7. Tổng quan tài liệu nghiên cứu
2.5.6. Thang đo Sự hài lòng khách hàng
Trong bốn mô hình nghiên cứu của những tác giả Linda Mary Simon & Saravanan (2012), Norvilitis and MacLean (2010), T. Ramayah, Nasser Noor and Lim Hee Choo (2002), V. Vimala (2010) đều có đề cập đến biến phụ thuộc Sự hài lòng khách hàng.
Ba thang đo này có mặt hầu nhƣ ở bốn nghiên cứu của bốn tác giả Linda Mary Simon & Saravanan (2012), Norvilitis and MacLean (2010), T. Ramayah, Nasser Noor and Lim Hee Choo (2002), V. Vimala (2010. Kết hợp với nghiên cứu định tính hỏi thăm ý kiến tƣ vấn từ phía lãnh đạo ngân hàng nhằm đƣa vào mô hình nghiên cứu những thang đo hữu ích nhất cho đề tài.
Thang đo Sự hài lòng khách hàng
Tôi sử dụng dịch vụ thẻ tín dụng một cách thƣờng xuyên để đạt đƣợc kết quả trong tƣơng lai.
Tôi giới thiệu cho nhiều ngƣời khác sử dụng dịch vụ thẻ tín dụng ngân hàng. Tôi hài lòng khi sử dụng dịch vụ thẻ tín dụng ngân hàng.
Bảng 2.1: Bảng tổng hợp và mã hóa các nhân tố trong mô hình.
STT Mã hóa Diễn giải
Sự An toàn
1 S1
Tài khoản và mật khẩu thẻ tín dụng đƣợc trao quyền hoàn toàn cho khách hàng , rất quan trọng cho việc bảo vệ dữ liệu.
2 S2
Tôi tin rằng khi khách hàng thực hiện những giao dịch qua ngân hàng trực tuyến là riêng tƣ và an toàn.
3 S3
Tôi hài lòng với hệ thống đảm bảo an toàn tài khoản thẻ tại ngân hàng.
4 S4 Độ chính xác giúp cảm thấy an toàn sau mỗi lần giao dịch.
5 S5
Tôi tin rằng việc sử dụng dịch vụ thẻ tín dụng tại những ngân hàng uy tín là an toàn hơn đối với tôi.
Khả năng đáp ứng
1 RE1
Tiếp nhận và xử lý chính xác theo đúng quy trình sử dụng dịch vụ tín dụng ngân hàng.
2 RE2 Tính liên kết giữa ngân hàng BIDV với các ngân hàng khác.
3 RE3
Sự chủ động trong việc cung cấp, tƣ vấn các chƣơng trình tín dụng mới từ cán bộ tín dụng đối với khách hàng.
4 RE4
Cán bộ tín dụng sẵn sàng hƣớng dẫn khách hàng tiếp cận với các loại hình thẻ tín dụng đa dạng khác nhau.
5 RE5
Cán bộ tín dụng giúp đỡ khách hàng hoàn thiện các quy trình, giúp giải quyết khiếu nại nhanh chóng.
Tính tiện lợi
1 C1
Ngân hàng có mạng lƣới máy tự động rộng khắp, tiện lợi cho khách hàng trong việc sử dụng thẻ tín dụng bất cứ đâu.
2 C2
Hầu hết ở những trung tâm mua sắm đều trang bị và cập nhật những thiết bị, những loại thẻ tín dụng mới nhất phục vụ nhu cầu giao dịch của khách hàng.
3 C3
Giao diện POS dễ sử dụng, dễ dàng đăng nhập hay thoát ra khỏi hệ thống.
4 C4
Thanh toán nhanh, giao dịch thực hiện ngắn gọn, tiết kiệm thời gian cho khách hàng.
5 C5
Thủ tục hồ sơ đơn giản, thời gian phát hành thẻ nhanh chóng.
Tính hữu ích
1 PU1
Tôi nghĩ rằng việc sử dụng dịch vụ thẻ tín dụng ngân hàng sẽ cho phép tôi thực hiện nhiệm vụ của mình nhanh chóng hơn.
