Mục tiêu 1
Phương pháp so sánh: là phương pháp xem xét một chỉ tiêu phân tích bằng cách dựa trên việc so sánh với một chỉ tiêu cơ sở (chỉ tiêu gốc). Các chỉ tiêu này có cùng một nội dung, một tính chất tương tự nhằm xác định mức biến động xu hướng của các chỉ tiêu. Nó cho phép chúng ta tổng hợp được những nét chung, tách ra được những nét riêng của các hiện tượng được so sánh. Phương pháp so sánh được chia ra thành:
+ Phương pháp so sánh bằng số tuyệt đối: là kết quả của phép trừ giữa trị số của kì phân tích với kì gốc của chỉ tiêu kinh tế.
y = y1 – y0 (1.1) Trong đó: y0 : chỉ tiêu kỳ gốc.
y1 : chỉ tiêu kỳ phân tích.
y : là phần chênh lệch tăng, giảm của các chỉ tiêu kinh tế. + Phương pháp so sánh bằng số tương đối: là kết quả của phép chia giá trị của kì phân tích so với kì gốc của các chỉ tiêu kinh tế. Số tương đối là chỉ tiêu tổng hợp biểu hiện bằng số lần (%) phản ánh tình hình của sự kiện khi số tuyệt đối không thể nói lên được. Kết quả so sánh biểu hiện tốc độ phát triển của các hiện tượng kinh tế.
(1.2)
Trong đó: y0 : chỉ tiêu kỳ gốc. y1 : chỉ tiêu kỳ phân tích.
y : biểu hiện tốc độ tăng trưởng của các chỉ tiêu kinh tế.
Phương pháp tỷ trọng: là kết quả phép chia của từng yếu tố trong tổng thể cho tổng thể đang xét. Phương pháp này dùng để xác định % của từng yếu tố chiếm được trong tổng thể, để thấy được mức độ kết cấu, mối liên hệ, mức độ phổ biến của các chỉ tiêu.
Mục tiêu 2:
Ứng dụng mô hình chất lượng dịch vụ SERVQUAL, thang đo Likert 5 mức độ kết hợp phỏng vấn khách hàng, mô hình nghiên cứu được đề xuất gồm 5 nhân tố với 22 biến quan sát.
24
Biến phụ thuộc mức độ hài lòng của khách hàng là biến giả, biến này nhận giá trị 1 khi khách hàng hài lòng và nhận giá trị 0 khi khách hàng không hài lòng.
Các biến độc lập là: phương tiện hữu hình, đáp ứng dịch vụ, sự tin cậy, sự đảm bảo, sự cảm thông. Các biến này được đo lường bằng thang đo Liker 5 mức độ: 1. Rất không hài lòng. 2. Không hài lòng. 3. Trung bình. 4. Hài lòng. 5. Rất hài lòng.
Phương tiện hữu hình: gồm 5 biến quan sát, đánh giá mức độ lôi cuốn của trang thiết bị, cơ sở vật chất, trang phục của nhân viên ngân hàng.
1. Trang thiết bị, cơ sở vật chất hiện đại. 2. Cách bố trí quầy giao dịch thuận tiện. 3. Trang phục của nhân viên lịch sự.
4. Sản phẩm, dịch vụ đa dạng, phong phú và phù hợp.
5. Ngân hàng giới thiệu đầy đủ và chính xác thông tin về sản phẩm, dịch vụ.
Đáp ứng: gồm 5 biến quan sát, đánh giá tính kịp thời, đúng hạn trong việc cung cấp sản phẩm, dịch vụ.
1. Nhân viên nhiệt tình, thân thiện. 2. Giao dịch nhanh chóng, chính xác. 3. Lãi suất cạnh tranh.
4. Biểu phí hợp lí.
5. Hồ sơ, thủ tục đơn giản, dễ hiểu.
Đảm bảo: gồm biến 4 quan sát, đánh giá khả năng tạo sự an tâm, tin tưởng cho khách hàng khi sử dụng sản phẩm, dịch vụ.
1. Nhân viên tạo cảm giác tin tưởng cho khách hàng. 2. Nhân viên có kiến thức chuyên môn.
3. Nhân viên luôn sẵn sàng phục vụ khách hàng, không để khách hàng chờ quá lâu để được giao dịch.
4. Nhân viên giải quyết thỏa đáng các vấn đề thắc mắc, khiếu nại của khách hàng.
Cảm thông: gồm 4 biến quan sát, liên quan đến việc quan tâm, đồng cảm với từng cá nhân khách hàng.
25
1. Ngân hàng hiểu rõ nhu cầu của khách hàng. 2. Ngân hàng quan tâm đến khách hàng.
3. Ngân hàng có các chương trình ưu đãi cho khách hàng truyển thống, khách hàng có quan hệ uy tín.
4. Ngân hàng có các chương trình khuyến mãi hấp dẫn để thu hút khách hàng mới.
Tin cậy: gồm 4 biến quan sát, đo lường khả năng thực hiện các chương trình dịch vụ đã đề ra.
