Kiểm định Cronbach’s Alpha đối với các thang đo lý thuyết
Phương pháp này cho phép người phân tích loại bỏ các biến không phù hợp và hạn chế các biến rác trong quá trình nghiên cứu và đánh giá độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha. Những biến có hệ số tương quan biến tổng (item- total correlation) nhỏ hơn 0.3 sẽ bị loại. Thang đó có hệ số Cronbach’s Alpha từ 0.6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang nghiên cứu mới (Nunnally, 1978; Peterson, 1994; Slater, 1995). Thông thường thang đo có Cronbach’s Alpha từ 0.7 đến 0.8 là sử dụng được. Nhiều nhà nghiên cứu cho rằng khi thang đo có độ tin cậy từ 0.8 trở lên đến gần 1 là thang đo lường tốt.
Cronbach’s Alpha yếu tố Độ tin cậy
Thành phần Độ tin cậy gồm 4 biến quan sát là DTC1, DTC2, DTC3, DTC4, kết quả theo Phụ lục 6. Hệ số tương quan biến- tổng của các biến quan sát đều đạt giá trị lớn hơn 0,3. Yếu tố độ tin cậy có Cronbach’s Alpha là 0,76 > 0,6. Như vậy, các biến quan sát này được đưa vào phân tích nhân tố tiếp theo.
Cronbach’s Alpha yếu tố Kỹ năng chăm sóc khách hàng
Thành phần Kỹ năng chăm sóc khách hàng gồm 5 biến quan sát là KNCS1, KNCS2, KNCS3, KNCS4, KNCS5, kết quả theo Phụ lục 6. Hệ số tương quan biến- tổng của các biến quan sát đều đạt giá trị lớn hơn 0,3. Yếu tố Kỹ năng chăm sóc khách hàng có Cronbach’s Alpha là 0,815 > 0,6. Như vậy, các biến quan sát này được đưa vào phân tích nhân tố tiếp theo.
Cronbach’s Alpha yếu tố Sự thuận tiện
Thành phần Sự thuận tiện gồm 7 biến quan sát là TT1, TT2, TT3, TT4, TT5, TT6, TT7, kết quả theo Phụ lục 6. Hệ số tương quan biến- tổng của các biến quan sát đều đạt giá trị lớn hơn 0,3. Yếu tố Sự thuận tiện có Cronbach’s Alpha là 0,827 > 0,6. Như vậy, các biến quan sát này được đưa vào phân tích nhân tố tiếp theo.
Cronbach’s Alpha yếu tố Độ an toàn
Thành phần Độ an toàn gồm 5 biến quan sát là AT1, AT2, AT3, AT4, AT5, kết quả theo Phụ lục 6. Hệ số tương quan biến- tổng của các biến quan sát đều đạt giá trị lớn hơn 0,3. Yếu tố Độ an toàn có Cronbach’s Alpha là 0,767 > 0,6. Như vậy, các biến quan sát này được đưa vào phân tích nhân tố tiếp theo.
Cronbach’s Alpha yếu tố Tài sản hữu hình
Thành phần Tài sản hữu hình gồm 5 biến quan sát là TSHH1, TSHH2, TSHH3, TSHH4, TSHH5, kết quả theo Phụ lục 6. Hệ số tương quan biến- tổng của các biến quan sát TSHH1, TSHH3, TSHH4, TSHH5 đều đạt giá trị lớn hơn 0,3, riêng TSHH2 có hệ số tương quan biến- tổng = 0,275 <0,3, không thỏa điều kiện. Yếu tố Tài sản hữu hình có Cronbach’s Alpha là 0,64 > 0,6. Như vậy, các biến quan sát TSHH1, TSHH3, TSHH4, TSHH5 được đưa vào phân tích nhân tố tiếp theo.
Cronbach’s Alpha yếu tố Tiện ích dịch vụ
Thành phần Tiện ích dịch vụ gồm 3 biến quan sát là TIDV1, TIDV2, TIDV3, kết quả theo Phụ lục 6. Hệ số tương quan biến- tổng của các biến quan sát đều đạt giá trị lớn hơn 0,3. Yếu tố Tiện ích dịch vụ có Cronbach’s Alpha là 0,733 > 0,6. Như vậy, các biến quan sát này được đưa vào phân tích nhân tố tiếp theo.