2 PU2
Tôi nghĩ rằng việc sử dụng dịch vụ thẻ tín dụng ngân hàng sẽ làm cho tôi thực hiện các nhiệm vụ của mình dễ dàng hơn.
3 PU3 Tôi nghĩ rằng dịch vụ thẻ tín dụng ngân hàng rất hữu ích.
Yếu tố hữu hình
1 TAN1 Buồng máy giao dịch tự động sạch sẽ, thoáng mát.
2 TAN2 Hoạt động của máy ổn định.
3 TAN3 Cơ sở vật chất, trang thiết bị hiện đại.
4 TAN4 Hệ thống máy móc luôn sẵn sàng kể cả những dịp cao điểm.
5 TAN5
Trang bị thiết bị đầy đủ cho những địa điểm có liên kết với ngân hàng về dịch vụ thanh toán bằng thẻ tín dụng
Sự hài lòng
1 SAS1
Tôi sử dụng dịch vụ thẻ tín dụng một cách thƣờng xuyên để đạt đƣợc kết quả trong tƣơng lai.
2 SAS2
Tôi giới thiệu cho nhiều ngƣời khác sử dụng dịch vụ thẻ tín dụng ngân hàng.
2.6.NGHIÊN CỨU ĐỊNH LƢỢNG CHÍNH THỨC 2.6.1. Mẫu điều tra
Nghiên cứu này đƣợc tác giả sử dụng phƣơng pháp lấy mẫu phi ngẫu nhiên, lấy mẫu thuận tiện. Kích thƣớc mẫu đƣợc xác định theo công thức lý thuyết khá đơn giản cho trƣờng hợp không biết kích thƣớc tổng thể là:
n=
Trong đó: n: Kích thƣớc mẫu nghiên cứu;
z: Giá trị phân phối tƣơng ứng với độ tin cậy lựa chọn (độ tin cậy 95% thì z = 1.96);
p: Ƣớc lƣợng tỷ lệ % của tổng thể; q= (1 – p);
e: Sai số cho phép của cuộc điều tra.
Với phƣơng pháp này, kích thƣớc mẫu của nghiên cứu đƣợc xác định là: n = 1,962 (0,2 * 0,8) / 0,052 ≈ 246 (p = 20% tổng thể, e = 0,05, độ tin cậy 95%).
Ngoài ra, Hair et al (2006) cho rằng để sử dụng EFA, kích thƣớc mẫu tối thiểu phải là 50 và tốt hơn là 100 và tỉ lệ quan sát/biến đo lƣờng là 5:1, nghĩa là một biến đo lƣờng cần tối thiểu 5 quan sát. Nhƣ vậy, đề tài nghiên cứu sử dụng 18 biến quan sát cho nghiên cứu sự hài lòng khách hàng thì để tiến hành nghiên cứu EFA, kích thƣớc mẫu tối thiểu phải là 21 x 5 = 105 mẫu. Nhƣ vậy, đề tài nghiên cứu đƣợc tiến hành thu thập dữ liệu với kích thƣớc mẫu là 250 > 246 (kích thƣớc mẫu tối thiểu) nhằm phục vụ tốt nhất cho việc phân tích dữ liệu.
2.6.2. Kế hoạch điều tra lấy mẫu
Đặc điểm và tính chất của đối tượng điều tra: Đối tƣợng điều tra ở đây là các khách hàng đến giao dịch tại ngân hàng và tại máy giao dịch tự động
trên địa bànThành phố Đà Nẵng. Những ngƣời này có quan niệm sống và cách nhìn nhận, mức độ hài lòng đối với việc sử dụng dịch vụ thẻ tín dụng ngân hàng khác nhau.
Qui mô tổng thể và kích thước mẫu:
Qui mô tổng thể: Tổng thể nghiên cứu ở đây là toàn bộ các khách hàng đến giao dịch tại ngân hàng và tại máy giao dịch tự động trên địa bàn Thành phố Đà Nẵng.
