3.4.1 Phƣơng pháp thu thập số liệu
Về kích thƣớc mẫu: Kích thƣớc mẫu sẽ phụ thuộc vào việc ta muốn nghiên cứu vấn đề gì từ những dữ liệu thu thập đƣợc và mối quan hệ ta muốn thiết lập với mục tiêu nghiên cứu. Vấn đề nghiên cứu càng đa dạng phức tạp thì mẫu nghiên cứu càng lớn. Một nguyên tắc chung khác nữa là mẫu càng lớn thì độ chính xác của các kết quả nghiên cứu càng cao. Tuy nhiên, trên thực tế thì việc lựa chọn kích thƣớc mẫu còn phụ thuộc vào một yếu tố hết sức quan trọng là năng lực tài chính và thời gian mà nhà nghiên cứu đó có thể có đƣợc.
Để đo lƣờng các nhân tố ảnh hƣởng đến chất lƣợng dịch vụ ngân hàng bán lẻ tại Ngân hàng TMCP Đầu tƣ và Phát triển Việt Nam Chi nhánh Đồng Nai, tác giả sử dụng bảng khảo sát để phỏng vấn khách hàng. Do giới hạn về khả năng tài chính và thời gian, kích thƣớc mẫu của nghiên cứu sẽ đƣợc xác định ở mức tối thiểu cần thiết nhƣng vẫn đáp ứng đƣợc nhu cầu của cuộc nghiên cứu. Do vậy, theo nguyên tắc của Hair & cộng sự (2006) cho rằng số mẫu phải lớn hơn hoặc bằng 5 lần so với lƣợng biến quan sát và tối thiểu phải là 100 mẫu. Nếu biến quan sát ít và số mẫu nhỏ hơn 100 thì nên chọn 100. Trong đề tài này có tất cả 22 tham số (biến quan sát) cần tiến hành phân tích nhân tố, vì vậy số mẫu tối thiểu cần thiết là 22*5=110 số lƣợng mẫu quan sát. Tuy nhi n để đảm bảo độ tin cậy cho các thông tin thu thập đƣợc từ phiếu điều tra, tác giả sẽ phỏng vấn và thu về 350 phiếu khảo sát hợp lệ.
Về phƣơng pháp thu thập dữ liệu:
Đối tƣợng khảo sát chính thức là khách hàng cá nhân đã và đang sử dụng sản phẩm, dịch vụ ngân hàng tại Ngân hàng TMCP Đầu tƣ và Phát triển Việt Nam Chi nhánh Đồng Nai.
Nghiên cứu chính thức đƣợc thực hiện thông qua bảng câu hỏi, bảng hỏi đƣợc gửi trực tiếp đến khách hàng cá nhân đã và đang sử dụng sản phẩm, dịch vụ ngân
hàng tại Ngân hàng TMCP Đầu tƣ và Phát triển Việt Nam Chi nhánh Đồng Nai trong thời gian từ ngày 01/06/2018 đến 15/07/2018.
3.4.2 Phƣơng pháp phân tích số liệu
Dữ liệu đƣợc xử lý bằng phần mềm SPSS 22.0. Sau khi đã đƣợc mã hoá, số liệu sẽ qua các phân tích sau: thống kê mô tả, đánh giá độ tin cậy của các thang đo, phân tích nhân tố khám phá và phân tích hồi quy.
3.4.2.1 Phƣơng pháp thống kê mô tả
Phƣơng pháp thống kê mô tả: Là phƣơng pháp nghi n cứu việc tổng hợp, số hoá, biểu diễn bằng đồ thị các số liệu thu thập đƣợc. Thống kê mô tả cung cấp những tóm tắt đơn giản về mẫu và các thƣớc đo nhằm tạo ra nền tảng của mọi phân tích định lƣợng về số liệu. Phƣơng pháp này đƣợc tác giả dùng để phân tích mối quan hệ giữa các biến độc lập trong mô hình với biến phụ thuộc, qua đó xác định đƣợc biến nào có ảnh hƣởng nhiều nhất đến sự hài lòng của khách hàng đối với dịch vụ NHBL. Để hiểu đƣợc các hiện tƣợng và ra quyết định đúng đắn, cần nắm đƣợc các kỹ thuật cơ bản của mô tả dữ liệu:
- Biểu diễn dữ liệu thành các bảng số liệu tóm tắt về dữ liệu: Khi tóm tắt một đại lƣợng về thông tin khách hàng (giới tính, tuổi, thu nhập trung bình,….) thƣờng dùng các thông số thống k nhƣ tần số, trung bình cộng, tỷ lệ, phƣơng sai, độ lệch chuẩn và các thông số thống kê khác. Những dữ liệu này biểu diễn bằng đồ họa hoặc bằng bảng mô tả dữ liệu giúp phân tích, so sánh thông tin khách hàng cá nhân.
