6. Kết cấu của luận văn
3.2.4. Xây dựng mô hình hồi quy đa biến
3.2.4.1. Điều chỉnh mô hình nghiên cứu
Nhƣ vậy, sau phân tích nhân tố EFA kết quả cho chúng ta 6 nhân tố với 24 biến quan sát đƣợc rút trích, đặt lại tên và đánh giá lại hệ số Cronbach Alpha cho các thành phần rút trích đều đảm bảo độ tin cậy về mặt thống kê. Nhƣ vậy, có 6 nhân tố mới thay thế cho 6 thành phần thiết kế ban đầu, trong 6 nhân tố mới này vẫn giữ nguyên tên gọi thành phần nhƣ thiết kế ban đầu và không có nhân tố mới nào đƣợc khám phá ra. Tuy nhiên thứ tự các nhân tố thì có thay đổi nên mô hình nghiên cứu ban đầu đƣợc điều chỉnh lại cho phù hợp và để thực hiện các phân tích tiếp theo. Mô hình nghiên cứu mới sau phân tích nhân tố đƣợc điều chỉnh nhƣ sau:
Hình 3.1: Mô hình nghiên cứu chính thức
(Nguồn: Kết luận rút ra của tác giả)
H1 (+) Chất lƣợng dịch vụ
Lãi suất
Nhận biết thƣơng hiệu
Sự thuận tiện
Hình thức chiêu thị quen
Ảnh hƣởng của ngƣời thân
Quyết định gửi tiền tiết kiệm tiền của khách hàng
cá nhân H4 (+) H5 (+) H3 (+) H6 (+) H4 (+)
Với mô hình nghiên cứu sau phân tích trên, giả thuyết nghiên cứu đƣợc điều chỉnh nhƣ sau:
Giả thuyết H1: Chất lƣợng dịch vụ có tác động dƣơng lên Quyết định gửi tiền tiết kiệm của khách hàng cá nhân.
Giả thuyết H2: Lãi suất có tác động dƣơng lên Quyết định gửi tiền tiết kiệm của khách hàng cá nhân.
Giả thuyết H3: Nhận biết thƣơng hiệu có tác động dƣơng lên Quyết định gửi tiền tiết kiệm của khách hàng cá nhân.
Giả thuyết H4: Sự thuận tiện có tác động dƣơng lên Quyết định gửi tiền tiết kiệm của khách hàng cá nhân.
Giả thuyết H5: Hình thức chiêu thị có tác động dƣơng lên Quyết định gửi tiền tiết kiệm của khách hàng cá nhân.
Giả thuyết H6: Ảnh hƣởng của ngƣời thân quen có tác động dƣơng lên Quyết định gửi tiền tiết kiệm của khách hàng cá nhân.
3.2.4.2. Phân tích tƣơng quan
Bảng 3.30: Ma trận hệ số tƣơng quan Correlations
Quyết định gửi tiền tiết
kiệm Chất lƣợng dịch vụ Lãi suất Nhận biết thƣơng hiệu Sự thuận tiện Hình thức chiêu thị Ảnh hƣởng của ngƣời thân quen Quyết định
gửi tiền tiết kiệm Pearson Correlation 1 0.258** 0.495** 0.293** 0.194** 0.160** 0.340** Sig. (2-tailed) 0.000 0.000 0.000 0.001 0.005 0.000 N 300 300 300 300 300 300 300 Chất lƣợng dịch vụ Pearson Correlation 0.258** 1 0.000 0.000 0.000 0.000 0.000 Sig. (2-tailed) 0.000 1.000 1.000 1.000 1.000 1.000 N 300 300 300 300 300 300 300 Lãi suất Pearson Correlation 0.495** 0.000 1 0.000 0.000 0.000 0.000 Sig. (2-tailed) .000 1.000 1.000 1.000 1.000 1.000 N 300 300 300 300 300 300 300 Nhận biết thƣơng Pearson Correlation 0.293** 0.000 0.000 1 0.000 0.000 0.000 Sig. (2-tailed) 0.000 1.000 1.000 1.000 1.000 1.000
