Theo sự tìm hiểu của tác giả về các nghiên cứu đi trước, để tiến hành thu thập dữ liệu điều tra các nghiên cứu định lượng, người nghiên cứu phải sử dụng nhiều loại thang đo lường khác nhau, Hoàng Trọng (2008). Tuy nhiên do sự phức tạp của các hiện tượng kinh tế - xã hội nên việc lượng hóa các khái niệm nghiên cứu đòi hỏi phải có những thang đo được xây dựng tỉ mỉ và phải được kiểm tra độ tin cậy trước
khi vận dụng. Vì vậy, khi tiến hành các hoạt động phân tích và thống kê, bài nghiên cứu này sẽ bắt đầu bằng việc kiểm tra độ tin cậy (Cronbach’s Alpha). Tác giả sử dụng phần mềm phân tích, thống kê SPSS 20.0 để phân tích dữ liệu. Hoạt động xử lý và phân tích dữ liệu được thực hiện theo các bước sau:
- Làm sạch và mã hóa dữ liệu
Ngay sau khi tiến hành khảo sát, những bảng hỏi thu thập được sẽ được tác giả chọn lọc, làm sạch, nhập vào có sở dữ liệu chung. Tác giả sẽ loại bỏ những bảng trả lời không đầy đủ hoặc có lỗi trả lời dù chỉ là một lỗi nhỏ để bảo đảm sự chính xác, đủ độ tin cậy của dữ liệu trước khi đưa vào phân tích, nhằm tăng độ tin cậy cho nghiên cứu.
- Thống kê mô tả trung bình
Như đã đề cập trong phần xây dựng bảng hỏi, các biến phụ thuộc được đo kiểm bằng thang đo Likert 5 điểm. Thống kê mô tả trung bình được thực hiện đối với các biến phụ thuộc để đánh giá khái quát nhận định của người trả lời khảo sát. Thống kê mô tả trung bình cho biết giá trị trung bình (Mean), giá trị nhỏ nhất (Minimum), giá trị lớn nhất (Maximum) và độ lệch chuẩn (Std. Deviation) của thang đo.
Giá trị khoảng cách của các thang đo = (Maximum – Minimum)/n = (5 - 1)/5 = 0,8. Giá trị trung bình sau khi phân tích có ý nghĩa như sau:
+ Từ 1,00 đến 1,80: Rất không đồng ý + Từ 1,81 đến 2,60: Không đồng ý + Từ 2,61 đến 3,40: Trung bình + Từ 3,41 đến 4,20: Đồng ý + Từ 4,21 đến 5,00: Rất đồng ý
Ngoài ra, giá trị nhỏ nhất, giá trị lớn nhất và độ lệch chuẩn cho biết độ lớn của sự biến thiên hoặc trải rộng trong dữ liệu.
Cronbach’s Alpha là phép kiểm định thống kê về mức độ chặt chẽ của tập hợp các biến quan sát trong thang đo, nó cho phép người phân tích loại bỏ những biến không phù hợp và hạn chế các biến rác trong mô hình nghiên cứu. Nhiều nhà nghiên cứu khác đồng ý rằng khi hệ số Cronbach’s Alpha từ 0,6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang nghiên cứu là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu; trên 0,8 là thang đo lường tốt (nếu lớn hơn 0,95 không tốt vì các biến đo lường hầu như là một) (Hoàng Trọng, 2005). Trong khi đó, hệ số tương quan giữa biến và tổng phải lớn hơn 0,3 (nếu nhỏ hơn 0,3 được xem là biến rác, cần loại bỏ ra khỏi thang đo). Trong nghiên cứu này, tác giả quyết định giữ lại các thang đo có trị số Cronbach’s Alpha ≥ 0,6 và loại các biến quan sát có tương quan biến tổng < 0,3.