3.4.2.2 Phƣơng pháp phân tích khám phá nhân tố EFA
Kiểm định độ tin cậy thang đo Cronbach’s Alpha (α) đƣợc sử dụng để loại bỏ
các biến không phù hợp trƣớc khi tiến hành phân tích nhân tố EFA vì các biến rác này có thể tạo ra các yếu tố giả. Hệ số Cronbach’s Alpha (α) là một phép kiểm định thống k dùng để kiểm tra sự chặt chẽ và tƣơng quan giữa các biến quan sát. Điều này li n quan đến hai khía cạnh là tƣơng quan giữa bản thân các biến và tƣơng quan của các điểm số toàn bộ các biến của mỗi ngƣời trả lời. Phƣơng pháp này cho phép
ngƣời phân tích loại bỏ các biến rác trong mô hình nghiên cứu vì nếu không chúng ta không thể biết đƣợc chính xác đƣợc độ biến thi n cũng nhƣ độ lỗi của các biến.
Các mức giá trị của Alpha:
0.8 ≤ α ≤ 1.0 là thang đo lƣờng tốt
0.7 ≤ α ≤ 0.8 là sử dụng đƣợc
α ≥ 0.6 Sử dụng trong trƣờng hợp khái niệm nghi n cứu là mới hoặc là
mới trong bối cảnh nghi n cứu
Việc kiểm định độ tin cậy thang đo có thể đƣợc xác định nhờ hệ số tƣơng quan biến tổng (Corrected Item – Total Correlation) nhằm loại bỏ biến rác ra khỏi thang đo lƣờng. Hệ số tƣơng quan biến tổng là hệ số cho biết mức độ “li n kết” giữa một biến quan sát trong nhân tố với các biến còn lại. Nó phản ánh mức độ đóng góp vào giá trị khái niệm của nhân tố của một biến quan sát cụ thể. Ti u chuẩn để đánh giá một biến có thực sự đóng góp giá trị vào nhân tố hay không là hệ số tƣơng quan biến tổng phải lớn hơn 0.3. Nếu biến quan sát có hệ số tƣơng quan biến tổng nhỏ hơn 0.3 thì phải loại nó ra khỏi nhân tố đánh giá.
Phân tích nhân tố khám phá (Exploratory Factor Analysis – EFA) Phƣơng
pháp nhân tố khám phá đƣợc sử dụng để xác định các nhóm ti u chí đánh giá các nhân tố ảnh hƣởng đến sự hài lòng của khách hàng đối với dịch vụ NHBL tại Ngân hàng TMCP Đầu tƣ và Phát triển Việt Nam Chi nhánh Đồng Nai. Phƣơng pháp phân tích nhân tố EFA thuộc nhóm phân tích đa biến phụ thuộc lẫn nhau (interdependence techniques), nghĩa là không có biến phụ thuộc và biến độc lập mà nó dựa vào mối tƣơng quan giữa các biến với nhau (interrelationships). EFA dùng để rút gọn một tập k biến quan sát thành một tập F (F<k) các nhân tố có ý nghĩa hơn. Cơ sở của việc rút gọn này dựa vào mối quan hệ tuyến tính của các nhân tố với các biến nguy n thủy (biến quan sát).
