Nghiên cứu chính thức

3.3.1. Thiết kế mẫu nghiên cứu

Về kích thước mẫu nghiên cứu, để tiến hành phân tích hồi quy một cách tốt nhất, theo Tabachnick & Fidell, kích thước mẫu phải bảo đảm theo công thức: n ≥ 8m + 50 (n là cỡ mẫu, m là số biến độc lập trong mô hình)2; trong khi đó, theo Harris RJ. Aprimer (1985): n ≥ 104 + m (với m là số lượng biến độc lập và phụ thuộc), hoặc n ≥ 50 + m , nếu m < 5.

Trường hợp sử dụng phương pháp phân tích nhân tố (EFA), Hair & ctg (1998) cho rằng kích thước mẫu tối thiểu phải là 50, tốt hơn là 100 và tỉ lệ số quan sát/biến đo

lường là 5/1, nghĩa là cứ mỗi biến đo lường cần tối thiểu 5 quan sát. Trong khi đó theo Gorsuch (1983) trường hợp phân tích hồi quy kích thước mẫu cần ít nhất 200 quan sát. Còn theo quy tắc kinh nghiệm, thì mẫu nghiên cứu có kích thước càng lớn càng tốt.

Trong nghiên cứu này mô hình nghiên cứu có 6 biến độc lập, 1 biến phụ thuộc, 31 biến quan sát. Vì thế, kích thước mẫu tính theo Tabachnick và Fidell (1991) là n ≥ 90; theo Harris RJ. Aprimer (1985) n ≥ 110 quan sát; theo Hair và ctg (1998) n ≥ 155 (31x5). Tuy nhiên, nghiên cứu này còn thực hiện kiểm định khác biệt về quyết định lựa chọn ngân hàng cung cấp dịch vụ bán lẻ theo các đặc điểm cá nhân của khách hàng (nghĩa là chia tổng thể nghiên cứu thành các nhóm nhỏ theo các biến định tính). Vì thế, tác giả quyết định kích thước mẫu nghiên cứu tối thiểu là 310 (155 x 2). Để đem lại kết quả khảo sát được tin cậy, kích thước mẫu này sau khi loại các phiếu khảo sát không hợp lệ (Phiếu khảo sát thiếu thông tin hoặc ít có độ tin cậy), tác giả quyết định chọn kích thước mẫu là là 465 (= 310 x 1,5).

Về phương pháp chọn mẫu nghiên cứu, tác giả sử dụng phương pháp chọn mẫu hệ thống (xác suất) theo danh sách khách hàng sử dụng dịch vụ ngân hàng bán lẻ đến thời điểm 31/12/2014 tại các phòng giao dịch của Techcombank – Chi nhánh Bình Dương (bảng 3.1). Trong đó, bước nhảy được xác định bằng công thức SI = N/n = 67 (N là tổng số khách hàng sử dụng dịch vụ bán lẻ =31.063; n là kích thước mẫu = 465),

Bảng 3.1: Khung mẫu nghiên cứu phân bổ cho CN Bình Dương và các PGD

TT Phòng giao dịch Tống số khách hàng (người) Số khách hàng phỏng vấn (người) 1 Chi nhánh Bình Dương 12.114 181 2 Mỹ Phước 6.921 103 3 Dĩ An 7.015 105 4 Lái Thiêu 5.013 75 Tổng số 31.063 465 (Nguồn: Đề xuất của tác giả)

3.3.2. Thu thập thông tin mẫu nghiên cứu

Thông tin mẫu nghiên cứu được thu thập bằng kỹ thuật phỏng vấn thông qua bảng câu hỏi dưới ba hình thức là phỏng vấn trực tiếp, phỏng vấn qua e-mail và phỏng

vấn trực tuyến bằng Google- Dos các khách hàng đang có quan hệ cung cấp dịch vụ tại Ngân hàng được xác định trong khung mẫu trên đây (mục 3.3.1). Trong đó, bảng câu hỏi được thiết kế trên cơ sở thang đo nháp 2 (kết quả nghiên cứu sơ bộ - mục 3.2.2) và bổ sung thêm phần thông tin các đặc điểm nhân khẩu học của khách hàng được phỏng vấn. Trong nghiên cứu này tác giả sử dụng thang đo likert 7 mức độ từ 1-7 (1: hoàn toàn phản đối; 7; hoàn toàn đồng ý) để có độ phân giải cao, nhờ đó tăng độ chính xác của đo lường. Bảng câu hỏi này được sử dụng sau đó để phỏng vấn thử 18 khách hàng đến giao dịch tại Techcombank – Chi nhánh Bình Dương (theo phương pháp lấy mẫu thuận tiện) nhằm đánh giá mức độ hoàn chỉnh của các câu hỏi (phát biểu) về mặt hình thức và khả năng cung cấp thông tin của khách hàng, trên cơ sở đó hiệu chỉnh thành bảng câu hỏi được sử dụng để phỏng vấn chính thức . Kết quả phỏng vấn thử 18 khách hàng cho thấy :

- Đáp viên (khách hàng được phỏng vấn) hiểu được các phát biểu. - Đáp viên có đầy đủ thông tin để trả lời.

