2.3.3.1. Xác định kích cỡ mẫu
Để xác định cỡ mẫu điều tra đại diện cho tổng thể nghiên cứu, tác giả đã sử dụng công thức sau: 2 2 (1 ) z p q n e
Do tính chất p q 1, vì vậy .p q sẽ lớn nhất khi p q 0,5nên .p q0, 25. Ta tính cỡ mẫu với độ tinh cậy là 95% và sai số cho phép là e7%. Lúc đó mẫu ta cần
chọn sẽ có kích cỡ mẫu lớn nhất: n = 2,962 (0,5 x 0,5) / 0,072 = 296
Tuy nhiên, theo Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, cỡ mẫu dùng trong phân tích nhân tố bằng ít nhất 9 đến 10 lần số biến quan sát để kết quả điều tra là có ý nghĩa. Như vậy, với số lượng 25 biến quan sát trong thiết kế điều tra thì cần phải đảm bảo có ít nhất 275 quan sát trong mẫu điều tra. Cỡ mẫu tính toán này cũng gần tương đương với kết quả tính theo công thức của Cochran. Để đảm bảo số lượng và chất lượng bảng hỏi cũng như loại trừ các bảng hỏi thiếu thông tin hoặc kém chất lượng, tác giả quyết định chọn cỡ mẫu nghiên cứu là 300.
2.3.3.2. Phương pháp chọn mẫu
Phương pháp chọn mẫu áp dụng là chọn mẫu ngẫu nhiên hệ thống, nhằm hướng tới đạt được các mục tiêu khoa học của nghiên cứu. Từ danh sách tổng thể các khách hàng đang sử dụng dịch vụ thanh toán thẻ được Techcombank Thăng Long cung cấp, thực hiện bước nhảy k để đảm bảo sự phân bố đồng đều trong đối tượng điều tra.
Phương pháp lấy mẫu thuận tiện là phương pháp chọn mẫu phi xác suất, trong đó nhà nghiên cứu tiếp cận với các đối tượng nghiên cứu bằng phương pháp thuận tiện. Điều này có nghĩa là nhà nghiên cứu có thể lựa chọn các đối tượng mà họ có thể tiếp cận được. Ưu điểm phương pháp này là dễ tiếp cận đối tượng nghiên cứu và thường sử dụng khi thường bị giới hạn về thời gian hoặc chi phí. Tuy nhiên, phương pháp này có nhược điểm là không xác định được sai số do lấy mẫu.
2.4. Phƣơng pháp thu thập dữ liệu
Đối với đề tài nghiên cứu này, nghiên cứu sử dụng các nguồn dữ liệu thứ cấp và sơ cấp để tham khảo và phân tích phục vụ cho việc tiến hành nghiên cứu.
2.4.1. Dữ liệu thứ cấp
Dữ liệu thứ cấp được lấy từ nhiều nguồn khác nhau.
- Thu thập số liệu về hoạt động thanh toán thẻ của Techcombank Thăng Long từ phòng Kế hoạch – Nguồn vốn và phòng Dịch vụ khách hàng cá nhân.
- Tham khảo các tài liệu, văn bản hướng dẫn thực hiện phát hành, thanh toán thẻ của Techcombank tại phòng Dịch vụ khách hàng cá nhân.
33
- Thu thập tài liệu, thông tin về đối thủ cạnh tranh, môi trường hoạt động, các văn bản pháp lý và tình hình hoạt động thẻ tại Việt Nam… từ báo, tạp chí và Internet, website www.techcombank.com.vn.
2.4.2. Dữ liệu sơ cấp
Đối với dữ liệu sơ cấp, thì đây là loại dữ liệu được thu thập bằng bảng hỏi khảo sát:
- Số lượng: 300 khách hàng
- Thành phần khách hàng: khách hàng đang sở hữu thẻ Techcombank và sử dụng dịch vụ thanh toán thẻ tại Techcombank Thăng Long.
- Hình thức điều tra: (i) phỏng vấn trực tiếp các khách hàng đến giao dịch tại Techcombank Thăng Long; (ii) gửi phiếu khảo sát trực tuyến với Google Docs đến email của khách hàng đã cung cấp cho ngân hàng.
Các dữ liệu này sẽ được sử dụng để tiến hành các phân tích cần thiết nhằm trả lời cho các câu hỏi nghiên cứu.
2.5. Phƣơng pháp phân tích số liệu
2.5.1. Phương pháp so sánh, phân tích và ma trận SWOT
Sử dụng phương pháp so sánh số tương đối và tuyệt đối giữa các năm phân tích để thấy sự tăng trưởng trong hoạt động thanh toán thẻ tại ngân hàng.