hiệu N 300 300 300 300 300 300 300 Sự thuận tiện Pearson Correlation 0.194** 0.000 0.000 0.000 1 0.000 0.000 Sig. (2-tailed) 0.001 1.000 1.000 1.000 1.000 1.000 N 300 300 300 300 300 300 300 Hình thức chiêu thị Pearson Correlation 0.160** 0.000 0.000 0.000 0.000 1 0.000 Sig. (2-tailed) .005 1.000 1.000 1.000 1.000 1.000 N 300 300 300 300 300 300 300 Ảnh hƣởng của ngƣời thân quen Pearson Correlation 0.340** 0.000 0.000 0.000 0.000 0.000 1 Sig. (2-tailed) 0.000 1.000 1.000 1.000 1.000 1.000 N 300 300 300 300 300 300 300
(Nguồn: Tính toán từ dữ liệu điều tra)
Nhìn vào Bảng 3.30 ta thấy mô hình có: Các biến tự tƣơng quan với nhau. Tƣơng quan cao nhất là giữa thang đo “Quyết định gửi tiền tiết kiệm” với thang đo “Lãi suất” vì có r = 0.495 và Sig.= 0.000 < 0.05, thang này có ý nghĩa, còn giữa thang đo Các biến độc lập “Chất lƣợng dịch vụ”, “Nhận biết thƣơng hiệu”, “Sự thuận tiện”, “Hình thức chiêu thị”, “Ảnh hƣởng của ngƣời thân quen” và biến “Quyết định gửi tiền tiết kiệm” có quan hệ tƣơng quan tuyến tính với nhau vì có Sig.= 0.000 <0.05.
3.2.4.3. Phân tích hồi quy
Phân tích hồi quy tuyến tính sẽ giúp chúng ta biết đƣợc cƣờng độ ảnh hƣởng của các biến độc lập lên biến phụ thuộc. Để tiến hành phân tích hồi quy tuyến tính bội, các biến đƣa vào mô hình theo phƣơng pháp Enter. Tiêu chuẩn kiểm định là tiêu chuẩn đƣợc xây dựng vào phƣơng pháp kiểm định giá trị thống kê F và xác định xác suất tƣơng ứng của giá trị thống kê F, kiểm định mức độ phù hợp giữa mẫu và tổng thể thông qua hệ số xác định R2. Công cụ chẩn đoán giúp phát hiện sự tồn tại của cộng tuyến trong dữ liệu đƣợc đánh giá mức độ cộng tuyến làm thoái hóa tham số ƣớc lƣợng là hệ số phóng đại phƣơng sai (Variance inflation factor - VIF). Quy tắc khi VIF vƣợt quá 10, đó là dấu hiệu của đa cộng tuyến (Trọng & Ngọc, 2005, 218).
Các nhân tố mới hình thành gồm có: 6 biến độc lập (Chất lƣợng dịch vụ, lãi suất, nhận biết thƣơng hiệu, sự thuận tiện, hình thức chiêu thị, ảnh hƣởng của ngƣời thân quen) và 1 biến phụ thuộc (Quyết định gửi tiền tiền tiết kiệm) đƣợc đƣa vào phân tích hồi qui. Do vậy cần có sự điều chỉnh về giả thuyết và mô hình nghiên cứu sau phép phân tích nhân tố. Ta có phƣơng trình hồi quy tổng quát đƣợc xây dựng nhƣ sau:
QDGTK = β0 + β1*X1 + β2* X2 + β3*X3 + β4*X4 + β5*X5 + β6*X6
Phƣơng trình hồi quy chuẩn hóa:
QDGTK = β1*X1 + β2* X2 + β3*X3 + β4*X4 + β5*X5 + β6*X6
Trong đó:
Biến phụ thuộc: QDGTK (Quyết định gửi tiền tiết kiệm).
