3.4.1. Mô tả bảng câu hỏi
Sau quá trình tham khảo ý kiến, bảng câu hỏi được thiết kế gửi đi chính thức (phụ lục 2) gồm hai phần:
- Phần 1 bảng câu hỏi được thiết kế để phân loại đối tượng phỏng vấn. Các thông tin về đáp viên như: giới tính, thu nhập, độ tuổi, công việc hiện tại, thu nhập, mục đích sử dụng dịch vụ sản phẩm tiền gửi, thời gian sử dụng sản phẩm sử dụng dịch vụ sản phẩm tiền gửi, lần lần đây sử dụng sản phẩm sử dụng dịch vụ sản phẩm tiền gửi.
- Phần 2 bảng câu hỏi được thiết kế để thu thập sự đánh giá của khách hàng đối với các thành phần CLDVTG của ngân hàng.
3.4.2. Xây dựng thang đo
- Có 08 khái niệm được sử dụng trong nghiên cứu này đó là: độ tin cậy, độ đáp ứng, lãi suất, chất lượng phục vụ, chính sách giá cả, phí, mật độ phân phối và sự hài lòng.
- Các thang đo sử dụng để đo lường những khái niệm trên được xây dựng dựa vào lý thuyết cùng với các công trình nghiên cứu đã được kiểm chứng trong các lĩnh vực dịch vụ. Các thang đo được kế thừa có sự chọn lọc và điều chỉnh để phù hợp với bối cảnh, lĩnh vực nghiên cứu của đề tài theo bảng sau:
Bảng 3.1. Bảng mã hóa dữ liệu các thang đo Thành
phần
Mã
hóa Diễn giải
Độ tin cậy (TC)
TC01 Là một ngân hàng uy tín.
TC02 Hoạt động kinh doanh của ngân hàng đang phát triển mạnh. TC03 Đảm bảo vấn đề bảo mật thông tin khách hàng.
(DU)
DU03 Thời gian xử lý giao dịch nhanh chóng. DU04 Kỳ hạn gửi tiền phong phú.
Năng lực phục
vụ (PV)
PV01 Anh/chị cảm thấy an toàn khi giao dịch với Sacombank.
PV02 Nhân viên có trình độ chuyên môn cao, tác phong chuyên nghiệp. PV03 Hệ thống thông tin dễ truy cập và phục vụ khách hàng 24/7.
Sự đồng cảm (DC)
DC01 Mạng lưới của ngân hàng rộng khắp, thuận lợi cho khách hàng giao dịch.
DC02 Nhân viên chủ động thông báo với khách hàng khi ngân hàng có thay đổi mức lãi suất và phí.
DC03 Nhân viên giao dịch với khách hàng chu đáo, nhiệt tình hỗ trợ để khách hàng có lợi ích tốt nhất.
Phương tiện hữu
hình (HH)
HH01 Trang website của ngân hàng hấp dẫn, dễ hiểu, anh/chị có thể tiếp cận được thông tin một cách dễ dàng.Trang thiết bị của ngân hàng hiện đại.
HH02 Trang thiết bị của ngân hàng hiện đại. Cơ sở vật chất của ngân hàng khang trang, tiện nghi.
HH03 Ngân hàng sắp xếp các quầy giao dịch, các bảng biểu và kệ tài liệu rất khoa học và tiện lợi cho khách hàng.
HH04 Nhân viên Ngân hàng có trang phục gọn gàng, lịch sự. Chính
sách giá cả (GC)
GC01 Lãi suất tiền gửi cạnh tranh.
GC03 Anh/chị cảm thấy thích thú với các chương trình khuyến mãi, chăm sóc khách hàng của ngân hàng.
Hình ảnh (HA)
HA01 Ngân hàng luôn giữ chữ tín với anh/chị.
HA02 Ngân hàng thường xuyên tham gia các hoạt động cộng đồng và xã hội.
HA03 Ngân hàng có các hoạt động marketing hiệu quả và ấn tượng.
Sự hài lòng (HL)
HL01 Dịch vụ, sản phẩm của Sacombank – Chi nhánh ĐBP đã cho anh/chị hơn những gì mong đợi.
HL02 Anh/chị sẽ tiếp tục sử dụng dịch vụ, sản phẩm tiền gửi tại Sacombank – Chi nhánh ĐBP.
HL03 Anh/chị sẽ giới thiệu người thân, bạn bè sử dụng dịch vụ tiền gửi tại Sacombank – Chi nhánh ĐBP.
HL04 Nhìn chung, anh/chị hài lòng về chất lượng dịch vụ tiền gửi của Sacombank – Chi nhánh ĐBP.
