3.1.1. Phỏng vấn sơ bộ
Phỏng vấn sơ bộ được thực hiện bằng phương pháp định tính, dùng để hiệu chỉnh từ ngữ của các biến quan sát, hiệu chỉnh thang đo. Nghiên cứu định tính được thực hiện bằng cách phỏng vấn sơ bộ với 5 khách hàng ngẫu nhiên tại 5 chi nhánh đang thực hiện giao dịch trực tiếp nghiệp vụ TTTM tại BIDV địa bàn tỉnh Bình Dương (chi tiết bảng hỏi tại Phụ lục 2). Nội dung phỏng vấn sẽ được ghi nhận và tổng hợp lại để làm cơ sở cho việc điều chỉnh các biến quan sát trong thang đo và xây dựng bảng câu hỏi khảo sát chính thức.
Thiết kế bảng hỏi
Xác định mô hình, thang đo và các biến
Phỏng vấn sơ bộ (n=5) Thiết kế bảng hỏi chính thức
Xác định kích thước mẫu, phương pháp chọn mẫu
Xử lý và mã hóa dữ liệu đưa vào phần mềm SPSS Đánh giá sự tin cậy của thang đo
Phân tích tương quan Person – kiểm tra đa cộng tuyến
Phân tích hồi quy
Để đảm bảo chất lượng của cuộc nghiên cứu định tính, khảo sát thông qua bước gạn lọc đối tượng bằng cách phỏng vấn sơ bộ, cụ thể các đối tượng khảo sát là những khách hàng đang sử dụng dịch vụ TTTM trực tiếp tại quầy. Nhìn chung các đối tượng được lựa chọn khảo sát đều đồng ý với các biến quan sát mà nghiên cứu đưa ra, tuy nhiên còn một số biến gây khó hiểu theo phản hồi của khách hàng, từ đó có những điểm chỉnh sửa bổ sung để hoàn thiện bảng hỏi. Kết quả phỏng vấn sơ bộ sẽ làm cơ sở để điều chỉnh các biến quan sát trong thang đo sao cho khách hàng được khảo sát hiểu sát hơn với ý nghĩa từng câu hỏi. Trên cơ sở đó, giúp tác giả tiến hành xây dựng bảng câu hỏi chính thức để thu thập dữ liệu định lượng.
3.1.2. Xây dựng thang đo nghiên cứu chính thức
Sau khi xây dựng được các giả thuyết nghiên cứu, tiến hành phỏng vấn sơ bộ để điều chỉnh thang đo, tác giả tổng hợp bảng thang đo chính thức để tiến hành nghiên cứu định lượng cho mô hình nghiên cứu được mã hóa bao gồm 27 biến quan sát thuộc 6 nhân tố ảnh hưởng, cụ thể như sau:
Bảng 3.1: Bảng tổng hợp các biến quan sát và mã hóa của nghiên cứu
Chất lượng đầu ra (CLDR) Nguồn
CLDR1 BIDV đã không thực hiện đúng dịch vụ TTTM trong lần đầu tiên tôi giao dịch
MMM Murad (2011), Brady & Cronin (2001)
CLDR2 BIDV không thực hiện dịch vụ TTTM một cách nhanh chóng, suôn sẻ
Alessandro Arbore và Bruno Busacca (2009), Brady & Cronin (2001)
CLDR3 BIDV đã không giải quyết thỏa đáng vấn đề khi sự cố liên quan đến dịch vụ TTTM xảy ra
Alessandro Arbore và Bruno Busacca (2009)
CLDR4
BIDV đã không tư vấn đầy đủ thông tin, rủi ro mà tôi sẽ gặp phải khi sử dụng dịch vụ TTTM
Brady & Cronin (2001), MMM Murad (2011)
CLDR5
Sản phẩm của dịch vụ TTTM tại BIDV chưa đa dạng, một số sản phẩm chưa triển khai so với ngân hàng khác
MMM Murad (2011), Brady & Cronin (2001),Alessandro Arbore và Bruno Busacca (2009)
CLTT1 Nhân viên BIDV ăn mặc không lịch sự, lịch thiệp
Carmen Anto’n & ctg (2007), Brady & Cronin (2001)
CLTT2 Nhân viên BIDV không nắm bắt được những nhu cầu cụ thể của tôi về dịch vụ
