Ngoài 22 mục đo của thang đo SERVQUAL gốc, tác giả bổ sung, điều chỉnh thêm một số mục đo thể hiện đặc thù của môi trường dịch vụ ngân hàng tại Việt Nam. Giá trị của khoảng cách (cảm nhận thực tế - kỳ vọng) mang dấu âm có
nghĩa là chất lượng cảm nhận của khách hàng thấp hơn kỳ vọng của họ. Ngược lại, giá trị của khoảng cách chất lượng bằng không hoặc mang dấu dương có nghĩa là khách hàng đánh giá CLDV bằng hoặc cao hơn kỳ vọng của họ. Tác giả xây dựng thang đo gồm 30 mục đo (27 mục đo đo lường CLDV và 03 mục đo đo lường sự hài lòng của khách hàng) cụ thể như sau:
+ Sự tin cậy: gồm 5 mục đo + Sự đáp ứng: Gồm 5 mục đo + Năng lực phục vụ: Gồm 5 mục đo + Sự thấu cảm: Gồm 5 mục đo
+ Phương tiện hữu hình: Gồm 7 mục đo + Sự thỏa mãn: Gồm 3 mục đo
Các mục đo được mã hóa như sau:
Bảng 3.4. Bảng mã hóa các mục đo sử dụng trong nghiên cứu
STT Mã hóa Diễn giải
I. ĐỘ TIN CẬY (TC)
1 TC1 Ngân hàng cung cấp các dịch vụ đúng như đã hứa 2 TC2
Khi bạn gặp vấn đề rắc rối, ngân hàng thể hiện sự quan tâm chân thành trong việc giải quyết vấn đề
3 TC3
Ngân hàng cung cấp dịch vụ đúng vào thời điểm mà ngân hàng hứa sẽ thực hiện
4 TC4 Ngân hàng luôn chú tâm để đảm bảo hồ sơ không só sai sót 5 TC5
Ngân hàng đảm bảo mọi thông tin doanh nghiệp và thông tin giao dịch đều được bảo mật
II. SỰ ĐÁP ỨNG (DA)
6 DA6 Nhân viên phục vụ bạn/Công ty bạn nhanh chóng 7 DA7
Nhân viên nói với khách hàng một cách chính xác khi nào các dịch vụ sẽ được thực hiện
8 DA8
Nhân viên luôn hỗ trợ, tư vấn cho bạn/Công ty bạn hoàn thiện hồ sơ thủ tục cấp tín dụng một cách đầy đủ
9 DA9
Nhân viên không bao giờ tỏ ra quá bận rộn để đáp ứng yêu cầu của khách hàng
10 DA10
Nhân viên sẵn sàng đến tận nơi của bạn/Công ty bạn để tư vấn và hỗ trợ
III. NĂNG LỰC PHỤC VỤ (NL)
11 NL11 Phong cách của nhân viên tín dụng tạo được sự tin tưởng đối với bạn 12 NL12 Khách hàng cảm thấy an toàn khi thực hiện giao dịch với ngân hàng 13 NL13 Nhân viên tín dụng luôn lịch sự, nhã nhặn và tận tâm với khách hàng 14 NL14 Nhân viên luôn có đủ kiến thức để trả lời các câu hỏi của khách hàng
15 NL15
Nhân viên luôn giải đáp hiệu quả các thắc mắc, khiếu nại của khách hàng
IV. SỰ THẤU CẢM (THC)
16 THC16 Ngân hàng luôn thể hiện sự quan tâm đến bạn/Công ty bạn 17 THC17 Nhân viên thể hiện sự quan tâm đến bạn/Công ty bạn
18 THC18
Ngân hàng luôn chú ý đáp ứng những nhu cầu đặc biệt của bạn/Công ty bạn
19 THC19 Nhân viên luôn đặt mình vào vị trí của khách hàng
20 THC20
Ngân hàng có chính sách ưu đãi đối với khách hàng truyền thống và giao dịch uy tín
V. PHƯƠNG TIỆN HỮU HÌNH (HH)
21 HH21 Trang thiết bị của ngân hàng hiện đại
22 HH22 Trang thiết bị được bài trí đẹp mắt và chuyên nghiệp 23 HH23 Nhân viên có trang phục gọn gàng, lịch sự
24 HH24
