Cronbach’s Alpha
Phương pháp này cho ph p người phân tích loại bỏ những biến không phù hợp và hạn chế các biến rác trong mô hình nghiên cứu. Những biến có hệ số tương quan biến tổng (Corrected Item-Total Correlation) lớn hơn 0.4 và có hệ số
Cronbach’s Alpha lớn hơn 0.6 mới được xem là chấp nhận được và thích hợp để đưa vào phân tích những bước tiếp theo (Nunnally, 1978, Peterson, 1994, Slater, 1995).
Tiến hành kiểm định độ tin cậy của từng thang đo ta có bảng tổng hợp kết quả như sau: (Chi tiết ở Phụ lục 3)
Bảng 4.7: Cronbach’s Alpha của các thang đo đánh giá Chất lượng dịch vụ thẻ thanh toán tại Agribank Long Thành
Biến quan sát
Trung bình thang đo nếu loại biến này
Phương sai thang đo nếu
loại biến Tương uan biến tổng Cronbach’s Alpha nếu loại biến Nguồn lực: Alpha = .918 NL01 18.15 17.643 .825 .895 NL02 18.19 18.539 .836 .894 NL03 17.97 20.307 .669 .916 NL04 18.01 20.103 .640 .919 NL05 18.19 18.533 .824 .895 NL06 18.15 17.608 .817 .896 Kết quả: Alpha = .891 KQ07 22.32 19.803 .826 .857 KQ08 22.33 20.593 .782 .864 KQ09 22.45 22.330 .632 .882 KQ10 22.48 22.169 .562 .890 KQ11 22.36 21.920 .644 .880 KQ12 22.38 20.140 .801 .861 KQ13 22.51 22.451 .570 .889 Quá trình: Alpha = .869 QT14 11.08 6.404 .721 .833 QT15 11.11 6.051 .800 .801 QT16 11.23 6.212 .696 .844 QT17 11.15 6.581 .674 .852
Quản lý: Alpha = .863 QL18 11.03 5.544 .720 .823 QL19 11.07 5.366 .717 .823 QL20 10.99 5.315 .760 .807 QL21 11.06 5.171 .661 .850 Hình ảnh: Alpha = .784 HA22 3.80 .684 .645 . HA23 3.86 .687 .645 .
Trách nhiệm xã hội: Alpha = .662
TN24 3.65 .872 .494 . TN25 3.83 .897 .494 . Sự hài lòng: Alpha = .904 HL26 15.55 8.974 .792 .875 HL27 15.52 9.095 .743 .887 HL28 15.63 9.094 .794 .875 HL29 15.64 9.638 .751 .884 HL30 15.52 9.969 .724 .890
(Nguồn: Thống kê số liệu và x lý của tác giả)
Thông qua bảng trên ta thấy hệ số Cronbach’s Alpha của thang đo Nguồn lực là 0.981, thang đo Kết quả có hệ số Cronbach’s Alpha là 0.891, thang đo Quá trình có hệ số Cronbach’s Alpha là 0.869, thang đo Quản lý là 0.863, Cronbach’s Alpha của thang đo Hình ảnh và Trách nhiệm xã hội lần lượt là 0.784 và 0.662, cuối cùng hệ số Cronbach’s Alpha của thang đo Sự hài lòng là 0.904, hệ số tương quan biến tổng của tất cả các biến trong các thang đo đều lớn hơn 0.4. Vì vậy tất cả các biến của các thang đo sẽ được sử dụng trong phân tích nhân tố khám phá EFA tiếp theo.
4.3.2.2 Đánh giá thang đo bằng phân tích nhân tố khám phá EFA
Phân tích nhân tố là một kỹ thuật phân tích nhằm thu nhỏ và tóm tắt các dữ liệu, rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu. Quan hệ giữa các nhóm biến có liên hệ qua lại lẫn nhau được xem xét dưới
dạng một số các nhân tố cơ bản. Mỗi một biến quan sát sẽ được tính một tỷ số, được gọi là Hệ số tải nhân tố (Factor Loading). Hệ số này cho người nghiên cứu biết mỗi biến đo lường sẽ thuộc về những nhân tố nào.
