3.3.1 Thiết kế nghiên cứu
Nghiên cứu sơ bộ là một nghiên cứu định tính đƣợc thực hiện bằng kỹ thuật thảo luận tập trung: một nhóm 08 ngƣời là cán bộ tín dụng và nhân viên giao dịch của BIDV Quảng Trị; một nhóm 10 khách hàng thân thiết của BIDV Quảng Trị (phụ lục 2). Mục đích của nghiên cứu định tính là:
- Xác định các thành phần của chất lƣợng dịch vụ tín dụng tiêu dùng của BIDV cùng các biến quan sát đo lƣờng những thành phần này.
- Khẳng định các thành phần của chất lƣợng dịch vụ tín dụng tiêu dùng của BIDV theo mô hình lý thuyết đƣợc tác giả đề xuất ở chƣơng 2 (hình 2.3) và thang đo nháp 1.
Phƣơng thức thảo luận là các thành viên bày tỏ quan điểm của mình theo các nội dung của dàn bài thảo luận do tác giả soạn thảo (phụ lục 1); các thành viên khác đƣa ra quan điểm phản biện lại ý kiến của các thành viên trƣớc đó, cho đến khi không còn quan điểm của ai, các thành viên cho biết ý kiến bằng văn bản, tác giả tổng hợp và giữ lại những ý kiến đƣợc đa số (2/3) số thành viên tán thành.
Việc tổ chức thảo luận nhóm tập trung đƣợc thực hiện vào tháng 04 năm 2014. Kết quả thảo luận tập trung là cơ sở để tác giả hiệu chỉnh mô hình lý thuyết đƣợc tác giả đề xuất trong chƣơng 2 và thang đo nháp 1 đƣợc tác giả phát triển trên đây (mục 3.2). Kết quả từ thảo luận nhóm tập trung đƣợc sử dụng để hiệu chỉnh thang đo nháp 1 thành thang đo nháp 2 sử dụng cho giai đoạn phỏng vấn thử một số khách hàng (dự kiến 20 khách hàng) của BIDV Quảng Trị, nhằm đánh giá mức độ hoàn chỉnh về nội
36
dung, hình thức của các phát biểu (câu hỏi) và khả năng cung cấp thông tin của đáp viên (ngƣời đƣợc phỏng vấn), trên cơ sở đó hiệu chỉnh thành bản câu hỏi sử dụng cho giai đoạn chính thức. Trong đó, việc đánh giá nội dung đƣợc thể hiện trên các khía cạnh:
- Đáp viên (ngƣời đƣợc phỏng vấn) có hiểu đƣợc các phát biểu hay không? - Đáp viên có thông tin để trả lời hay không?
- Đáp viên có sẵn sàng cung cấp thông tin hay không?
Đánh giá về hình thức là kiểm tra mức độ phù hợp về mặt từ ngữ, cú pháp đƣợc sử dụng trong các phát biểu nhằm đảm bảo tính thống nhất, rõ ràng và không gây nhầm lẫn cho đáp viên khi đƣợc phỏng vấn. Việc phỏng vấn thử cũng do tác giả thực hiện trong tháng 5 năm 2014.
3.3.2 Kết quả nghiên cứu sơ bộ
Các thành viên của nhóm thảo luận đều thống nhất cho rằng:
- Các thành phần chất lƣợng dịch vụ tín dụng tiêu dùng đƣợc tác giả đề xuất trong mô hình lý thuyết ở chƣơng 2 (Hình 2.3) là những yếu tố chính cấu thành chất lƣợng dịch vụ tín dụng tiêu dùng của các NHTM.
- Các biến quan sát đo lƣờng thành phần chất lƣợng dịch vụ tín dụng tiêu dùng đƣợc phát triển trong thang đo nháp 1 đã phản ánh đƣợc các thuộc tính cơ bản của những thành phần chất lƣợng dịch vụ tín dụng tiêu dùng đã đƣợc xác định, song cần bổ sung một số biến quan sát sau đây:
+ Bổ sung vào thang đo thành phần sự đáp ứng biến quan sát DUG7 (BIDV cung cấp đầy đủ các thông tin cần thiết cho khách hàng). Lý do thông tin là cơ sở để khách hàng đƣa ra các quyết định lựa chọn ngân hàng cung cấp tín dụng và lựa chọn sản ph m tín dụng phù hợp với khả năng của khách hàng. Vì thế, một trong những nhu cầu hàng đầu của khách hàng là đƣợc cung cấp đầy đủ thông tin.
