5. Bố cục của khóa luận
2.2.3 Phân tích các nhân tố ảnh hưởng đến quyết định gửi tiền tiết kiệm của khách
hàng cá nhân tại Ngân hàng Techcombank
2.2.3.1 Đánh giá độ tin cậy của thang đo
Sử dụng phương pháp hệ số tin cậy Cronbach’s Alpha trước khi phân tích nhân tố EFA để loại các biến không phù hợp vì các biến rác này có thể tạo ra các nhân tố giả khi phân tích EFA (Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2009). Về lý thuyết, hệ số này càng cao càng tốt (thang đo càng có độ tin cậy cao). Tuy nhiên điều này không hoàn toàn chính xác. Hệ số Cronbach’s Alpha quá lớn (khoảng từ 0.95 trở lên) cho thấy có nhiều biến trong thang đo không có khác biệt gì nhau, hiện tượng này gọi là trùng lắp trong thang đo (Nguyễn Đình Thọ, Phương pháp nghiên cứu khoa học trong kinh doanh (2011). Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008) Nhiều nhà nghiên cứu đồng ý rằng khi mức giá trị hệ số Cronbach’s Alpha từ 0,8 trở lên đến gần 1 thì thang đo lường là tốt, từ 0,7 đến gần 0,8 là sử dụng được. Cũng có nhà nghiên cứu đề nghị rằng Cronbach’s Alpha từ 0.6 trở lên là sử dụng được trong trường hợp khái niệm đang đo lường là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu. Ngoài ra nếu một biến đo lường có hệ số tương quan biến tổng Corrected Item – Total Correlation < 0.3 thì biến đó không đạt yêu cầu và phải loại biến quan sát đó để tăng độ tin cậy của thang đo.[15]
Bảng 8: Kết quả kiểm định độ tin cậy của thang đo
Biến quan sát
Trung bình thang đo nếu
loại biến Phương sai thang đo nếu loại biến Tương quan biến tổng Cronbach's Alpha nếu loại biến Uy tín thương hiệu: 0.810 UTTH1 12.25 5.11 0.547 0.799 UTTH2 12.21 4.644 0.646 0.753 UTTH3 12.2 4.55 0.708 0.723 UTTH4 12.17 4.906 0.613 0.769 Lãi suất: 0.778 LS1 8.24 2.674 0.568 0.749 LS2 8.01 2.489 0.64 0.673 LS3 8.16 2.306 0.64 0.673 Nhân viên phục vụ: 0.984 NVPV1 16.31 9.483 0.961 0.979 NVPV2 16.31 9.685 0.924 0.984 NVPV3 16.31 9.498 0.957 0.979 NVPV4 16.31 9.598 0.932 0.983 NVPV5 16.31 9.383 0.987 0.975 Tiện lợi: 0.848 TL1 20.39 9.909 0.629 0.824 TL2 20.36 9.658 0.617 0.827 TL3 20.37 10.106 0.601 0.829 TL4 20.44 10.421 0.521 0.844 TL5 20.37 9.89 0.701 0.811 TL6 20.34 9.896 0.74 0.805 Chương trình khuyến mãi: 0.707 CTKM1 7.79 2.352 0.554 0.594 CTKM2 7.89 2.145 0.524 0.619 CTKM3 7.92 1.972 0.512 0.643 Cá nhân ảnh hưởng: 0.786 CNAH1 12.27 5.206 0.532 0.765 CNAH2 12.23 5.559 0.528 0.764 CNAH3 12.19 4.915 0.672 0.692 CNAH4 12.21 5.018 0.645 0.706 Quyết định sử dụng: 0.799 QDSD1 8.28 0.879 0.638 0.731 QDSD2 8.24 0.872 0.641 0.728 QDSD3 8.27 0.861 0.65 0.718
(Nguồn: Kết quả xử lý số liệu spss)
Tác giả sử dụng phần mềm SPSS 25.0 để đánh giá độ tin cậy của thang đo bằng hệ số tin cậy Cronbach’s Alpha. Các kết quả thu được cho thấy thang đo lường đạt
chuẩn vì có hệ số Cronbach’s Alpha đạt từ 0.707 đến 0.984. Bên cạnh đó, khi xét đến hệ số tương quan biến tổng (Corrected Item - Total Correlation) thì kết quả chỉ ra rằng các biến quan sát không cần phải loại vì đều đạt hệ số tương quan biến tổng từ 0.512 trở lên. Do đó, có thể kết luận rằng thang đo dùng để thu thập dữ liệu của mô hình nghiên cứu là đạt tiêu chuẩn để thực hiện các phân tích tiếp theo.