1. Ngân hàng luôn giữ chữ tín.
2. Ngân hàng xử lý chính xác các nghiệp vụ.
3. Ngân hàng cung cấp sản phẩm, dịch vụ đúng theo thông tin đã giới thiệu.
4. Thông tin của khách hàng được bảo mật. + Kiểm định thang đo
Trước khi kiểm định lý thuyết khoa học thì cần phải đánh giá độ tin cậy và giá trị của thang đo.Sử dụng phương pháp hệ số tin cậy Cronbach’s Alpha trước khi phân tích nhân tố EFA để loại các biến không phù hợp vì các biến rác này có thể tạo ra các nhân tố giả khi phân tích EFA (Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2009).
Hệ số Cronbach Alpha là một phép kiểm định thống kê về chất lượng dịch vụ và mức độ hài lòng của khách hàng sử dụng cho từng mục hỏi, xét trên mối liên hệ của mục hỏi với một khía cạnh đánh giá. Theo đó, những biến số có hệ số tương quan biến tổng < 0,3 sẽ bị loại. Thang đo có hệ số Alpha > 0,6 có thể được sử dụng trong trường hợp khái niệm đang nghiên cứu là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu (Nunnally & Burnstein, 1994). Cũng theo nhiều nhà nghiên cứu, nếu Cronbach’s Alpha đạt từ 0,8 trở lên thì thang đo là tốt và mức độ tương quan sẽ càng cao hơn. Tuy nhiên cũng cần lưu ý rằng nếu Cronbach Alpha quá cao (>0.95) thì có khả năng xuất hiện biến quan sát thừa ở trong thang đo. Biến quan sát thừa là biến đo lường một khái niệm hầu như trùng với biến đo lường khác, tương tự như trường hợp đa cộng tuyến trong hồi quy, khi đó biến thừa nên được loại bỏ.
+ Phân tích nhân tố khám phá (EFA – Exploratory Factor Analysis)
Phương pháp phân tích nhân tố khám phá EFA giúp chúng ta đánh giá hai loại giá trị quan trọng của thang đo là giá trị hội tụ và giá trị phân biệt. Phân tích nhân tố khám phá (EFA) là một phương pháp phân tích định lượng dùng để rút gọn một tập hợp gồm nhiều biến đo lường phụ thuộc lẫn nhau thành một tập hợp biến ít hơn (gọi là các nhân tố), việc này làm tăng ý nghĩa
26
của các biến, tuy làm số biến ít đi nhưng vẫn đảm bảo chứa đựng một cách tổng quát nội dung của tập hợp biến ban đầu (Hair, Anderson, Tatham và Black, 1998)
Các tác giả Mayers, L.S., Gamst, G., Guarino A.J. (2000) đề cập rằng: Trong phân tích nhân tố, phương pháp trích Pricipal Components Analysis đi cùng với phép xoay Varimax là cách thức được sử dụng phổ biến nhất. Theo Hair & ctg (1998, 111), Factor loading (hệ số tải nhân tố hay trọng số nhân tố) là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA. Những hệ số tải nhân tố biểu diễn tương quan giữa các biến và các nhân tố. Hệ số này cho biết nhân tố và các biến có liên quan chặt chẽ với nhau.
• 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.
Hair & ctg (1998,111) cũng khuyên như sau: nếu chọn tiêu chuẩn Factor loading > 0,3 thì cỡ mẫu của bạn ít nhất phải là 350, nếu cỡ mẫu của bạn khoảng 100 thì nên chọn tiêu chuẩn Factor loading > 0,55 (thường có thể chọn 0,5), nếu cỡ mẫu của bạn khoảng 50 thì Factor loading phải > 0,75.
Vì vậy, điều kiện để phân tích nhân tố khám phá là phải thỏa mãn các yêu cầu: Hệ số tải nhân tố (Factor loading ) > 0.5.
Kiểm định KMO (Kaiser – Meyer – Olkin)
KMO là một chỉ tiêu được dung để xem xét sự thích hợp của EFA. Giá trị KMO nằm khoảng từ 0,5 đến 1 thì phân tích nhân tố là thích hợp và hiệu quả. Nếu KMO có giá trị nhỏ hơn 0,5 thì có khả năng phân tích nhân tố khám phá không thích hợp với các dữ liệu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Kiểm định Barlett
Đại lượng Barlett là một đại lượng thống kê dùng để xem xét giả thiết các biến không có tương quan trong tổng thể. Điều kiện cần để áp dụng phân tích nhân tố là các biến phải có tương quan với nhau (các biến đo lường phản ánh những khía cạnh khác nhau của cùng một yếu tố chung). Do đó nếu kiểm định cho thấy không có ý nghĩa thống kê thì không nên áp dụng phân tích nhân tố cho các biến đang xem xét. Nếu kiểm định này có ý nghĩa thống kê (Sig. < 0,05) thì các biến quan sát có mối tương quan với nhau trong tổng thể.