Kích thước mẫu: Kích thƣớc mẫu đƣợc chọn để nghiên cứu là N = 250. Đáng lẽ số lƣợng bảng câu hỏi cần thiết trong đề tài này phải là N= 21 x 5 = 105 (gấp 5 lần so với số lƣợng chỉ báo). Nhƣng do đặc điểm và tính chất của đối tƣợng điều tra nên đã tăng số lƣợng ngƣời điều tra để tăng độ tin cậy cho mô hình.
2.6.3. Kết cấu bảng câu hỏi khảo sát
Phần 1: Câu hỏi khảo sát.
Phần câu hỏi gồm 26 câu hỏi tƣơng ứng với 26 biến quan sát về các yếu tố ảnh hƣởng tới sự hài lòng của khách hàng khi sử dụng dịch vụ thẻ tín dụng tại Ngân hàng BIDV chi nhánh Đà Nẵng. Có 6 mục lớn tƣơng ứng với các biến độc lập trong phần này đó là: Sự An toàn, Khả năng đáp ứng, Tính Tiện lợi, Tính hữu ích, Yếu tố hữu hình.
Phần 1A: Đo lƣờng tầm quan trọng của từng nhân tố tùy theo mức độ ƣu tiên của khách hàng đối với dịch vụ thẻ tín dụng ngân hàng. Phần nãy sử dụng thang đo Likert với 5 mức độ đƣợc vận dụng để do lƣờng tầm quan trọng của khách hàng: 1 – Hoàn toàn không quan trọng, 5 – Rất quan trọng.
Phần 1B: Đánh giá thực tế các nhân tố có ảnh hƣởng đến sự hài lòng của khách hàng đối với dịch vụ thẻ tín dụng ngân hàng. Phần này sử dụng thang đo Likert với 5 mức độ đƣợc vận dụng để đo lƣờng mức độ đồng ý của khách hàng: 1 – Hoàn toàn không đồng ý, 5 – Hoàn toàn đồng ý.
Phần 2: Thông tin cá nhân của đáp viên bao gồm 4 câu hỏi về nhân khẩu học thuộc các đối tƣợng tham gia vào điều tra (giới tính, độ tuổi, nghề nghiệp, mức thu nhập). Phần này dùng thang đo biểu danh.
Bảng 2.2: Kết cấu bảng câu hỏi khảo sát
STT Khái niệm Số biến quan sát Thang đo
Phần A: Ý kiến của khách hàng về các nhân tố.
Phần 1A: Tầm quan trọng của mỗi nhân tố.
1 Tính an toàn 5 Likert 5 mức độ
2 Khả năng đáp ứng 5 Likert 5 mức độ
3 Sự tiện lợi 5 Likert 5 mức độ
4 Tính hữu ích 3 Likert 5 mức độ
5 Yếu tố hữu hình 5 Likert 5 mức độ
6 Sự hài lòng khách hàng 3 Likert 5 mức độ
Phần 1B: Đánh giá thực tế mức độ đồng ý của khách hàng.
1 Tính an toàn 5 Likert 5 mức độ
2 Khả năng đáp ứng 5 Likert 5 mức độ
3 Sự tiện lợi 5 Likert 5 mức độ
4 Tính hữu ích 3 Likert 5 mức độ
5 Yếu tố hữu hình 5 Likert 5 mức độ
6 Sự hài lòng khách hàng 3 Likert 5 mức độ
Phần B: Thông tin về đáp viên
1 Giới tính 1 Định danh
2 Độ tuổi 1 Định danh
3 Nghề nghiệp 1 Định danh
2.6.4. Phƣơng pháp phân tích dữ liệu
Phương pháp thống kê mô tả: mô tả mẫu thu thập đƣợc theo các thuộc tính của đối tƣợng. Mẫu đƣợc chọn theo phƣơng pháp lấy mẫu phi ngẫu nhiên mà cụ thể ở đây là phƣơng pháp lấy mẫu thuận tiện. Thực hiện khảo sát trực tiếp các khách hàng đến giao dịch với ngân hàng bằng bảng câu hỏi. Việc trả lời bảng câu hỏi là hoàn toàn dựa trên tinh thần hợp tác tự nguyện của ngƣời đƣợc điều tra.