Arbore và Bruno Busacca (2009)
CLTT3 Nhân viên BIDV chưa đủ kiến thức nghiệp vụ để trả lời những vấn đề của tôi
Carmen Anto’n & ctg (2007), Brady & Cronin (2001)
CLTT4 Nhân viên BIDV không cư xử lịch sự, hòa nhã, hợp tác trong giao dịch
Carmen Anto’n & ctg (2007), Brady & Cronin (2001)
CLTT5 Nhân viên BIDV không dành thời gian để giải quyết các giao dịch của tôi
Arbore và Bruno Busacca (2009), MMM Murad (2011)
Chất lượng môi trường (CLMT)
CLMT1 BIDV chưa được trang bị các trang thiết bị cần thiết để phục vụ khách hàng tại chỗ
Carmen Anto’n & ctg (2007), Brady & Cronin (2001)
CLMT2
BIDV chưa sử dụng hệ thống công nghệ hiện đại để thông báo và xử lý nhanh các giao dịch TTTM
Carmen Anto’n & ctg (2007), Arbore và Bruno Busacca (2009)
CLMT3
Địa điểm giao dịch TTTM tại BIDV bất tiện do không thực hiện được tại các Phòng giao dịch mà chỉ tại Hội sở Chi nhánh
MMM Murad (2011), Brady & Cronin (2001), Arbore và Bruno Busacca (2009)
Giá cả (GC)
GC1 Phí dịch vụ TTTM cao hơn so với các ngân hàng khác
Varki và Colgate (2001), Arbore và Bruno Busacca (2009)
GC2 BIDV thu nhiều loại phí không rõ nội dung Thông qua khảo sát sơ bộ
GC3 Lãi vay đối với các sản phẩm TTTM cao hơn so với ngân hàng khác
MMM Murad (2011), Varki và Colgate (2001)
GC4
Chính sách giá đối với dịch vụ TTTM không linh hoạt, chưa đáp ứng được các nhu cầu cụ thể của tôi
Varki và Colgate (2001), Arbore và Bruno Busacca (2009)
CKNH1 BIDV không bảo mật tốt thông tin khách hàng
MMM Murad (2011), Arbore và Bruno Busacca (2009)
CKNH2 BIDV đòi hỏi cung cấp nhiều hồ sơ không cần thiết khi thực hiện giao dịch
Carmen Anto’n & ctg (2007), Manrai (2007), MMM Murad (2011)
CKNH3 BIDV không có những lợi ích đặc biệt đối với khách hàng thân thiết
Arbore và Bruno Busacca (2009)
CKNH4 BIDV kém linh hoạt xử lý giao dịch khẩn cấp cho tôi khi cần thiết
Carmen Anto’n & ctg (2007), Manrai (2007), MMM Murad (2011)
CKNH5 BIDV không xử lý kịp giao dịch như thời gian đã cam kết
Carmen Anto’n & ctg (2007), MMM Murad (2011)
Sự cố trong giao dịch (SCGD)
SCGD1 Gần đây, tại BIDV, thường xuyên có lỗi do thiếu cẩn thận xảy ra khi giao dịch TTTM
Carmen Anto’n & ctg (2007), MMM Murad (2011)
SCGD2
Gần đây, tại BIDV, thường xuyên có lỗi trong vấn đề báo có/ báo nợ xảy ra khi thực hiện giao dịch TTTM
Thông qua khảo sát sơ bộ
SCGD3 Gần đây, tại BIDV, thủ tục thực hiện giao dịch TTTM rườm rà, tốn nhiều thời gian
Carmen Anto’n & ctg (2007), Manrai (2007)
SCGD4 Gần đây, tại BIDV, thời gian xử lý giao dịch TTTM thường bị chậm trễ, không kịp thời
Carmen Anto’n & ctg (2007), Manrai (2007)
SCGD5 Gần đây, tại BIDV, kết quả xử lý giao dịch TTTM không thống nhất
Thông qua khảo sát sơ bộ
Nguồn: Tác giả tổng hợp
3.2. Thiết kế bảng câu hỏi khảo sát
