2.2.1 Phương pháp thu thập số liệu
2.2.1.1 Phương pháp thu thập số liệu thứ cấp
- Số liệu được sử dụng trong luận văn là số liệu thứ cấp được thu thập từ các bảng báo cáo về hoạt động kinh doanh tại phòng kinh doanh Sacombank Chi nhánh Cần Thơ từ năm 2014 đến năm 2016.
- Ngoài ra, số liệu còn được thu thập từ tài liệu, sách báo, các nghiên cứu có liên quan đến sản phẩm thẻ ATM.
2.2.1.2 Phương pháp thu thập số liệu sơ cấp
Đề tài sử dụng số liệu sơ cấp được thu thập bằng cách phỏng vấn trực tiếp những khách hàng sử dụng thẻ ATM của Sacombank thông qua bảng câu hỏi được thiết kế phù hợp với mục tiêu nghiên cứu.
+ Đối tượng phỏng vấn: khách hàng sử dụng thẻ ATM của Sacombank chi nhánh Cần Thơ.
+ Phương pháp chọn mẫu: Chọn mẫu theo phương pháp phi ngẫu nhiên, thuận tiện.
+ Cỡ mẫu: Nghiên cứu này sử dụng phương pháp phân tích nhân tố khám phá (EFA) và phân tích hồi quy đa biến. Trong phân tích nhân tố hay phân tích hồi quy, Williams và cộng sự (2010) cho rằng cỡ mẫu nên chọn từ 100 quan sát trở lên (n ≥ 100); riêng Habing (2003) số quan sát mẫu tối thiểu phải gấp 4-5 lần số biến độc lập; tương tự Võ Thị Thanh Lộc và Huỳnh Hữu Thọ (2015) trình bày rằng số quan sát mẫu tối thiểu là 50 hay theo tỷ lệ 5:1, nghĩa là tổng số biến độc lập nhân với 5 sẽ được cỡ mẫu cần quan sát. Với 25 biến quan sát ban đầu của thang đo khảo sát sự hài lòng, để tiến hành phân tích EFA và phân tích hồi quy, cỡ mẫu quan sát cần thiết là:
N = 25 x 5 = 125
Cỡ mẫu lớn hơn hoặc bằng 125 sẽ phù hợp, nên đề tài sử dụng cỡ mẫu 150.
2.2.2 Phương pháp phân tích số liệu
- Đề tài sử dụng phương pháp thống kê mô tả để thống kê một số thông tin cá nhân, đặc điểm khách hàng cũng như hành vi người tiêu dùng khi khách hàng sử dụng thẻ ATM của ngân hàng.
- Sử dụng phương pháp phân tích bảng chéo để nhận diện mối quan hệ giữa các yếu tố như nghề nghiệp, tổng thu nhập/tháng có quan hệ như thế nào với hành vi tiêu dùng của khách hàng.
- Hệ số tin cậy Cronbach’s Alpha được sử dụng để kiểm định độ tin cậy của các biến đưa vào mô hình nghiên cứu thông qua thang đo Likert 5 mức độ, loại bỏ những biến không cần thiết và đo lường mức độ ảnh hưởng của các yếu tố đến quyết định sử dụng thẻ ATM của các ngân hàng khác nhau.
- Phân tích nhân tố khám phá (EFA) để rút gọn hay gom nhóm các biến quan sát có phụ thuộc lẫn nhau thành 1 nhóm để mô hình có ý nghĩa hơn.
- Phân tích hồi quy đa biến nhằm tìm ra các nhân tố có ảnh hưởng đến sự hài lòng của khách hàng đối với dịch vụ thẻ ATM của ngân hàng TMCP Sài Gòn Thương tín chi nhánh Cần Thơ.