Trong phân tích nhân tố khám phá, yêu cầu cần thiết là hệ số KMO (Kaiser- Meyer-Olkin) phải có giá trị lớn (0.5<KMO<1) thể hiện phân tích nhân tố là thích hợp, còn nếu hệ số KMO <0.5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu. Theo Hair & ctg (1998), Hệ số tải nhân tố lớn hơn 0.3 được xem là đạt mức tối thiểu, lớn hơn 0.4 được xem là quan trọng và lớn hơn hoặc bằng 0.5 được xem là có ý nghĩa thực tiễn và tổng phương sai dùng để giải thích bởi từng nhân tố lớn hơn 50% mới thỏa yêu cầu của phân tích nhân tố (Gerbing & Anderson, 1988), đồng thời để đạt giá trị phân biệt giữa 2 nhóm, hệ số tải nhân tố của 2 nhóm cần cách nhau giá trị là 0.3.
Để tiến hành phân tích nhân tố, tác giả đ sử dụng phương pháp rút trích các thành phần chính (Principal Components) với phép xoay Varimax và phương pháp tính nhân tố là phương pháp Regression.
Sau khi đạt yêu cầu về độ tin cậy, 30 biến quan sát được đưa vào phân tích nhân tố khám phá như sau:
Đặt giả thuyết:
- H0: Không có tương quan giữa các biến quan sát trên phạm vi tổng thể. - H1: Có tương quan giữa các biến quan sát trên phạm vi tổng thể.
a. Phân tích nhân tố các thành phần Chất lượng dịch vụ thẻ thanh toán
Kết quả phân tích nhân tố thang đo chất lượng dịch vụ thẻ thanh toán tại chi nhánh sau 4 lần chạy cho thấy (Chi tiết ở Phụ lục 4):
Hệ số KMO = 0.896 > 0.5: thỏa điều kiện, dữ liệu phù hợp để đưa vào phân tích nhân tố.
Sig = 0.000 < 0.05 Bác bỏ H0, chấp nhận H1: Có tương quan giữa các biến quan sát trên phạm vi tổng thể.
au khi d ng phương pháp r t trích thành phần chính (Principal Componnets) với phép xoay Varimax, hệ số eigenvalue lớn hơn 1 và loại bỏ những biến có hệ số tải nhân tố b hơn 0.5 để bài nghiên cứu có tính thực tiễn; phương sai trích là
69.065%, như vậy 69.065% biến thiên của tập dữ liệu ban đầu được giải thích bởi 4 nhân tố từ 21 biến quan sát, còn 30.935% sự biến thiên của tập dữ liệu ban đầu được giải thích bởi các nhân tố khác không trích lập ra được.
Bảng 4.8: Kết quả Phân tích nhân tố Chất lượng dịch vụ thẻ thanh toán lần 4 và Đánh giá lại hệ số Cronbach’s Alpha
Nhân tố Biến
quan sát
Hệ số tải nhân tố Cronbach’s Alpha 1 2 3 4 NGUỒN LỰC NL01 .849 .918 NL06 .844 NL02 .789 NL05 .786 NL03 .705 NL04 .545 KẾT QUẢ KQ07 .828 .889 KQ12 .821 KQ08 .710 KQ11 .652 KQ09 .576 KQ10 .558 QUÁ TRÌNH VÀ TRÁCH NHIỆM XÃ HỘI QT15 .806 .874 QT16 .777 QT14 .696 TN25 .562 QT17 .553 QUẢN LÝ VÀ HÌNH ẢNH QL19 .826 .843 QL18 .724 QL20 .699 HA22 .549
Khi phân tích nhân tố lần thứ nhất có 25 biến quan sát (Phụ lục 4), lần lượt các biến TN24 và KQ13 bị loại bỏ do có hệ số tải nhân tố nhỏ hơn 0.5, đến lần thứ hai loại biến QL21 vì có hệ số tải nhân tố thuộc 2 nhóm và cách nhau chưa đến 0.3, đến lần thứ 3 tiếp tục loại biến HA23 vì c ng có hệ số tải nhân tố thuộc 2 nhóm cách nhau chưa đến 0.3, giờ chỉ còn 21 biến quan sát gộp thành 4 nhóm nhân tố. Mô hình ban đầu có 6 nhóm nhân tố, nhưng khi phân tích nhân tố cho thấy hai nhân tố Quản lý và Hình ảnh gộp chung thành một nhóm nhân tố và hai nhân tố Quá trình và Trách nhiệm xã hội c ng vậy, do chúng không đạt được giá trị phân biệt.