- Đáp viên có sẵn sàng cung cấp thông tin.

Vì thế, bảng câu hỏi này được sử dụng để phỏng vấn khách hàng trong nghiên cứu chính thức (phụ lục 2).

Kết quả phỏng vấn khách hàng được thu về, sau khi làm sạch (loại bỏ các bảng 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) được nhập vào ma trận dữ liệu trên phần mềm SPSS 16.0

Tập dữ liệu sau khi làm sạch, được đưa vào kiểm tra tính phân phối thông qua các chỉ số Skewness và Kurtosis3, trước khi áp dụng các kỹ thuật định lượng bằng phương pháp phân tích phương sai để ước lượng các tham số trong quá trình kiểm định thang đo, mô hình nghiên cứu và các giả thuyết nghiên cứu.

3 Nếu các chỉ số này hầu hết được phân bố trong khoảng [-1, +1], chứng tỏ các biến đo lường có phân phối xấp xỉ phân phối chuẩn.

3.3.3. Phương pháp phân tích dữ liệu

Quá trình phân tích dữ liệu nghiên cứu được thực hiện qua các giai đoạn:

 Đánh giá độ tin cậy và giá trị thang đo

Việc đánh giá độ tin cậy và giá trị của thang đo được thực hiện bằng phương pháp hệ số tin cậy Cronbach Alpha và phân tích nhân tố khám phá (EFA) thông qua phần mềm xử lý SPSS 16.0 để sàng lọc, loại bỏ các biến quan sát không đáp ứng tiêu chuẩn độ tin cậy (biến rác). Trong đó:

- Tiêu chuẩn Cronbach Alpha được nhiều nhà nghiên cứu (Nunally (1978); Peterson (1994); Slater (1995)) đề nghị là hệ số Cronbach Alpha từ 0,6 trở lên là có thể chấp nhận được trong trường hợp khái niệm đang nghiên cứu là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu.

Tuy nhiên, theo Nunnally và cộng sự (1994), hệ số Cronbach Alpha không cho biết biến nào nên loại bỏ và biến nào nên giữ lại. Bởi vậy, bên cạnh hệ số Cronbach Alpha, người ta còn sử dụng hệ số tương quan biến tổng (iterm - total correlation) và những biến nào có tương quan biến tổng < 0,3 sẽ bị loại bỏ.

- Tiêu chuẩn phân tích nhân tố khám phá (EFA) bao gồm:

+ Tiêu chuẩn Bartlett và hệ số KMO dùng để đánh giá sự thích hợp của EFA. Theo đó, giả thuyết H0 (các biến không có tương quan với nhau trong tổng thể) bị bác bỏ và do đó EFA được gọi là thích hợp khi: 0,5 ≤ KMO ≤ 1 và Sig < 0,05 (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005, tr.262).

- Tiêu chuẩn rút trích nhân tố gồm chỉ số Engenvalue (đại diện cho lượng biến thiên được giải thích bởi các nhân tố) và chỉ số Cumulative (tổng phương sai trích cho biết phân tích nhân tố giải thích được bao nhiêu % và bao nhiêu % bị thất thoát). Trong đó, Engenvalue > 1 và được chấp nhận khi tổng phương sai trích ≥ 50%. (adsbygoogle = window.adsbygoogle || []).push({});

- Tiêu chuẩn hệ số tải nhân tố (Factor loadings) biểu thị tương quan đơn giữa các biến với các nhân tố, dùng để đánh giá mức ý nghĩa của EFA. Theo Hair và ctg, 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. Ngoài ra, trường hợp các

biến có Factor loading được trích vào các nhân tố khác nhau mà chênh lệch trọng số rất nhỏ (các nhà nghiên cứu thường 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 được nhóm vào nhân tố tương ứng đã được rút trích trên ma trận mẫu (Pattern Matrix).

Tuy nhiên, cũng như trong phân tích Cronbach Alpha, 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 biến đó. Trường hợp biến có trọng số Factor loading thấp hoặc được trích vào các nhân tố khác nhau mà chênh lệch trọng số rất nhỏ, nhưng có đóng góp quan trọng vào giá trị nội dung của khái niệm mà nó đo lường thì không nhất thiết loại bỏ biến đó (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2011, trang 402 - 403).