+ Bổ sung vào thang đo thành phần năng lực phục vụ của nhân viên biến quan sát NLC6 (Nhân viên BIDV có tinh thần trách nhiệm cao trong công việc). Lý do, vì
37
đây là điều kiện tiên quyết để nhân viên có thể trực tiếp tạo niềm tin và sự yên tâm cho khách hàng, từ đó đem lại sự hài lòng cho họ.
+ Bổ sung vào thang đo thành phần khả năng tiếp cận dịch vụ biến quan sát TCN5 (Điều kiện đƣợc cấp tín dụng của BIDV dễ dàng) và TCN6 (Phƣơng thức thu hồi khoản vay của BIDV hợp lý). Lý do, điều kiện cấp tín dụng dễ dàng là cơ hội để khách hàng tiếp cận dịch vụ tín dụng, đồng thời phƣơng thức thu hồi khoản vay là nhân tố quan trọng ảnh hƣởng đến tính thanh khoản (hoàn trả) của khách hàng. Vì thế, phƣơng thức thu hồi khoản vay hợp lý sẽ nâng cao tính thanh khoản của khách hàng, do đó sẽ kích thích khách hàng tiếp cận với các dịch vụ tín dụng của ngân hàng.
Nhƣ vậy, với kết quả này, mô hình lý thuyết về các thành phần chất lƣợng dịch vụ tín dụng tiêu dùng và mối quan hệ giữa chúng đến sự hài lòng của khách hàng và các giả thuyết nghiên cứu đƣợc đề xuất ở chƣơng 2 (hình 2.3) đƣợc giữ nguyên để kiểm định; thang đo nháp 1 đƣợc bổ sung 04 biến quan sát từ kết quả thảo luận nhóm tập trung nhƣ đã trình bày trên đây thành thang đo nháp 2 gồm 33 biến quan sát và đƣợc sử dụng để thiết kế bản câu hỏi sử dụng cho phỏng vấn thử.
Kết quả phỏng vấn thử cho thấy, các đáp viên đƣợc phỏng vấn không có ý kiến về mặt nội dung các phát biểu (biến quan sát). Tuy nhiên về mặt hình thức, nhiều ý kiến cho rằng để kích thích sự hợp tác của ngƣời đƣợc phỏng vấn, Trong một số ngữ cảnh nên thay thế cụm từ khách hàng” trong các phát biểu bằng Anh, Chị”. Trên cơ sở đó, tác giả hiệu chỉnh thang đo nháp 2 thành thang đo chính thức và thiết kế bản câu hỏi sử dụng cho giai đoạn nghiên cứu chính thức (phụ lục 1.3).
3.4 NGHIÊN CỨU CHÍNH THỨC
Nghiên cứu chính thức là một nghiên cứu định lƣợng nhằm đánh giá độ tin cậy và giá trị của thang đo (giá trị hội tụ và phân biệt) các thành phần của chất lƣợng dịch vụ tín dụng tiêu dùng và sự hài lòng của khách hàng tại BIDV Quảng Trị; đồng thời kiểm định mô hình nghiên cứu và các giả thuyết nghiên cứu, từ đó định vị mức độ ảnh hƣởng của các thành phần chất lƣợng dịch vụ tín dụng tiêu dùng đến sự hài lòng của khách hàng và đo lƣờng giá trị thực trạng của chúng.
38
3.4.1 Thiết kế mẫu nghiên cứu
Về kích thƣớc mẫu nghiên cứu, để tiến hành phân tích hồi quy một cách tốt nhất, theo Tabachnick & Fidell, kích thƣớc mẫu phải bảo đảm theo công thức: n ≥ 8m + 50 (n là cỡ mẫu, m là số biến độc lập trong mô hình)1; trong khi đó, theo Harris RJ. Aprimer (1985): n ≥ 104 + m (với m là số lƣợng biến độc lập và phụ thuộc), hoặc n ≥ 50 + m , nếu m < 5.
