3.3.1.1 Thang đo chất lƣợng dịch vụ
Thang đo chất lƣợng dịch vụ trong nghiên cứu này gồm 28 biến đƣợc xây dựng dựa trên thang đo Servqual của Vkiran (1999), Hoàng Xuân Bích Loan (2008), Trần Hữu Ái (2012), Melaku Yilma (2013), Huỳnh Thị Thịnh (2013) bao gồm 22 biến quan sát và sau khi nghiên cứu sơ bộ, nghiên cứu có những điều chỉnh cụ thể nhƣ bảng sau:
Bảng 3.1 Thang đo chất lượng dịch vụ
Tên thành
phần
Ký hiệu
biến Nội dung Nguồn
Nhân viên (NV)
NV1 Nhân viên luôn sẵn sàng giúp đỡ Anh/Chị
Vkiran (1999), Trần Hữu Ái (2012), Melaku Yilma (2013) NV2 Nhân viên phục vụ Anh/Chị một cách tận tình
NV3 Nhân viên luôn chào hỏi khi tới lƣợt Anh/Chị đƣợc phục vụ
NV4 Nhân viên thể hiện mối quan tâm thực sự khi có 1 sai lầm trong tài khoản của Anh/Chị
NV5 Nhân viên có thái độ lịch sự
NV6 Đồng phục của nhân viên gọn gàng, sạch sẽ NV7 Nhân viên sẵn sàng xin lỗi cho bất kì sai sót nào
Tiện ích(TI)
TI1 Ngân hàng có địa điểm giao dịch thuận tiện
Hoàng Xuân Bích Loan (2008), Trần Hữu Ái (2012), Huỳnh Thị Thịnh (2013) TI2 Ngân hàng có mạng lƣới giao dịch rộng khắp
TI3 Ngân hàng hệ thống internet banking hiện đại, dễ sử dụng TI4 Thời gian phục vụ của ngân hàng thuận tiện
TI5 Thủ tục giao dịch dễ dàng
TI6 Quầy giao dịch bố trí thuận tiện, dễ nhìn
Tin cậy(TC)
TC1 Nhân viên ngân hàng luôn thông báo các thay đổi về vấn đề
mà Anh/chị quan tâm
Hoàng Xuân Bích Loan (2008), Trần
Hữu Ái (2012), Huỳnh
TC1 Nhân viên có khả năng khắc phục các sai sót
nhân viên Thị Thịnh (2013)
TC4 Ngân hàng bảo mật thông tin khách hàng tốt
Thông tin (TT)
TT1 Nhân viên giúp Anh/chị tìm hiểu làm thế nào để kiểm soát chi phí Vkiran (1999), Hoàng Xuân Bích Loan (2008), Melaku Yilma (2013) TT2 Nhân viên có hiểu biết về dịch vụ ngân hàng và sản phẩm
TT3 Nhân viên ngân hàng cho Anh/chị lời khuyên về làm thế nào để quản lý tài chính
TT4 Nhân viên nói với Anh/chị về các loại tài khoản và đầu tƣ có sẵn
TT5 Nhân viên nói cho Anh/chị biết khi nào dịch vụ đƣợc thực hiện
TT6 Thông tin ngân hàng cung cấp dễ tiếp cận (web, báo chí…)
Dịch vụ (DV)
DV1 Ngân hàng có đủ số lƣợng nhân viên phục vụ khách hàng. Vkiran
(1999), Melaku Yilma
(2013) DV2 Ngân hàng có đủ số lƣợng giao dịch viên để làm việc trong
giờ cao điểm.
Chất lƣợng dịch vụ (CLDV)
CLDV1 Chất lƣợng dịch vụ của ngân hàng đáp ứng đƣợc mong
muốn của Anh/chị. Vkiran (1999), Đỗ
Tiến Hòa (2007), Hoàng Xuân Bích Loan (2008) CLDV2 Anh/chị thỏa mãn với tiến trình cung cấp dịch vụ của
ngân hàng.
CLDV3 Lợi ích Anh/chị nhận đƣợc xứng đáng với chi phí bỏ ra.
3.3.1.2 Thang đo Sự hài lòng của khách hàng
Nhƣ đã trình bày trong chƣơng 2, sự hào lòng đƣợc khách hàng đánh giá dựa trên cảm nhận chủ quan của họ so với các ngân hàng khác. Theo Vkian (1999), Hoàng Xuân Bích Loan (2008) và Melaku Yilma (2013) thành phần sự hài lòng của khách hàng cảm nhận đƣợc đo lƣờng bằng 4 biến quan sát, mã hóa từ SHL1 đến SHL5.
