6. Kết cấu của luận văn
3.4.2.1Kiểm tra độ tin cậy của thang đo
+ Kiểm tra thang đo thành phần “tin cậy”
Hệ số Cronbach Alpha = 0,718
Hệ sốtương quan biến - tổng đều lớn hơn 0,3
đạt yêu cầu.
+ Kiểm tra thang đo thành phần “đáp ứng”
Hệ số Cronbach Alpha = 0,824
Hệ sốtương quan biến - tổng đều lớn hơn 0,3
đạt yêu cầu.
+ Kiểm tra thang đo thành phần “năng lực phục vụ”
Hệ số Cronbach Alpha = 0,782
Hệ sốtương quan biến - tổng đều lớn hơn 0,3
đạt yêu cầu.
+ Kiểm tra thang đo thành phần “tiếp cận”
Hệ sốtương quan biến - tổng đều lớn hơn 0,3 đạt yêu cầu.
+ Kiểm tra thang đo thành phần “giá cả”
Hệ số Cronbach Alpha = 0,797
Hệ sốtương quan biến - tổng đều lớn hơn 0,3
đạt yêu cầu.
+ Kiểm tra thang đo thành phần “Hài lòng”
Hệ số Cronbach Alpha = 0,929
Hệ sốtương quan biến - tổng đều lớn hơn 0,3
đạt yêu cầu.
(Chi tiết kết quả xem thêm tại Phụ lục 3)
3.4.2.2Kiểm định giá trị của thang đo bằng phân tích nhân tố (EFA)
3.4.2.2.1 Phân tích nhân tố khám phá (EFA) đối với các thành phần của CLDV Bancassurance
Kết quả phân tích nhân tố cho thấy tất cả 18 biến quan sát trong 5 thành phần của
thang đo Sự hài lòng về Bancas bị phân tán thành 4 nhân tố có giá trị hội tụ phù hợp. Kết quả cho thấy hệ số KMO = 0,862 nên EFA phù hợp với dữ liệu và thống kê Chi-Square của kiểm định Bartlett’s đạt giá trị 2518,025 với mức ý nghĩa 0.000; nên các biến quan sát có tương quan với nhau xét trên phạm vi tổng thể; phương sai trích được là 61,549 % thể hiện 04 nhân tố rút trích ra được giải thích 61,549 % biến thiên của dữ liệu, tại hệ số Eigenvalues = 1,082. Do vậy, các thang đo rút ra là chấp nhận
được.
Trong phần phân tích nhân tố này, tác giả chấp nhận hệ số tải nhân tố từ 0.5 trở
lên, nếu các biến quan sát không đạt yêu cầu này thì không phải là biến quan trọng trong mô hình và bị loại để chạy tiếp phân tích nhân tố.
Do hệ số tải nhân tố (Factor Loading) > 0.5 được xem là quan trọng, nên tiến hành rút trích nhân tố với hệ số tải nhân tố > 0.5 để bảng số liệu dễ nhìn hơn. Vì vậy, tiến hành chạy lại lần 1. (Xem Phụ lục 4) (adsbygoogle = window.adsbygoogle || []).push({});
Như vậy, thang đo từ 05 nhân tố gốc, sau khi phân tích nhân tố khám phá EFA thì tách ra thành 04 nhân tố với 18 biến quan sát. Các nhân tốtrích ra đều đạt độ tin cậy và giá trị.
Bảng 3.1. Kết quả EFA các thành phần thang đo Sự hài lòng về Bancassurance với hệ số tải nhân tố lớn hơn 0,5
Rotated Component Matrixa
Component
1 2 3 4
AC4 NH đáp ứng nhu cầu ,762
AC2 Tiện nghi phục vụ tốt ,727
AC3 Nhân viên quan tâm ,719
GC1 Biểu phí vừa phải ,683
AC1 Địa điểm mạng lưới giao dịch thuận tiện ,655
GC3 Chi phí tương xứng với chất lượng giá cả ,637
GC2 Thu phí đúng niêm yết ,633
DA3 Nhân viên tư vấn kịp thời ,807
DA2 Nhân viên thân thiện ,744
DA4 Hướng dẫn thủ tục nhanh chóng ,669
DA1 Sản phẩm bảo hiểm đa dạng ,544
TC4 Cung ứng đúng thời gian ,740
TC3 Thủ tục cấp bảo hiểm đơn giản ,709
TC1 Ngân hàng uy tín ,698
TC2 Cơ sở vật chất tạo sựtin tưởng ,609
PV3 Được đền bù thỏa đáng khi có rủi ro ,864
PV1 Nhân viên có kiến thức tốt về nghiệp vụ bảo hiểm ,568 Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 6 iterations.
(Nguồn: Kết quả nghiên cứu của tác giả)
3.4.2.2.2 Phân tích nhân tố khám phá (EFA) đối với thang đo Sự hài lòng về
Bancassurance
Kết quả phân tích nhân tố EFA cho thấy tất cả 03 biến quan sát của thang đo Sự
hài lòng về Bancassurance vẫn giữnguyên được 01 nhân tố. Hệ số KMO=0.752 nên EFA phù hợp với dữ liệu, và thống kê Chi-Square của kiểm định Bartlett’s đạt giá trị
783,277 với mức ý nghĩa 0.000; nên các biến quan sát có tương quan với nhau xét trên phạm vi tổng thể; phương sai trích được là 87,661% thể hiện 01 nhân tố rút trích ra
được giải thích 87,661 % biến thiên của dữ liệu, tại hệ số Eigenvalues = 2,630 nên (adsbygoogle = window.adsbygoogle || []).push({});
không đa hướng. Do vậy, các thang đo rút ra là chấp nhận được. (Xem Phụ lục 4) Bảng 3.2. Kết quảEFA đối với các thang đo Sự hài lòng về Bancassurance
Component Matrixa
Component 1 HL3 Giới thiệu người khác mua ,950 HL1 Cảm thấy hài lòng khi mua bảo hiểm tại ngân hàng ,941
HL2 Tiếp tục mua ,917
Extraction Method: Principal Component Analysis. a. 1 components extracted.
(Nguồn: Kết quả nghiên cứu của tác giả)
3.4.2.2.3 Tính toán biến đểđặt tên các nhân tố
COMPUTE X1=MEAN(AC1,AC2,AC3,AC4,GC1,GC2,GC3). EXECUTE. COMPUTE X2=MEAN(DA1,DA2,DA3,DA4). EXECUTE. COMPUTE X3=MEAN(TC1,TC2,TC3,TC4). EXECUTE. COMPUTE X4=MEAN(PV1,PV2,PV3). EXECUTE. COMPUTE Y=MEAN(HL1,HL2,HL3). EXECUTE. CORRELATIONS
Sau khi tính toán biến, tiến hành đặt tên lại các nhân tốnhư sau:
(1) Nhân tố 1 (X1) gồm các biến quan sát là: AC1,AC2,AC3,AC4,GC1,GC2,GC3; đây
là những biến nói về khảnăng tiếp cận và giá cả sản phẩm nên đặt tên lại nhân tố đầu tiên này là “Cảm nhận về khảnăng tiếp cận và giá cả của ngân hàng”
(2) Nhân tố 2 (X2) là “Cảm nhận về sựđáp ứng của ngân hàng” (3) Nhân tố 3 (X3) là “Cảm nhận vềđộ tin cậy của ngân hàng”.
(4) Nhân tố 4 (X4) là “Cảm nhận vềnăng lực phục vụ của nhân viên”.