Phương trình hồi quy tuyến tính đa biến có dạng như sau: Y= β1X1 + β2X2+ β3X3 + β4X4 + β5X5 + β6X6
Trong đó:
Y: Sự hài lòng của khách hàng đối với dịch vụ thẻ ATM (biến phụ thuộc) X1: Sự tin cậy
X2: Sự đáp ứng X3: Năng lực phục vụ
X4: Sự đồng cảm
X5: Phương tiện hữu hình X6: Sự thuận tiện
βi: (với i = 1,2,3,4,…k): Hệ số hồi quy, tương ứng với các biến độc lập Xi
Các thành phần tác động (biến độc lập) và yếu tố chịu ảnh hưởng (biến phụ thuộc) đều được đo lường bằng các biến quan sát, các biến quan sát này được đo lường bằng thang đo Likert 5 mức độ, với mức độ 1 hoàn toàn không hài lòng và mức độ 5 là rất hài lòng.
2.2.2.1 Phương pháp so sánh
Sử dụng phương pháp so sánh số tương đối, so sánh số tuyệt đối cùng phương pháp thống kê mô tả để thấy được sự biến động và tốc độ tăng trưởng của các khoản mục qua các năm.
So sánh tương đối
Trong đó: T0 là số liệu năm trước. T1 là số liệu năm sau.
T là tốc độ tăng trưởng của năm sau so với năm trước (%).
Phương pháp này dùng để làm rõ tình hình biến động của các số liệu trong một khoảng thời gian nhất định. So sánh tốc độ tăng trưởng của các số liệu qua các năm.
So sánh tuyệt đối
Trong đó:T0 là số liệu năm trước. T1 là số liệu năm sau.
T là chênh lệch tăng giảm giữa các số liệu qua các năm. Phương pháp này dùng để xem xét sự biến động của các số liệu.
2.2.2.2 Phương pháp thống kê mô tả
Thống kê mô tả là tổng hợp các phương pháp đo lường, mô tả và trình bày số liệu được ứng dụng vào lĩnh vực kinh tế và kinh doanh bằng cách rút ra những kết luận dựa trên số liệu và thông tin được thu thập trong điều kiện không chắc chắn. Thống kê mô tả bằng các phép tính và các chỉ số thống kê thông thường như số trung bình (Mean), số trung bình (Median), phương sai (Variance), độ lệch chuẩn (Standar deviation)… cho các biến số liên tục và các tỷ số (Proportion) cho các biến số không liên tục. Trong phương pháp thống kê mô tả, các đại lượng thống kê mô tả chỉ được tính đối với các biến định lượng.
2.2.2.3 Phân tích tần số
Là một trong những công cụ thống kê mô tả được sử dụng để mô tả và tìm hiểu về đặc tính phân phối của một số mẫu thô nào đó. Trong phạm vi nghiên cứu này phương pháp phân tích tần số được dùng để đo lường cả biến định lượng và biến định tính dưới dạng đếm số lần xuất hiện, để mô tả một số biến liên quan tới đặc tính nhân khẩu học của đối tượng được phỏng vấn như giới tính, nghề nghiệp, trình độ học vấn…Ngoài ra phương pháp này còn được dùng để mô tả và tìm hiểu một số biến có ảnh hưởng đến hành vi của người tiêu dùng như sản phẩm thường mua, nơi mua sắm hay tần suất mua sắm… Phương pháp này cho ta cái nhìn tổng thể về mẫu điều tra.
2.2.2.4 Phân tích bảng chéo
Sử dụng phương pháp phân tích bảng chéo để nhận diện mối quan hệ giữa các yếu tố cá nhân như giới tính, nhóm tuổi, nghề nghiệp, tổng thu nhập/tháng, trình độ học vấn, có quan hệ như thế nào với hành vi tiêu dùng của khách hàng. Kiểm định này dùng để kiểm tra có hay không có mối quan hệ giữa hai yếu tố trong tổng thể. Kiểm định này còn gọi là kiểm định độc lập.