Tên thành
phần Ký hiệu
biến Nội dung Nguồn
Sự hài lòng cúa khách hàng (SHL)
SHL1 Anh/chị cảm thấy an toàn khi sử dụng các dịch vụ của ngân hàng. Vkiran (1999), Soderlund (1998), Hoàng Xuân Bích Loan (2008), Melaku Yilma (2013)
SHL2 Anh/Chị hài lòng với hành vi tôn trọng của nhân viên ngân hàng.
SHL3 Anh/chị hài lòng với khả năng giao tiếp của nhân viên ngân hàng.
SHL4 Anh/chị hài lòng với cách làm việc của nhân viên ngân hàng. SHL5 Anh/chị hài lòng với các dịch vụ của ngân hàng.
3.3.1.3 Thang đo Rào cản chuyển đổi
Dựa trên các cuộc thảo luận nhóm cùng với thừa kế các kết quả nghiên cứu của các tác giả nhƣ: Jones và cộng sự (2000), Colgate và Lang (2001), Kim và cộng sự (2004), Liu và cộng sự (2010), Dr. Bahram Kheiry & Maryam Alirezapour (2012), Huỳnh Thị Thịnh (2013). Thang đo đo lƣờng cảm nhận của khách hàng về Rào cản chuyển đổi bao gồm 6 biến quan sát đƣợc mã hóa từ RC1 đến RC6 nhƣ bảng dƣới đây
Bảng 3.3 Thang đo Rào cản chuyển đổi
Tên thành
phần Ký hiệu biến Nội dung Nguồn
Rào cản chuyển đổi (RC) RC1 Số lƣợng sản phẩm thay thế sản phẩm dịch vụ đang dùng nhiều Jones và cộng sự (2000), Colgate và Lang (2001), Kim và cộng sự (2004), Liu và cộng sự RC2
Nhiều sản phẩm, dịch vụ của ngân hàng đạt mức độ tiêu chuẩn hóa cao
RC3
Anh/chị thấy tốn kém thời gian và chi phí chuyển đổi qua ngân hàng khác
RC4 Anh/chị gặp khó khăn khi tìm kiếm ngân hàng thay thế Citibank (2010), Dr. Bahram Kheiry & Maryam Alirezapour (2012), Huỳnh Thị Thịnh (2013) RC5
Anh/chị có thân thiết với nhân viên ngân hàng
RC6
Anh/chị không chắc chắn kết quả nhận đƣợc sẽ tốt hơn nếu chuyển qua ngân hàng khác
3.3.1.4 Thang đo Lòng trung thành của khách hàng
Dựa trên các cuộc thảo luận nhóm cùng với thừa kế các kết quả nghiên cứu của các tác giả nhƣ Vkiran (1999), Nguyễn Thị Kim Anh (2010), Trần Hữu Ái (2012), Melaku Yilma (2013). Thang đo đo lƣờng cảm nhận của khách hàng về Lòng trung thành bao gồm 5 biến quan sát đƣợc mã hóa từ LTT1 đến LLT5 nhƣ bảng dƣới đây:
Bảng 3.4 Thang đo Lòng trung thành của khách hàng
Tên thành
phần Ký hiệu biến Nội dung Nguồn
Lòng trung thành của khách hàng (LTT)
LTT1 Anh/chị sẽ tiếp tục sử dụng dịch vụ của ngân hàng trong tƣơng lai. Vkiran (1999), Nguyễn Thị Kim Anh (2010), Trần Hữu Ái (2012), Melaku Yilma (2013)
LTT2 Anh/chị sẽ giới thiệu những ngƣời khác sử dụng dịch vụ của ngân hàng.
LTT3 Anh/chị sẽ ƣu tiên sử dụng dịch vụ của ngân hàng này cho dù bạn bè có khuyến nghị một ngân hàng khác tốt hơn.
LTT4 Nếu Anh/chị có thêm nhu cầu về dịch vụ, A nh/chị luôn coi ngân hàng này là sự lựa chọn đầu tiên.
LTT5 Anh/chị cam kết sử dụng dịch vụ của ngân hàng trong tƣơng lai.