Trong nghiên cứu này, mẫu nghiên cứu có kích thước tương đối lớn (n =435) và sau EFA là phân tích hồi qui bội. Vì thế, trong quá trình Cronbach Alpha, tác giả sẽ giữ lại các thang đo có trị số Cronbach Alpha ≥ 0,6 và loại các biến quan sát có tương quan giữa biến và tổng < 0,3. Trong quá trình EFA, tác giả sử dụng phương pháp trích Principal components với phép xoay Varimax; 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

 Phân tích hồi qui tuyến tính bội

Quá trình phân tích hồi qui tuyến tính được thực hiện qua các bước:

Bước 1: Kiểm tra tương quan giữa biến các biến độc lập với nhau và với biến phụ thuộc thông qua ma trận hệ số tương quan. Theo đó, điều kiện để phân tích hồi qui là phải có tương quan giữa các biến độc lập với nhau và với biến phụ thuộc. Tuy nhiên, theo John và Benet - Martinez (2000), khi hệ số tương quan < 0,85 thì có khả năng đảm bảo giá trị phân biệt giữa các biến. Nghĩa là, nếu hệ số tương quan > 0,85 thì cần xem xét vai trò của các biến độc lập, vì có thể xảy ra hiện tượng đa cộng tuyến (một biến độc lập này có được giải thích bằng một biến khác).

Bước 2: Xây dựng và kiểm định mô hình hồi qui

48 Được thực hiện thông qua các thủ tục:

- Lựa chọn các biến đưa vào mô hình hồi qui.

- 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 đưa thêm các biến độc lập vào mô hình, mặc dù không phải mô hình càng có nhiều biến độc lập thì càng phù hợp với tập dữ liệu. Vì thế, R2 điều chỉnh (Adjusted R Square) có đặc điểm không phụ thuộc vào số lượng biến đưa thêm vào mô hình được sử dụng thay thế R2 để đánh giá mức độ phù hợp của mô hình hồi qui bội.

- Kiểm định độ phù hợp của mô hình để lựa chọn mô hình tối ưu bằng cách sử dụng phương pháp phân tích ANOVA để kiểm định giả thuyết H0: (không có mối liên hệ tuyến tính giữa biến phụ thuộc với tập hợp các biến độc lập β1=β2=β3=βK= 0).

Nếu trị thống kê F có Sig rất nhỏ (< 0,05), thì giả thuyết H0 bị bác bỏ, khi đó chúng ta kết luận tập hợp của các biến độc lập trong mô hình có thể giải thích cho sự biến thiên của biến phụ thuộc. Nghĩa là mô hình được xây dựng phù hợp với tập dữ liệu, vì thế có thể sử dụng được.

- Xác định các hệ số của phương trình hồi qui, đó là các hệ số hồi qui riêng phần βk đo lường sự thay đổi trung bình của biến phụ thuộc khi biến độc lập Xk thay đổi một đơn vị, trong khi các biến độc lập khác được giữ nguyên. Tuy nhiên, độ lớn của βk phụ thuộc vào đơn vị đo lường của các biến độc lập, vì thế việc so sánh trực tiếp chúng với nhau là không có ý nghĩa. Do đó, để có thể so sánh các hệ số hồi qui với nhau, từ đó xác định tầm quan trọng (mức độ giải thích) của các biến độc lập cho biến phụ thuộc, người ta biểu diễn số đo của tất cả các biến độc lập bằng đơn vị đo lường độ lệnh chuẩn beta.

Bước 3: Kiểm tra vi phạm các giảđịnh hồi qui

Mô hình hồi qui được xem là phù hợp với tổng thể nghiên cứu khi không vi phạm các giả định. Vì thế, sau khi xây dựng được phương trình hồi qui, cần phải kiểm tra các vi phạm giả định cần thiết sau đây:

- Phần dư của biến phụ thuộc có phân phối chuẩn - Phương sai của sai số không đổi

- Không có tương quan giữa các phần dư (tính độc lập của các sai số)

- Không có tương quan giữa các biến độc lập (không có hiện tượng đa cộng tuyến).

Trong đó:

- Công cụ để kiểm tra giả định liên hệ tuyến tính là đồ thị phân tán phần dư chuẩn hóa (Scatter) biểu thị tương quan giữa giá trị phần dư chuẩn hóa (Standardized Residual) và giá trị dự đoán chuẩn hóa (Standardized Pridicted Value).

- Công cụ để kiểm tra giả định phần dư có phân phối chuẩn là đồ thị tần số Histogram, hoặc đồ thị tần số P-P plot.

- Công cụ để kiểm tra giả định sai số của biến phụ thuộc có phương sai không đổi là đồ thị phân tán của phần dư và giá trị dự đoán hoặc kiểm định Spearman’s Rho.

- Công cụ được sử dụng để kiểm tra giả định không có tương quan giữa các phần dư là đại lượng thống kê d (Durbin - Watson), hoặc đồ thị phân tán phần dư chuẩn hóa (Scatter).