Các biến độc lập là:
o X1: Chất lƣợng dịch vụ o X2: Lãi suất
o X3: Nhận biết thƣơng hiệu o X4: Sự thuận tiện
o X5: Hình thức chiêu thị
o X6: Ảnh hƣởng của ngƣời thân quen
Dựa vào cơ sở lý thuyết và kết quả phân tích ở trên, ta sẽ đƣa tất cả các biến độc lập trong mô hình hồi quy đã điều chỉnh bằng phƣơng pháp đƣa vào cùng một lúc Enter để chọn lọc dựa trên tiêu chí chọn những biến có mức ý nghĩa < 0.05.
Kết quả phân tích hồi quy tuyến tính cho các biến số đƣợc thể hiện thông qua các bảng sau:
Bảng 3.31: Hệ số R-Square từ kết quả phân tích hồi quy Model Summaryb
Mode
l R R2 R2 hiệu chỉnh
Sai số chuẩn của ƣớc lƣợng
Durbin- Watson
1 0.759a 0.576 0.567 0.65808511 2.046
a. Predictors: (Constant), Ảnh hƣởng của ngƣời thân, Hình thức chiêu thị, Sự thuận tiện, Nhận biết thƣơng hiệu, Lãi suất, Chất lƣợng dịch vụ
b. Dependent Variable: Quyết định gửi tiền tiết kiệm
(Nguồn: Tính toán từ dữ liệu điều tra)
Nhìn vào Bảng 3.31 ta thấy mô hình có hệ số tƣơng quan R2
= 0.576 cho thấy mối tƣơng quan giữa các biến là thuận và rất chặt chẽ. Với hệ số xác định R2 đã đƣợc hiệu chỉnh là 0.567 cho thấy 6 nhân tố đƣợc dùng làm biến độc lập giải thích đƣợc 56.7% sự biến thiên của biến phụ thuộc, còn lại 43.3% do các yếu tố khác ngoài mô hình giải thích. Nhƣ vậy Quyết định gửi tiền tiết kiệm của khách hàng cá nhân đối với
dịch vụ gửi tiền kiệm tại Ngân hàng Thƣơng mại cổ phần Kiên Long – Chi nhánh Khánh Hoà là 56.7%.
Kiểm định Tính độc lập của phần dư Ta dùng đại lƣợng thống kê Durbin- Watson d) để kiểm định. Đại lƣợng d này có giá trị từ 0 đến 4. Trong thực tế, khi tiến hành kiểm định Durbin- Watson ngƣời ta thƣờng áp dụng quy tắc kiểm định đơn giản nhƣ sau: nếu 1 < d < 3 thì kết luận mô hình không có tƣơng quan; nếu 0 < d <1 thì kết luận mô hình có sự tƣơng quan dƣơng; nếu 3 < d < 4 thì kết luận mô hình có sự tƣơng quan âm (Trọng & Ngọc, 2008).Theo bảng 3.31 thì đại lƣợng thống kê Durbin-Watson (d) = 2.046 nên các phần dƣ trong mẫu không có tƣơng quan với nhau.
Bảng 3.32: Bảng ANOVA trong phân tích hồi quy
ANOVAb
Model Sum of Squares Df Mean Square F Sig.
1
Regression 172.109 6 28.685 66.235 0.000a
Residual 126.891 293 0.433
Total 299.000 299
a. Predictors: (Constant), Ảnh hƣởng của ngƣời thân, Hình thức chiêu thị, Sự thuận tiện, Nhận biết thƣơng hiệu, Lãi suất, Chất lƣợng dịch vụ
b. Dependent Variable: Quyết định gửi tiền tiết kiệm
(Nguồn: Tính toán từ dữ liệu điều tra)
Kiểm định F là một phép kiểm định giả thuyết về độ phù hợp của mô hình. Theo kết quả bảng ANOVA (Bảng 3.32), ta thấy kiểm định F có Sig = 0.000a, chứng tỏ mô hình hồi quy tuyến tính bội là phù hợp với tập dữ liệu và có thể sử dụng đƣợc.