3.4 Nghiên cứu chính thức
Nghiên cứu chính thức đƣợc thực hiện bằng phƣơng pháp nghiên cứu định lƣợng tiến hành ngay khi bảng câu hỏi đƣợc chỉnh sửa từ kết quả nghiên cứu sơ bộ (bảng phỏng vấn chính thức). Nghiên cứu này khảo sát trực tiếp khách hàng nhằm thu thập dữ liệu khảo sát. Đối tƣợng khảo sát là khách hàng của ngân hàng Citibank Việt Nam chi nhánh Hồ Chí Minh sử dụng dịch vụ bán lẻ của ngân hàng. Mục tiêu nhằm kiểm định lại các thang đo trong mô hình nghiên cứu, đây là bƣớc phân tích chi tiết các dữ liệu thu thập đƣợc thông qua phiếu điều tra gửi cho khách hàng để xác định tính logic, tƣơng quan của các nhân tố với nhau và từ đó đƣa ra kết quả cụ thể về đề tài nghiên cứu.
3.4.1Mẫu nghiên cứu
Kích thƣớc mẫu phụ thuộc thuộc vào phƣơng pháp phân tích, nghiên cứu này có sử dụng phân tích nhân tố khám phá (EFA). Theo Gorsuch (1983), phân tích nhân tố có mẫu ít nhất 200 quan sát, Hachter (1994) cho rằng kích cỡ mẫu cần ít nhất gấp 5 lần biến quan sát (Hair & ctg, 1998).
Những quy tắc kinh nghiệm khác trong xác định kích cỡ mẫu cho phân tích nhân tố thƣờng ít nhất phải bằng 4 hay 5 lần số biến (Trích từ trang 263 theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc – Phân tích dữ liệu nghiên cứu SPSS, XNB Thống kê 2005). Ngoài ra, theo Tabachnick & Fidell (1991) để phân tích hồi quy đạt kết quả tốt nhất thì kích cỡ mẫu phải thỏa mãn công thức:
n >= 8k + 50 = 8*44+50 = 402
Trong đó: n là kích cỡ mẫu k số biến độc lập của mô hình.
Ngoài ra, theo quy tắc kinh nghiệm của Nguyễn Đình Thọ (2011) thì số quan sát lớn hơn (ít nhất) 5 lần số biến, tốt nhất gấp 10 lần. Nhƣ vậy, với 44 biến quan sát, nghiên cứu cần khảo sát ít nhất 440 mẫu để đạt kích thƣớc mẫu cần cho phân tích EFA. Phƣơng pháp thu thập dữ liệu bằng bảng câu hỏi, phát phiếu khảo sát trực tiếp đến khách hàng và thu lại ngay sau khi trả lời. Đồng thời, nghiên cứu cũng tiến hành khảo sát qua mạng (gửi qua mail).
Dựa theo qui luật kinh nghiệm (Bollen, 1989 - trích dẫn từ Nguyễn Khánh Duy, 2009), với tối thiểu là 5 mẫu (tốt nhất là 10 mẫu trở lên) cho một tham số cần ƣớc lƣợng mô hình lý thuyết có 44 tham số cần ƣớc lƣợng. Do đó kích thƣớc mẫu cần cho nghiên cứu chính thức là 440 (44x10). Để đạt đƣợc kích thƣớc mẫu này, 500 bảng câu hỏi đƣợc phát ra.
Cách thức chọn mẫu: phƣơng pháp lấy mẫu thuận tiện, số lƣợng bảng câu hỏi phát ra là 800 phiếu, mỗi câu hỏi đƣợc đo lƣờng dựa trên thang đo Likert gồm 5 điểm. Qua quá trình thu thập thông tin đƣợc tiến hành, sau khi sàn lọc các bảng hỏi không phù hợp, nghiên cứu tiến hành nhập liệu vào phần mềm và phân tích dữ liệu khảo sát để kết luận các giả thuyết và mô hình nghiên cứu. Kết quả cuối cùng từ SPSS và AMOS 20.0 sẽ đƣợc phân tích, giải thích và trình bày thành bản báo cáo nghiên cứu.
3.4.2Phƣơng pháp phân tích dữ liệu
Kiểm định Cronbach’s Alpha
Nhằm mục đích đánh giá mức độ tin cậy của việc thiết lập một biến tổng hợp trên cơ sở nhiều biến đơn.
Công thức của hệ số Cronbach’s alpha là:
α = Np/[1 + p(N – 1)]
Trong đó p là hệ số tƣơng quan trung bình giữa các mục hỏi. Ký tự Hy Lạp p trong công thức tƣợng trƣng cho tƣơng quan trung bình giữa tất cả các cặp mục hỏi đƣợc kiểm tra.