Ma trận SWOT có thể đưa ra sự liên kết từng cặp một ăn ý, qua đó giúp hình thành các chiến lược một cách hiệu quả nhằm khai thác tốt nhât các cơ hội từ bên ngoài, giảm bớt các đe dọa, từ đó phát huy những mặt mạnh, hạn chế những mặt yếu.
- Những điểm mạnh (S): Điều kiện thuận lợi, nguồn lực thúc đẩy góp phần để phát triển tốt hơn => cần tận dụng tốt các mặt mạnh để phát triển có hiệu quả.
- Những điểm yếu (W): các yếu tố bất lợi, những điều kiện không thích hợp, hạn chế phát triển => tìm cách khắc phục và cải thiện.
- Các cơ hội (O): Những phương hướng cần được thực hiện hay những cơ hội có được góp phần thúc đẩy sự phát triển => cần tận dụng và khai thác đến mức cao nhất.
- Các mối đe dọa (T): Những yếu tố có khả năng tạo ra kết quả xấu, hạn chế hoặc triệt tiêu sự phát triển => cần tìm cách khắc phục và đẩy lùi các mối đe dọa.
- Chiến lược S – O nhằm theo đuổi những cơ hội phù hợp với các điểm mạnh của doanh nghiệp.
- Chiến lược W – O nhằm khắc phục các điểm yếu để theo đuổi và nắm bắt cơ hội.
- Chiến lược S – W xác định những các thức mà doanh nghiệp có thể sử dụng điểm mạnh của mình để giảm khả năng bị thiệt hại vì các nguy cơ từ bên ngoài.
34
- Chiến lược W – T nhằm hình thành một kế hoạch phòng thủ để ngăn không cho các điểm yếu của chính doanh nghiệp làm cho nó trở nên dễ bị tổn thương trước các nguy cơ từ bên ngoài.
2.5.2. Phương pháp phân tích dữ liệu
Sau khi thu thập xong dữ liệu từ khách hàng, tiến hành kiểm tra và loại đi những bảng hỏi không đạt yêu cầu. Tiếp theo là mã hóa dữ liệu, nhập dữ liệu, làm sạch dữ liệu.
Sau đó tiến hành phân tích dữ liệu với phần mềm SPSS 21.0 với các phương pháp sau:
2.5.2.1. Phân tích thống kê mô tả (Descriptive Statistics)
Sử dụng để xử lý các dữ liệu và thông tin thu thập được nhằm đảm bảo tính chính xác và từ đó, có thể đưa ra các kết luận có tính khoa học và độ tin cậy cao về vấn đề nghiên cứu.
2.5.2.2. Đánh giá độ tin cậy của thang đo các nhân tố
Chúng ta cần tính toán Cronbach Alpha xem câu hỏi có đóng góp vào việc đo lường khái niệm lý thuyết mà ta đang nghiên cứu. Hệ số Cronbach Alpha là một phép kiểm định thông kê về mức độ chặt chẽ mà các mục hỏi trong thang đo tương quan với nhau. Hệ số Cronbach Alpha phải có giá trị từ 0,6 đến gần 1 thì mới đảm bảo các
biến trong cùng một nhân tố có tương quan với nhau (theo Hoàng Trọng và Chu
Nguyễn Mộng Ngọc, 2008). Trong mỗi thang đo, hệ số tương quan biến tổng (corrected Item – total Correlation) thể hiện sự tương quan giữa một biến quan sát với tất cả các biến khác trong thang đo. Do đó, hệ số này càng cao thì sự tương quan các biến quan sát này với các biến khác trong than đo càng cao. Theo Nunnally và Burnstein (1994) các biến có hệ số tương quan biến tổng nhỏ hơn 0,3 được xem là
biến rác và bị lọai khỏi thang đo.
2.5.2.3. Phân tích nhân tố khám phá (EFA)
Phân tích nhân tố nhằm rút gọn một tập hợp gồm nhiều biến quan sát phụ thuộc lẫn nhau thành một tập biến ít hơn (nhân tố) để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu (Hair và cộng sự, 1998). Phân tích nhân tố khám phá được cho là phù hợp khi các tiêu chuẩn sau đây được thỏa điều kiện: Tiêu chuẩn quan trọng đối với Factor Loading lớn nhất cần được quan tâm theo lý thuyết của Theo Hair và cộng sự (1998, 111), Multivariate Data Analysis, Prentice- Hall International, Inc, Factor loading là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA (ensuring practical significance). Factor loading > 0,3 được xem là đạt được mức tối thiểu, Factor loading > 0,4 được xem là quan trọng, > 0,5 đƣợc xem là có ý
35
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, nếu cỡ mẫu của bạn khoảng 50 thì Factor loading phải > 0,75.