2.2.3.2 Phân tích nhân tố khám phá EFA
Phân tích nhân tố khám phá EFA cho biến độc lập
Phân tích nhân tố được tiến hành theo phương pháp trích các nhân tố (Principle Compoment) có sử dụng phép xoay Varimax, phương pháp kiểm định KMO và Bartlett’s để đo lường sự tương thích của mẫu quan sát.
Bảng 9:Kết quả KMO,Bartlett's và Tổng phương sai trích cho biến độc lập Yếu tố cần đánh
giá Giá trị tương ứng Điều kiện Kết luận
Hệ số KMO 0.767 0,5<KMO<1 Đạt yêu cầu
Sig. Kiểm định
Bartlett's 0.000 < 0,05 Đạt yêu cầu
Phương sai trích
(Cumulative %) 70.219% > 50% Đạt yêu cầu
(Nguồn: Kết quả xử lý số liệu spss)
Số liệu từ Bảng 9 cho thấy, tất cả các yếu tố cần đánh giá của biến độc lập đều đủ điều kiện. Cụ thể như sau:
Kiểm định tính thích hợp của mô hình phân tích nhân tố
Giá trị KMO = 0.767thỏa mãn điều kiện 0.5 ≤ KMO ≤1, như vậy phân tích nhân tố khám phá EFA là thích hợp cho dữ liệu thực tế.
Kiểm định tương quan giữa các biến quan sát Bartlett's có mức ý nghĩa thống kê Sig = 0.000 < 0,05 nên ta kết luận rằng các biến quan sát có tương quan tuyến tính với nhau trong mỗi nhóm nhân tố.
Kiểm định phương sai trích của các yếu tố (% Cumulative variance)
Kết quả trên có 6 nhân tố có giá trị Eigenvalues >1, nhỏ nhất là 1.277 > 1, các nhân tố này sẽ được giữ lại trong mô hình . Ngoài ra trị số phương sai trích
(Cumulative %) là 70.219% điều này có nghĩa là 70.219%thay đổi của các nhân tố được giải thích bởi các biến quan sát. Như vậy, phương sai trích (Cumulative %) là 70.219%> 50% là có ý nghĩa nên mô hình EFA là phù hợp.
Kiểm định hệ số Factor loading
Tác giả sử dụng kích thước mẫu điều tra là 140 nên hệ số Factor loading cần > 0,5 (cỡ mẫu từ 100-350) (Hair&ctg(1998,111)). Sử dụng 25 biến quan sát để thực hiện kiểm định phân tích nhân tố, thể hiện tại bảng9.[17]
Bảng10:Kết quả phân tích nhân tố khám phá EFA
Biến quan sát Nhân tố
1 2 3 4 5 6 NVPV1 0.981 NVPV2 0.963 NVPV3 0.962 NVPV4 0.937 NVPV5 0.934 TL1 0.846 TL2 0.836 TL3 0.754 TL4 0.693 TL5 0.687 TL6 0.574 UTTH1 0.843 UTTH2 0.746 UTTH3 0.744 UTTH4 0.739 CNAH1 0.799 CNAH2 0.779
Biến quan sát Nhân tố 1 2 3 4 5 6 CNAH3 0.754 CNAH4 0.651 LS1 0.844 LS2 0.823 LS3 0.75 CTKM1 0.79 CTKM2 0.764 CTKM3 0.721
(Nguồn: Kết quả xử lý số liệu spss)
Kết quả tại bảng10 cho thấy, tất cả các biến điều thỏa mãn điều kiện phân tích nhân tố và được giữ lại để phân tích trong bước tiếp theo.
Như vậy qua kiểm định chất lượng thang đo bằng phép kiểm định Cronbach’s Alpha và kết quả phân tích nhân tố khám phá EFA với phương pháp trích yếu tố và phép xoay nhân tố Varimaxcho biến độc lập, mô hình nghiên cứu có 25 biến quan sát ứng với 6 thang đo đại diện cho các yếu tố ảnh hưởng đến quyết định ảnh hưởng đến quyết định sử dụng dịch vụ tiền gửi tiết kiệm của khách hàng cá nhân tại Techcombank - chi nhánh Huế.
