Trong 200 phiếu khảo sát được phát ra, có 173 phiếu hợp lệ để sử dụng cho nghiên cứu. Trong 173 người được khảo sát, có 69 người là nữ chiếm 39.88% và 104 người là nam chiếm 60.12%. Khách hàng chủ yếu có thu nhập từ 10 triệu đến 39 triệu, chiếm 64.74%. Đây là mức thu nhập rất khá so với mặt bằng chung trên địa bàn Chợ Lớn. Chứng tỏ BIDV – Chi Nhánh Chợ Lớn đã thu hút được khách hàng có thu nhập khá trở lên. Ngoài ra, khách hàng có thu nhập cao trên 39 triệu cũng chiếm tỷ lệ cao là 16.76%. Đây chính là lực lượng khách hàng tiềm năng mà BIDV – Chi Nhánh Chợ Lớn nhắm tới.
22 CamThong2
Nhân viên ngân hàng luôn đối xử ân cần với khách hàng
23 CamThong3
Nhân viên ngân hàng thấu hiểu nhu cầu cá nhân của từng khách hàng
24 CamThong4
Ngân hàng luôn đem lại lợi ích tốt nhất cho khách hàng
25 CamThong5
Ngân hàng luôn tạo điều kiện giao dịch thuận tiện nhất cho khách hàng
Sự hài lòng của khách hàng
26 HaiLong1 Ngân hàng đáp ứng được mọi yêu cầu của khách hàng 27 HaiLong2 Nhìn chung mức độ hài lòng của khách hàng cao 28 HaiLong3 Tổng thể chất lượng sản phẩm dịch vụ tốt
29 HaiLong4 Khách hàng sẽ tiếp tục sử dụng dịch vụ ngân hàng 30 HaiLong5 Khách hàng sẽ giới thiệu ngân hàng cho người thứ ba
Biểu đồ 2.1: Khảo sát thu nhập của khách hàng
Nguồn: Trích xuất từ SPSS
Qua biểu đồ 2.2 – Khảo sát thời gian sử dụng của khách hàng, chúng ta có thể thấy BIDV – Chi Nhánh Chợ Lớn có lượng khách hàng trung thành (có thời gian sử dụng từ 3 năm trở lên) rất lớn, chiếm tới 42.2% (26.59%+15.61%), chiếm gần 1 nữa lượng khách hàng giao dịch.
Biểu đồ 2.2: Khảo sát thời gian sử dụng của khách hàng
Nhìn vào biểu đồ 2.3 – Khảo sát số ngân hàng sử dụng, chúng ta có thể nhận thấy 58.38% số khách hàng chỉ sử dụng dịch vụ tại 1 tới 2 ngân hàng, điều này chứng tỏ khách hàng luôn muốn giao dịch tại ngân hàng mà khách hàng hài lòng nhất. Đây vừa là cơ hội vừa là thách thức cho BIDV – Chi Nhánh Chợ Lớn trong việc thu hút khách hàng mới và giữ chân khách hàng cũ.
Biểu đồ 2.3: Khảo sát số ngân hàng sử dụng của khách hàng
Nguồn: Trích xuất từ SPSS
Nhìn vào bảng 2.3 – Phân tích chéo của Thời gian sử dụng và Số ngân hàng sử dụng, chúng ta có thể nhận ra những khách hàng trung thành có thời gian sử dụng trên 3 năm chủ yếu chỉ giao dịch với 1 hoặc 2 ngân hàng. Đây chính là động lực cho BIDV – Chi Nhánh Chợ Lớn nâng cao chất lượng dịch vụ nhằm nâng cao sự hài lòng của khách hàng để có thêm ngày càng nhiều khách hàng trung thành với BIDV – Chi Nhánh Chợ Lớn.
Bảng 2.3: Phân tích chéo của Thời gian sử dụng và Số ngân hàng sử dụng
Số Ngân Hàng Sử Dụng Tổng 1-2 NH 3-4 NH 5-6 NH >6 NH Thời Gian Sử Dụng <1 năm 28 10 4 2 44 1-2 năm 27 24 2 3 56 3-4 năm 28 13 3 2 46 >5 năm 18 6 3 0 27 Tổng 101 53 12 7 173 Nguồn: Trích xuất từ SPSS
Bảng 2.4 là kết quả khảo sát sự hài lòng của khách hàng. Nhìn chung khách hàng đều rất hài lòng với sản phẩm dịch vụ của BIDV – Chi Nhánh Chợ Lớn với chỉ số Mean của HaiLong2(Mức độ hài lòng của khách hàng) và HaiLong3(Tổng thể chất lượng dịch vụ) đạt gần 4 điểm. Tuy nhiên vẫn có một số lượng ít khách hàng đáng giá 2 điểm cho các biến quan sát sự hài lòng. Điều này chứng tỏ vẫn còn một số điểm chưa tốt vẫn tồn tại trong hoạt động của BIDV – Chi Nhánh Chợ Lớn. Chúng ta sẽ phân tích sâu hơn để tìm ra những điểm chưa tốt còn tồn tại ở phần sau.