Theo quy ƣớc thì một tập hợp các mục hỏi dùng để đo lƣờng đƣợc đánh giá là tốt phải có hệ số α lớn hơn hoặc bằng 0,8. Mặc dù vậy, nếu có một danh mục quá nhiều các mục hỏi (N là số mục hỏi) thì sẽ có nhiều cơ hội để có hệ số α cao.
Nhiều nhà nghiên cứu đồng ý rằng Cronbach’s Alpha từ 0,8 trở lên đến gần thì thang đo lƣờng là tốt, từ 0,7 đến gần 0,8 là sử dụng đƣợc. Cũng có nhà nghiên cứu đề nghị rằng Cronbach’s Alpha từ 0,6 trở lên là có thể sử dụng đƣợc trong trƣờng hợp khái niệm đang nghiên cứu là mới hoặc mới đối với ngƣời trả lời trong bối cảnh nghiên cứu (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005).
tính đáng tin cậy của thang đo. Theo Nguyễn Đình Thọ (2011, p.350) cho rằng một thang đo có độ tin cậy tốt khi hệ số Cronbach’s alpha biến thiên trong khoảng từ 0,7 đến 0,8. Tuy nhiên, nếu Cronbach’s alpha ≥ 0,6 là thang đo có thể chấp nhận đƣợc về mặt độ tin cậy, nhƣng không đƣợc lớn hơn 0,95 vì bị vi phạm trùng lắp trong đo lƣờng. Những biến có hệ số tƣơng quan biến tổng hiệu chỉnh nhỏ hơn 0,3 sẽ bị loại. Nguyễn Đình Thọ (2011) đã trích dẫn từ Nunnally & Bernstein (1994).
Vì vậy, đối với nghiên cứu này thì Cronbach’s Alpha từ 0,6 trở lên là chấp nhận đƣợc. Tính toán Cronbach’s alpha giúp ngƣời phân tích loại bỏ các biến không phù hợp và hạn chế các biến rác trong quá trình nghiên cứu.
Phương pháp phân tích nhân tố khám phá (EFA): đƣợc sử dụng để kiểm định sự hội
tụ của các biến thành phần về khái niệm. Các biến có hệ số tƣơng quan đơn giữa biến và các nhân tố (factor loading) nhỏ hơn 0,5 sẽ bị loại1. Phƣơng pháp trích nhân tố đƣợc sử dụng là Principal Axis Factoring đƣợc sử dụng kèm với phép quay không vuông gốc Promax2. Điểm dừng trích khi các yếu tố có “Initial Eigenvalues” > 1.
Phân tích nhân tố khám phá (EFA) nhằm mục đích để thu nhỏ và tóm tắt dữ liệu. Phân tích nhân tố khám phá phát huy tính hữu ích trong việc xác định các tập biến cần thiết cho vấn đề nghiên cứu cũng nhƣ rất cần thiết trong việc tìm mối quan hệ giữa các biến với nhau.
Mức độ thích hợp của tƣơng quan nội tại giữa các biến quan sát trong các khái niệm nghiên cứu đƣợc thể hiện bằng hệ số Kaiser-Myer- Olkin (KMO) đo lƣờng sự thích hợp của mẫu và mức ý nghĩa đáng kể của kiểm định Barlett. KMO có giá trị thích hợp trong khoảng [0,5;1].
Sự rút trích các nhân tố đại diện bằng các biến quan sát đƣợc thực hiện bằng phân tích nhân tố chính với phép quay (Promax). Các thành phần với giá trị Eigenvalue lớn hơn 1 (Gerbing và Anderson, 1998) và tổng phƣơng sai trích bằng hoặc lớn hơn 50% đƣợc xem nhƣ những nhân tố đại diện các biến.
Cuối cùng, để phân tích nhân tố có ý nghĩa, tất cả các hệ số tải nhân tố (factor loading) phải lớn hơn hệ số quy ƣớc 0,5 để các khái niệm nghiên cứu đạt giá trị hội tụ (Hair & ctg, 2006). Bên cạnh đó, khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố
phải lớn hơn hoặc bằng 0,3 để tạo giá trị phân biệt giữa các nhân tố (Jabnoun và Al- Tamimi, 2003). Kỹ thuật phân tích nhân tố (factor analysis) đã đƣợc 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 lƣợng.