Phương pháp đánh giá độ tin cậy của thang đo (Cronbach Alpha):
Chúng ta muốn kiểm tra xem các mục hỏi (các biến quan sát) nào đã đóng góp vào việc đo lƣờng khái niệm lý thuyết sự hài lòng của khách hàng đang nghiên cứu, và những mục hỏi nào không. Điều này liên quan tới 2 phép tính toán: tƣơng quan giữa bản thân các biến quan sát và tƣơng quan của các điểm số của từng mục hỏi với điểm số toàn bộ các mục hỏi cho mỗi ngƣời trả lời. Hệ số α của Cronbach là một phép kiểm định thống kê về mức độ chặt chẽ mà các mục hỏi trong thang đo tƣơng quan với nhau, là phép kiểm định về chất lƣợng của thang đo sử dụng cho từng mục hỏi, xét trên mối quan hệ của mục hỏi với một khía cạnh đánh giá. Phƣơng pháp này cho phép ngƣời phân tích 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 hệ số thông qua hệ số Cronbach alpha. Những mục hỏi không đóng góp nhiều sẽ tƣơng quan yếu với tổng số điểm, nhƣ vậy chúng ta chỉ giữ lại những mục hỏi có tƣơng quan mạnh với tổng số điểm. Do đó, những biến có hệ số có tƣơng quan biến tổng (item – total Corelation ) nhỏ hơn 0.3 sẽ bị loại. Thang đo có hệ số Cronbach alpha từ 0.6 trở lên là có thể sử dụng đƣợc trong trƣờng hợp khái niệm đang nghiên cứu mới (Nunnally, 1978; Peterson, 1994; Slater, 1995). Thông thƣờng, thang đo có Cronbach alpha từ 0.7 đến 0.8 là sử dụng đƣợc. Nhiều
nhà nghiên cứu cho rằng khi thang đo có độ tin cậy từ 0.8 trở lên đến 0.9 là thang đo lƣờng tốt.
Nhƣ vậy, phƣơng pháp đánh giá độ tin cậy của thang đo cho phép tác giả loại bỏ các biến quan sát không phù hợp, hạnchế các biến rác trong quá trình nghiên cứu và đánh giá độ tin cậy của thang đo thông qua hệ số Cronbach Alpha. Những biến quan sát có hệ số tƣơng quan biến tổng (Corrected Item – Total Correlation) nhỏ hơn 0.3 sẽ bị loại bỏ và tiêu chuẩn để chọn thang đo là hệ số Cronbach Alpha của nó tối thiểu là 0.6.
Phương pháp phân tích nhân tố khám phá (EFA – Exploratory factor analysis):
Phân tích nhân tố khám phá là kỹ thuật đƣợc sử dụng nhằm thu nhỏ và tóm tắt các dữ liệu. Phƣơng pháp này rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề cần nghiên cứu và đƣợc sử dụng để tìm mối quan hệ giữa các biến với nhau.
Trong phân tích nhân tố khám phá, trị số KMO (Kaiser-Meyer-Olkin) là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố.Trị số KMO lớn (giữa 0,5 và 1) có nghĩa phân tích nhân tố là thích hợp, còn nếu nhƣ trị số này nhỏ hơn 0,5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu.
Ngoài ra phân tích nhân tố còn dựa vào eigenvalue để xác định số lƣợng nhân tố (Eigenvalue đại diện cho phần biến thiên đƣợc giải thích bởi mỗi nhân tố ).Chỉ những nhân tố có eigenvalue lớn hơn 1 thì mới đƣợc giữ lại trong mô hình. Những nhân tố có eigenvalue nhỏ hơn 1 sẽ không có tác dụng tóm tắt thông tin tốt hơn một biến gốc.
Một phần quan trọng không thể không kể đến trong bảng kết quả phân tích nhân tố là ma trận nhân tố (Component Matrix). Ma trận nhân tố chứa các hệ số biểu diễn các biến chuẩn hoá bằng các nhân tố (mỗi biến là một đa thức
của các nhân tố). Những hệ số này (Factor Loading) biểu diễn tƣơng quan giữa các nhân tố và các biến. Hệ số này lớn cho biết nhân tố và biến có liên hệ chặt chẽ với nhau. Các hệ số này đƣợc dùng để giải thích các nhân tố. Điều kiện thỏa mãn là các hệ số này phải lớn hơn 0,4.