3.5. Xử lý và phân tích dữ liệu
- Toàn bộ dữ liệu thu thập được sẽ được xử lý với sự hỗ trợ của phần mềm SPSS 16.0 thông qua các bước phân tích sau:
3.5.1. Phân tích thống kê mô tả
- Cách thực hiện:
Bước 1: Sau khi mở file dữ liệu, vào menu Analyze Descriptive Statistics Frequencies
Bước 2: Xuất hiện hộp thoại Frequencies. Chọn biến muốn tính tần số bằng cách click chuột vào tên biến rồi đưa sang khung Variable(s)
Bước 3: Nhấn ok
3.5.1.2. Phân tích thống kê mô tả – Tính giá trị trung bình
- Tính giá trị trung bình cho các nhân tố độc lập và nhân tố phụ thuộc để cho biết mức độ hài lòng của khách hàng và đưa ra nhận xét.
- Cách thực hiện:
Bước 1: Vào menu Analyze Descriptive Statistics Descriptives
Bước 2: Xuất hiện hộp thoại Descriptives. Chọn biến muốn tính giá trị trung bình bằng cách click chuột vào tên biến rồi đưa sang khung Variable(s)
Bước 3: Click vào ô Options… để xuất hiện hộp thoại Descriptive Options. Click chuột vào các ô sau:
Std. Deviation: độ lệch chuẩn Minimum: giá trị nhỏ nhất Maximum: giá trị lớn nhất Mean: trung bình cộng
Variable list : Chọn cách sắp xếp kết quả tính toán theo thứ tự danh sách biến
Chọn continue
Bước 4: Nhấn ok
3.5.2. Đánh giá độ tin cậy hệ số Cronbach’s Alpha của thang đo
- Độ tin cậy của thang đo được đánh giá bằng phương pháp nhất quán nội tại qua hệ số Cronbach’s Alpha. 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 yếu tố giả (Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2007).
- Hệ số tin cậy Cronbach’s Alpha chỉ cho biết các đo lường có liên kết với nhau hay không; nhưng không cho biết biến quan sát nào cần bỏ đi và biến quan sát nào cần
giữ lại. Khi đó, việc tính toán hệ số tương quan giữa biến tổng (Corrected Item-Total Correlation) sẽ giúp loại ra những biến quan sát nào không đóng góp nhiều cho sự mô tả của khái niệm cần đo (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008).
- Các tiêu chí được sử dụng khi thực hiện đánh giá độ tin cậy thang đo: Loại các biến quan sát có hệ số tương quan biến-tổng (< 0,3), tiêu chuẩn chọn thang đo khi có độ tin cậy Alpha lớn hơn 0,6 (Alpha càng lớn thì độ tin cậy nhất quán nội tại càng cao) (Nunally & Burnstein 1994, dẫn theo Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2009). Các mức giá trị của Alpha: lớn hơn 0,8 là thang đo lường tốt, từ 0,7 đến 0,8 là sử dụng được, từ 0,6 trở lên là có thể sử dụng trong trường hợp khái niệm nghiên cứu là mới hoặc là mới trong bối cảnh nghiên cứu (Nunally, 1978; Peterson, 1994; Slater, 1995; dẫn theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Nếu hệ số Cronbach alpha < 0.6 thì sẽ tiếp tục loại bớt biến quan sát có giá trị “Cronbach’s Alpha If Item Delete” lớn nhất. Khi đó thang đo mới được chọn sẽ có hệ số Cronbach alpha chính là giá trị “Cronbach’s Alpha If Item Delete” tương ứng với biến quan sát đã bị loại.
- Cách thực hiện:
Bước 1: Vào menu Analyze Scale Reliability Analysis
Bước 2: Xuất hiện hộp thoại Reliability Analysis. Chọn nhóm nhân tố muốn kiểm định bằng cách click chuột vào tên biến rồi đưa sang khung Items
Bước 3: Click chọn ô Statistics Xuất hiện hộp thoại Reliability Analysis: Statistics Click chọn ô Scale if item deleted Chọn continue
Bước 4: Nhấn ok
3.5.3. Phân tích nhân tố khám phá EFA
- Phương pháp này dùng để thu nhỏ và tóm tắt dữ liệu. Trong nghiên cứu, chúng ta thu thập được lượng biến khá lớn nhưng các biến có liên hệ với nhau nên chúng ta gom chúng thành các nhóm biến có liên hệ để xem xét và trình bày dưới dạng một số ít nhân tố cơ bản có tác động đến mức độ hài lòng của khách hàng.
