
H2a: Chất lượng tín hiệu rõ ràng hơn sẽ làm tăng chất lượng cảm nhận của khách hàng.
H2b: Chất lượng tín hiệu càng nhất quán và đáng tin cậy sẽ làm tăng chất lượng cảm nhận của khách hàng.
H3: Việc chú trọng xây dựng thương hiệu nhiều hơn sẽ làm cho chất lượng cảm nhận của khách hàng tốt hơn
H4: Chất lượng cảm nhận của khách hàng về dịch vụ của ngân hàng càng tăng thì lòng trung thành của khách hàng đối với ngân hàng càng tăng.
4.2.4 Phân tích tương quan
Một phương pháp chung để đánh giá giá trị phân biệt là kiểm nghiệm ma trận tương quan cho các biến độc lập và biến phụ thuộc. Xem xét mối quan hệ
tương quan tuyến tính giữa biến phụ thuộc và biến độc lập, cũng như giữa các biến độc lập với nhau. Hệ số tương quan giữa biến phụ thuộc và các biến độc lập càng lớn chứng tỏ mối quan hệ giữa biến phụ thuộc và các biến độc lập càng cao, và như vậy phân tích hồi quy sẽ tốt hơn. Mặt khác, nếu giữa các biến độc lập có mối tương quan lớn với nhau thì điều này lại có nghĩa là có thể xảy ra hiện tượng
đa cộng tuyến trong mô hình hồi quy. Hệ số tương quan Person được sử dụng để
xem xét mối quan hệ tương quan tuyến tính giữa biến phụ thuộc với từng biến
độc lập, cũng như giữa các biến độc lập với nhau. Hệ số này luôn này trong khoảng từ -1 đến 1, lấy giá trị tuyệt đối, nếu lớn hơn 0.6 thì ta có thể kết luận mối quan hệ là chặt chẽ, và càng gần 1 thì mối quan hệ càng chặt, nếu nhỏ hơn 0.3 thì có biết mối quan hệ là lỏng lẻo.
Bảng 3.5 tóm tắt mối tương quan thống kê Person giữa các biến được giải thích. Tất cả hệ số tương quan tuyệt đối giữa các biến dao động từ 0,341 đến 0,567 nghĩa là các biến này có quan hệ khá chặt chẽ với nhau, nên không xảy ra hiện tượng đa cộng tuyến. Kết quả này cũng cho thấy tất cả các cặp biến khi xét tương quan đều có giá trị Sig.=0.000 < 0.05 vì vậy có thể nói rằng các cặp biến này đều có tương quan ý nghĩa với nhau. Như vậy các biến đã đủ điều kiện để
phân tích hồi quy.
Bảng 4.6: Tóm tắt mối tương quan giữa các khái niệm nghiên cứu
1 2 3 4 5 1 Lòng trung thành 1 .496** .341** .363** .430** 2 Chất lượng cảm nhận .496** 1 .529** .567** .462** 3 Chất lượng tín hiệu rõ ràng .341** .529** 1 .590** .395** 4 Chất lượng tín hiệu nhất quán và tin cậy .363** .567** .590** 1 .447** 5 Xây dựng thương hiệu .430** .462** .395** .447** 1
Ma trận tương quan trong Bảng 4.6 cho thấy, biến chất lượng cảm nhận tương quan cùng chiều với biến lòng trung thành( r = 0.496). Nếu chất lượng cảm nhận của khách hàng tốt thì họ sẽ trung thành hơn với ngân hàng và ngược lại. Tương tự, biến chất lượng tín hiệu rõ ràng, biến chất lượng tín hiệu nhất quán, tin cậy và biến xây dựng thương hiệu có liên hệ đáng kể với biến chất lượng cảm nhận ( r = 0.529, r = 0.590, r= 0.447). Nếu khách hàng nhận được những tín hiệu rõ ràng hơn, nhất quán và đáng tin cậy hơn từ ngân hàng, cũng như ngân hàng có chú trọng đến việc xây dựng thương hiệu thì làm cho chất lượng cảm nhận của khách hàng tốt hơn về ngân hàng và ngược lại.