Sau khi xây dựng được thang đo chính thức, tiến hành thiết kế bảng hỏi khảo sát nhằm thu thập dữ liệu phục vụ cho quá trình phân tích định lượng. Bảng hỏi sẽ được phát ra cho người được phỏng vấn qua 2 phương thức: một là trực tiếp bằng giấy, khách hàng điền vào phiếu khảo sát và gửi lại; hai là qua internet, người được phỏng vấn trả lời thông qua bảng hỏi được thiết kế trên công cụ Google Docs. (Bảng hỏi khảo sát chính thức chi tiết tại Phụ lục 3). Kết cấu bảng hỏi gồm 2 phần:
Đối với phần trả lời khảo sát: bao gồm 31 câu hỏi, trong đó 27 câu hỏi về 6 yếu tố ảnh hưởng đến sự hài lòng của khách hàng khi sử dụng dịch vụ ngân hàng và 04 câu hỏi liên quan sự đánh giá mức độ không hài lòng của khách hàng khi sử dụng dịch vụ. Để đánh giá mức độ đồng ý của khách hàng, đề tài luận văn sử dụng thang đo Likert 5 mức độ: Bậc 1: Hoàn toàn không đồng ý; Bậc 2: Không đồng ý; Bậc 3: Trung lập (không đồng ý cũng không phản đối); Bậc 4: Đồng ý; Bậc 5: Hoàn toàn đồng ý
Đối với phần thông tin khách hàng: đây sẽ là các thông tin về nhân khẩu học liên quan đến người được phỏng vấn nhằm lấy dữ liệu phân tích sự khác biệt giữa các nhóm đối tượng: độ tuổi, giới tính, lĩnh vực hoạt động kinh doanh, thời gian sử dụng dịch vụ và ngân hàng khác thay thế.
3.3. Thiết kế mẫu nghiên cứu
Theo Hair & ctg, trong trường hợp sử dụng phương pháp nhân tố (EFA) thì kích thước mẫu tối thiểu phải là 50, tốt hơn là 100 và cỡ mẫu tối thiểu bằng 5 lần tổng biến quan sát, hay là tỷ lệ số quan sát/biến đo lường là 5:1 (Hair, Anderson, Tatham & Black; 2009). Nghiên cứu về cỡ mẫu do Roger thực hiện (2006) cho thấy cỡ mẫu tối thiểu áp dụng được trong các nghiên cứu thực hành là từ 150-200. Trong đề tài luận văn có tổng cộng 27 biến, tức là cần tối thiểu mẫu là 135 quan sát. Bên cạnh đó, độ tin cậy của thông tin sẽ phụ thuộc vào kích thước mẫu đã chọn, khi tăng kích thước mẫu thì độ tin cậy của thông tin tăng.
Kích thước mẫu trong đề tài luận văn dự kiến là khoảng 200 để đạt được yêu cầu về độ tin cậy của mẫu. Mẫu nghiên cứu được lấy theo hình thức phi ngẫu nhiên, lấy mẫu thuận tiện, theo phương pháp gửi bảng hỏi khảo sát trên mạng internet thông qua công cụ hỗ trợ Google Docs và phỏng vấn phát trực tiếp tại quầy giao dịch của các ngân hàng BIDV trên địa bàn tỉnh Bình Dương thời gian từ 01/02/2019 – 05/03/2019.
3.4. Thu thập và xử lý dữ liệu
Bằng cách khảo sát khách hàng đến trực tiếp giao dịch TTTM tại ngẫu nhiên các chi nhánh trên địa bàn tỉnh Bình Dương, gửi địa chỉ khảo sát trực tuyến qua công
cụ Google Docs đối với các khách hàng thông qua email, tác giả cùng cộng tác viên (là các đồng nghiệp có mối quan hệ quen biết) thu được tổng cộng 230 phiếu trả lời, trong đó có 88 phiếu thu thập bằng phương thức internet và 142 phiếu bằng phương thức giấy trực tiếp. Sau khi kiểm tra thì có 13 phiếu bị loại do điền và trả lời thiếu thông tin, một câu hỏi có nhiều đáp án, câu trả lời tuân theo một quy luật, … Tổng kết sau khi kiểm tra có 217 phiếu hợp lệ đủ tiêu chuẩn để sử dụng làm mẫu nghiên cứu.