Bandroll, tờ rơi, biểu mẫu liên quan đến dịch vụ trông rất đẹp mắt và chuyên nghiệp
25 HH25 Địa điểm giao dịch được bố trí thuận tiện
26 HH26 Chỗ để xe và không gian chờ rộng rãi, thuận tiện 27 HH27 Hồ sơ, thủ tục cấp tín dụng của ngân hàng đơn giản
VI. SỰ THỎA MÃN (TM)
28 TM1 Quý khách hài lòng với dịch vụ tín dụng tại Vietcombank Bắc Ninh
29 TM2
Quý khách sẽ vẫn tiếp tục sử dụng dịch vụ tín dụng tại Vietcombank Bắc Ninh
30 TM3
Quý khách sẵn sàng giới thiệu dịch vụ tín dụng của Vietcombank Bắc Ninh cho những người khác
Thang đo Likert 5 điểm được sử dụng để đo lường mức độ cảm nhận của khách hàng và kỳ vọng của họ về CLDV ngân hàng. Theo đó, các mức điểm đánh giá từ 1 đến 5 tương ứng với các mức độ hài lòng cụ thể như sau:
1. Hoàn toàn không hài lòng/hoàn toàn không đồng ý 2. Không hài lòng/không đồng ý
3. Bình thường
4. Tương đối hài lòng/đồng ý 5. Rất hài lòng/rất đồng ý
Giá trị khoảng cách = (Maximum - minimum)/n = 0,8
Do đó, Giá trị trung bình đạt ở điểm tương ứng với các mức hài lòng như sau: + 1,00 - 1,80 : Rất không hài lòng
+ 1,81 - 2,60 : Không hài lòng; + 2,61 - 3,40 : Bình thường; + 3,41 - 4,20 : Hài lòng; + 4,21 - 5,00 : Rất hài lòng.
Dữ liệu sau khi thu thập được làm sạch, mã hóa và tiến hành phân tích xử lý bằng phần mềm SPSS 20.0.
3.2.6. Phương pháp phân tích
Các phương pháp phân tích số liệu được sử dụng trong nghiên cứu.
3.2.6.1. Lập bảng tần số
Để mô tả mẫu theo các thuộc tính như loại hình doanh nghiệp, thời gian quan hệ tín dụng tại Vietcombank Bắc Ninh.
3.2.6.2. Đánh giá thang đo bằng hệ số tin cậy Cronbach’s alpha
Cronbach’s Alpha là một“phép kiểm”định”thống”kê cho phép kiểm định sự tương”quan giữa bản”thân các”biến và sự tương”quan giữa điểm”số của từng”biến với điểm”số toàn”bộ các”biến của cùng một phiếu trả”lời. Phương pháp này cho phép người 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 Cronbach’s alpha.
của một biến với điểm trung bình của các biến khác trong cùng thang đo, do đó hệ số này càng cao thì sự tương quan của biến này so với các biến khác càng cao. Những biến có hệ số tương quan biến tổng nhỏ hơn 0,3 sẽ bị loại khỏi thang đo (Nunally and Burnstein, 1994). Thang đo có hệ số Cronbach’s alpha từ 0,6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang nghiên cứu mới (Nunnally, 1978; Peterson, 1994; Slater, 1995). Thông thường, thang đo có Cronbach’s alpha từ 0,7 đến 0,8 là sử dụng được, khi thang đo có độ tin cậy từ 0,8 trở lên đến gần 1 là thang đo lường tốt nhất (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2011). Khi xét độ tin cậy Cronbach’s alpha, sau khi đã thực hiện loại bỏ biến, nếu biến quan sát nào cho hệ số Cronbach’s alpha tăng lên chứng tỏ biến đó là không cần thiết, có thể xem xét tiếp tục loại bỏ ra khỏi thang đo.
