Y u t Ký hi u Các bi n quan sát
S hài lòng c a khách hàng v CLDV MGCK
(SAT)
SAT1 B n hoàn toàn hài lòng v CLDV MGCK t i CTCK b n đang giao d ch?
SAT2 B n s ti p t c giao d ch ch ng khoán t i CTCK này? SAT3 B n s gi i thi u b n bè, ng i thân m tài kho n và giao
Thang đo v s hài l̀ng c a khách hàng đ i v i CLDV MGCK đ c xây d ng trên c s đo l ng c a Lee Yik-Chee, Geoffrey G Meredith, Teresa Marchant (2007) [23]. S hài l̀ng đ c ḱ hi u là SAT, đ c đo l ng b ng 3 bi n quan sát, ḱ hi u t SAT1 đ n SAT3.
3.3 Nghiên c u chính th c
3.3.1 M c tiêu nghiên c u chính th c
M c tiêu nghiên c u chính th c nh m ki m đ nh thang đo và mô hình nghiên c u c ng nh các gi thuy t v m i quan h gi a CLDV MGCK và s hài lòng c a khách hàng v CLDV MGCK t i 10 công ty này.
Nghiên c u này th c hi n thông qua ph ng pháp nghiên c u đ nh l ng v i k thu t thu th p thông tin b ng b ng câu h i kh o sát v i đ i t ng là các khách hàng có tài kho n GDCK và đang giao dch ch ng khoán t i 10 CTCK đ ng đ u th ph n môi gi i CP&CCQ sàn HSX n m 2012 t i Tp.HCM (HSC, SSI, ACBS, MBKE, VCSC, VDSC, MBS, VNDS, FPTS, PNS).
3.3.2 Kích th c m u và ph ng pháp l y m u kh o sát 3.3.2.1 Kích th c m u
Vi c c l ng s l ng đ i t ng c n thi t là m t b c c c k quan tr ng trong vi c thi t k nghiên c u đ m b o ć ́ ngh a khoa h c. Vì nó quy t đnh thành công hay th t b i c a nghiên c u.
Theo các nhà nghiên c u, tr ng h p s d ng ph ng pháp phân t́ch nhân t khám phá EFA (Exploratory Factor Analysis), Hair et al. (1998) cho r ng ḱch th c m u t i thi u ph i là 50, t t h n là 100 và t l s bi n quan sát/bi n đo l ng là 5/1, ngh a là c m i bi n đo l ng c n t i thi u 5 quan sát [21].
V i đ tài nghiên c u này tác gi có s d ng ph ng pháp phân t́ch nhân t (EFA), do đ́, v i s bi n quan sát trong nghiên c u là 40 thì ḱch th c m u t i thi u c n thi t cho nghiên c u là: 40*5=200.
3.3.2.2 Ph ng pháp ch n m u kh o sát
Trong nghiên c u này, ph ng pháp l y m u là phi xác su t - l y m u thu n ti n.
Ph ng pháp thu th p thông tin đ c s d ng trong nghiên c u này là ph ng v n tr c ti p, ph ng v n qua đi n tho i và phát phi u kh o sát qua th đi n t theo m t b ng câu h i chi ti t
(Ph l c 1.11).
Ph ng v n tr c ti p: Ph ng v n tr c ti p đ c ti n hành t i các sàn giao d ch c a các tr s , chi nhánh, phòng giao d ch 10 CTCK đ ng đ u th ph n môi gi i CP&CCQ sàn HSX n m 2012 t i Tp.HCM (HSC, SSI, ACBS, MBKE, VCSC, VDSC, MBS,
VNDS, FPTS, PNS). S l ng ph ng v n viên ti n hành đi u tra kh o sát qua ph ng v n tr c ti p là 2 ng i, đ c tác gi gi i thích rõ n i dung trong b ng kh o sát và đ c hu n luy n k n ng giao ti p v i khách hàng. V i s l ng phi u kh o sát phát ra là 50
b ng câu h i kh o sát.