2.2.2.5 Kiểm định hệ số tin cậy Cronbach’s Alpha
Phương pháp Cronbach’s Alpha dùng để loại bỏ các biến không phù hợp và hạn chế các biến rác trong quá trình nghiên cứu và đánh giá độ tin cậy của thang đo bằng bằng hệ số thông qua hệ số Cronbach’s Alpha. Những số có hệ số tương qua biến tổng (item – total correlation) nhỏ hơn 0,3 sẽ bị loại. Thang đo có hệ số Cronbach’s Alpha từ 0,6 trở lên là có thể sử dụng trong trường hợp khái niệm đang nghiên cứu mới (Nunnally, 1978;
Peterson, 1994; Slater, 1995). Tuy nhiên, cũng cần lưu ý nếu Cronbach’s Alpha quá cao (>0,95) thì khả năng xuất hiện biến quan sát thừa (Redunmant items) ở trong thang đo. Biến quan sát thừa là biến đo lường một khái niệm hầu như trùng với biến đo lường khác., tương tự như trường hợp cộng tuyến (collinearity) trong hồi quy, khi đó biến thừa nên được bác bỏ.
2.2.2.6 Phương pháp phân tích nhân tố - nhân tố khám phá EFA (Exploratory Factor Analysis)
Phân tích nhân tố khám phá là một phương pháp phân tích thống kê dùng để rút gọn một tập gồm nhiều biến quan sát phụ thuộc lẫn nhau thành một tập biến (gọi là nhân tố) ít hơn để chúng có ý nghĩa hơn những vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu (Hair và cộng sự 1998). Các nhân tố được rút ra sau khi thực hiện phân tích nhân tố EFA sẽ tiếp tục được sử dụng trong phân tích hồi quy đa biến, mô hình logic, tiếp tục phân tích nhân tố khẳng định để đánh giá độ tin cậy của mô hình đo lường hay thực hiện mô hình cấu trúc để kiểm định về mối quan hệ phức tạp giữa các khái niệm.
Mô hình phân tích nhân tố: Các nhân tố chung có sự kết hợp tuyến tính của các biến được quan sát.
Fi = Wi1X1 + Wi2X2+…+ WikXk . Trong đó:
Fi: Ước lượng nhân tố thứ i.
Wi: Trọng số hay hệ số điểm nhân tố k: Số biến.
Điều kiện áp dụng phân tích yếu tố là các biến có mối quan hệ tương quan với nhau. Để xác định các biến có mối quan hệ tương quan như thế nào, ta sử dụng kiểm định Barlett (Barlett’s test of sphericity) để kiểm định giả thuyết:
H0: các biến không có mối quan hệ tương quan với nhau H1: các biến có mối quan hệ tương quan với nhau
Chúng ta mong đợi bác bỏ giả thuyết H0, nghĩa là chấp nhận giả thuyết H1 các biến có mối quan hệ tương quan với nhau. Điều này có được khi giá trị P sau khi kiểm định phải nhỏ hơn mức ý nghĩa xử lý α (trong nghiên cứu kiểm định lý thuyết khoa học trong ngành kinh doanh, mức ý nghĩa thường được chọn 5%).
Ứng dụng:
(1) Xác định vấn đề: Đây là bước đầu tiên, đóng vai trò quan trọng trong toàn bộ quá trình nghiên cứu và phân tích. Bước này bao gồm: xác định mục tiêu nghiên cứu; xây dựng mô hình nghiên cứu và tập hợp các chỉ báo; lựa chọn cỡ mẫu; xác định phương pháp thu thập thông tin.
(2) Xác định mức độ tương quan giữa các biến qua ma trận tương quan: ma trận tương quan thể hiện các tương quan cặp của từng cặp biến. Trong thực tế, nếu sự tương quan giữa các biến tương đối nhỏ thì phân tích nhân tố có thể không phù hợp.
(3) Xác định số nhân tố: Trong nghiên cứu thường số nhân tố sau khi xử lý ít hơn số biến ban đầu. Rất hiếm có trường hợp tất cả các biến ban đầu đều là các nhân tố ảnh hưởng hay tác động đến vấn đề nghiên cứu.
