Kỹ thuật phân tích nhân tố (factor analysis) đã được sử dụng trong nghiên cứu này nhằm rút gọn và gom các yếu tố thuộc tính đó lại thành một nhân tố có ý nghĩa hơn, ít hơn về số lượng.
Mô hình nhân tố được thể hiện bằng phương trình: Xi =Ai1F1 + Ai2F2 +Ai3F3 +...+AimFm +ViUi
Xi : biến thứ i chuẩn hóa
Aij : hệ số hồi quy bội chuẩn hóa của nhân tố j đối với biến i F : các nhân tố chung
Vi : hệ số hồi quy chuẩn hóa của nhân tố đặc trưng i đối với biến i Ui : nhân tố đặc trưng của biến i
m : số nhân tố chung
Các nhân tố đặc trưng có tương quan với nhau và với các nhân tố chung. Bản thân các nhân tố chung cũng có thể được diễn tả như những kết hợp tuyến tính của các biến quan sát:
Fi =wi1 X1 + wi2 X 2 + wi3 X 3 + ...+ wik Xk
Trong đó:
Fi : ước lượng trị số của nhân tố thứ i wi : quyền số hay trọng số nhân tố k : số biến
Chúng ta có thể chọn các quyền số hay trọng số nhân tố sao cho nhân tố thứ nhất giải thích được phần biến thiên nhiều nhất trong toàn bộ biến thiên. Sau đó ta chọn tập hợp các quyền số thứ hai sao cho nhân tố thứ hai giải thích được phần lớn biến thiên còn lại, và không có tương quan với nhân tố thứ nhất.
Phương trình mô hình nghiên cứu của tác giả: Y =f(KG, CSVC, STT, PVNV, DTC, CP)
Ta có mô hình phương trình hồi quy tuyến tính như sau:
Y = α+β1KG+β2CSVC + β3STT + β4PVNV + β5DTC+ β6CP
Trong đó:
Y: Mức độ hài lòng của khách hàng đối với ngân hàng Quân đội
KG: Không gian sàn giao dịch
CSVC: Cơ sở vật chất
STT: Nhận thức về sự thuận tiện
PVNV: Phong cách phục vụ củ nhân viên
CP: Chi phí sử dụng dịch vụ
Với ε: sai số ngẫu nhiên thể hiện ảnh hưởng của các yếu tố khác đến Y
βi, i: 1÷ 6, là các tham số chưa biết, được gọi hệ số hồi quy riêng
CHƯƠNG 4. KẾT QUẢ NGHIÊN CỨU