Ph ng v n qua đi n tho i : Qua các m i quan h tác gi nghiên c u đã c g ng thu th p đ c danh sách g m m t s các khách hàng đang ć tài kho n và giao d ch thu c các tr s giao d ch ch ng khoán t i Tp.HCM c a 10 CTCK (HSC, SSI, ACBS, MBKE, VCSC, VDSC, MBS, VNDS, FPTS, PNS). Bao g m các thông tin c n thi t cho vi c ti n hành kh o sát qua đi n tho i và qua th đi n t nh sau: h và tên, s đi n tho i, đa ch th đi n t . Ph ng v n qua đi n tho i đ c ti n hành v i danh sách khách hàng mà tác gi thu th p nêu trên. S l ng ph ng v n viên ti n hành đi u tra kh o sát qua ph ng v n qua đi n tho i là 4 ng i, đ c tác gi gi i thích rõ n i dung trong b ng kh o sát và đ c hu n luy n k n ng giao ti p v i khách hàng qua đi n tho i. V i s l ng phi u kh o sát qua đi n tho i là 100 b ng câu h i kh o sát.
Phát phi u kh o sát qua th đi n t : Ph ng pháp phát phi u kh o sát qua th đi n t đ c ti n hành v i danh sách khách hàng mà tác gi thu th p đ c nêu trên. S l ng ph ng v n viên ti n hành phát phi u đi u tra kh o sát qua th đi n t là 1 ng i, đ c hu n luy n k n ng giao ti p v i khách hàng qua email. B ng câu h i t tr l i đ c thi t k b ng công c Google Drive đ c s d ng đ thu th p d li u trong công c này. V i s mail kh o sát g i đi là 700 b ng câu h i kh o sát.
3.3.3 Ph ng pháp x lý và phân tích d li u
Sau khi thu th p, toàn b các b ng kh o sát đ c xem xét và lo i đi nh ng b ng không đ t yêu c u. Sau đ́, d li u s đ c nh p li u và x lý b ng ph n m m th ng kê SPSS 16.0 qua các phân t́ch sau: đánh giá đ tin c y c a các thang đo, phân t́ch nhân t khám phá và phân
tích h i qui.
3.3.3.1 Phân tích đ tin c y Cronbach Alpha
Cronbach Alpha là phép ki m đnh th ng kê v m c đ ch t ch (kh n ng gi i thích cho m t khái ni m nghiên c u) c a t p h p các bi n quan sát (các câu h i) trong thang đo thông qua h s Cronbach Alpha.
Theo nhi u nhà nghiên c u (nh : Nunally (1978); Peterson (1994); Slater (1995)), đ ngh h s Cronbach Alpha ≥ 0.6 là có th s d ng đ c trong tr ng h p khái ni m đang nghiên c u là m i ho c m i đ i v i ng i tr l i trong b i c nh nghiên c u [4]. Tuy nhiên, Cronbach Alpha không cho bi t bi n nào nên lo i b và bi n nào nên gi l i. B i v y, bên c nh h s
Cronbach Alpha, ng i ta còn s d ng h s t ng quan bi n t ng (item – total correlation) và nh ng bi n nào ć t ng quan bi n t ng <0.3 đ c xem là bi n rác, c n lo i b ra kh i thang đo (Nunnally & Burnstein, 1994).
V i nghiên c u này, tác gi quy t đnh gi l i các thang đo ć tr s Cronbach alpha ≥ 0.6 và lo i các bi n quan sát ć t ng quan bi n t ng < 0.3.
3.3.3.2 Phân tích nhân t EFA
Phân tích nhân t khám phá (EFA) là tên chung c a m t nhóm th t c đ c s d ng ph bi n đ đánh giá thang đo hay rút g n m t t p bi n. Trong nghiên c u này, phân tích nhân t đ c ng d ng đ tóm t t t p các bi n quan sát vào m t s nhân t nh t đ nh đo l ng các khía c nh khác nhau c a các khái ni m nghiên c u. Tiêu chu n áp d ng và ch n bi n đ i v i phân tích nhân t khám phá EFA bao g m:
H s KMO dùng đ đánh giá s thích h p c a EFA. Do đ́, EFA đ c g i là thích h p khi: 0.5 ≤ KMO ≤ 1. ng th i, ki m đnh Bartlett xem xét gi thuy t H0 (các bi n không ć t ng quan v i nhau trong t ng th ), n u ki m đ nh này ć ́ ngh a th ng kê (Sig. < 0.05), ta bác b gi thuy t H0, ngh a là các bi n ć t ng quan v i nhau trong t ng th .