Trƣờng hợp sử dụng phƣơng pháp phân tích nhân tố (EFA), Hair & ctg (1998) cho rằng kích thƣớc mẫu tối thiểu phải là 50, tốt hơn là 100 và tỉ lệ số quan sát/biến đo lƣờng là 5/1, nghĩa là cứ mỗi biến đo lƣờng cần tối thiểu 5 quan sát. Trong khi đó theo Gorsuch (1983) trƣờng hợp phân tích hồi quy kích thƣớc mẫu cần ít nhất 200 quan sát. Còn theo quy tắc kinh nghiệm, thì mẫu nghiên cứu có kích thƣớc càng lớn càng tốt.
Trong nghiên cứu này mô hình nghiên cứu có 5 biến độc lập; một biến phụ thuộc; 35 biến quan sát. Vì thế, kích thƣớc mẫu tính theo Tabachnick và Fidell (1991) là n ≥ 90, theo Harris RJ. Aprimer (1985) n ≥ 110 mẫu; theo Hair và ctg (1998) n ≥ 165. Tuy nhiên, để tăng tính đại diện của mẫu nghiên cứu sau khi loại bỏ các bản câu hỏi thiếu nhiều thông tin hoặc chất lƣợng thấp, tác giả dự kiến số lƣợng khách hàng đƣợc phỏng vấn là 330 (165 x 2).
Về phƣơng pháp chọn mẫu nghiên cứu, tác giả sử dụng phƣơng pháp chọn mẫu định mức (phi xác suất) cho từng phòng giao dịch dựa vào tổng số khách hàng dự kiến phỏng vấn (330) và tổng số dƣ nợ tín dụng tại các phòng giao dịch của BIDV Quảng Trị từ ngày 01/01/2013 đến 30/6/2014. Sau đó thực hiện lấy mẫu hệ thống (xác suất) trong từng phòng giao dịch với bƣớc nhảy bằng tỉ số giữa số lƣợng khách hàng có quan hệ tín dụng với các phòng giao dịch /số mẫu đƣợc định mức cho phòng giao dịch đó (bảng 3.1).
1
39
Bảng 3.1: Khung mẫu nghiên cứu phân bố cho các phòng giao dịch
TT Phòng giao dịch Tổng số dƣ nợ tín dụng (tỉ VNĐ) Số lƣợng khách hàng (ngƣời) Số mẫu định mức phỏng vấn (mẫu) Bƣớc nhảy chọn khách hàng phỏng vấn 1 Trụ sở chính (TP. Đông Hà) 71,44 910 136 7 2 Phòng giao dịch TP. Đông Hà 26,98 222 52 4 3 Phòng giao dịch Nam TP Đông Hà 32,14 185 61 3 4 Phòng giao dịch Huyện Vĩnh Linh 23,79 285 45 6 5 Phòng giao dịch Thị xã Quảng Trị 18,60 81 36 2 Tổng số 172,95 1.683 330
(Nguồn: đề xuất của tác giả)
3.4.2 Thu thập thông tin mẫu nghiên cứu
Thông tin mẫu nghiên cứu đƣợc thu thập bằng kỹ thuật phỏng vấn dƣới ba hình thức là phỏng vấn trực tiếp, phỏng vấn qua e-mail và phỏng phấn trực tuyến bằng - Google Dos các khách hàng sử dụng dịch vụ tín dụng tiêu dùng ở các huyện, thị xã, thành phố trên địa bàn tỉnh Quảng Trị.
Kết quả khảo sát, sau khi làm sạch (loại bỏ các bản câu hỏi có nhiều ô thiếu thông tin, hoặc nhiều hơn một ô trả lời, hoặc có cơ sở để xác định không đáng tin cậy) đƣợc nhập vào ma trận dữ liệu trên phần mềm SPSS 16.0
Tập dữ liệu sau khi làm sạch, đƣợc đƣa vào kiểm tra tính phân phối thông qua các chỉ số Skewness và Kurtosis2, trƣớc khi áp dụng các kỹ thuật định lƣợng bằng
2 Nếu các chỉ số này hầu hết đƣợc phân bố trong khoảng [-1, +1], chứng tỏ các biến đo lƣờng có phân phối xấp
40
phƣơng pháp phân tích phƣơng sai để ƣớc lƣợng các tham số trong quá trình kiểm định thang đo, mô hình nghiên cứu và các giả thuyết nghiên cứu.