- Công cụ được sử dụng để phát hiện tồn tại hiện tượng đa cộng tuyến là độ chấp nhận của biến (Tolerance) hoặc hệ số phóng đại phương sai (Variance inflation factor - VIF). Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2005, trang 217 - 218), qui tắc chung là VIF > 10 là dấu hiệu đa cộng tuyến; trong khi đó, theo Nguyễn Đình Thọ và Nguyễn Thị Mai Trang (2011, trang 497), khi VIF > 2 cần phải cẩn trọng hiện tượng đa cộng tuyến.

 Kiểm định sự khác biệt

Công cụ sử dụng là phép kiểm định Independent - Sample T-Test, hoặc phân tích phương sai (ANOVA), hoặc kiểm định KRUSKAL - WALLIS. Trong đó:

50 (adsbygoogle = window.adsbygoogle || []).push({});

- Independent - Sample T-Test được sử dụng trong trường hợp các yếu tố nhân khẩu học có hai thuộc tính (chẳng hạn, giới tính bao gồm: giới tính nam và giới tính nữ), vì thế chia tổng thể mẫu nghiên cứu làm hai nhóm tổng thể riêng biệt;

- Phân tích phương sai (ANOVA) được sử dụng trong trường hợp các yếu tố nhân khẩu học có ba thuộc tính trở lên, vì thế chia tổng thể mẫu nghiên cứu làm ba nhóm tổng thể riêng biệt trở lên (chẳng hạn, năm học của sinh viên, bao gồm: năm 1, năm 2, năm 3). Điều kiện để thực hiện ANOVA là các nhóm so sánh phải độc lập và được chọn một cách ngẫu nhiên; các nhóm so sánh phải có phân phối chuẩn hoặc cỡ mẫu đủ lớn để tiệm cận với phân phối chuẩn; phương sai của các nhóm so sánh phải đồng nhất.

- Kiểm định KRUSKAL - WALLIS được sử dụng khi điều kiện để ANOVA không thỏa mãn, trong đó trường hợp phổ biến là khi phương sai của các nhóm so sánh không đồng nhất (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005, trang 113-118; 122-133; 146 -154).

Tóm tắt chương 3

Chương 3 trình bày phương pháp nghiên cứu được thực hiện qua 2 giai đoạn là nghiên cứu định tính và chính thức. Kết quả nghiên cứu định tính là một nghiên cứu định tính khẳng định mô hình lý thuyết được đề xuất trong chương 2 được giữ nguyên, đồng thời phát triển thang đo nháp 1 thành thang đo nháp 2.

Nghiên cứu chính thức là một nghiên cứu định lượng, mẫu nghiên cứu được chọn bằng phương pháp lấy mẫu xác suất (mẫu hệ thống) theo số lượng khách hàng tại Chi nhánh và các phòng giao dịch của Techcombank – Chi nhánh Bình Dương tính đến thời điểm 31/12/2014. Kích thước mẫu dự kiến là 465 được thu thập thông qua hình thức phỏng vấn bằng bảng câu hỏi.

Quá trình và phương pháp sử dụng phân tích dữ liệu bao gồm:

- Đánh giá độ tin cậy (giá trị hội tụ và giá trị phân biệt) các thang đo bằng Cronbach alpha và phân tích nhân tố khám phá (EFA).

- Phân tích hồi qui tuyến tính bội được sử dụng để kiểm định mô hình nghiên cứu và các giả thuyết nghiên cứu.

Toàn bộ quá trình phân tích dữ liệu sử dụng phần mềm SPSS 16.0. Kết quả nghiên cứu định lượng sẽ được trình bày trong chương tiếp theo.

CHƯƠNG 4

KẾT QUẢ NGHIÊN CỨU

4.1. TÌNH HÌNH KINH DOANH VÀ KHÁCH HÀNG SỬ DỤNG DỊCH VỤ NGÂN HÀNG BÁN LẺ TẠI TECHCOMBANK – CHI NHÁNH BÌNH DƯƠNG NGÂN HÀNG BÁN LẺ TẠI TECHCOMBANK – CHI NHÁNH BÌNH DƯƠNG

4.1.1. Khái lược về Techcombank và Techcombank - Chi nhánh Bình Dương

Ngân hàng Thương mại Cổ phần Kỹ Thương Việt Nam, thường được biết đến với tên gọi Techcombank hiện là một trong những ngân hàng thương mại cổ phần lớn nhất Việt Nam.

Kể từ khi thành lập vào ngày 27/9/1993 với số vốn ban đầu chỉ có 20 tỷ đồng, Techcombank đã không ngừng phát triển mạnh mẽ. Đến 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 175.652 tỷ đồng (tính đến hết quý III/2015), đồng

Mục lục