Cronbach’s Alpha yếu tố Giá cả
Thành phần Giá cả gồm 3 biến quan sát là GC1, GC2, GC3, kết quả theo Phụ lục 6. Hệ số tương quan biến- tổng của các biến quan sát đều đạt giá trị lớn hơn 0,3. Yếu tố Giá cả có Cronbach’s Alpha là 0,771 > 0,6. Như vậy, các biến quan sát này được đưa vào phân tích nhân tố tiếp theo.
Độ tin cậy của thang đo sự hài lòng của khách hàng
Thành phần sự hài lòng của khách hàng gồm 3 biến quan sát là: SHL1, SHL2, SHL3, kết quả theo Phụ lục 6. Hệ số tương quan biến- tổng của các biến quan sát đều đạt giá trị lớn hơn 0,3. Thang đo Sự hài lòng có Cronbach’s Alpha là 0,785 > 0,6. Như vậy, các biến quan sát này được đưa vào phân tích nhân tố tiếp theo.
Như vậy, có tất cả 31 biến của 7 thang đo được đưa vào phân tích nhân tố so với 32 biến quan sát điều tra ban đầu của 7 thang đo (biến TSHH2 bị loại). Ngoài ra, 3 biến đo lường sự hài lòng của khách hàng cũng được xem xét trong phần phân tích nhân tố.
Phân tích nhân tố khám phá EFA
Phân tích nhân tố (Exploratory Factor Analysis) là kỹ thuật phân tích nhằm thu nhỏ và tóm tắt dữ liệu rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu. Quan hệ giữa các nhóm biến có liên hệ qua lại lẫn nhau được xem xét dưới dạng một số nhân tố cơ bản. Mỗi một biến quan sát sẽ được tính một tỷ số gọi là Hệ số tải nhân tố (factor loading). Hệ số này cho người nghiên cứu biết được mỗi biến đo lường sẽ thuộc về những nhân tố nào. Điều kiện để phân tích nhân tố:
- Hệ số KMO (Kaiser-Meyer-Olkin) - chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố, điều kiện là: 0,5 ≤ KMO ≤ 1.
- Kiểm định Bartlett xem xét giả thuyết về độ tương quan giữa các biến quan sát bằng 0 trong tổng thể, nếu kiểm định này có ý nghĩa thống kê (sig ≤ 0,05) thì các biến quan sát có tương quan với nhau trong tổng thể.
- Thang đo được chấp nhận khi tổng phương sai trích ≥ 50% (Gerbing & Anderson, 1988). Nếu biến quan sát nào có hệ số tải nhân tố < 0,5 sẽ bị loại.
- Phương pháp tiến hành phân tích nhân tố: phương pháp rút trích các thành phần chính (Principal Components) với tiêu chuẩn là hệ số Eigenvalue ≥ 1 và thực hiện với phép xoay Varimax.
Phân tích nhân tố thang đo các yếu tố tác động đến sự hài lòng của khách hàng sử dụng dịch vụ thẻ thanh toán
Kết quả phân tích nhân tố thang đo các yếu tố tác động đến sự hài lòng của khách hàng sử dụng dịch vụ thẻ thanh toán tại các Chi nhánh BIDV ở Đồng Nai như sau (Phụ lục 7).
Phân tích nhân tố lần 1 (Phụ lục 7.1): Hệ số KMO = 0,841 > 0,5: thỏa điều kiện, dữ liệu phù hợp để phân tích nhân tố; Sig = 0,000 < 0,05: thỏa điều kiện, các biến quan sát có tương quan với nhau trên tổng thể; Tổng phương sai dùng để giải thích các nhân tố là 58,674%> 50%: thỏa điều kiện; Có 2 biến TT3 và TT6, TSHH5 bị loại (do hệ số tải nhân tố < 0,5). Như vậy, tập hợp các biến quan sát còn lại sẽ được đưa vào phân tích nhân tố lần 2.