27
Phần trăm phương sai toàn bộ (Percentage of variance) ≥ 50%: Thể hiện phần trăm biến thiên của các biến quan sát. Nghĩa là xem biến thiên là 100% thì giá trị này cho biết phân tích nhân tố giải thích được bao nhiêu %.
Thông số Eigenvalues (đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố) có giá trị ≥ 1.
Tóm lại, trong phân tích nhân tố khám phá cần phải đáp ứng các điều kiện:
• Factor Loading > 0,5 • 0,5 ≤ KMO ≤ 1
• Kiểm định Bartlett có Sig. < 0,05
• Phương sai trích Total Varicance Explained ≥ 50% • Eigenvalue ≥ 1
Mô hình phân tích EFA có dạng:
Fi = Wi1X1 + W2X2 + … + WiXi
Trong đó : Fi: Ước lượng của nhân tố thứ i. Wi: Trọng số nhân tố.
Xi: Biến quan sát.
+Sau khi rút được các nhân tố và lưu lại thành biến mới, các biến này sẽ được thay cho tập hợp biến gốc để đưa vào mô hình hồi quy. Sử dụng mô hình hồi qui để xác định các nhân tố và mức độ tác động của từng nhân tố đến mức độ hài lòng của khách hàng đối với dịch vụ ngân hàng bán lẻ tại ngân hàng.
Hồi quy nhị nguyên sử dụng biến phụ thuộc dạng nhị phân ước lượng xác suất một sự kiện sẽ xảy ra với những thông tin của biến độc lập mà ta có được. Khi biến phụ thuộc có dạng nhị phân (nhận 2 giá trị: 0 và 1) thì không thể phân tích với dạng hồi quy thông thường mà phải sủ dụng hồi quy nhị nguyên.
Mô hình hồi quy nhị nguyên có dạng:
Loge [ ] = 0 + 1X1 + 2X2 + 3X3 + … + iXi
Trong đó:
P (Y=1) và P (Y=0) là xác suất để sự kiện xảy ra và không xảy ra khi biến độc lập Xi có giá trị cụ thể.
Xi là các biến độc lập.
B0 là hệ số tự do (hệ số chặn). Bi là hệ số hồi quy riêng phần.
28
Trong nghiên cứu này, phân tích hệ số tương quan hàm hồi quy là nhằm phân tích mối tương quan giữa biến phụ thuộc là sự cảm nhận về chất lượng dịch vụ ngân hàng bán lẻ của khách hàng với các biến độc lập.
• Giả thuyết H0: 1 = 2 = … = i = 0.
Nếu Sig < α (α là mức ý nghĩa) thì bác bỏ giả thuyết H0, nghĩa là tổ hợp liên hệ tuyến tính của toàn bộ các hệ số trong mô hình có ý nghĩa trong việc giải thích cho biến phụ thuộc. Nếu Sig ≥ α thì chấp nhận giả thuyết H0.
• Đánh giá độ phù hợp của mô hình: khác với hồi quy tuyến tính thông thường, hệ số R2
càng lớn thì mô hình càng phù hợp, hồi quy Logistic sử dụng chỉ tiêu -2LL (-2 log likelihood) để đánh giá độ phù hợp của mô hình. -2LL càng nhỏ càng thể hiện độ phù hợp càng cao. Giá trị nhỏ nhất của -2LL là 0 (không có sai số), khi đó mô hình có độ phù hợp hoàn hảo.
• Percentage Correct: mức độ dự báo đúng của mô hình.
• Kết quả của kiểm định Wald (kiểm định giả thuyết hồi quy khác không). Nếu hệ số hồi quy B0 và B1 đều bằng 0 thì tỷ lệ chênh lệch giữa các xác suất sẽ bằng 1, tức xác suất để sự kiện xảy ra hay không xảy ra như nhau, lúc đó mô hình hồi quy không có tác dụng dự đoán.
Đối với hồi quy tuyến tính sử dụng kiểm định t để kiểm định giả thuyết H0: i = 0. Còn đối với hồi quy Binary Logistic, đại lượng Wald Chi Square được sử dụng để kiểm định ý nghĩa thống kê của hệ số hồi quy tổng thể.
Mục tiêu 3:
Từ những phân tích về thực trạng nghiệp vụ ngân hàng bán lẻ cũng như phân tích mức độ thỏa mãn của khách hàng đối với các sản phẩm, dịch vụ ngân hàng bán lẻ tại ngân hàng thương mại cổ phần Đầu tư và phát triển Việt Nam chi nhánh Cần Thơ, tác giả sử dụng phương pháp tổng hợp nhằm đánh giá tổng quát hoạt động nghiệp vụ ngân hàng bán lẻ hiện tại của ngân hàng. Từ đó đề xuất những giải pháp phù hợp giúp ngân hàng phát triển nghiệp vụ ngân hàng bán lẻ và thu hút thêm nhiều khách hàng.
29
CHƯƠNG 3
GIỚI THIỆU VỀ NGÂN HÀNG THƯƠNG MẠI CỔ PHẦN ĐẦU TƯ VÀ PHÁT TRIỂN VIỆT NAM CHI NHÁNH CẦN THƠ