Bảng 11 Bảng phân nhóm và giải thích kí hiệu của mỗi biến
Yếu tố Biến Giải thích
UTTH 1 Ngân hàng có uy tín tốt, thương hiệu lâu năm UTTH 2 Ngân hàng được nhiều người biết đến
UTTH UTTH3 Sản phẩm của ngân hàng đa dạng, tiện ích
UTTH4 Ngân hàng có hệ thống bảo mật thông tin khách hàng tốt
LS1 Lãi suất tiền gửi tại Techcombank rấtchấp dẫn, mang tính cạnh tranh trên thị trường
LS LS2 Cách tính lãi suất chính xác, rõ ràng LS3 Ngân hàng luôn trả tiền lãi đúng hạn
NVPV1 Nhân viên đón tiếp niềm nở, lịch sự với khách hàng NVPV2 Nhân viên có kiến thức đầy đủ về chuyên môn
NVPV NVPV3 Nhân viên có nghiệp vụ đáng tin cậy
NVPV4 Ngân hàng có đội ngũ nhân viên chuyên nghiệp, tác phong nhanh nhẹn
NVPV5 Nhân viên giải đáp mọi thắc mắc, làm tốt công tác tư vấn sản phẩm tiền gửi cho khách hàng
TL1 Ngân hàng có vị trí giao dịch thuận tiện TL2 Có cơ sở vật chất đầy đủ
TL3 Có cơ sở vật chất hiện đại
TL TL4 Bãi đậu xe cho khách hàng rộng rãi, thoáng mát TL5 Thủ tục gửi tiền tiết kiệm đơn giản
TL6 Thủ tục gửi tiền tiết kiệm dễ thực hiện
CTKM1 Ngân hàng có các chương trình khuyến mãi hấp dẫn dành cho khách hàng
Yếu tố Biến Giải thích
CTKM
CTKM2 Ngân hàng có nhiều chương trình chăm sóc khách hàng vào những dịp quan trọng hoặc dịp lễ
CTKM3 Giải thưởng, quà tặng của các chương trình khuyến mãi độc đáo, hấp dẫn
CNAH1 Nhiều người hoặc bạn bè đều lựa chọn ngân hàng Techcombank
CNAH CNAH2
Nhân viên tư vấn ở Techcombank khuyến khích tôi nên gửi tiền tại đây
CNAH3 Tôi có người thân hoặc bạn bè đang làm việc tại Ngân hàng Techcombank
CNAH4 Người thân trong gia đình tôi khuyên tôi gửi tiền tiết kiệm ở đây
Phân tích nhân tố EFA cho biến phụ thuộc
Biến phụ thuộc “Quyết định sử dụng” sau khi đã kiểm định độ tin cậy bằng phép kiểm định Cronbach’s Alpha tiến hành phân tích nhân tố EFA như các biến độc lập
Bảng 12: Kết quả KMO,Bartlett's và Tổng phương sai trích cho biến phụ thuộc.
(Nguồn: Kết quả xử lý số liệu spss)
Yếu tố cần đánh giá Giá trị tương
ứng Điều kiện Kết luận
Hệ số KMO 0.711 0,5<KMO<1 Đạt yêu cầu
Sig. Kiểm định Bartlett's 0.000 < 0,05 Đạt yêu cầu
Giá trị Eigenvalues 2.139 > 1 Đạt yêu cầu
Phương sai trích (Cumulative %) 71.305 % > 50% Đạt yêu cầu
Trong bảng 12, so sánh với điều kiện phân tích nhân tố EFA ta thấy hệ số KMO = 0.711 > 0,5 đủ điều kiện (0.5 ≤ KMO ≤1) điều này có nghĩa là phù hợp với dữ liệu thực tế.
Kiểm định Kiểm định Bartlett's có mức ý nghĩa thống kê Sig = 0.000 < 0,05
vậy các biến quan sát có tương quan tuyến tính với nhân tố đại diện. Giá trị
Eigenvalues = 2.139 > 1, phương sai trích (Cumulative %) là 79,404 % > 50 % đạt tiêu chuẩn của phương pháp phân tích nhân tố EFA.
Bảng 13: Kết quả phân tích nhân tố khám phá EFA cho biến phụ thuộc
Biến quan sát Nhân tố 1 QDSD1 0.841 QDSD2 0.843 QDSD3 0.849
(Nguồn: Kết quả xử lý số liệu spss)
Việc phân tích nhân tố được tiến hành theo phương pháp trích yếu tốPrinciple Compoment với phép xoay Varimax không thể xoay được vì biến phụ thuộc chỉ có một nhân tố là “Quyết định sử dụng”, vì vậy khi phân tích chỉ có một nhân tố được trích xuất ra từ 3 biến quan sát, với hệ số tải nhân tố của 3 biến rất cao đều trên 0,8 .