Phân tích nhân tố lần 2: Những biến quan sát trải qua phân tích nhân tố lần 1 thành công (28 biến) đưa vào phân tích nhân tố lần 2 (Phụ lục 7.2) cho kết quả như sau: Hệ số KMO = 0,828 > 0,5: thỏa điều kiện, dữ liệu phù hợp để phân tích nhân tố; Sig = 0,000 < 0,05: thỏa điều kiện, các biến quan sát có tương quan với nhau trên tổng thể; Tổng phương sai dùng để giải thích các nhân tố là 61,281%> 50%: thỏa điều kiện. Các giá trị Eigenvalues đều lớn hơn 1 và 61,281% biến thiên của dữ liệu được giải thích bởi 7 nhân tố. Sau khi phân tích nhân tố, các nhân tố có sự thay đổi về số lượng biến quan sát và được sắp xếp theo bảng sau:
Bảng 2.7: Tóm tắt nhân tố tương ứng với biến quan sát sau khi phân tích nhân tố
Nhân tố Biến
KNCS. Kỹ năng chăm sóc khách hàng KNCS2, KNCS1, KNCS4, KNCS5, KNCS3
STT. Sự thuận tiện TT4, TT2, TT1, TT7, TT5
AT. Độ an toàn AT2, AT3, AT4, AT5, AT1
GC. Giá cả GC2, GC1, GC3
DTC. Độ tin cậy DTC1, DTC2, DTC4, DTC3
TIDV. Tiện ích dịch vụ TIDV2, TIDV1, TIDV3
TSHH. Tài sản hữu hình TSHH1, TSHH3, TSHH4
Kết luận: có 7 yếu tố tác động tác động đến sự hài lòng của khách hàng sử dụng dịch vụ thẻ thanh toán của các chi nhánh BIDV ở Đồng Nai, gồm: KNCS. Kỹ năng chăm sóc khách hàng (5 biến), STT. Sự thuận tiện (5 biến), AT. Độ an toàn (5 biến), GC. Giá cả (3 biến), DTC. Độ tin cậy (4 biến), TIDV. Tiện ích dịch vụ (3 biến), TSHH. Tài sản hữu hình (3 biến).
Phân tích nhân tố thang đo sự hài lòng của khách hàng
Thang đo sự hài lòng của khách hàng gồm 3 biến quan sát: SHL1, SHL2, SHL3. Các biến này được đưa vào phân tích nhân tố để kiểm tra mức độ hội tụ. Sau khi tiến hành các bước như mục trên, ta có kết quả (Phụ lục 8).
Hệ số KMO = 0,597> 0,5; Sig = 0,000 < 0,5; Eigenvalues >1; Tổng phương sai dùng để giải thích nhân tố là 70,424% > 50%; Hệ số tải nhân tố của 3 biến quan sát đều > 0,5: thỏa điều kiện của phân tích nhân tố.
Kết luận: Thang đo sự hài lòng của khách hàng với 3 biến quan sát như trên là hợp lý.
Kiểm định mô hình đánh giá các yếu tố tác động đến sự hài lòng của khách hàng sử dụng dịch vụ thẻ thanh toán của các chi nhánh BIDV trên địa bàn tỉnh Đồng Nai
Trước khi tiến hành phân tích hồi quy tuyến tính bội, mối tương quan tuyến tính giữa các biến cần phải được xem xét. Dùng ma trận tương quan Pearson để đánh giá mức độ tương quan giữa các biến độc lập và kiểm tra mối quan hệ tuyến tính giữa từng biến độc lập với biến phụ thuộc cũng như giữa các biến độc lập với nhau.