- Kaiser-Meyer-Olkin (KMO) là chỉ số dùng để xem xét sự thích hợp của
EFA: 0,5 ≤ KMO ≤ 1 thì phân tích nhân tố là thích hợp.
- Kiểm định Bartlett’s test sphericity xem xét giả thuyết H0: độ tương quan giữa các biến quan sát bằng không 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 và bác bỏ giả thuyết H0.
- Phương sai trích (cumulative % of variance): phần trăm biến thiên của các biến quan sát (hay dữ liệu) được giải thích bởi các nhân tố phải đảm bảo ≥ 50%.
- Phương pháp trích hệ số được sử dụng là Principal Component Analysis với phép xoay Varimax để tối thiểu hóa số lượng biến có hệ số lớn tại cùng một nhân tố, và các nhân tố không có sự tương quan lẫn nhau.
- Xác định số nhân tố bằng phương pháp dựa vào eigenvalue (Determination based on eigenvalue): chỉ giữ lại những nhân tố có eigenvalue lớn hơn 1 trong mô hình phân tích.
Sau khi phân tích EFA, các giả thuyết nghiên cứu được điều chỉnh lại theo các nhân tố mới. Phương pháp phân tích hồi quy tuyến tính bội sẽ được ứng dụng trong việc đánh giá mức độ ảnh hưởng của các nhân tố đến sự hài lòng của người dân.
2.5.2.4. Phân tích hồi quy tuyến tính đa biến
Phân tích hồi qui đa biến: là một phương pháp được sử dụng dùng để phân tích mối quan hệ giữa một biến phụ thuộc với nhiều biến độc lập. Phương trình hồi quy tuyến tính đa biến có dạng:
Yi= β0 + β1X1i + β2 X2i + ... + βp Xpi + ei
Mục đích của việc phân tích hồi qui đa biến là dự đóan mức độ của biến phụ thuộc (với độ chính xác trong phạm vi giới hạn) khi biết trước giá trị của biến độc lập. Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008) các tham số quan trọng trong phân tích hồi quy đa biến bao gồm:
Hệ số hồi quy riêng phần Bk: là hệ số đo lường sự thay đổi trong giá trị trung bình Y khi Xk thay đổi một đơn vị, giữa các biến độc lập còn lại không đổi.
Hệ số xác định R2 điều chỉnh: Hệ số xác định tỉ lệ biến thiên của biến phụ thuộc được giải thích bởi biến độc lập trong mô hình hồi quy. Đó cũng là thông số đo lường độ thích hợp của đường hồi quy theo quy tắc R2 càng gần 1 thì mô hình xây dựng càng thích hợp, R2 càng gần 0 mô hình càng kém phù hợp với tập dữ liệu mẫu. Tuy nhiên, R2 có khuynh hướng là một ước lượng lạc quan của thước đo sự phù hợp
36
của mô hình đối với dữ liệu trong trường hợp có hơn 1 biến giải thích trong mô hình. Trong tình huống này R2 điều chỉnh (Adjusted R square) được sử dụng để phản ánh sát hơn mức độ phù hợp của mô hình tuyến tính đa biến vì nó không phụ thuộc vào độ lệch phóng đại của R2.
Kiểm định F trong phân tích phương sai là một phép kiểm định giả thuyết về độ phù hợp của mô hình tuyến tính tổng thể. Nếu giả thuyết Ho của kiểm định F bị bác bỏ thì có thể kết luận mô hình hồi qui tuyến tính đa biến phù hợp với tập dữ liệu và có thể sử dụng được.
Kiểm định Independent-samples T-test, và kiểm định One way ANOVA được dùng để xem xét ảnh hưởng của các biến liên quan đến đặc điểm cá nhân người khảo sát đến mức độ hài lòng chung của người dân và một số phân tích khác.
2.5.2.5. Các kiểm định các giả thuyết của mô hình
Mức độ thỏa mãn của khách hàng đối với dịch vụ thanh toán thẻ tại Techcombank Thăng Long được đánh giá thông qua giá trị trung bình, phương sai, độ lệch chuẩn. Kiểm định One Sample T- Test được sử dụng để kiểm định về mức độ thỏa mãn trung bình của các thành phần chất lượng dịch vụ, của tổng thể và kiểm định Independent Sample T -Test, One Way Anova về sự khác nhau về mức độ thỏa mãn giữa các nhóm giới tính, thu nhập, nghề nghiệp trong tổng thể…
H0: Không có sự khác biệt về các yếu tố đánh giá của các nhóm đối tượng khác nhau.