2.2.3.3. Phân tích hồi quy tuyến tính
Trong thống kê, hệ số tương quan có ý nghĩa đặc biệt quan trọng. Tương quan hiểu một cách đơn giản là mối quan hệ tương đối giữa các biến. Mục đích chạy tương quan Pearson nhằm kiểm tra mối tương quan tuyến tính chặt chẽ giữa biến phụ thuộc với các biến độc lập vì điều kiện để hồi quy là trước nhất phải tương quan.
Thực hiện tính toán các biến mới đại diện cho từng nhóm biến theo giá trị trung bình
Sau khi lập biến đại diện cho các nhóm yếu tố được phân chia từ bảng ma trận xoay ở bước trước ta tiến hành phân tích tương quan. Hệ số tương quan cụ thể như sau
Bảng 14:Phân tích tương quan Pearson Tương quan
QDSD UTTH LS NVPV TL CTKM CNAH
QDSD Hệ số tương quan Pearson 1
UTTH
Hệ số tương quan Pearson 0.484**1
Mức ý nghĩa 0.000
LS
Hệ số tương quan Pearson 0.529**0.223** 1
Mức ý nghĩa 0.000 0.008
NVPV
Hệ số tương quan Pearson 0.492**0.329** 0.181**1
Mức ý nghĩa 0.000 0.000 0.032
TL
Hệ số tương quan Pearson 0.519**0.214**0.167**0.103 1
Mức ý nghĩa 0.000 0.011 0.049 0.266
CTKM
Hệ số tương quan Pearson 0.488**0.107 0.169* 0.013 0.291**1
Mức ý nghĩa 0.000 0.208 0.045 0.882 0.000
CNAH
Hệ số tương quan Pearson 0.537**0.42 0.134 0.093 0.384**0.395** 1
Mức ý nghĩa 0.000 0.623 0.115 0.272 0.000 0.000
**Sự tương quan có ý nghĩa tại mức 0.01 (2 chiều)
*Sự tương quan có ý nghĩa tại mức 0.05(2 chiều)
(Nguồn: Kết quả xử lý số liệu spss)
Kết quả tại bảng 14 cho thấy kết quả phân tích tương quan cho thấy hệ số tương quan giữa biến Quyết định sử dụng và các biến độc lập còn lại đều có giá trị Sig. < 0.05. Do đó, các biến độc lập: Uy tín thương hiệu, Lãi suất, Nhân viên phục vụ, tiện lợi, Chương trình khuyến mãi, Cá nhân ảnh hưởng và biến phụ thuộc Quyết định sử dụng có tương quan với nhau với mức ý nghĩa 5%. Trong đó, tương quan chặt chẽ
nhất với biến phụ thuộc là biến Cá nhân ảnh hưởng(0.537), sau đó lần lượt là biến Lãi suất (0.529) và Tiện lợi (0.519). Ít tương quan nhất với biến phụ thuộc là biến Uy tín thương hiệu (0.484). Như vậy các biến độc lập đều có ý nghĩa và có thể đưa được vào mô hình hồi quy để giải thích cho biến “Quyết định sử dụng” trong bước tiếp theo.
Kiểm tra hiện tượng đa cộng tuyến
Đa cộng tuyến là hiện tượng trong đó các biến độc lập có mối tương quan chặt chẽ với nhau và cung cấp cho mô hình những thông tin gần giống như nhau, mô hình khó để tách ra ảnh hưởng của từng biến một. Do đó để tránh hiện tượng này xảy ra làm sai lệch kết quả hồi quy so với thực tế thì ta cần phải xem xét hiện tượng cộng tuyến giữa các biến độc lập với nhau.
Dựa vào dấu hiệu độ chấp nhận của biến (Tolerances) và hệ số phóng đại phương sai (Variance inflation factor – VIF) để phát hiện hiện tượng đa cộng tuyến. Quy tắc là khi độ chấp nhận của biến < 0.1 và hệ số phóng đại phương sai vượt quá 10 là dấu hiệu của đa cộng tuyến.