(4) Giải thích các nhân tố: Dựa vào bảng chứa các biến đã được chuẩn hóa, ma trận này thể hiện mối tương quan giữa nhân tố (F) với các biến. Các biến có hệ số càng cao thì quan hệ tương quan càng chặt chẽ với nhân tố F.
(5) Xác định điểm nhân tố và chọn nhân tố thay thế: Điểm nhân tố (hay trong số) để kết hợp các biên chuẩn hóa (F) được lấy từ ma trận hệ số điểm. Các tham số của phương trình được rút ra từ bảng kết quả phân tích ma trận hệ số điểm nhân tố. Trong phương trình, biến nào có hệ số điểm nhân tố cao nhất thì biến đó ảnh hưởng lớn đến nhất đến nhân tố chung. Vì kết quả phân tích nhân tố có thể bị ảnh hưởng lớn bởi các lỗi trong tập dữ liệu gốc. Hair, et al. kiến nghị rằng, có thể sử dụng điểm nhân tố nếu các thang đo được “xây dựng tốt, tin cậy và hợp lý”.
(6) Xác định mô hình phù hợp: Sự tương quan giữa các biến có thể được suy ra hoặc mô phỏng từ mối tương quan được ước lượng giữa các biến và các nhân tố. Sự khác biệt của ma trận tương quan giữa các biến và nhân tố gọi là các dư số. Nếu các dư số có giá trị lớn thì mô hình sẽ không phù hợp, và vì vậy cần phải xem xét lại mô hình.
Hệ số tải nhân tố (factor loading) lớn nhất của mỗi Item ≥ 0,5 (Hair et al., 1998, Multivariate Data Analysis, Prentice-Hall International, Inc, Factor loading là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA (ensuring practical significance). Factor loading > 0,3 được xem là đạt mức tối thiểu, Factor loading > 0,4 được xem là quan trọng, > 0,5 được xem là có ý nghĩa thực tiễn. Theo Hair et al. (1998): nếu chọn tiêu chuẩn factor loading > 0,3 thì cỡ mẫu của bạn ít nhất phải là 350, nếu cỡ mẫu của bạn khoảng 100 thì nên chọn tiêu chuẩn Factor Loading > 0,55, nếu cỡ mẫu của bạn khoảng 50 thì Factor loading phải > 0,75
* KMO ≥ 0.5, kiểm định Bartlett có ý nghĩa thống kê (sig<0,05) (KMO là một chỉ tiêu dùng để xem xét sự thích hợp của EFA, 0,5 ≤ KMO ≤ 1 thì phân tích nhân tố là thích hợp. Kiểm định Bartlett xem xét giả thuyết về độ tương quan giữa các biến quan sát bằng không trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig < 0,05) thì các biến quan sát có tương quan với nhau trong tổng thể.
2.2.2.7 Phương pháp phân tích hồi quy
Phân tích hồi quy đa biến là sự nghiên cứu mức độ ảnh hưởng của một hay nhiều bến số (biến giải thích hay biến độc lập: independent variables) đến một biến số (biến kết quả hay biến phụ thuộc: dependent variable) nhằm dự báo biến kết quả dựa vào các giá trị được biết trước của các biến giải thích.
Phân tích hồi quy đa biến được sử dụng để phân tích mối quan hệ giữa các biến thái độ đối với dịch vụ (thang đo hoản chỉnh đã qua xử lý) đối với chất lượng dịch vụ. Kết quả phân tích hồi quy sẽ xác định các biến quan trọng và mức độ ảnh hưởng của chúng lên sự hài lòng đối với khách hàng.
Đề tài sử dụng phương pháp phân tích hồi quy đa biến để ước lượng mức độ ảnh hưởng của các yếu tố về chất lượng dịch vụ (biến độc lập) đến sự hài lòng của khách hàng (biến phụ thuộc).