Bảng 3.33: Hệ số hồi quy chuẩn hóa của phƣơng trình
Coefficientsa
Biến
Hệ số hồi quy chƣa chuẩn hóa Hệ số hồi quy chuẩn hóa Kiểm định t Ý nghĩa thống kê Thống kê cộng tuyến Hệ số B Sai số
1 (Hệ số gốc) -3.274E-16 0.038 0.000 1.000
Chất lƣợng dịch vụ 0.258 0.038 0.258 6.767 0.000 1.000 1.000
Lãi suất 0.495 0.038 0.495 12.998 0.000 1.000 1.000
Nhận biết thƣơng hiệu 0.293 0.038 0.293 7.687 0.000 1.000 1.000
Sự thuận tiện 0.194 0.038 0.194 5.104 0.000 1.000 1.000
Hình thức chiêu thị 0.160 0.038 0.160 4.203 0.000 1.000 1.000
Ảnh hƣởng của ngƣời thân 0.340 0.038 0.340 8.937 0.000 1.000 1.000
a. Dependent Variable: Quyết định gửi tiền tiết kiệm
(Nguồn: Tính toán từ dữ liệu điều tra)
Nhìn vào Bảng 3.33 ta thấy hệ số phóng đại phƣơng sai VIF (Variance inflation factor – VIF) rất nhỏ (nhỏ hơn 2) cho thấy các biến độc lập này không có quan hệ chặt chẽ với nhau nên không có hiện tƣợng đa cộng tuyến.
Kết quả trên cũng cho thấy mối quan hệ tuyến tính của các nhân tố với Quyết định gửi tiền tiết kiệm của khách hàng cá nhân đều có ý nghĩa thống kê (Sig.<0.05) Nên ta sẽ giữ nguyên các nhân tố lại mô hình nghiên cứu.
Phƣơng trình hồi quy thể hiện mối quan hệ giữa biến phụ thuộc Quyết định gửi tiền tiết kiệm của khách hàng cá nhân tại Ngân hàng Thƣơng mại cổ phần Kiên Long – Chi nhánh Khánh với 6 biến độc lập đƣợc giải thích qua mô hình sau:
QDGTK = 0.258*X1 + 0.495* X2 + 0.293*X3 + 0.194*X4 + 0.160*X5 + 0.340*X6
Cụ thể:
Quyết định gửi tiền tiết kiệm của khách hàng = 0.258“Chất lƣợng dịch vụ” + 0.495“Lãi suất” + 0.293“Nhận biết thƣơng hiệu” + 0.194“Sự thuận tiện” + 0.160“Hình thức chiêu thị” + 0.340“Ảnh hƣởng của ngƣời thân quen”.
Kết quả trên cho thấy nhân tố X2 có hệ số Beta chuẩn hóa cao nhất (= 0.495) nên có tác động mạnh nhất đến quyết định gửi tiền tiết kiệm của khách hàng cá nhân. Kế tiếp là các nhân tố X6 (= 0.340), X3(= 0.293), X1 (= 0.258). Nhân tố X4 (=0.194), X5 (= 0.160) cũng có tác động đáng kể đến quyết định gửi tiền tiết kiệm của khách hàng nhƣng ít hơn các nhân tố khác.
Qua phƣơng trình hồi qui chúng ta thấy:
+ Nhóm nhân tố “Lãi suất” có mức ảnh hƣởng lớn nhất đến Quyết định gửi tiền tiết kiệm của khách hàng cá nhân, với hệ số β2 = 0.495, nghĩa là nếu Quyết định gửi tiền tiết kiệm của khách hàng cá nhân đối với Lãi suất tăng lên 1 điểm thì Quyết định
gửi tiền tiết kiệm chung tăng lên 0.495 điểm nếu các biến độc lập còn lại không đổi. Vì vậy, nếu Ngân hàng sử dụng tốt công cụ Lãi suất thì có thể làm gia tăng quyết định gửi tiền tiết kiệm của khách hàng cá nhân.