Đa cộng tuyến là trạng thái trong đó các biến độc lập có tương quan chặt chẽ với nhau. Vấn đề của hiện tượng cộng tuyến là chúng cung cấp cho mô hình những thông tin rất giống nhau và rất khó tách rời ảnh hưởng của từng biến một đến biến phụ thuộc. Hiệu ứng khác của sự tương quan chặt giữa các biến độc lập là nó làm tăng độ lệch chuẩn của các hệ số hồi quy và làm giảm giá trị thống kê t của kiểm định ý nghĩa của chúng nên các hệ số có khuynh hướng kém ý nghĩa hơn khi có đa cộng tuyến trong khi hệ số xác định R square vẫn khá cao. Trong quá trình phân tích hồi quy bội, đa cộng tuyến được SPSS chuẩn đoán bằng lựa chọn Collinearity Diagnostic.
Kết quả phân tích tương quan hệ số Pearson (Phụ lục 9- bảng Correlations) của mô hình như sau:
Có sự tương quan chặt chẽ giữa biến phụ thuộc SHL (Sự hài lòng) với các biến độc lập trong mô hình DTC (Độ tin cậy), KNCS (Kỹ năng chăm sóc), STT (Sự thuận tiện), TIDV (Tiện ích dịch vụ), GC (Giá cả) do hệ số tương quan giữa biến hài lòng với các biến độc lập này đều lớn hơn 0,3; riêng hệ số tương quan giữa biến hài lòng với các biến AT (An toàn) và TSHH (Tài sản hữu hình) lần lượt là 0,136 và 0,223 đều nhỏ hơn 0,3. Đây là một điều cần được chú ý vì hầu hết các Ngân hàng hiện nay đều tập trung đẩy mạnh ứng dụng công nghệ hiện đại nhằm gia tăng tính bảo mật thông tin, gia tăng tiện ích của sản phẩm đem lại sự an toàn, tiện lợi cho khách hàng; đồng thời các Ngân hàng cũng chú trọng đến công tác quảng bá hình ảnh và thương hiệu. Vì thế, có thể người sử dụng dịch vụ coi mức độ an toàn trong giao dịch và tài sản hữu hình của các ngân hàng không chênh lệch nhiều nên đối với họ các yếu tố này không có ý nghĩa lớn.
Sơ bộ ta có thể kết luận các biến độc lập DTC, KNCS, STT, TIDV, GC có thể được đưa vào mô hình để giải thích biến phụ thuộc sự hài lòng. Mối quan hệ giữa các biến trên cần xem xét kỹ trong phần hồi quy tuyến tính bội nhằm tránh hiện tượng đa cộng tuyến giữa các biến độc lập.
Phân tích hồi quy tuyến tính
Đánh giá độ phù hợp của mô hình hồi quy tuyến tính bội
Kiểm định F sử dụng trong phân tích phương sai là một phép kiểm định giả thuyết về độ phù hợp của mô hình hồi quy tuyến tính tổng thể để xem xét biến phụ thuộc có liên hệ tuyến tính với toàn bộ tập hợp của các biến độc lập.
Phụ lục 9- bảng ANOVA cho thấy, trị thống kê F được tính từ R square của mô hình với mức ý nghĩa quan sát rất nhỏ (Sig=0) (F= 22,719) bước đầu cho thấy mô hình hồi quy tuyến tính bội phù hợp với tập dữ liệu và có thể sử dụng được.
Phụ lục 9- bảng Model Summary cho thấy, hệ số R2 hiệu chỉnh (Ajusted R square) = 0,381 nghĩa là mô hình hồi quy tuyến tính bội đã xây dựng phù hợp với tập dữ liệu là 38,1%. Nói cách khác chỉ có 38,1% phương sai sự hài lòng của khách hàng được giải thích bởi 5 biến độc lập DTC, KNCS, STT, TIDV, GC còn lại là do các biến khác không có trong mô hình tác động.
Dò tìm hiện tượng đa cộng tuyến trong mô hình
Hệ số phóng đại phương sai VIF(Vaiance inflation factor) (Phụ lục 9- bảng Coefficients) của các biến DTC, KNCS, STT, TIDV, GC rất nhỏ dao động từ 1,363 – 1,840 (mức VIF ≤ 10 là mức có ý nghĩa). Vì vậy, một cách tổng quát các biến độc lập này đạt yêu cầu, cho thấy các biến độc lập này không có mối quan hệ chặt chẽ với nhau nên không có hiện tượng đa cộng tuyến xảy ra. Do đó, mối quan hệ giữa các biến độc lập không ảnh hưởng đáng kể đến kết quả giải thích của mô hình hồi quy. Tuy nhiên, lưu ý là chuẩn VIF là chuẩn kinh nghiệm. Để có kết quả đúng đắn cần phải luôn xem xét hệ số tương quan của chúng cùng với hệ số hồi quy.