CHƯƠNG 3
GIỚI THIỆU KHÁI QUÁT VỀ NGÂN HÀNG TMCP SÀI GÒN THƯƠNG TÍN CHI NHÁNH CẦN THƠ
3.1 TỔNG QUAN VỀ ĐỊA BÀN NGHIÊN CỨU THÀNH PHỐ CẦN THƠ3.1.1 Vị trí địa lý 3.1.1 Vị trí địa lý
TPCT là một trong năm thành phố trực thuộc trung ương của Việt Nam. Ngày 24 tháng 6 năm 2009, TPCT chính thức được Thủ tướng Chính phủ ra quyết định công nhận là đô thị loại 1 của Việt Nam thuộc vùng kinh tế trọng điểm của vùng ĐBSCL và là vùng kinh tế trọng điểm thứ tư của Việt Nam.
TPCT nằm trong vùng trung – hạ lưu và ở vị trí trung tâm châu thổ ĐBSCL, nằm cách TP. Hồ Chí Minh 169 km, cách Cà Mau 179 km. Phía Bắc giáp với tỉnh An Giang, phía Đông giá tỉnh Đồng Tháp và Vĩnh Long, phía Tây giáp Kiên Giang và phía Nam giáp với Hậu Giang.
3.1.2 Dân số và lao động
Diện tích nội thành là 53 km². TPCT có tổng diện tích tự nhiên là 1.409,0 km², chiếm 3,49 % diện tích toàn vùng và dân số vào khoảng 1.224.160 người, mật độ dân số tính đến 2013 là 868 người/km². Cần Thơ cũng là thành phố hiện đại và lớn nhất của cả vùng hạ lưu sông Mê Kông. TPCT được chia làm 9 đơn vị hành chính gồm 5 quận và 4 huyện. Tổng số thị trấn, xã, phường là 85, trong đó có 5 thị trấn, 44 phường và 36 xã (tính từ thời điểm ban hành Nghị định số 12/NĐ-CP).
Bảng 3. 1 Diện tích, dân số và mật độ dân số năm 2015
Diện tích Dân số trung bình Mật độ dân số
(km2) (người) (người/km2)
Tổng số 1.409,03 1.223.052 868
Phân theo đơn vị cấp huyện
Quận Ninh Kiều 29,34 255.728 8.716
Quận Bình Thủy 70,68 119.158 1.686
Quận Cái Răng 68,33 91.000 1.332
Quận Ô Môn 132,22 134.630 1.018
Quận Thốt Nốt 118,01 166.151 1.408
Huyện Phong Điền 125,26 101.120 807
Huyện Cờ Đỏ 311,15 126.069 405
Huyện Thới Lai 255,81 123.505 483
Huyện Vĩnh Thạnh 298,23 115.330 389
Tổng số lao động từ 15 tuổi trở lên tham gia vào các ngành kinh tế tính đến năm 2014 của thành phố Cần Thơ là 759.791 người, chiếm 58,85% tổng dân số. Trong đó, lao động nam là 387.389 người chiếm 50,30% tổng số lao động, lao động nữ là 397.770 người, chiếm 49,70% tổng lao động toàn thành phố. Phân bố theo khu vực thành thị và nông thôn, số lao động tại thành thị là 448.817 người chiếm 62,35% tổng lao động và lao động của khu vực nông thôn là 310.974 người, chiếm 37,65%.
Bảng 3. 2 Cơ cấu lao động thành phố Cần Thơ từ 2012 - 2014
Tổng số Năm 2012 Năm 2013 Năm 2014
689.825 697.667 759.791
1. Phân theo giới tính
Nam 387.389 374.494 362.021
Nữ 302.436 323.173 397.770
2. Phân theo thành thị và nông thôn
Thành thị 320.312 432.211 448.817
Nông thôn 369.513 265.456 310.974
3. Cơ cấu lao động
Nam 62 56 51 Nữ 38 44 49 Tổng cộng 100 100 100 Thành thị 51 65 62 Nông thôn 49 35 38 Tổng cộng 100 100 100
Nguồn: Niên giám thống kê thành phố Cần Thơ năm 2015