Mô hình phân tích nhân tố EFA đƣợc cho là phù hợp khi các ti u chuẩn sau đây đƣợc thoả điều kiện:
- Hệ số tải nhân tố (Factor Loading) là hệ số tƣơng quan đơn giữa các biến và nhân tố, là chỉ ti u để đảm bảo mức ý nghĩa thiết thực của EFA. Hệ số tải nhân tố >
0.3 đƣợc xem là đạt đƣợc mức tối thiểu, hệ số tải nhân tố > 0.4 đƣợc xem là quan trọng, > 0.5 đƣợc xem là có ý nghĩa thực tiễn. Nếu chọn ti u chuẩn hệ số tải nhân tố > 0.3 thì cỡ mẫu ít nhất phải là 350, nếu cỡ mẫu khoảng 100 thì n n chọn ti u chuẩn hệ số tải nhân tố > 0.55, nếu cỡ mẫu khoảng 50 thì hệ số tải nhân tố phải > 0.75. Cho n n, nếu biến quan sát nào có hệ số tải nhân tố < 0.55 sẽ bị loại.
- Hệ số KMO (Kaiser-Meyer-Olkin) là một chỉ ti u 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 Ho: độ tƣơng quan giữa các biến quan sát bằng không trong tổng thể. Nếu kiểm định này có ý nghĩa thống k (Sig ≤ 0.05) thì các biến quan sát có tƣơng quan với nhau trong tổng thể.
- Phần trăm phƣơng sai toàn bộ (Percentage of variance) > 50%: Thể hiện phần trăm biến thiên của các biến quan sát. Nghĩa là xem biến thiên là 100% thì giá trị này cho biết phân tích nhân tố giải thích đƣợc bao nhiêu % và bị thất thoát bao nhiêu %. Tiêu chuẩn để chấp nhận phân tích nhân tố có phƣơng sai cộng dồn lớn hơn 50% với Eigenvalue (trị riêng) phải lớn hơn 1.
3.4.2.3 Phƣơng pháp phân tích hồi quy tuyến tính
Sử dụng mô hình hồi quy tuyến tính để phân tích các nhân tố ảnh hƣởng đến sự hài lòng của khách hàng đối với dịch vụ NHBL tại Ngân hàng TMCP Đầu tƣ và Phát triển Việt Nam Chi nhánh Đồng Nai. Mô hình nghiên cứu đƣợc xây dựng dựa trên 5 nhân tố ảnh hƣởng đến sự hài lòng của khách hàng đối với dịch vụ NHBL, bao gồm:
Ta có mô hình hàm hồi quy nhƣ sau:
* Kiểm định hiện tƣợng đa cộng tuyến và tự tƣơng quan: - Kiểm định hiện tƣợng đa cộng tuyến
Hiện tƣợng đa cộng tuyến (Multicollinearity) là hiện tƣợng các biến độc lập trong mô hình phụ thuộc tuyến tính lẫn nhau. Nói cách khác hiện tƣợng đa cộng tuyến xảy ra khi có mối tƣơng quan tuyến tính hiện hữu giữa ít nhất 2 biến độc lập
trong mô hình. Khi đó sẽ dẫn đến các vấn đề sau: Hạn chế giá trị của R2 (thƣờng sẽ làm tăng R2
); Làm sai lệch/ đổi dấu các hệ số hồi quy.
Có rất nhiều cách phát hiện sự tồn tại của đa cộng tuyến trong mô hình hồi quy nhƣ: R2 cao nhƣng tỉ số t thấp; tƣơng quan cặp giữ các biến giải thích cao; hồi quy phụ; …
Kiểm tra hiện tƣợng đa cộng tuyến:
- Sử dụng ma trận tƣơng quan Pearson. Nếu hệ số tƣơng quan của các biến độc lập với nhau nhỏ hơn 0.5, có thể chấp nhận không có hiện tƣợng đa cộng tuyến.
- Sử dụng hệ số VIF (variance inflation factor – hệ số phóng đại phƣơng sai) Trong bài này sử dụng hệ số phóng đại phƣơng sai (VIF) để phát hiện đa cộng tuyến. Trong các mô hình hồi quy VIF (Hệ số phóng đại phƣơng sai VIF) đều nhỏ hơn 10 chứng tỏ không có đa công tuyến xảy ra (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005).