- Điều kiện của các tham số thống kê khi thực hiện phân tích nhân tố bao gồm: KMO là một chỉ tiêu dùng để xem xét sự thích hợp của EFA, 0.5≤KMO≤1 thì phân tích nhân tố là thích hợp. Kiểm định Bartlett xem xét giả thuyết H : độ tương quan giữa các
biến quan sát bằng không trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig ≤ 0.05) thì các biến quan sát có tương quan với nhau trong tổng thể
- Chỉ số Eigenvalue: đại diện cho lượng biến thiên được giải thích bởi nhân tố. Do mỗi biến riêng biệt có Eigenvalue là 1 nên chỉ những nhân tố có Eigenvalue lớn hơn 1 mới được xem là có ý nghĩa và được giữ lại.
- Chỉ số phần trăm phương sai trích (Percentage of Variance Criterion): đại diện cho phần trăm lượng biến thiên được giải thích bởi các nhân tố. Tổng phương sai trích của tất cả các nhân tố phải lớn hơn 50% thì phân tích nhân tố mới đảm bảo giải thích được hầu hết ý nghĩa của các biến quan sát.
- Trọng số nhân tố (factor loading): hệ số tương quan giữa mỗi biến quan sát và nhân tố, trong đó biến có trọng số nhân tố cao hơn sẽ mang ý nghĩa đại diện cao cho nhân tố. Tiêu chuẩn chọn thang đo là các biến quan sát có trọng số nhân tố ≥ 0.5 (Hair & ctg, 2006), vì vậy các biến có trọng số nhân tố < 0.5 sẽ bị loại và mỗi lần chỉ loại một biến. Biến bị loại theo nguyên tắc dựa trên trọng số nhân tố lớn nhất của từng biến quan sát không đạt, biến nào có trọng số nhân tố này không đạt nhất sẽ bị loại trước và sau đó tiến hành chạy phân tích nhân tố với các biến còn lại.
- Phương pháp trích nhân tố Principle Component với phép quay vuông góc Varimax sẽ được sử dụng. Với phép quay Varimax, các biến sẽ có trọng số nhân tố rất cao hoặc rất thấp lên một nhân tố nào đó. Do đó, Varimax giúp phân biệt rõ hơn giữa các nhân tố và tăng cường khả năng giải thích nhân tố.
- Mô hình nhân tố được chọn là mô hình đáp ứng các điều kiện: KMO ≥ 0.5; giá trị Eigenvalue >1; tổng phương sai trích >50%; trọng số nhân tố ≥ 0.5. Các nhân tố được hình thành trong phân tích EFA thỏa mãn các điều kiện trên sẽ được sử dụng trong các bước tiếp theo như phân tích hồi quy.
- Thang đo sự hài lòng (HL) sẽ được phân tích EFA riêng biệt. Điều kiện để thang đo của các khái niệm đạt yêu cầu cũng tương tự như trên (KMO ≥ 0.5; giá trị Eigenvalue >1; tổng phương sai trích >50%; trọng số nhân tố ≥ 0.5). Các nhân tố sẽ được lưu lại thành các biến mới với các nhân số được tính như sau:
Trong đó: βik: Hệ số nhân tố của biến quan sát thứ k trong nhân tố i (hệ số này được trình bày trong ma trận hệ số nhân tố); Fk: giá trị của biến quan sát đó. Các biến mới này sẽ được sử dụng thay cho tập hợp biến gốc để đưa vào phân tích hồi quy, kiểm định mô hình nghiên cứu và các giả thuyết.
- Cách thực hiện:
Bước 1: Vào menu Analyze Data Reduction Factor
Bước 2: Xuất hiện hộp thoại Factor Analysis. Chọn tất cả các biến cần gom nhóm vào ô Variables
Bước 3: Click chọn ô Descriptive xuất hiện hộp thoại Factor Analysis: Descriptives. Click chọn vào KMO and Bartlett's Test of sphericity Chọn continue
Bước 4: Click chọn ô Extraction xuất hiện hộp thoại Factor Analysis: Extraction. Click chọn Principle Component Chọn continue
Bước 5: Click chọn ô Rotation xuất hiện hộp thoại Factor Analysis: Rotation. Click chọn Varimax Chọn continue
Bước 6: Click chọn ô Scores xuất hiện hộp thoại Factor Analysis: Factor Scores. Click chọn Save as Variables Chọn continue
Bước 7: Click chọn ô Options xuất hiện hộp thoại Factor Analysis: Options. Click chọn
Sorted by size
Suppress absolute values less than : 0.5 Chọn continue
Bước 8: Nhấn ok
3.5.4. Phân tích hồi quy
- Trước khi tiến hành phân tích hồi quy tuyến tính bội thì việc xem xét mối tương quan tuyến tính giữa các biến độc lập với biến phụ thuộc và giữa các biến độc lập với nhau là công việc phải làm và hệ số tương quan Pearson trong ma trận hệ số tương quan là phù hợp để xem xét mối tương quan này. (Hoàng trọng và Chu Nguyễn Mộng Ngọc,
- Hệ số tương quan Pearson để lượng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến định lượng. Nếu giữa hai biến có sự tương quan chặt thì phải lưu ý vấn đề đa cộng tuyến khi phân tích hồi quy. 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 xét như nhau.