Dò tìm sự vi phạm các giả định cần thiết trong mô hình hồi quy tuyến tính ( Phụ lục 10)
Giả định về liên hệ tuyến tính: sử dụng phương pháp kiểm tra trên đồ thị phân tán Scatterplot với giá trị phần dư chuẩn hoá được đặt trên trục tung và giá trị dự đoán chuẩn hoá được đặt trên trục hoành.
Biểu đồ phân tán giữa các phần dư và các giá trị dự đoán mà mô hình hồi quy tuyến tính cho ta thấy phần dư không thay đổi theo một trật tự nào đối với giá trị dự đoán, do đó giả thiết về liên hệ tuyến tính không bị vi phạm.
Giả định vi phạm về phân phối chuẩn của phần dư: ta dùng công cụ vẽ là biểu đồ Histogram và đồ thị P-P plot.
Theo đồ thị Histogram thì thấy một đường cong phân phối chuẩn được đặt chồng lên biểu đồ tần số, phần dư có phân phối xấp xỉ chuẩn với giá trị trung bình gần bằng 0 và độ lệch chuẩn gần bằng 1(0.986). Đồ thị P-P plot biểu diễn các điểm quan sát thực tế tập trung khá sát đường chéo những giá trị kỳ vọng, có nghĩa dữ liệu phần dư có phân phối chuẩn.
Như vậy, sau khi kiểm định các giả định về liên hệ tuyến tính và vi phạm phân phối chuẩn của phần dư ta kết luận mô hình hồi quy ở trên là mô hình tuyến tính các giả thiết đưa ra phù hợp không vi phạm.
Kết quả hồi quy
Kết quả phân tích hồi quy theo Phụ lục 9 cho thấy: trong 5 biến độc lập đo lường sự hài lòng của khách hàng có 2 biến độc lập là Kỹ năng chăm sóc khách hàng và Tiện ích dịch vụ không có ý nghĩa về mặt thống kê vì sig. = 0,249 và sig. = 0,463 lớn hơn rất nhiều mức ý nghĩa 5% nên cả 2 biến này bị loại khỏi mô hình. Cũng cần nói thêm, Hệ số Beta chuẩn của các biến KNCS và TIDV lần lượt là 0,079 và 0,043; và hệ số tương quan Pearson của các biến này lần lượt là 0,445 và 0,336 điều này cho thấy các biến này tác động thuận chiều đến biến sự hài lòng và các biến còn lại đã giải thích phần Kỹ năng chăm sóc khách hàng và Tiện ích dịch vụ cho Sự hài lòng. Như vậy, các yếu tố kỹ năng chăm sóc khách hàng và Tiện ích dịch vụ ảnh hưởng không đáng kể đến sự hài lòng của khách hàng sử dụng dịch vụ thẻ thanh toán của các chi nhánh BIDV ở Đồng Nai. Đây là một điều cần được chú ý vì các yếu tố kỹ năng chăm sóc khách hàng và tiện ích dịch vụ là cần thiết trong
chất lượng dịch vụ thẻ, hầu hết các Ngân hàng đều không ngừng gia tăng tiện ích dịch vụ cũng như nâng cao kỹ năng chăm sóc khách hàng của nhân viên để đem đến cho chủ thẻ sự hài lòng. Tuy nhiên trong điều kiện cụ thể tại các chi nhánh BIDV ở Đồng Nai, có thể người sử dụng dịch vụ chỉ đánh giá cao vai trò của yếu tố Độ tin cậy, Sự thuận tiện và Giá cả. Kết quả này hoàn toàn phù hợp với thực tế bởi vì khách hàng có xu hướng lựa chọn thẻ thanh toán của Ngân hàng nào có uy tín có