H1: Có sự khác nhau về các yếu tố đánh giá của các nhóm đối tượng khác nhau. Với mức ý nghĩa 95%,
- Nếu giá trị Sig. < 0,05: Có đủ cơ sở thống kê bác bỏ giả thiết H0, chấp nhận giả thiết H1.
37
CHƢƠNG 3
THỰC TRẠNG PHÁT TRIỂN DỊCH VỤ THANH TOÁN THẺ TẠI NGÂN HÀNG TMCP KỸ THƢƠNG VIỆT NAM
CHI NHÁNH THĂNG LONG
3.1. Khái quát chung về Techcombank Thăng Long
3.1.1. Lịch sử hình thành và phát triển
Được thành lập vào ngày 27 tháng 09 năm 1993 theo giấy phép hoạt động số 0040/NHCP ngày 6/8/1993 do Thống đốc NHNN Việt Nam cấp, giấy phép thành lập số 1543/QĐ của UBND Hà Nội cấp ngày 04/9/1993 và giấy phép kinh doanh số 055679 cấp ngày 07/9/1993 của Hội Kinh tế Việt Nam, Ngân hàng TMCP Kỹ thương Việt Nam - Techcombank là một trong những ngân hàng TMCP đầu tiên của Việt Nam được thành lập trong bối cảnh đất nước đang chuyển sang nền kinh tế thị trường với số vốn điều lệ là 20 tỷ đồng. Trụ sở ban đầu đặt ở số 24 Lý Thường Kiệt sau đó chuyển sang số 15 Đào Duy Từ và hiện nay thì Techcombank đặt tại 191 Bà Triệu. Sau hơn 20 năm hoạt động thì Techcombank đang không ngừng phát triển lớn mạnh, với thành tích kinh doanh xuất sắc và được nhiều lần ghi nhận là một tổ chức tài chính uy tín với danh hiệu Ngân hàng tốt nhất Việt Nam. Ngày nay, cùng với sự hỗ trợ của cổ đông chiến lược HSBC, Techcombank đang có một nền tảng tài chính ổn định và vững mạnh với tổng tài sản đạt trên 158.897 tỷ đồng (tính đến hết năm 2014).
Năm 1996, nhận thấy nhu cầu dịch vụ ngân hàng ngày càng lớn của các doanh nghiệp và dân cư trên địa bàn Hà Nội, Techcombank đã ra quyết định thành lập chi nhánh Thăng Long (11/5/1996) tại 181 Nguyễn Lương Bằng, phường Quang Trung, quận Đống Đa, Hà Nội. Techcombank nói chung và chi nhánh Thăng Long nói riêng được thành lập để tiến hành các hoạt động ngân hàng bao gồm nhận tiền gửi ngắn hạn, trung hạn và dài hạn từ các tổ chức, cá nhân; cho vay ngắn hạn, trung hạn và dài hạn các tổ chức và cá nhân tùy theo tính chất và khả năng nguồn vốn của ngân hàng; thực hiện các nghiệp vụ kinh doanh ngoại hối, chiết khấu thương phiếu, trái phiếu và các chứng từ có giá cung cấp các dịch vụ cho khách hàng; và các dịch vụ khác được NHNN cho phép. Techcombank Thăng Long với hệ thống công nghệ thông tin hiện đại, luôn là ngân hàng đi đầu trong việc ứng dụng các công nghệ tiên tiến, cung cấp các dịch vụ tự động hóa cao như là Internet banking, SMS banking, thẻ ATM kết nối trực tiếp với tài khoản tiền gửi của khách hàng… nhờ có sự hỗ trợ của hệ thống ngân hàng lõi (Core banking) và hệ thống phần mềm Globus triển khai trên toàn hệ thống.
Techcombank Thăng Long là một trong số chi nhánh đầu tiên của Ngân hàng TMCP Kỹ thương Việt Nam. Chi nhánh nằm trong khu vực trung tâm, đông dân cư,
38
phù hợp với mục tiêu phát triển ngân hàng đô thị, có tiềm năng phát triển mạnh mẽ và thực tế đã chứng minh được điều đó với lượng khách hàng đông đảo. Khách hàng của chi nhánh chủ yếu là doanh nghiệp ngoài quốc doanh, cá nhân là những người trẻ, thu nhập khá trở lên, có nhu cầu lớn về gửi tiền, tín dụng thanh toán... Chi nhánh đang ngày càng phát triển nhiều dịch vụ để có thể thu hút được lượng khách hàng đông đảo nhất và đáp ứng được những nhu cầu mới nhất của khách hàng.
3.1.2. Cơ cấu tổ chức - Nhân sự
3.1.2.1. Cơ cấu tổ chức