Tiêu chu n rút trích nhân t g m ch s Eigenvalue (đ i di n cho l ng bi n thiên đ c gi i thích b i các nhân t ) và ch s Cumulative (t ng ph ng sai tŕch cho bi t phân tích nhân t gi i th́ch đ c bao nhiêu % và bao nhiêu % b th t thoát). Theo Gerbing và Anderson (1988), các nhân t có Eigenvalue <1 s không có tác d ng tóm t t thông tin t t h n bi n g c (bi n ti m n trong các thang đo tr c khi EFA). Vì th , các nhân t ch đ c rút trích t i Eigenvalue > 1 và đ c ch p nh n khi t ng ph ng sai tŕch ≥ 50%. Theo Nguy n Khánh Duy (2009), n u sau phân tích EFA là phân tích h i qui thì có th s d ng ph ng pháp tŕch Pricipal components v i phép xoay Varimax.
Tiêu chu n h s t i nhân t (Factor loading) bi u th t ng quan đ n gi a các bi n v i các nhân t , dùng đ đánh giá m c ́ ngh a c a EFA. Theo Hair et al. (1998), Factor loading > 0.3 đ c xem là đ t m c t i thi u.
V i nghiên c u này, tác gi s d ng ph ng pháp tŕch Principal components v i phép xoay Varimax, rút trích các nhân t có Eigenvalue >1, v i T ng ph ng sai tŕch ≥ 50%, 0.5 ≤ KMO ≤ 1 và Bartlett’s test (Sig.) < 0.05; lo i b các bi n quan sát có tr s Factor loading ≤ 0.5 hay s khác bi t h s t i nhân t c a m t bi n quan sát gi a các nhân t < 0.3.
3.3.3.3 Phân tích h i qui đa bi n
a) Xem xét s t ng quan gi a các bi n
S d ng h s Pearson đ xem xét các m i quan h t ng quan tuy n tính gi a bi n ph thu c v i bi n đ c l p, c ng nh gi a các bi n đ c l p v i nhau. N u h s t ng quan gi a bi n ph thu c v i các bi n đ c l p l n, ch ng t gi a chúng có m i quan h v i nhau và phân tích h i qui tuy n tính có th phù h p. M t khác, n u gi a các bi n đ c l p c ng ć t ng quan l n v i nhau thì đ́ c ng là d u hi u cho bi t gi a chúng có th x y ra hi n t ng đa c ng tuy n (Hoàng Tr ng và Chu Nguy n M ng Ng c, 2008) [4].
b) Ki m đnh các gi đnh c a mô hình h i qui
Phân tích h i qui không ph i ch là vi c mô t các d li u quan sát đ c. T các k t qu quan sát đ c trong m u, ta ph i suy r ng k t lu n cho m i liên h gi a các bi n trong t ng th .
Theo Hoàng Tr ng và Chu Nguy n M ng Ng c (2008), s ch p nh n và di n d ch k t qu h i qui không th tách r i các gi đnh c n thi t và s ch n đoán v s vi ph m các gi đnh đ́. N u các gi đ nh b vi ph m, thì các k t qu c l ng đ c không đáng tin c y n a. Vì v y, đ đ m b o s di n d ch t k t qu h i qui c a m u cho t ng th có giá tr , trong ph n này s ti n hành ki m đnh các gi đ nh c a hàm h i qui, bao g m: liên h tuy n tính; ph ng sai
c a sai s không đ i; phân ph i chu n c a ph n d ; tính đ c l p c a sai s ; không có hi n
t ng đa c ng tuy n.
Liên h tuy n tính: Theo Hoàng Tr ng và Chu Nguy n M ng Ng c (2008), ph ng pháp đ c s d ng là bi u đ phân tán Scatterplot v i giá tr ph n d chu n hóa trên tr c tung và giá tr d đoán chu n hóa trên tr c hoành. N u gi đnh liên h tuy n tính th a mãn, thì ta s không nh n th y có liên h gì gi a các giá tr d đoán và ph n d , chúng s phân tán r t ng u
nhiên
Ph ng sai c a sai s không đ i: Theo Hoàng Tr ng và Chu Nguy n M ng Ng c
(2008, trang 226), hi n t ng ph ng sai c a sai s thay đ i có th làm cho các c l ng c a h s h i qui không ch ch nh ng không hi u qu (t c là không ph i c l ng phù h p nh t), t đ́ làm cho ki m đnh các gi thuy t m t hi u l c khi n chúng ta đánh giá nh m v ch t l ng c a mô hình h i qui. th c hi n ki m đnh này, tác gi s s d ng h s t ng quan h ng Spearman c a giá tr tuy t đ i ph n d và các bi n đ c l p.