+ Tiếp theo là nhóm nhân tố “Ảnh hƣởng của ngƣời thân quen” có mức độ ảnh hƣởng khá lớn đến Quyết định gửi tiền tiết kiệm chung của khách hàng cá nhân, do có hệ số β6 = 0.340. Nếu Quyết định gửi tiền tiết kiệm về Ảnh hƣởng của ngƣời thân tăng lên 1 điểm thì Quyết định gửi tiền tiết kiệm chung tăng lên 0.340 điểm nếu các biến độc lập còn lại không đổi.
+ Kế đến là nhóm gồm nhân tố “Nhận biết thƣơng hiệu” có mức độ ảnh hƣởng yếu hơn với hệ số β3 = 0.293. Nếu Quyết định gửi tiền tiết kiệm về Nhận biết thƣơng hiệu tăng lên 1 điểm thì Quyết định gửi tiền tiết kiệm chung tăng lên 0.293 điểm nếu các biến độc lập còn lại không đổi.
+ Kế đến nữa là nhóm gồm nhân tố “Chất lƣợng dịch vụ” có mức độ ảnh hƣởng yếu hơn với hệ số β1 = 0.258. Nếu Quyết định gửi tiền tiết kiệm về Nhận biết thƣơng hiệu tăng lên 1 điểm thì Quyết định gửi tiền tiết kiệm chung tăng lên 0.258 điểm nếu các biến độc lập còn lại không đổi.
+ Hai nhóm nhân tố tác động yếu nhất là “ Sự thuận tiện” và “ Hình thức chiêu thị” , với hệ số beta lần lƣợt là 0.194 và 0.160
Từ đó có thể kết luận rằng mô hình lý thuyết phù hợp với dữ liệu. Nhƣ vậy, các giả thuyết H1, H2, H3, H4, H5, H6 đều đƣợc chấp nhận
Nhƣ vậy, kết quả cho thấy có 6 biến độc lập đều có tác động có ý nghĩa lên biến phụ thuộc (sig < 0.05). Và 6 nhân tố còn lại đƣa vào phân tích hồi quy đều đƣợc giữ lại trong mô hình.
Để dò tìm sự vi phạm giả định phânphối chuẩn của phần dư ta sẽ dùng hai công cụ vẽ của phần mềm SPSS là biểu đồ Histogram và đồ thị P-P plot.
Hình 3.2: Đồ thị phân phối phần dƣ
Hình 3.3: Đồ thị P-P Plot
Nhìn vào biểu đồ Histogram (Hình 3.2) ta thấy phần dƣ có phân phối chuẩn với giá trị trung bình gần bằng 0 và độ lệch chuẩn của nó gần bằng SD = 0.99. Nhìn vào đồ thị P-P plot (Hình 3.3) biểu diễn các điểm quan sát thực tế tập trung khá sát đƣờng
chéo những giá trị kỳ vọng, có nghĩa là dữ liệu phần dƣ có phân phối chuẩn. Dựa vào đồ thị phân tán của phần dƣ chuẩn hóa và giá trị dự đoán chuẩn hóa cho thấy các giá trị dự đoán chuẩn hóa và phần dƣ chuẩn hóa phân tán ngẫu nhiên trong một vùng xung quanh đƣờng đi qua tung độ 0. Nhƣ vậy, giả định liên hệ tuyến tính và phƣơng sai không thay đổi thỏa mãn.
Dựa vào biểu đồ tần số của các phần dƣ cho thấy phần dƣ phân phối xấp xỉ chuẩn (trung bình Mean = 1.07E-17 và độ lệch chuẩn SD = 0.99, tức gần bằng 1). Do đó, có thể kết luận rằng giả thuyết phân phối chuẩn không bị vi phạm (Trọng & Ngọc, 2005).