Phân tích nhân tố EFA (Exploratory Factor Analysis)
Phân tích nhân tố khám phá (EFA) là kỹ thuật được sử dụng chủ yếu nhằm thu nhỏ và tóm tắt các dữ liệu vào một số nhân tố nhất định nhằm đo lường các khía cạnh khác nhau của các khái niệm nghiên cứu và tìm mối quan hệ giữa các biến với nhau sau khi đã đánh giá độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha.
Trong phân tích nhân tố khám phá, trị số KMO (Kaiser – Mever – Olkin) là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố, phân tích được xem là thích hợp nếu trị số KMO có giá trị trong khoảng 0,5 đến 1. Đại lượng Bartlett là đại lượng thống kê dùng để xem xét giả thuyết các biến không có tương quan trong tổng thể, điều kiện cần để áp dụng phân tích nhân tố là các biến phải có tương quan với nhau (Hoàng Trọng, 2005).
Ngoài ra, phân tích EFA còn dựa vào chỉ số Eingenvalue (đại diện cho lượng biến thiên được giải thích bởi nhân tố) để xác định số lượng nhân tố. Theo Gerbing và Anderson (1988), các nhân tố chỉ được giữ lại trong mô hình khi Eingenvalue > 1 và được chấp nhận khi tổng phương sai trích ≥ 50%. Một phần quan trọng trong phân tích nhân tố là ma trận nhân tố (Component Matrix) hay ma trận nhân tố khi các nhân tố được xoay (Rotated Component Matrix). Hệ số tải nhân tố (factor loading) biểu diễn tương quan giữa các biến và các nhân tố, hệ số này cho biết nhân tố và biến có liên quan chặt chẽ với nhau. Nghiên cứu sử dụng phương pháp trích
nhân tố Principal Components nên các hệ số tải nhân tố phải có trọng số lớn hơn 0,5 thì mới đạt yêu cầu (Nunnally và Bernstein, 1994 được trích dẫn trong Đình Thọ và Mai Trang, 2008).
Phân tích hồi quy mức độ ảnh hưởng của các nhân tố
Phân tích hồi quy sẽ xác định mối quan hệ nhân quả giữa biến phụ thuộc (Chất lượng dịch vụ; Sự hài lòng của khách hàng) với các biến độc lập (CBCNV; Lãi suất và phí; Sự thuận tiện; sự tin cậy; Thương hiệu; Hoạt động Marketing; Chăm sóc khách hàng). Mô hình hồi quy sẽ mô tả hình thức các mối quan hệ đó qua đó giúp ta dự đoán được mức độ của biến phụ thuộc khi biết trước giá trị của biến độc lập. Để xác định, đo lường và đánh giá mức độ ảnh hưởng của các nhân tố đến sự hài lòng của khách hàng, tác giả sử dụng phương pháp hồi quy tuyến tính bội giữa các nhân tố ảnh huởng thu được từ phân tích EFA và Cronbach’s alpha ở trên với biến phụ thuộc là chất lượng dịch vụ và sự hài lòng của khách hàng.
CHƯƠNG 4
ĐÁNH GIÁ MỨC ĐỘ HẢI LÒNG VÀ PHÂN TÍCH CÁC NHÂN TỐ CÓ TÁC ĐỘNG ĐẾN SỰ HÀI LÒNG CỦA KHÁCH HÀNG CÁ NHÂN ĐỐI VỚI DỊCH
VỤ CHO VAY SẢN XUẤT KINH DOANH TẠI VIETINBANK VÂN ĐỒN
Trong thời gian hai tháng, 300 bảng câu hỏi điều tra đã được phân phát tới tận tay những khách hàng cá nhân đang sử dụng dịch vụ cho vay SXKD tại VietinBank Vân Đồn theo phương pháp là sử dụng bảng hỏi được thiết kế sẵn trên giấy. Kết thúc điều tra, sau khi kiểm tra và loại bỏ những bảng hỏi bị lỗi, nghiên cứu đã thu được 256 bảng hỏi hoàn chỉnh tương đương tỷ lệ khoảng 85%. Số lượng phiếu điều tra phù hợp được đưa vào thống kê phân tích là 256 phiếu.