Dữ liệu thu thập được sẽ được xử lý bằng phần mềm hỗ trợ thống kê SPSS 20.0. Dữ liệu sau khi thu thập được sẽ được mã hóa dữ liệu (chuyển đổi các câu trả lời thành dạng mã để nhập và xử lý trên phần mềm) và nhập vào phần mềm SPSS để tiến hành phân tích.
3.5. Đánh giá độ tin cậy của thang đo 3.5.1. Hệ số Cronbach’s Alpha: 3.5.1. Hệ số Cronbach’s Alpha:
Hệ số Cronbach’s Alpha là chỉ số đo lường độ tin cậy của thang đo bao gồm từ ba biến quan sát trở lên. Hệ số này chỉ đo lường độ tin cậy của thang đo mà không tính được độ tin cậy cho từng biến quan sát. Hệ số này biến thiên trong đoạn [0,1], hệ số này càng cao thì thang đo càng có độ tin cậy lớn. Tuy nhiên nếu hệ số này quá lớn (khoảng từ 0,95 trở lên) thì điều này cho thấy có nhiều biến trong thang đo không có sự khác biệt gì nhau, dẫn đến xảy ra hiện tượng gọi là trùng lặp trong thang đo (Nguyễn Đình Thọ, 2013, trang 364). Hệ số này được sử dụng để loại biến rác, các biến có hệ số tương quan tổng biến (Corrected Item-Total Correlation) nhỏ hơn 0.3 sẽ bị loại và thang đo sẽ bị loại nếu hệ số Cronbach Alpha nhỏ hơn 0,6 (Nunnally & Bernstein, 1994). Hệ số Cronbach’s Alpha cho biết mức độ tương quan giữa các biến trong bảng hỏi, được dùng để tính sự thay đổi của từng biến và mối tương quan giữa các biến (Hair & ctg, 1992). Trong nghiên cứu này, trong quá trình Cronbach alpha, tác giả sẽ giữ lại các thang đo có trị số Cronbach alpha ≥ 0,6 và loại các biến quan sát có tương quan biến-tổng < 0,3.
3.5.2. Phân tích nhân tố EFA
Phân tích nhân tố khám phá EFA được sử dụng phổ biến để đánh giá giá trị thang đo (tính đơn hướng, giá trị hội tụ và giá trị phân biệt) hay rút gọn một tập biến.
Trong nghiên cứu này, phân tích nhân tố được ứng dụng để tóm tắt tập các biến quan sát vào một số nhân tố nhất định đo lường các thuộc tính của các khái niệm nghiên cứu. Tiêu chuẩn áp dụng và chọn biến đối với phân tích nhân tố khám phá EFA bao gồm:
Tiêu chuẩn Bartlett và hệ số KMO dùng để đánh giá sự thích hợp của EFA. Theo đó, giả thuyết H0 (các biến không có tương quan với nhau trong tổng thể) bị bác bỏ và do đó EFA được gọi là thích hợp khi: 0,5 ≤ KMO ≤ 1 và Sig < 0,05. Trường hợp KMO < 0,5 thì phân tích nhân tố có khả năng không thích hợp với dữ liệu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005, trang 262).
Tiêu chuẩn rút trích nhân tố gồm chỉ số Engenvalue (đại diện cho lượng biến thiên được giải thích bởi các nhân tố) và chỉ số Cumulative (tổng phương sai trích cho biết phân tích nhân tố giải thích được bao nhiêu % và bao nhiêu % bị thất thoát). Theo Gerbing và Anderson (1988), các nhân tố có Engenvalue < 1 sẽ không có tác dụng tóm tắt thông tin tốt hơn biến gốc (biến tiềm ẩn trong các thang đo trước khi EFA). Vì thế, các nhân tố chỉ được rút trích tại Engenvalue > 1 và được chấp nhận khi tổng phương sai trích ≥ 50%.