Bảng 15: Kiểm tra hiện tượng đa cộng tuyến
Biến độc lập
Độ chTổng quan lý thuyết về quyết định mua của khách hàng và dịch vụ tiền gửi
tiết kiệm tại Ngân hàngấp nhận của
biến
Hệ số phóng đại phương sai (VIF) UTTH 0.830 1.204 LS 0.907 1.102 NVPV 0.870 1.149 TL 0.792 1.263 CTKM 0.805 1.243 CNAH 0.754 1.327
(Nguồn: Kết quả xử lý số liệu spss)
Số liệu tại bảng 15 cho thấy, hệ số phóng đại phương sai (VIF) đều nhỏ hơn 2, lớn nhất là 1.327 < 2, chứng tỏ không có hiện tượng đa cộng tuyến xảy ra. Mặt khác, ta thấy giá trị Sig. của các biến độc lập đều bé hơn 0,05 có nghĩa là giả thuyết H0bị
bác bỏ (các biến độc lập không ảnh hưởng đến biến phụ thuộc “Quyết định sử dụng”), tức là các biến độc lập trong mô hình hồi quy tuyến tính đều tác động có ý nghĩa thống kê đến biến phụ thuộc.
Đánh giá sự phù hợp của mô hình
Bảng 16: Đánh giá độ phù hợp của mô hình Mô hình R Hệ số xác định R2 R2 hiệu chỉnh Sai số chuẩn ước lượng Hệ số Durbin-Watson 1 .896 0.802 0.793 0.20207 1.969
(Nguồn: Kết quả xử lý số liệu spss)
Kết quả phân tích từ bảng 16 cho thấy, hệ số R2hiệu chỉnh là 0.793 có nghĩa là các biến độc lập giải thích được 79.30% sự biến thiên của biến phụ thuộc “quyết định sử dụng”. Như vậy, mô hình đưa ra là phù hợp với dữ liệu thực tế.
Vì thế, để kiểm tra xem mô hình hồi quy tuyến tính này có thể suy rộng và áp dụng được cho tổng thể hay không ta sẽ dùng kiểm định F trong bảng ANOVA.
Bảng 17 Kiểm định sự phù hợp của mô hình hồi quy ANOVAa Mô hình Tổng bình phương Bật tự do df Bình phương trung bình Giá trị thống kê F Mức ý nghĩa (Sig.) 1 Hồi quy 20.048 6 3.675 89.991 0.000b Còn lại 5.431 133 0.041 Tổng 27.487 139
Nguồn: Kết quả xử lý số liệu spss)
Số liệu tại bảng 17 cho thấy, giá trị của kiểm định F = 89.991, mức ý nghĩa = 0,000 < 0,05, chứng tỏ R2của tổng thể khác 0, nghĩa là các biến độc lập có ảnh hưởng đến biến phụ thuộc. Điều này đồng nghĩa với việc, mô hình hồi quy tuyến tính xây dựng được phù hợp với tổng thể và có thể suy rộng ra cho toàn tổng thể.
Ý nghĩa của các hệ số hồi quy riêng
Bảng 18: Kết quả mô hình hồi quy về quyết định sử dụng Mô hình hồi quy
Yếu tố Hệ số chưa chuẩn hóa Hệ số chuẩn hóa t Mức ý nghĩa Thống kê
Beta (Sig.) cộng tuyến
B Độ lệch chuẩn Độ chấp nhận của biến Hệ số phóng đại phương sai Hằng số 0.158 0.173 0.914 0.362 UTTH 0.146 0.027 0.232 5.484 0.000 0.830 1.204 LS 0.183 0.024 0.309 7.633 0.000 0.907 1.102 NVPV 0.178 0.024 0.309 7.469 0.000 0.870 1.149 TL 0.149 0.031 0.209 4.827 0.000 0.792 1.263 CTKM 0.151 0.028 0.233 5.430 0.000 0.805 1.243 CNAH 0.172 0.027 0.284 6.400 0.000 0.754 1.327
(Nguồn: Kết quả xử lý số liệu spss)
Giả định phân phối chuẩn của phần dư:
Về mặt lý thuyết, phân phối chuẩn là phân phối có trung bình bằng 0 và phương sai bằng 1. Qua biểu đồ cho thấy, phần dư chuẩn hóa phân bố theo hình dạng của phân phối chuẩn, biểu đồ Histogram cho thấy được một đường cong phân phối chuẩn được đặt chồng lên biểu đồ tần số. Đường cong này có dạng hình chuông phù