Đánh giá lại độ tin cậy của các nhân tố mới thể hiện ở cột Cronbach’s Alpha trong bảng 4.8 cho thấy các nhân tố đều có Cronbach’s Alpha > 0.6 và tất cả các biến đều có hệ số tương quan biến tổng > 0.4 phù hợp cho phân tích tiếp theo.
b. Phân tích nhân tố khám phá Sự hài lòng của khách hàng sử dụng dịch vụ thẻ thanh toán
Thang đo Sự hài lòng của khách hàng gồm 5 biến quan sát. Sau khi tiến hành các bước như trên ta có kết quả như sau: (Chi tiết ở Phụ lục 5).
Hệ số KMO = 0.859 > 0.5 dữ liệu phù hợp để đưa vào phân tích nhân tố. Sig = 0.000 < 0.05 Có tương quan giữa các biến quan sát trên phạm vi tổng thể . Tổng phương sai dùng để phân tích nhân tố là 72.377% > 50%. Hệ số tải nhân tố của 5 biến quan sát đều > 0.5, do vậy EFA phù hợp, đánh giá lại độ tin cậy cho thấy Cronbach’s Alpha không thay đổi so với đánh giá ban đầu, các biến quan sát đều đạt yêu cầu để đưa vào phân tích tiếp theo.
Bảng 4.9: Kết quả phân tích nhân tố Sự hài lòng
Nhân tố Biến quan sát Hệ số tải nhân tố Cronbach’s Alpha 1 SỰ HÀI LÒNG HL28 .874 .904 HL26 .870 HL29 .847 HL27 .835 HL30 .826
4.3.2.3 Mô hình nghiên cứu hiệu chỉnh
Sau khi phân tích nhân tố khám phá, ta có 4 nhân tố Đánh giá chất lượng dịch vụ thẻ thanh toán như sau:
- Nhân tố thứ nhất được đặt tên là Nguồn lực, ký hiệu là NL gồm 6 biến: NL = Mean (NL01, NL06, NL02, NL05, NL03, NL04).
- Nhân tố thứ hai được đặt tên là Kết Quả, ký hiệu là KQ gồm 6 biến: KQ = Mean (KQ07, KQ12, KQ08, KQ11, KQ09, KQ10).
- Nhân tố thứ ba được đặt tên là Quá Trình và Trách nhiệm xã hội, ký hiệu là QTTN gồm 5 biến: QTTN = Mean (QT15, QT16, QT14, TN25, QT17). - Nhân tố thứ tư được đặt tên là Quản lý và Hình ảnh, ký hiệu là QLHA gồm
4 biến: QLHA = Mean (QL19, QL18, QL20, HA22).
Đối với thang đo Sự hài lòng của khách hàng sử dụng dịch vụ thẻ thanh toán, sau khi phân tích nhân tố khám phá được đặt tên là Sự Hài Lòng, ký hiệu là SHL gồm 5 biến: SHL = Mean (HL28, HL26, HL29, HL27, HL30)
Từ đó ta có mô h nh hiệu chỉnh như sau:
SHL = β0 + β1NL + β2KQ + β3QTTN + β4QLHA + ε Các giả thuyết hiệu chỉnh:
+ H1: Ngân hàng có Nguồn lực càng lớn sẽ làm tăng chất lượng dịch vụ thẻ thanh toán.
+ H2: Thành phần Kết quả càng được đánh giá cao sẽ chứng tỏ cho chất lượng dịch vụ thẻ thanh toán tốt.
+ H3: Thành phần Quá trình và Trách nhiệm xã hội càng tốt thì chất lượng dịch vụ thẻ thanh toán càng tốt.
+ H4: Ngân hàng có đội ng Quản lý tốt và Hình ảnh đẹp trong mắt khách hàng sẽ đảm bảo cho chất lượng dịch vụ thẻ thanh toán càng tốt.