Phân ph i chu n c a ph n d : Theo Hoàng Tr ng và Chu Nguy n M ng Ng c (2008, trang 228), ph n d ć th không tuân theo phân ph i chu n vì nh ng lý do: s d ng mô hình không đúng, ph ng sai không ph i là h ng s , s l ng các ph n d không đ nhi u đ phân tích. Vì v y, ta s d ng nhi u cách kh o sát khác nhau đ đ m b o t́nh xác đáng c a ki m đnh. Nghiên c u này s s d ng cách xây d ng bi u đ t n s Histogram và bi u đ P-P plot đ kh o sát phân ph i c a ph n d .
Tính đ c l p c a sai s : Theo Hoàng Tr ng và Chu Nguy n M ng Ng c (2008, trang
232-233), nguyên nhân hi n t ng này có th là do các bi n có nh h ng không đ c đ a h t vào mô hình do gi i h n và m c tiêu nghiên c u, ch n m i liên h tuy n tính mà l ra là phi tuy n, sai s trong đo l ng các bi n …, các ĺ do này ć th d n đ n v n đ t ng quan chu i trong sai s và t ng quan chu i c ng gây ra nh ng tác đ ng sai l ch nghiêm tr ng đ n mô hình h i qui tuy n t́nh nh hi n t ng ph ng sai thay đ i. i l ng th ng kê Durbin- Watson có th dùng đ ki m đ nh t ng quan này. N u Durbin-Watson n m trong đo n t 1 đ n 3 thì có th ch p nh n hi n t ng t t ng quan không x y ra.
Không có hi n t ng đa c ng tuy n: Theo Hoàng Tr ng và Chu Nguy n M ng Ng c
(2008, trang 235, 252), c ng tuy n là tr ng thái trong đ́ các bi n đ c l p ć t ng quan ch t ch v i nhau. V n đ c a hi n t ng này là chúng cung c p cho mô hình nh ng thông tin r t gi ng nhau và r t khó tách r i nh h ng c a t ng bi n đ n bi n ph thu c; làm t ng đ l ch chu n c a các h s h i qui và làm gi m giá tr th ng kê t c a ki m đnh m c ́ ngh a trong khi h s R square v n khá cao. Trong mô hình h i qui này, gi đ nh gi a các bi n đ c l p c a mô hình không có hi n t ng đa c ng tuy n. Hi n t ng này đ c ki m đ nh thông qua h s ph́ng đ i ph ng sai VIF (Variance inflation factor). Khi VIF v t quá 10, đ́ là d u hi u c a đa c ng tuy n. Tuy nhiên, theo Nguy n Hùng Phong (2012), không có tiêu chu n chính xác nào c a VIF ńi lên đ l n c a VIF là bao nhiêu thì hi n t ng đa c ng tuy n x y ra nh ng theo kinh nghi m n u VIF > 5 thì hi n t ng đa c ng tuy n xu t hi n. V i nghiên c u này, tác gi s d ng VIF ≤ 5 thì không ć hi n t ng đa c ng tuy n ho c n u có hi n t ng đa c ng tuy n x y ra thì c ng không đáng k .
c) Phân tích h i qui
N u các gi đnh không b vi ph m, mô hình h i qui tuy n t́nh đ c xây d ng. Ph ng trình h i qui tuy n t́nh đa bi n có d ng:
Trong đ́: Y: m c đ th a mãn
Xi: các y u t tác đ ng đ n s th a mãn B0: h ng s , Bi: các h s h i qui (i > 0) Khi ti n hành phân tích h i qui tuy n tính, ta xem xét:
ánh giá đ phù h p c a mô hình h i qui tuy n tính b ng h s xác đnh R2 đi u ch nh: H s xác đnh t l bi n thiên c a bi n ph thu c đ c gi i thích b i bi n đ c l p trong mô hình h i qui. ́ c ng là thông s đo l ng đ thích h p c a đ ng h i qui theo qui t c R2 càng g n 1 thì mô hình xây d ng càng thích h p, R2 càng g n 0 mô hình càng kém phù h p v i