Tiêu chuẩn hệ số tải nhân tố (Factor loadings) biểu thị tương quan đơn giữa các biến với các nhân tố, dùng để đánh giá mức ý nghĩa của EFA. Theo Hair và ctg (1998), Factor loading > 0,3 được xem là đạt mức tối thiểu; Factor loading > 0,4 được xem là quan trọng; Ngoài ra, trường hợp các biến có Factor loading được trích vào các nhân tố khác nhau mà chênh lệch trọng số rất nhỏ (các nhà nghiên cứu thường không chấp nhận < 0,3), tức không tạo nên sự khác biệt để đại diện cho một nhân tố, thì biến đó cũng bị loại và các biến còn lại sẽ được nhóm vào nhân tố tương ứng đã được rút trích trên ma trận mẫu (Pattern Matrix).
Trong quá trình EFA, tác giả sử dụng phương pháp trích Principal components với phép xoay Varimax (Gerbing & Anderson, 1988); loại bỏ các biến quan sát có trị số Factor loading ≤ 0,4 hoặc trích vào các nhân tố khác mà chênh lệch trọng số Factor loading giữa các nhân tố ≤ 0,3
3.6. Phân tích tương quan Person
(kiểm tra hiện tượng đa cộng tuyến). Thông thường trước khi sử dụng hồi quy tuyến tính người ta sẽ xét mối quan hệ giữa các biến độc lập với biến phụ thuộc qua hệ số tương quan Pearson của bảng hệ số tương quan. Hệ số tương quan sẽ nằm trong khoảng [-1;+1]. Nếu bằng -1 nghĩa là tương quan nghịch (negative correlation) và +1 là tương quan thuận (positive correlation). Nếu bằng 0 nghĩa là không có tương quan (không có mối liên hệ giữa 2 biến hoặc là 2 biến có mối liên hệ phi tuyến). Đây còn được gọi là tương quan tuyến tính, do nếu tương quan thì mối quan hệ được thể hiện bởi đường thẳng dốc lên hay dốc xuống. Trường hợp không tương quan thì là đường nằm ngang. Nếu giá trị tuyệt đối của hệ số tương quan Pearson bằng 1 thì chứng tỏ mức độ liên hệ tuyệt đối. Giá trị Sig để kiểm định sự tương quan, nếu Sig. >0,05 thì hai biến này không tương quan. Trong phân tích tương quan Pearson, không có sự phân biệt giữa các biến độc lập và biến phụ thuộc mà tất cả đều được xem như nhau.
3.7. Xây dựng mô hình hồi quy
Sau quá trình thực hiện kiểm định thang đo: đánh giá độ tin cậy thang đo (sử dụng hệ số tin cậy Cronbach’s Alpha) và kiểm định giá trị khái niệm của thang đo (phân tích nhân tố khám phá EFA); tiến hành tính toán nhân số của nhân tố (giá trị của các nhân tố trích được trong phân tích nhân tố EFA) bằng cách tính trung bình cộng của các biến quan sát thuộc nhân tố tương ứng. Các nhân tố được trích ra trong phân tích nhân tố được sử dụng cho mô hình hồi quy để kiểm định mô hình nghiên cứu và các giả thuyết kèm theo. Các kiểm định giả thuyết thống kê đều áp dụng mức ý nghĩa là 5%.
Bước 1: Kiểm tra tương quan giữa biến các biến độc lập với nhau và với biến phụ thuộc thông qua ma trận hệ số tương quan. Theo đó, điều kiện để xây dựng mô hình hồi quy là phải có tương quan giữa các biến độc lập với nhau và với biến phụ thuộc. Tuy nhiên, theo John và Benet - Martinez (2000), khi hệ số tương quan < 0,85 thì có khả năng đảm bảo giá trị phân biệt giữa các biến. Nghĩa là, nếu hệ số tương quan > 0,85 thì cần xem xét vai trò của các biến độc lập, vì có thể xảy ra hiện tượng đa cộng tuyến (một biến độc lập này có được giải thích bằng một biến khác).
Bước 2: Theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc (2005); Sau khi kết luận là hai biến có mối liên hệ tuyến tính thì có thể mô hình hóa mối quan hệ nhân