- Kiểm định tƣơng quan giữa các biến:
Kiểm định tƣơng quan nhằm xem xét mối quan hệ giữa các biến độc lập và biến phụ thuộc, đồng thời phản ảnh tƣơng quan giữa các biến độc lập với nhau.
Hệ số tƣơng quan: mối tƣơng quan giữa các biến đƣợc đo bằng hệ số tƣơng quan. Hệ số tƣơng quan Pearson (Pearson Correlation) đƣợc tính bằng cách chia hiệp phƣơng sai của biến với tích độ lệch chuẩn của chúng.
Hệ số tƣơng quan nhận giá trị trong khoảng (-1, +1) + Nếu hệ số tƣơng quan > 0 : tƣơng quan thuận + Nếu hệ số tƣơng quan < 0 : tƣơng quan nghịch
+ Nếu hệ số tƣơng quan tiến đến +1 hoặc -1: tƣơng quan càng chặt chẽ. Các hệ số tƣơng quan đƣợc tập hợp qua ma trận tƣơng quan.
Kiểm định Hệ số tương quan:
H0: không tồn tại mối tƣơng quan giữa 2 biến H1: tồn tại mối tƣơng quan giữa 2 biến
Với Mức ý nghĩa kiểm định là 5%: + Nếu Sig. ≤ 0.05: Bác bỏ H0
+ Nếu Sig. > 0.05: Chƣa có cơ sở Bác bỏ H0
- Kiểm định độ phù hợp của mô hình:
Độ phù hợp của mô hình hồi quy tuyến tính trƣớc ti n là xem xét độ phù hợp của mô hình đối với tập dữ liệu thu thập đƣợc qua giá trị Adjusted R Square (hoặc R Square). Adjusted R Square – R bình phƣơng hiệu chỉnh phản ánh mức độ ảnh hƣởng của các biến độc lập lên biến phụ thuộc. Thƣờng thì giá trị này từ 50% trở lên là nghiên cứu có thể sử dụng.
Kiểm định d của Durbin – Watson:
Durbin – Watson dùng để kiểm định tự tƣơng quan của các sai số kề nhau (hay còn gọi là tƣơng quan chuỗi bậc nhất) có giá trị biến thiên trong khoảng từ 0 đến 4. Nếu các phần sai số không có tƣơng quan chuỗi bậc nhất với nhau thì giá trị sẽ gần bằng 2 (từ 1 đến 3), nếu giá trị càng nhỏ gần về 0 thì các phần sai số có tƣơng quan thuận, nếu giá trị càng lớn gần về 4 thì các phần sai số có tƣơng quan nghịch.
Kiểm định độ phù hợp tổng quát: Do tổng thể rất lớn nên không thể khảo sát hết toàn bộ mà chỉ chọn ra một lƣợng mẫu giới hạn để điều tra, từ đó suy ra tính chất chung của tổng thể. Kiểm định F trong ANOVA là kiểm tra xem mô hình hồi quy tuyến tính có suy rộng và áp dụng đƣợc cho tổng thể đƣợc hay không. Giá trị Sig. của kiểm định F < 0.05 là mô hình hồi quy tuyến tính xây dựng đƣợc phù hợp với tổng thể.
KẾT LUẬN CHƢƠNG 3
Từ cơ sở lý thuyết và kết quả của các nghiên cứu đã trình bày ở chƣơng 2, trong chƣơng 3 này, tác giả đã đƣa ra các nhân tố ảnh hƣởng đến sự hài lòng của khách hàng đối với dịch vụ ngân hàng bán lẻ tại ngân hàng TMCP Đầu tƣ và Phát triển Việt Nam Chi nhánh Đồng Nai. Nghiên cứu này tác giả sử dụng mô hình hồi quy logistic để đánh giá các nhân tố ảnh hƣởng đến sự hài lòng của khách hàng đối với dịch vụ ngân hàng bán lẻ. Tiến trình này gồm hai giai đoạn: nghiên cứu định tính và nghiên cứu định lƣợng. Trong đó, tác giả đã trình bày chi tiết về việc thiết kế thang đo, thiết kế bảng câu hỏi, thu thập dữ liệu, xử lý và phân tích dữ liệu. Dựa trên nền tảng lý thuyết của chƣơng này, tác giả thực hiện xử lý số liệu và rút ra kết luận về các nhân tố ảnh hƣởng đến sự hài lòng của khách hàng đối với dịch vụ ngân hàng bán lẻ tại ngân hàng TMCP Đầu tƣ và Phát triển Việt Nam Chi nhánh Đồng Nai đƣợc trình bày ở chƣơng 4. Phần mềm đƣợc sử dụng trong nghiên cứu này là SPSS 22.0.