- Phân tích hồi quy đa biến nhằm chỉ ra mối quan hệ giữa các biến độc lập và biến phụ thuộc. Kết quả phân tích đa biến là một hàm số biểu thị giá trị của biến phụ thuộc thông qua các biến độc lập.
- Mô hình hồi quy cần được kiểm định thông qua các loại kiểm định sau:
- Nghiên cứu thực hiện hồi quy đa biến theo phương pháp Enter: tất cả các biến được đưa vào một lần và xem xét các kết quả thống kê liên quan.
- Mức độ giải thích của mô hình hồi quy thể hiện thông qua hệ số R2 và hệ số R2 hiệu chỉnh. Hệ số R2
biểu thị phần trăm giải thích cho biến phụ thuộc bởi biến độc lập, hệ số này nhận giá trị từ 0 đến 1. Hệ số này có giá trị càng gần 1 thì mức độ giải thích càng cao, dự báo càng có giá trị. Tuy nhiên, mô hình càng nhiều biến độc lập thì giá trị R2 càng cao dù biến đó không có ý nghĩa (Hair & cộng sự, 2006). Vì vậy sử dụng hệ số R2 hiệu chỉnh để kiểm tra mức độ giải thích của mô hình nghiên cứu.
- Mức độ phù hợp của phương trình hồi quy được kiểm định nhằm xem xét có mối quan hệ tuyến tính giữa các biến độc lập với biến phụ thuộc hay không. Mô hình hồi quy được cho là phù hợp khi tồn tại ít nhất một hệ số hồi quy khác không. Kiểm định này được thực hiện thông qua phân tích phương sai (ANOVA) với giả thuyết H0: các hệ số hồi quy đều bằng không. Nếu kiểm định có ý nghĩa thống kê (Sig ≤ 0.05) thì giả thuyết này bị bác bỏ và mô hình hồi quy được cho là phù hợp với độ tin cậy 95%.
- Cách thực hiện phân tích tƣơng quan:
Bước 1: Vào menu Analyze Correlate Bivariate
Bước 2: Xuất hiện hộp thoại Bivariate Correlations Click chọn các biến định cần kiểm định sự tương quan vào Click chọn hệ số Pearson
Bước 3: Nhấn ok
- Cách thực hiện phân tích hồi quy:
Bước 2: Xuất hiện hộp thoại Linear Regression Ở khung Dependent: Click chọn biến phụ thuộc Ở khung Independent: Click chọn các biến độc lập Chọn phương pháp Enter ở ô Method
Bước 3: Click vào ô Statistics Xuất hiện hộp thoại Linear Regression: Statistics Click chọn vào ô Collinearity diagnostics để kiểm định hiện tượng đa cộng
tuyến Chọn continue
Bước 4: Nhấn ok
3.5.5. Kiểm định phƣơng sai (One –Way ANOVA)
- Muốn so sánh trị trung bình của nhiều hơn 2 tổng thể độc lập trong tổng thể chung thì phương pháp phân tích phương sai Anova cho phép thực hiện điều đó. (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
- Có 07 đặc điểm cá nhân được đưa vào kiểm định bao gồm: Giới tính, độ tuổi, công việc hiện tại, thu nhập, mục đích sử dụng, thời gian sử dụng, lần gần đây giao dịch.
- Cách thực hiện:
Bước 1: Vào menu Analyze Compare Means One-Way ANOVA
Bước 2: Xuất hiện hộp thoại One-Way ANOVA.
Ở khung Dependent List: Click chọn biến định lượng Sự hài lòng Ở khung Factor: Click chọn lần lượt từng biến định tính cần so sánh
Bước 3: Click vào nút Option xuất hiện hộp thoại One-Way ANOVA Options. Click chọn ô Descriptive để tính đại lượng thống kê mô tả (tính trị trung bình)