Chúng ta có thể chọn các quyền số hay trọng số nhân tố sao cho nhân tố thứ nhất giải thích đƣợc 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 đƣợc phần lớn biến thiên còn lại, và không có tƣơng quan với nhân tố thứ nhất.
___________________________________________________ 1
Theo Hair & ctg (1998,111), Factor loading là chỉ tiêu chỉ tiêu đảm bảo mức ý nghĩa thiết thực của EFA. FL > 0,3 đƣợc xem là đạ đƣợc mức tối thiểu, FL > 0,4 đƣợc xem là quan trọng, FL ≥ 0,5 đƣợc xem là có ý nghĩa thực tiễn
2Theo Gerbing & Anderson (1988), phƣơng pháp trích Principal Axis Factoring với phép xoay Promax sẽ phản ánh cấu trúc dữ liệu chính xác hơn phƣơng pháp trích Principal Components với phép xoay Varimax
Phương pháp phân tích nhân tố khẳng định (CFA)
Nhằm mục đích để đo lƣờng mức độ phù hợp của mô hình với thông tin thị trƣờng, ngƣời ta thƣờng sử dụng Chi-square (CMIN); Chi-square điều chỉnh theo bậc tự do (CMIN/df); chỉ số thích hợp so sánh (CFI_ Comparative Fit Index). Chỉ số Tucker & Lewis (TLI_ Tucker & Lewis Index); Chỉ số RMSEA (Root Mean Square Error Approximation). Mô hình đƣợc xem là thích hợp với dữ liệu thị trƣờng khi kiểm định Chi-square có P-value
< 0,05.
Tuy nhiên Chi-square có nhƣợc điểm là phụ thuộc vào kích thƣớc mẫu. Nếu một mô hình nhận đƣợc các giá trị GFI, TLI, CFI ≥0,9 (Bentler & Bonett, 1980); CMIN/df ≤ 2, một số trƣờng hợp CMIN/df có thể ≤ 3 (Carmines & McIver, 1981); RMSEA ≤ 0,08, RMSEA ≤ 0,05 đƣợc xem là rất tốt (Steiger, 1990); thì mô hình đƣợc xem là phù hợp với dữ liệu thị trƣờng, hay tƣơng thích với dữ liệu thị trƣờng. Thọ & Trang (2008) cho rằng Nếu mô hình nhận đƣợc các giá trị TLI, CFI ≥0,9, CMIN/df ≤ 2, RMSEA ≤ 0,08 thì mô hình phù hợp (tƣơng thích) với dữ liệu thị trƣờng.
quan sát đại diện cho các nhân tố tốt đến mức nào. CFA là bƣớc tiếp theo của EFA vì CFA chỉ sử dụng thích hợp khi nhà nghiên cứu có sẵn một số kiến thức về cấu trúc tiềm ẩn cơ sở, trong đó mối quan hệ hay giả thuyết (có đƣợc từ lý thuyết hay thực nghiệm) giữa biến quan sát và nhân tố cơ sở thì đƣợc nhà nghiên cứu mặc nhiên thừa nhận trƣớc khi tiến hành kiểm định thống kê.
Phƣơng pháp CFA đƣợc sử dụng để khẳng định lại tính đơn biến, đa biến, giá trị hội tụ và phân biệt của bộ thang đo đánh giá lòng trung thành của khách hàng sử dụng dịch vụ ngân hàng bán lẻ tại Citibank VN Chi nhánh HCM.
(1) Đánh giá độ tin cậy của thang đo thông qua: (a) Hệ số tin cậy tổng hợp3 (composite reliability) và (b) Tổng phƣơng sai trích đƣợc (variance extracted), (c) Hệ số Cronbach’s Alpha
(2) Tính đơn hƣớng/ đơn nguyên (unidimensionality) (3) Giá trị hội tụ (Convergent validity)
(4) Giá trị phân biệt (Discriminant validity)
Phương pháp phân tích cấu trúc tuyến tính (SEM)
Phƣơng pháp phân tích mô hình cấu trúc tuyến tính đƣợc sử dụng để kiểm định mô hình nghiên cứu đã đề xuất. Mô hình cấu trúc chỉ rõ mối quan hệ giữa các biến tiềm ẩn (một khái niệm đƣợc đo lƣờng dựa trên nhiều biến quan sát) với nhau.
Kiểm định các giả thuyết của mô hình
Mức độ đánh giá lòng trung thành của khách hàng sử dụng dịch vụ đƣợc đánh giá