4.3.3 Kiểm định mô hình nghiên cứu bằng phân tích hồi quy bội 4.3.3.1 Phân tích tương uan hệ số Pearson 4.3.3.1 Phân tích tương uan hệ số Pearson
Người ta dùng một hệ số thống kê có tên là Hệ số tương quan P arson để lượng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến định lượng. Nếu giữa 2 biến có sự tương quan chặt chẽ thì phải lưu ý đến vấn đề đa cộng
tuyến khi phân tích hồi quy. Vấn đề của hiện tượng đa cộng tuyến là chúng cung cấp cho mô hình những thông tin giống nhau, rất khó tách rời ảnh hưởng của từng biến một đến biến phụ thuộc.
Bảng 4.10: Ma trận hệ số tương uan NL KQ QTTN QLHA SHL NL Hệ số tương quan 1 .655** .562** .556** .598** KQ Hệ số tương quan .655 ** 1 .663** .620** .709** QTTN Hệ số tương quan .562 ** .663** 1 .704** .743** QLHA Hệ số tương quan .556 ** .620** .704** 1 .700** SHL Hệ số tương quan .598 ** .709** .743** .700** 1
** Tương quan có ý nghĩa tại mức 0.01 (2 chiều)
(Nguồn: Thống kê số liệu và x lý của tác giả)
Xem xét Ma trận tương quan ở Bảng 4.10 chi tiết ở [Phụ lục 6], ta thấy có sự tương quan khá chặt chẽ giữa biến phụ thuộc SHL với các biến độc lập trong mô hình, với NL là 0.598, KQ là 0.709, QTTN là 0.743 và QLHA là 0.700. Mặt khác hệ số tương quan giữa các biến độc lập c ng khá cao, đều trên mức 0.5, do đó cần quan tâm đến hiện tượng đa cộng tuyến giữa các biến độc lập.
4.3.3.2 Phân tích Hồi quy
Phân tích hồi quy bội không phải chỉ là mô tả các dữ liệu phân tích được. Từ kết quả trong mẫu, ta sẽ ác định mối quan hệ nhân quả giữa biến phụ thuộc SHL và các biến độc lập NL, KQ, QTTN, QLHA. Mô hình phân tích hồi quy sẽ mô tả hình thức của mối liên hệ và qua đó gi p ta dự đoán được mức độ của các biến phụ thuộc khi biết trước giá trị của biến độc lập. Để xây dựng mô hình hồi quy, ta chọn phương pháp đưa vào một lượt (phương pháp Ent r).
Bảng 4.11: Bảng phân tích các hệ số hồi quy
Mô Hình R R2 R2 hiệu chỉnh Sai số chuẩn ước tính
1 .819a .671 .666 .43684
a. Ước lượng: (Hằng số), NL, KQ, QTTN, QLHA
(Nguồn: Thống kê số liệu và x lý của tác giả)
Mô hình có R2 = 0.671 và R2 hiệu chỉnh là 0.666 có nghĩa là 66.6% sự thay đổi của được giải thích bởi 4 nhân tố là NL, KQ, QTTN và QLHA còn lại 33.4% sự thay đổi của SHL là do những yếu tố khác không có trong mô hình.
Bảng 4.12: ANOVAa
Mô hình Tổng bình phương df
Sai số chuẩn
của ước lượng F
Mức ý nghĩa Sig.
1
Mô hình hồi quy 103.375 4 25.844 135.427 .000b
Số dư 50.761 266 .191
Tổng 154.137 270
a. Biến phụ thuộc: SHL
b. Ước lượng: (Hằng số), NL, KQ, QTTN, QLHA
(Nguồn: Thống kê số liệu và x lý của tác giả)
Ta có giả thuyết như sau:
- H0: β1 = β2 = β3 = β4 = 0: Mô hình không phù hợp.
- H1: Ít nhất có một βj ≠ 0 (β12 + β22 + β32 + β42 ≠ 0): Mô hình phù hợp.
Kiểm định:
Dựa vào kết quả ở Bảng ANOVAa ta thấy Sig. = 0.000 < 0.05 Bác bỏ H0, chấp nhận H1 Mô hình phù hợp.