3.2.4.4. Kiểm định phi tham số Kruskal – Wallis và Phân tích ANOVA với phép kiểm định Bofnerroni kiểm định Bofnerroni
Thực hiện kiểm định phi tham số (kiểm định Kruskal – Wallis) kết hợp với kiểm định tham số (kiểm định Bonferroni) đối với các biến kiểm soát nhƣ: Giới tính, độ tuổi, nghề nghiệp, thu nhập và tình trạng hôn nhân để kiểm định xem có sự khác biệt hay không sự đánh giá của khách hàng theo từng nhóm biến khác nhau nhƣ trên khi đánh giá từng tiêu chí thuộc nhân tố đo lƣờng các thành phần của quyết định gửi tiền tiết kiệm của khách hàng cá nhân tại ngân hàng TMCP Kiên Long. Vậy để thực hiện kiểm định trên, có các giả thuyết H0 nhƣ sau:
a. Giới tính: (H0): Không có sự khác biệt giữa giới tính nam và giới tính nữ của khách hàng trong sự đánh giá đối với lần lƣợt trong từng tiêu chí thuộc các thang đo: (1) Chất lƣợng dịch vụ; (2) Lãi suất; (3) Nhận biết thƣơng hiệu; (4) Sự thuận tiện; (5) Hình thức chiêu thị; (6) Ảnh hƣởng của ngƣời thân quen.
b. Nhóm tuổi: (H0): Không có sự khác biệt giữa nhóm độ tuổi khác nhau của khách hàng trong sự đánh giá đối với lần lƣợt trong từng tiêu chí thuộc các thang đo: (1) Chất lƣợng dịch vụ; (2) Lãi suất; (3) Nhận biết thƣơng hiệu; (4) Sự thuận tiện; (5) Hình thức chiêu thị; (6) Ảnh hƣởng của ngƣời thân quen.
c. Nghề nghiệp: (H0): Không có sự khác biệt giữa các nhóm nghề nghiệp khác nhau của khách hàng trong sự đánh giá đối với lần lƣợt trong từng tiêu chí thuộc các thang đo: (1) Chất lƣợng ATM, (2) Sự thuận tiện, (3) Không gian ATM, (4) Thái độ phục vụ của nhân viên, (5) Sự an toàn, (6) Chi phí sử dụng.
d. Thu nhập: (H0): không có sự khác biệt giữa nhóm mức thu nhập khác nhau của khách hàng trong sự đánh giá đối với lần lƣợt trong từng tiêu chí thuộc các thang
đo: (1) Chất lƣợng dịch vụ; (2) Lãi suất; (3) Nhận biết thƣơng hiệu; (4) Sự thuận tiện; (5) Hình thức chiêu thị; (6) Ảnh hƣởng của ngƣời thân quen.
e. Tình trạng hôn nhân: (H0): không có sự khác biệt giữa nhóm tình trạng hôn nhân khác nhau của khách hàng trong sự đánh giá đối với lần lƣợt trong từng tiêu chí thuộc các thang đo: (1) Chất lƣợng dịch vụ; (2) Lãi suất; (3) Nhận biết thƣơng hiệu; (4) Sự thuận tiện; (5) Hình thức chiêu thị; (6) Ảnh hƣởng của ngƣời thân quen.
Vì những giả định của phép kiểm định ANOVA là khá chặt chẽ, đối chiếu với các nghiên cứu (mẫu điều tra, phƣơng pháp lấy mẫu…) và căn cứ vào nội dung cần phân tích, thấy rằng chỉ nên kiểm định phi tham số là phù hợp (Theo Trọng & Ngọc, 2006).
SPSS gọi P-Value là Sig. (viết tắt của Observed significance level) là mức ý nghĩa quan sát.
Từ quy tắc của P-value, ta sẽ quyết định kết luận kết quả kiểm định theo nguyên tắc: Chấp nhận H0 nếu Sig. > ( : Mức ý nghĩa = 5%).
Bác bỏ H0 nếu Sig. <
Bƣớc 1: Ta tiến hành kiểm định Kruskal – Wallis rút ra những kết quả có ý