- Từ bảng 7.2 ta thấy trên mẫu nghiên cứu, loại khách hàng chủ yếu là cá nhân có
2.2.2.5. Phân tích sự tác động của các yếu tố chất lượng dịch vụ tín dụng đến sự hài lòng của khách hàng
SHL = β0 + β1*TINCAY + β2*NLPV + β3*DU + β4*DC + β5 *VCHH
Để làm rõ hơn sự tác động của các thành phần chất lượng dịch vụ đối với sự hài lòng của khách hàng về chất lượng dịch vụ tín dụng của Ngân Hàng, tôi sử dụng phương pháp phân tích hồi quy xử lý bằng phần mềm thống kê SPSS 15.0.
Đối với dữ liệu của bài nghiên cứu tôi sử dụng phương pháp chọn biến độc lập từng bước (Stepwise Regression) để thực hiện phân tích hồi quy. Đây cũng là phương pháp áp đã được sự dụng rộng rãi và phổ biến không chỉ trong nghiên cứu các vấn đề liên quan đến kinh tế.
Mô hình hồi quy có dạng như sau:
Trong đó:
• SHL: Giá trị của biến phụ thuộc là sự hài lòng.
• TC: Giá trị của biến độc lập thứ nhất là thành phần tin cậy.
• NLPV: Giá trị của biến độc lập thứ hai là thành phần năng lực phục vụ.
• DU: Giá trị của biến độc lập thứ ba là thành phần đáp ứng.
• DC: Giá trị của biến độc lập thứ tư là thành đồng cảm.
• VCHH: Giá trị của biến độc lập thứ năm là thành phần vật chất hữu hình.
• β0: hệ số tự do của mô hình
• β1, β2, β3, β4, , β5 : hệ số hồi quy từng phần tương ứng với các biến độc lập.
Bảng 15.1: Thống kê biến đưa vào/loại ra mô hình dựa vào phương pháp Stepwise
Nguồn: Số liệu điều tra
Mô hình Biến đưa vào Biến loại ra Phương pháp
1 TINCAY . Stepwise (Criteria: Probability-of-F-to-enter <= .050, Probability-of-F-to-remove >= .100).
2 VCHH . Stepwise (Criteria: Probability-of-F-to-enter <= .050, Probability-of-F-to-remove >= .100).
3 DU . Stepwise (Criteria: Probability-of-F-to-enter
<= .050, Probability-of-F-to-remove >= .100).
Với tiêu chuẩn chọn một biến để đưa vào mô hình là xác suất của thống kê F ≤ 0,05 (Probability of F – to enter), tiêu chuẩn để đưa một biến ra khỏi mô hình là xác suất F ≥ 0,10.
Bảng 15.2: Xác định mức độ phù hợp của mô hình hồi quy
Mô hình R R2 R2 điều chỉnh
Sai số ước lượng chuận.
4 .940(d) .883 .879 .28507
Nguồn: Số liệu điều tra
Bảng 15.3: Kiểm định sự phù hợp của mô hình hồi quy
Nguồn: số liệu điều tra
Bảng 15.4: Biến loại trừ. Mô hình Sum of Squares df Mean Square F Mức ý nghĩa (Sig.) 4 Regression 70.498 4 17.625 216.877 .000(d) Residual 9.345 115 .081 Total 79.844 119 Mô hình Biến Hệ số β trong mô hình Phân phối t Mức ý nghĩa (Sig). Tương quan từng phần. 4 NLPV .165(d) 1.818 .072 .168
Nguồn: Số liệu điều tra
Hệ số phóng đại phương sai VIF (Variance Inflation Factor – VIF) (phụ lục 4) nhỏ (nhỏ hơn 10) cho thấy 4 biến độc lập này không có quan hệ chặt chẽ với nhau nên không có hiện tượng đa cộng tuyến. Do đó mối quan hệ giữa hai biến độc lập này không ảnh hưởng đáng kể đến kết quả giải thích mô hình hồi quy.
Để biết được phân phối của phần dư (residuals) là phân phối chuẩn hay không tôi sự dụng kiểm định One-Sample Kolmogorov-Smirnov Test kết quả cho thấy có mức ý nghĩa sig = 0.166 ( phụ lục 4) qua đó ta có thể kết luận phân phối của phần dư là phân phối chuận do đó có thể kết luận rằng giả thuyết phân phối chuẩn không bị vi phạm khi sử dụng phương pháp hồi quy bội.
Từ bảng kết quả của mô hình hồi quy (Phụ lục 4) ta có phương trình dự đoán sự hài lòng của khách hàng là:
SHL = - 1.93 +0. 365*TINCAY + 0. 293*VCHH + 0.189*DU + 0.206* DC
* Nhận xét:
Ta thấy trong quá trình sự dụng phương pháp hồi quy Stepwise Regression để sự kết hợp của biến độc lập tốt nhất nhằm có tính giải thích cao nhất cho biến phụ thuộc SHL ( sự hài lòng ) thì biến độc lập NLPV (năng lực phục vụ) đã không được đưa vào mô hình.
Trị thống kê F được tính ra từ R square (Bảng 15.3) của mô hình với mức ý nghĩa quan sát rất nhỏ (Sig.= 0,00) cho thấy mô hình hồi quy tuyến tính bội phù hợp với tập dữ liệu và có thể sử dụng được.
Hệ số hiệu chỉnh R2 = 0.883 (bảng 15.2) nghĩa là mô hình hồi quy tuyến tính bội đã xây dựng phù hợp với tập dữ liệu là 88.3 %. Nói cách khác, khoảng 88.3 % khác biệt của sự hài lòng quan sát có thể được giải thích bởi sự khác biệt của 4 thành phần tin cậy, đáp ứng , đồng cảm và phương tiện hữu hình.
Các hệ số hồi quy β đều dương phản ánh tỷ lệ thuận với sự hài lòng về chất lượng dịch vụ tín dụng tại Ngân Hàng, do đó khi các yếu tố này tăng lên thì sự hài lòng về chất lượng dịch vụ tín dụng cũng tăng lên.
β1 = 0.365: phản ánh sự hài lòng sẽ tăng lên 0.365 đơn vị khi thành phần tin cậy tăng lên một đơn vị.
β2 = 0.293: phản ánh sự hài lòng tăng lên 0.293 đơn vị khi thành phần vật chất hữu hình tăng lên một đơn vị.
β3 = 0.189: phản ánh sự hài lòng tăng lên 0.189 đơn vị khi thành phần đáp ứng tăng lên một đơn vị .
β4 = 0.206: phản ánh sự hài lòng tăng lên 0.206 đơn vị khi thành phần đồng cảm tăng lên một đơn vị.
Như vậy 88.3% sự biến thiên của sức hài lòng của khách hàng có thể được giải thích bởi các yếu tố của mô hình. 11.7 % còn lại được giải thích bởi các yếu tố ngoài mô hình.
Trong bốn thành phần dược đưa vào mô hình nêu trên, cả 4 hệ số β đều có mức ý nghĩa sig < 0.05 (phụ lục 4) nên chúng đều có ý nghĩa về mặt thông kê, riêng đối với hệ số βo có mức ý nghĩa sig = 0.172 > 0.05 ( Phụ lục 4) nên không có ý nghĩa về mặt thống kê, do vậy nó được đưa ra khỏi mô hình, mô hình được viết lại như sau:
SHL = 0. 365*TINCAY + 0. 293*VCHH + 0.189*DU + 0.206* DC
2.2.3. Đánh giá chung về thực trạng chất lượng dịch vụ tín dụng tại NH No & PTNT Chi nhánh Nam Sông Hương TT Huế