Bảng 4.13: Bảng kết quả hồi quy của từng biến Coefficientsa
Model Hệ số chưa chuẩn hóa Hệ số chuẩn hóa t Mức ý nghĩa Sig. Chỉ số đa cộng tuyến B Lỗi tiêu chuẩn Beta Dung sai VIF 1 (Hằng số) .442 .154 2.879 .004 NL .084 .043 .095 1.966 .050 .527 1.896
KQ .262 .051 .274 5.094 .000 .428 2.336
QTTN .328 .053 .340 6.222 .000 .415 2.409
QLHA .255 .056 .238 4.542 .000 .450 2.224
(Nguồn: Thống kê số liệu và x lý của tác giả)
Qua bảng 4.13 ta thấy Hệ số phóng đại phương sai VIF (Variance Inflation Factor) của các biến độc lập trong mô hình đều < 10 Không có hiện tượng đa cộng tuyến.
Dựa vào hệ số Beta chuẩn hóa, các nhân tố N , Q, Q N, Q A đều có mối quan hệ tuyến tính với SHL với Sig. của NL = 0.05 còn lại đều < 0.05. Như vậy kết quả hồi quy [chi tiết ở Phụ lục 7] cho thấy Sự hài lòng chịu tác động của 4 nhân tố: Nguồn lực, Kết quả, Quá trình và Trách nhiệm xã hội, Quản lý và Hình ảnh. Hệ số β cho biết mức độ tác động của từng biến độc lập vào biến phụ thuộc. Ta có phương trình hồi quy bội chuẩn hóa như sau:
SHL = 0.095NL + 0.274KQ + 0.340QTTN + 0.238QLHA
Kiểm định giả thuyết:
+ Với giả thuyết H1: Ngân hàng có Nguồn lực càng lớn sẽ làm tăng chất lượng dịch vụ thẻ thanh toán, điều này được chứng minh qua phân tích hồi quy đa biến với Hệ số Beta chuẩn hóa là 0.095.
+ Với giả thuyết H2: Thành phần Kết quả càng được đánh giá cao sẽ chứng tỏ cho chất lượng dịch vụ thẻ thanh toán tốt, điều này được chứng minh qua phân tích hồi quy đa biến với Hệ số Beta chuẩn hóa là 0.274.
+ Với giả thuyết H3: Thành phần Quá trình và Trách nhiệm xã hội càng tốt thì chất lượng dịch vụ thẻ thanh toán càng tốt, điều này được chứng minh qua phân tích hồi quy đa biến với Hệ số Beta chuẩn hóa cao nhất là 0.340.
+ Với giả thuyết H4: Ngân hàng có đội ng Quản lý tốt và Hình ảnh đẹp trong mắt khách hàng sẽ đảm bảo cho chất lượng dịch vụ thẻ thanh toán càng tốt với Hệ số Beta chuẩn hóa là 0.238.
Ý nghĩa mô hình hồi quy:
- Hệ số β1 = 0.095 Có nghĩa là khi Nguồn lực của ngân hàng tăng lên 1 thì Sự hài lòng của khách hàng sử dụng dịch vụ thẻ thanh toán sẽ tăng lên 0.095. Đây là thành phần có tác động ít nhất đến sự hài lòng của khách hàng, vì vậy cần có biện pháp cải thiện thành phần này.
- Hệ số β2 = 0.274 Có nghĩa là khi Kết quả phục vụ của ngân hàng tăng lên 1 thì Sự hài lòng của khách hàng sử dụng dịch vụ thẻ thanh toán sẽ tăng lên 0.274. Thành phần Kết quả có tác động khá lớn đến sự hài lòng của khách hàng, vì vậy cần được phát huy thêm.
- Hệ số β3 = 0.340 Có nghĩa là khi thành phần Quá trình và trách nhiệm xã hội của ngân hàng tăng lên 1 thì Sự hài lòng của khách hàng sử dụng dịch vụ thẻ thanh toán sẽ tăng lên 0.340. Đây là thành phần tác động mạnh nhất đến sự hài lòng của khách hàng, cần được phát huy tối đa để có được sự hài lòng tốt nhất từ khách hàng.
- Hệ số β4 = 0.238 Có nghĩa là khi thành phần Quản lý và Hình ảnh của ngân