3.4.3 Phƣơng pháp phân tích dữ liệu 3.4.3.1 Đánh giá sơ bộ thang đo 3.4.3.1 Đánh giá sơ bộ thang đo
Bao gồm đánh giá độ tin cậy và giá trị các thang đo bằng phƣơng pháp hệ số tin cậy Cronbach’s alpha và phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) thông qua phần mềm xử lý SPSS 16.0 để sàng lọc, loại bỏ các biến quan sát không đáp ứng tiêu chu n (biến rác). Trong đó:
Cronbach’s alpha là phép kiểm định thống kê về mức độ chặt chẽ (khả năng giải thích cho một khái niệm nghiên cứu) của tập hợp các biến quan sát (các câu hỏi) trong thang đo thông qua hệ số Cronbach’s alpha. Theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc (2005, tr. 257, 258) cùng nhiều nhà nghiên cứu đồng ý rằng khi hệ số Cronbach’s alpha có giá trị từ 0,8 trở lên đến gần 1,0 là thang đo tốt; từ 0,7 đến gần 0,8 là sử dụng đƣợc. Song, cũng có nhiều nhà nghiên cứu (ví dụ: Nunally 1978, Peterson 1994, Slater 1995) đề nghị hệ số Cronbach’s alpha từ 0,6 trở lên là có thể sử dụng đƣợc trong trƣờng hợp khái niệm đang nghiên cứu là mới hoặc mới đối với ngƣời trả lời trong bối cảnh nghiên cứu3.
Tuy nhiên, theo Nunnally & ctg (1994), hệ số Cronbach’s alpha không cho biết biến nào nên loại bỏ và biến nào nên giữ lại. Bởi vậy, bên cạnh hệ số Cronbach’s alpha, ngƣời ta còn sử dụng hệ số tƣơng quan biến tổng (iterm - total correlation) và những biến nào có tƣơng quan biến tổng < 0,3 sẽ bị loại bỏ. Song, theo Nguyễn Đình Thọ & Nguyễn Thị Mai Trang (2011, tr. 353, 354), việc loại bỏ hay không một biến quan sát không chỉ đơn thuần nhìn vào con số thống kê mà còn phải xem xét giá trị nội dung của khái niệm. Theo đó, trong trƣờng hợp thang đo đáp ứng tiêu chu n Cronbach’s alpha và nếu loại bỏ biến có tƣơng quan biến tổng < 0,3 dẫn đến vi phạm giá trị nội dung (các biến quan sát còn lại không còn bao phủ đầy đủ nội hàm của khái niệm) thì không nên loại biến đó.
3 Đây cũng là tiêu chu n đƣợc sử dụng trong các nghiên cứu của Nguyễn Đình Thọ & Nguyễn Thị Mai Trang
41
Phân tích nhân tố khám phá (EFA) là thuộc nhóm phân tích đa biến phụ thuộc lẫn nhau (interdependence techniques), nghĩa là không có biến phụ thuộc và biến độc lập mà dựa vào mối tƣơng quan giữa các biến, đƣợc sử dụng phổ biến để đánh giá giá trị thang đo (tính đơn hƣớng, giá trị hội tụ và giá trị phân biệt) hay rút gọn một tập biến. Trong nghiên cứu này, phân tích nhân tố đƣợc ứng dụng để tóm tắt tập các biến quan sát vào một số nhân tố nhất định đo lƣờng các thuộc tính của các khái niệm nghiên cứu. Tiêu chu n áp dụng và chọn biến đối với phân tích nhân tố khám phá EFA bao gồm:
- Tiêu chu n Bartlett và hệ số KMO dùng để đánh giá sự thích hợp của EFA. Theo đó, giả thuyết H0 (các biến không có tƣơng quan với nhau trong tổng thể) bị bác bỏ và do đó EFA đƣợc gọi là thích hợp khi: 0,5 ≤ KMO ≤ 1 và Sig < 0,05. Trƣờng hợp KMO < 0,5 thì phân tích nhân tố có khả năng không thích hợp với dữ liệu (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005, tr. 262).