Ta sử dụng phƣơng pháp rút trích Principal và phƣơng pháp xoay nhân tố Varimax procedure (xoay nguyên gốc nhân tố để tối thiểu hóa lƣợng biến có hệ số lớn tại cùng một nhân tố, tăng cƣờng khả năng giải thích các nhân tố).
Phân tích nhân tố khám phá là kỹ thuật đƣợc sử dụng nhằm thu nhỏ và tóm tắt các dữ liệu. Phƣơng pháp này rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề cần nghiên cứu và đƣợc sử dụng để tìm mối quan hệ giữa các biến với nhau.
Trị số KMO phải ≥ 0.5 và mức ý nghĩa của kiểm định Bartlett căn cứ trên giá trị Sig. ≤ 0.05.
Đại lƣợng Eigenvalue phải > 1 thì nhân tố đó mới đƣợc giữ lại trong mô hình phân tích.
Hệ số tải nhân tố Factor loadings < 0.5 thì biến đó sẽ bị loại, điểm dừng khi Eigenvalue > 1 và tổng phƣơng sai trích > 50%.
Phép trích Principal Component với phép quay Varimax đƣợc sử dụng trong phân tích nhân tố thang đo các thành phần độc lập.
Phương pháp hồi quy bội tuyến tính:
Phƣơng trình hồi qui bội tuyến tính có dạng:
Yi= β0 + β1X1i +β2 X2i+... +βp Xpi +ei
Trong đó hệ số góc βi: là hệ số đo lƣờng sự thay đổi trong giá trị trung bình Y khi Xi thay đổi một đơn vị, trong khi mọi yếu tố khác không đổi.
Sau khi rút trích đƣợc các nhân tố từ phân tích nhân tố khám phá EFA, dò tìm các vi phạm giả định là cần thiết trong mô hình hồi quy tuyến tính bội
nhƣ kiểm tra phần dƣ chuẩn hóa ei, kiểm tra phƣơng sai sai số không đổi, kiểm tra tƣơng quan giữa các phần dƣ, kiểm tra hệ số phóng đại VIF, cũng nhƣ một liên hệ gần nhất của nó là kiểm tra độ chấp nhận (Tolerance) đƣợc sử dụng để đo lƣờng hiện tƣợng cộng tuyến. Nếu nhƣ các giả định không bị vi phạm thì mô hình hồi quy tuyến tính bội đƣợc xây dựng. Để đánh giá độ phù hợp của mô hình hồi quy tuyến tính bội thì chúng ta sẽ xem xét hệ số xác định , có khuynh hƣớng là ƣớc lƣợng lạc quan của thƣớc đo sự phù hợp của mô hình trong trƣờng hợp có hơn 1 biến giải thích. Nhƣng trong trƣờng hợp này, điều chỉnh (Adjusted R Square) từ đƣợc sử dụng để phản ảnh sát hơn mức độ phù hợp của mô hình hồi quy tuyến tính bội, cho biết mô hình hồi quy đƣợc xây dựng đến cỡ nào. Định lƣợng mối quan hệ giữa các thành phần trong mô hình nghiên cứu. Từ mô hình, ta có thể đánh giá và kiểm định đƣợc độ phù hợp của mô hình cũng nhƣ biết cƣờng độ ảnh hƣởng của biến độc lập lên biến phụ thuộc. Hệ số xác định (điều chỉnh) cho biết mô hình hồi quy đƣợc xây dựng phù hợp với mức độ nào.
Phương pháp phân tích phương sai (ANOVA):
Sử dụng phƣơng pháp phân tích phƣơng sai một yếu tố (One – Way ANOVA) để xem xét liệu có sự khác nhau trong quyết định mua Smartphone giữa các nhóm khách hàng có đặc điểm nhân khẩu học khác nhau. Kiểm định Levene cho biết kết quả kiểm định phƣơng sai, với mức ý nghĩa > 0.05, có thể