CHƢƠNG 4: KẾT QUẢ NGHIÊN CỨU
4.1 Giới thiệu về ngân hàng Đầu tƣ và Phát triển Việt Nam Chi nhánh Đồng Nai Nai
4.1.1 Tổng quan về ngân hàng Đầu tƣ và Phát triển Việt Nam Chi nhánh Đồng Nai Đồng Nai
4.1.1.1 Lịch sử hình thành và phát triển
BIDV Đồng Nai đƣợc thành lập năm 1977. Trải qua gần 41 năm hình thành và phát triển, đến nay BIDV Đồng Nai đã trở thành chi nhánh ngân hàng quy mô tƣơng đối lớn, hoạt động có hiệu quả trong hệ thống BIDV và tr n địa bàn tỉnh Đồng Nai. Trong giai đoạn đầu thành lập đến năm 1990, BIDV Đồng Nai với nhiệm vụ ban đầu là thực hiện các hoạt động cấp phát vốn ngân sách nhà nƣớc cho các công trình trọng điểm của tỉnh nhƣ: công trình thủy điện Trị An, thủy lợi Sông Mây, nhà máy đƣờng La Ngà, công ty Giấy Tân Mai, Công ty cao su Đồng Nai, hạ tầng khu công nghiệp Bi n Hòa 1, Bi n Hòa 2,…
Từ tháng 11/1990, BIDV Đồng Nai chính thức đi vào hoạt động với chức năng đầy đủ của một NHTM là huy động vốn, cho vay và cung ứng dịch vụ thanh toán. Trong giai đoạn này, nhiều công trình lớn đã đƣợc BIDV Đồng Nai cho vay vốn nhƣ: hạ tầng khu công nghiệp Nhơn trạch 1, 2, 3, 5; khu công nghiệp Mỹ Xuân A, thủy điện Srok Phu Miêng, thủy điện BOT Bảo Lộc, cầu Hóa An, đƣờng cao tốc quốc lộ 51, …
Tính đến thời điểm hiện nay, khách hàng của BIDV Đồng Nai bao gồm đầy đủ các thành phần kinh tế - xã hội: các công ty cổ phần, tƣ nhân, hộ gia đình và tƣ nhân cá thể, từ doanh nghiệp trong nƣớc và ngoài nƣớc.
4.1.1.2 Cơ sở hạ tầng và nguồn nhân lực * Về cơ sở hạ tầng: * Về cơ sở hạ tầng:
BIDV Đồng Nai nằm nhỏ gọn trong diện tích 1.500m2 tại địa chỉ số 7 Hoàng Minh Châu, Phƣờng Hòa Bình, TP. Biên Hòa, Tỉnh Đồng Nai. Trụ sở BIDV Đồng Nai đƣợc xây dựng từ năm 1990, tọa lạc tr n đƣờng nhánh, khuất, hẹp, mật độ xe cộ
qua lại thấp khả năng thu hút ngƣời đi đƣờng kém, đầy là điều bất lợi so với các đối thủ cạnh tranh.
Tính đến hết ngày 31/12/2017, BIDV Đồng Nai có 6 phòng giao dịch trong đó có 5 phòng giao dịch trong nội ô thành phố Biên Hòa, 1 phòng giao dịch tại thị xã Long Khánh.
* Nguồn nhân lực:
Tổng số cán bộ công nhân vi n BIDV Đồng Nai hiện nay có 146 cán bộ trong đó Ban giám đốc là 4 ngƣời, đội ngũ lãnh đạo từ cấp phó phòng trở l n là 29 ngƣời