3.2.6.3. Phân tích nhân tố khám phá EFA (Exploratory factor analysis)
Sau khi đánh giá độ tin cậy của thang đo bằng hệ số Cronbach’s alpha và loại đi các biến không đảm bảo độ tin cậy, phương pháp phân tích nhân tố khám phá EFA (Exploratory factor analysis) được sử dụng để đánh giá độ hội tụ (Covergent validity) và độ phân biệt (Discriminant validity) của thang đo nhằm thu nhỏ và tóm tắt các dữ liệu. Phương pháp này rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu và được sử dụng để tìm mối quan hệ giữa các biến với nhau.
Trong phân tích nhân tố khám phá EFA, trị số KMO (Kaiser-Meyer – Olkin) là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO phải có giá trị trong khoảng từ 0,5 đến 1 thì phân tích này mới thích hợp, còn nếu như trị số này nhỏ hơn 0,5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu.
Độ giá trị hội tụ: Biến có hệ số tương quan biến tổng nhỏ hơn 0,3 là biến rác, các biến có hệ số tải nhân tố (Factor loading) nhỏ hơn 0,5 sẽ bị loại (Hair, 1998). Ngoài ra, phân tích nhân tố còn dựa vào eigenvalue để xác định số lượng nhân tố, đại lượng eigenvalue đại diện cho lượng biến thiên được giải thích bởi nhân tố. Những nhân tố có eigenvalue nhỏ hơn 1 sẽ không có tác dụng tóm tắt thông tin tốt hơn một biến gốc. Thang đo được chấp nhận khi phương sai bằng hoặc lớn hơn 50% và chỉ những nhân tố có eigenvalue lớn hơn 1 mới được giữ lại trong mô hình (Jun et al., 2002).
factor loading phải lớn hơn 0,3 (Jabnoun et al., 2003).
Một phần quan trọng trong bảng kết quả 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). Ma trận nhân tố chứa các hệ số biểu diễn các biến chuẩn hóa bằng các nhân tố (mỗi biến là một đa thức của các nhân tố). Những 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. Phép quay Varimax sẽ được sử dụng cho phân tích EFA vì phương pháp này sẽ giúp kiểm định hiện tượng đa cộng tuyến. Nghiên cứu sử dụng phương pháp trích nhân tố principal components nên các hệ số tải nhân tố phải có trọng số > 0,5 mới đạt yêu cầu.
3.2.6.4. Phân tích tương quan
Trước khi phân tích hồi quy, nhằm xác định ảnh hưởng của các nhân tố CLDV đến sự hài lòng của khách hàng, tác giả tiến hành phân tích tương quan giữa các biến. Những biến không có mối tương quan có ý nghĩa về mặt thống kê với sự hài lòng của khách hàng hoặc có quan hệ mạnh hơn với những biến còn lại (hiện tượng tự tương quan) sẽ bị loại không đưa vào phân tích hồi quy.
Trong quá trình phân tích tương quan, tác giả sử dụng hệ số tương quan Pearson để lượng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa các biến định lượng, nếu hai biến tương quan với nhau thì có hệ số tương quan Pearson |r| > 0,1. Nếu giữa hai biến độc lập có sự tương quan chặt thì phải lưu ý vấn đề đa cộng tuyến khi phân tích hồi quy.
3.2.6.5. Mô hình hồi quy tuyến tính
Sau khi rút trích được các nhân tố từ phân tích nhân tố khám phá EFA, dò tìm các vi phạm giả định cần thiết trong mô hình hồi quy tuyến tính bội như kiểm tra phần dư chuẩn hóa, kiểm tra hệ số phóng đại phương sai VIF (Variance inflation factor - VIF). Nếu các giả định không bị vi phạm, mô hình hồi quy tuyến tính bội được xây dựng. Và hệ số R2 đã được điều chỉnh (Adjusted R square) cho biết mô hình hồi quy được xây dựng phù hợp đến mức nào.
Phân tích hồi quy bội sẽ xác định mối quan hệ nhân quả giữa biến phụ thuộc và các biến độc lập, đồng thời cũng xem xét tính đa cộng tuyến giữa các biến độc lập. Mô hình phân tích hồi quy sẽ mô tả hình thức của mối liên hệ và qua đó giúp ta dự đoán được mức độ của biến phụ thuộc khi biết trước giá trị của biến độc lập.