- Tiêu chu n rút trích nhân tố gồm chỉ số Engenvalue (đại diện cho lƣợng biến thiên đƣợc giải thích bởi các nhân tố) và chỉ số Cumulative (tổng phƣơng sai trích cho biết phân tích nhân tố giải thích đƣợc bao nhiêu % và bao nhiêu % bị thất thoát). Theo Gerbing & Anderson (1988), các nhân tố có Engenvalue < 1 sẽ không có tác dụng tóm tắt thông tin tốt hơn biến gốc (biến tiềm n trong các thang đo trƣớc khi EFA). Vì thế, các nhân tố chỉ đƣợc rút trích tại Engenvalue > 1 và đƣợc chấp nhận khi tổng phƣơng sai trích ≥ 50%. Tuy nhiên, trị số Engenvalue và phƣơng sai trích là bao nhiêu còn phụ thuộc vào phƣơng pháp trích và phép xoay nhân tố. Theo Gerbing & Anderson (1988), phƣơng pháp trích Principal Axis Factoring với phép xoay Promax (Oblique) có phƣơng sai trích bé hơn, song sẽ phản ánh cấu trúc dữ liệu chính xác hơn phƣơng pháp trích Principal components với phép xoay Varimax. Ngoài ra, trƣờng hợp các biến có trọng số tải nhân tố (Factor loading) đƣợc trích vào các nhân tố khác nhau mà chênh lệch trọng số rất nhỏ (các nhà nghiên cứu thƣờng không chấp nhận < 0,3), tức không tạo nên sự khác biệt để đại diện cho một nhân tố, thì biến đó cũng bị loại và các biến còn lại sẽ đƣợc nhóm vào nhân tố tƣơng ứng đã đƣợc rút trích trên ma trận mẫu (Pattern Matrix).
42
Tuy nhiên, cũng nhƣ trong phân tích Cronbach’s alpha, việc loại bỏ hay không một biến quan sát không chỉ dựa vào trọng số tải nhân tố mà còn phải xem xét giá trị nội dung của biến đó. Trƣờng hợp biến có trọng số tải nhân tố thấp hoặc đƣợc trích vào các nhân tố khác nhau mà chênh lệch trọng số rất nhỏ, nhƣng có đóng góp quan trọng vào giá trị nội dung của khái niệm mà nó đo lƣờng thì không nhất thiết loại bỏ biến đó (Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2011, tr. 402, 403).
Trong nghiên cứu này, tác giả sử dụng phƣơng pháp trích Principal Axis Factoring với phép xoay Promax; loại bỏ các biến quan sát có trị số Factor loading ≤ 0,5 hoặc trích vào các nhân tố khác mà chênh lệch trọng số Factor loading giữa các nhân tố ≤ 0,3 theo tiêu chu n của Gerbing & Anderson (1988).
3.4.3.2 Phân tích hồi quy
Quá trình phân tích hồi quy đƣợc thực hiện qua các bƣớc:
Bước 1: Kiểm tra tƣơng quan giữa biến các biến độc lập với nhau và với biến phụ thuộc thông qua ma trận hệ số tƣơng quan. Theo đó, điều kiện để phân tích hồi quy là phải có tƣơng quan giữa các biến độc lập với nhau và với biến phụ thuộc. Tuy nhiên, theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc (2005, tr. 258), khi hệ số tƣơng quan <0,85 thì có khả năng đảm bảo giá trị phân biệt giữa các biến. Nghĩa là, nếu hệ số tƣơng quan > 0,85 thì cần xem xét vai trò của các biến độc lập, vì có thể xảy ra hiện tƣợng đa cộng tuyến (một biến độc lập này có đƣợc giải thích bằng một biến khác).
Bước 2: Kiểm định mô hình hồi quy và các giả thuyết nghiên cứu
Y = β1X1+β2X2+ β3X3+ β4X4+...+ βkXk Đƣợc thực hiện thông qua các thủ tục:
- Lựa chọn các biến đƣa vào mô hình hồi quy (tác giả sử dụng phƣơng pháp Enter - SPSS xử lý tất cả các biến đƣa vào cùng một lƣợt).
- Đánh giá độ phù hợp của mô hình bằng hệ số xác định R2 (R Square). Tuy nhiên, R2 có đặc điểm càng tăng khi đƣa thêm các biến độc lập vào mô hình, mặc dù