2. CHƯƠNG 2: THỰC TRẠNG SỰ HÀI LÒNG CỦA KHÁCH HÀNG CÁ NHÂN VỀ
2.2.3.6 Quy trình khảo sát
Bước 1: Xây dựng bảng câu hỏi
Giai đoạn 1: Xây dựng bảng câu hỏi thô dựa trên nền tảng các thông tin cần thu thập trong mô hình lý thuyết và các nghiên cứu về sự hài lòng có liên quan.
Giai đoạn 2: Chọn lọc và hiệu chỉnh các câu hỏi dựa trên ý kiến đóng góp của chuyên gia. Phỏng vấn thử 10 khách hàng ngẫu nhiên để kiểm tra mức độ rõ ràng của bảng câu hỏi, qua đó ghi nhận ý kiến ban đầu của họ về dịch vụ ngân hàng và các mong muốn của họ đối với ngân hàng.
Giai đoạn 3: Hiệu chỉnh và hoàn tất bảng câu hỏi lần cuối, tiến hành gửi bảng câu hỏi chính thức.
Bước 2: Xác định số lượng mẫu cần thiết và thang đo cho việc khảo sát
Kích thước mẫu dự tính là n=270. Kích thước mẫu còn tùy thuộc vào các phương pháp ước lượng sử dụng trong nghiên cứu cụ thể. Theo một số nghiên cứu, tính đại diện của số lượng mẫu được lựa chọn khảo sát sẽ thích hợp nếu kích thước mẫu là 5 mẫu cho một ước lượng. Mô hình khảo sát trong luận văn bao gồm 5 nhân tố độc lập với 35 biến quan sát. Do đó, số lượng mẫu cần thiết là từ 32x5=160 mẫu trở lên. Vậy số lượng mẫu dùng trong khảo sát là n= 270 nên tính đại diện của mẫu được đảm bảo cho việc khảo sát.
Một trong những hình thức đo lường sử dụng phổ biến nhất trong nghiên cứu định lượng là thang đo Likert. Thang đo được sử dụng bao gồm 5 cấp độ từ 1 đến 5 để tìm hiểu mức độ đánh giá của người trả lời. Vì vậy, bảng câu hỏi đã được thiết kế từ 1 là “Hoàn toàn không đồng ý ” đến 5 là “Hoàn toàn đồng ý ”.
Bước 3: Gửi phiếu điều tra cho khách hàng
600 phiếu điều tra được gửi cho các khách hàng của BIDV- Bình Dương thông qua chi nhánh và phòng giao dịch của BIDV- Bình Dương .
Bước 4: Thu nhận phản hồi từ phía khách hàng
Đã có 345 phiếu điều tra được thu nhận. Sau khi loại 75 phiếu khảo sát không hợp lệ, 270 phiếu được đưa vào xử lý dữ liệu.
Bước 5: Xử lý dữ liệu thông qua việc sử dụng công cụ phân tích SPSS 20
Dữ liệu bảng câu hỏi được thiết kế với 35 biến quan sát đo lường các nhân tố đem đến sự hài lòng của khách hàng
Phân tích dữ liệu
số phương pháp phân tích được sử dụng trong nghiên cứu như sau: Thống kê mô tả:
Tập dữ liệu sau khi được mã hóa và hiệu chỉnh sẽ được đưa vào mô tả các thuộc tính của nhóm mẫu khảo sát như: giới tính, độ tuổi, trình độ học vấn, thu nhập, thời gian sử dụng dịch vụ và các dịch vụ sử dụng tại BIDV- Bình Dương …
Cronbach alpha:
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 thông qua hệ số Cronbach alpha.
Những biến có hệ số tương quan biến - tổng (item-total correlation) nhỏ hơn 0.3 sẽ bị loại. Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (Sách Phân tích dữ liệu nghiên cứu với SPSS 2, NXB Hồng Đức- 2008) cho rằng nhiều nhà nghiên cứu đồng ý cronbach anpha từ 0.80-1 là một thang đo lường tốt,từ 0.70 đến 0.80 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. Cũng có nhà nghiên cứu đề nghị rằng, thang đo có hệ số Cronbach alpha từ 0.6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang nghiên cứu mới (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005)
Phân tích nhân tố khám phá EFA (exploratory factor analysis):
Sau khi đánh giá độ tin cậy của thang đo bằng hệ số Cronbach alpha và loại đi các biến không đảm bảo độ tin cậy. Phân tích nhân tố khám phá là kỹ thuật được sử dụng nhằm thu nhỏ và tóm tắt các dữ liệu. Phương pháp này rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu và được sử dụng để tìm mối quan hệ giữa các biến với nhau.
Trong phân tích nhân tố khám phá, trị số KMO (Kaiser-Meyer – Olkin) là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO phải có giá trị trong khoảng từ 0.5 đến 1 thì phân tích này mới thích hợp, còn nếu như trị số này nhỏ hơn 0.5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu.
Ngoài ra, phân tích nhân tố còn dựa vào eigenvalue để xác định số lượng nhân tố. Chỉ những nhân tố có eigenvalue lớn hơn 1 thì mới được giữ lại trong mô hình. Đại lượng eigenvalue đại diện cho lượng biến thiên được giải thích bởi nhân tố. Những nhân tố có eigenvalue nhỏ hơn 1 sẽ không có tác dụng tóm tắt thông tin tốt hơn một biến gốc.
Một phần quan trọng trong bảng kết quả phân tích nhân tố là ma trận nhân tố (component matrix) hay ma trận nhân tố khi các nhân tố được xoay (rotated component matrix). Ma trận nhân tố chứa các hệ số biểu diễn các biến chuẩn hóa bằng các nhân tố (mỗi
biến là một đa thức của các nhân tố). Những hệ số tải nhân tố (factor loading) biểu diễn tương quan giữa các biến và các nhân tố. Hệ số này cho biết nhân tố và biến có liên quan chặt chẽ với nhau. Nghiên cứu sử dụng phương pháp trích nhân tố principal components nên các hệ số tải nhân tố phải có trọng số lớn hơn 0.45 thì mới đạt yêu cầu.
Ngoài ra thang đo được chấp nhận khi tổng phương sai trích lớn hơn hoặc bằng 50% và sự khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố phải không nhỏ hơn 0.3 để đảm bảo giá trị phân biệt giữa các nhân tố.
Phân tích hồi quy tuyến tính
Theo giả thiết của nghiên cứu là có mối quan hệ giữa khái niệm các thành phần của chất lượng dịch vụ và sự hài lòng của khách hàng. Vấn đề đặt ra trong nghiên cứu này là có mối quan hệ tuyến tính cùng chiều giữa các thành phần chất lượng dịch vụ với sự hài lòng của khách hàng? Mức độ quan hệ như thế nào? Như vậy mô hình tuyến tính bội được sử dụng để phân tích và giải thích vấn đề.
Phân tích hồi quy được thực hiện bằng phương pháp hồi quy tổng thể các biến (phương pháp enter) với phần mềm SPSS 16.0