4.3 Kiểm định mô hình các giả thuyết nghiên cứu
Hồi quy tuyến tính đơn và hồi quy tuyến tính bội được dùng để kiểm định và giải thích lý thuyết. Nếu như R chưa điều chỉnh được dùng để đánh giá mức
độ phù hợp của mô hình hồi quy tuyến tính đơn thì trong mô hình hồi quy tuyến tính bội thì R điều chỉnh được dùng để đánh giá mức độ phù hợp của mô hình, vì hệ số R2điều chỉnh không thổi phồng mức độ phù hợp của mô hình, làm cho việc đánh giá an toàn hơn. Hệ số này càng gần 1 thì mô hình xây dựng càng thích hợp, ngược lại càng gần 0 thì mô hình xây dựng kém phù hợp với tập dữ liệu mẫu. . Bên cạnh đó, cần kiểm tra có hay không hiện tượng đa cộng tuyến bằng hệ
số phóng đại phương sai VIF ( VIF < 2,5). Hệ số Beta chuẩn hóa được dùng để đánh giá mức độ quan trọng của từng nhân tố, hệ số Beta chuẩn hóa của biến độc lập nào càng cao thì mức độ tác động của biến đó vào biến phụ thuộc càng lớn Hoàng Trọng - Chu Thị Mộng Ngọc ( 2008).
2
2
4.3.1 Kiểm định giả thuyết H1a, H1b
H1a: Việc chú trọng xây dựng thương hiệu nhiều hơn sẽ làm cho chất lượng tín hiệu rõ ràng hơn
H1b: Việc chú trọng xây dựng thương hiệu nhiều hơn sẽ làm cho chất lượng tín hiệu nhất quán và tin cậy hơn
Bảng 4.7: Kết quả phân tích hồi quy giữa BI và CSR Mô hình Hệ số chưa chuẩn hoá Hệ sốđã chuẩn hoá t Sig. B Độlệch chuẩn β 1 BI 4.482 0.408 10.985 0.000 0.294 0.040 0.395 7.415 0.000 R = 0.156 Giá tr2 ị F = 54.985 Mức ý nghĩa của F , Sig= 0.000 Biến phụ thuộc: CSR ( chất lượng tín hiệu rõ ràng)
Bảng 4.7 trình bày kết quả hồi quy với mô hình có một biến độc lập là xây dựng thương hiệu (BI) và một biến phụ thuộc là chất lượng tín hiệu rõ ràng (CSR). Kết quả cho thấy, giá trị F và mức ý nghĩa thống kê của nó cho thấy mô hình hồi quy xây dựng là phù hợp với bộ dữ liệu nghiên cứu. R = 0.156 nghĩa là mô hình hồi quy tuyến tính đã xây dựng phù hợp 15,6%, nói cách khác 15,6% sự
biến thiên của biến phụ thuộc CSR được giải thích bởi biến độc lập BI. Các giả định của mô hình hồi quy đều đạt yêu cầu ( xem Phụ lục 2)
2
Ngoài ra, giá trị Sig của biến BI nhỏ hơn 0.05, nên ta có thể nói biến độc lập xây dựng thương hiệu ( BI) có tác động có ý nghĩa lên biến phụ thuộc chất lượng tín hiệu (CSR), đồng thời hệ số hồi quy ( β= 0.395) mang dấu dương nên đây là sự tác động cùng chiều. Đồ thị phần dư theo dạng phân phối chuẩn ( có giá trị
trung bình bằng 0), cho thấy an toàn khi bác bỏ các giả thuyết Ho. Do đó, giả
thuyết H1ađược chấp nhận.
Bảng 4.8 trình bày kết quả hồi quy với mô hình có một biến độc lập là xây dựng thương hiệu (BI) và một biến phụ thuộc là chất lượng tín hiệu nhất quán và tin cậy (CSNT). Kết quả cho thấy giá trị F và mức ý nghĩa thống kê của nó cho