Bảng 2.4: Phân tích sự hài lòng của khách hàng
N Minimum Maximum Mean Std. Deviation
HaiLong1 173 2 5 3.59 .698 HaiLong2 173 3 5 3.98 .660 HaiLong3 173 2 5 3.88 .717 HaiLong4 173 2 5 3.78 .672 HaiLong5 173 2 5 3.82 .688 Valid N (listwise) 173 Nguồn: Trích xuất từ SPSS 2.3.3.2. Kiểm định thang đo
Kiểm định thang đo nhằm xác định mức độ ảnh hưởng của các biến quan sát tới biến độc lập nhằm loại bỏ những biến không đạt yêu cầu để thang đo có độ tin cậy thỏa mãn điều kiện cho phép thông qua hệ số Cronbach’s Alpha. Việc kiểm định thang đo được thực hiện lần lượt đối với các biến độc lập là Hình ảnh doanh nghiệp, Giá cả sản phẩm dịch vụ, Sự hữu hình, Sự tin cậy, Sự đáp ứng, Sự cảm thông. Điều kiện để các biến quan sát được chấp nhận là:
(1)Hệ số Cronbach’s Alpha của biến độc lập lớn hơn hoặc bằng 0.7
(2)Hệ số tương quan tổng của biến quan sát (Corrected Item-Total Correlation) lớn hơn 0.3
(3)Hệ số Cronbach’s Alpha nếu bỏ đi biến quan sát (Cronbach's Alpha if Item Deleted) phải lớn hơn hoặc bằng 0.7
(4)Hệ số Cronbach’s Alpha nếu bỏ đi biến quan sát (Cronbach's Alpha if Item Deleted) phải nhỏ hơn hệ số Cronbach’s Alpha của biến độc lập Sau khi phân tích hệ số Cronbach’s Alpha của tất cả nhân tố, các nhân tố
doanh nghiệp, Giá cả sản phẩm dịch vụ, Sự hữu hình, Sự tin cậy, Sự cảm thông và Sự hài lòng. Tất cả các biến quan sát của các nhân tố trên đều có độ tin cậy rất cao và có sự tương quan chặt chẽ với nhau, các biến quan sát đều phản ánh được tất cả các khía cạch cần nghiên cứu của các biến độc lập. Chỉ có nhân tố Sự đáp ứng không đạt được điều kiện (1) và (3) của kiểm định thang đo. Do đó chúng ta phải loại bỏ nhân tố Sự đáp ứng ra khỏi nghiên cứu.
Sau khi kết thúc kiểm định thang đó, chỉ có nhân tố Sự đáp ứng không đạt tiêu chuẩn, các biến còn lại đều có độ tin cậy cao phù hợp để tiếp tục nghiên cứu.
Bảng 2.5: Phân tích hệ số Cronbach’s Alpha
Biến quan sát Scale Mean if Item Deleted Scale Variance if Item Deleted Corrected Item-Total Correlation Cronbach's Alpha if Item Deleted
Cronbach’s Alpha (Hình ảnh doanh nghiệp): 0.886
HinhAnh1 8.02 1.709 .748 .865
HinhAnh2 8.17 1.454 .851 .772
HinhAnh3 8.41 1.674 .742 .870
Cronbach’s Alpha (Giá cả sản phẩm dịch vụ): 0.863
GiaCa1 11.17 3.877 .646 .850
GiaCa2 11.77 3.609 .700 .829
GiaCa3 11.26 3.426 .766 .801
GiaCa4 11.37 3.653 .732 .816
Cronbach’s Alpha (Sự hữu hình): 0.87
HuuHinh1 10.88 3.038 .729 .832
HuuHinh2 11.12 2.572 .847 .781
HuuHinh3 11.08 3.156 .656 .860
Nguồn: Trích xuất từ SPSS Cronbach’s Alpha (Sự tin cậy): 0.854
TinCay1 15.62 4.736 .700 .815 TinCay2 15.77 4.431 .784 .791 TinCay3 15.65 5.042 .581 .846 TinCay4 16.09 5.015 .618 .836 TinCay5 15.70 5.025 .657 .827 Cronbach’s Alpha (Sự đáp ứng): 0.69 DapUng1 10.75 2.958 .544 .587 DapUng2 10.89 2.831 .448 .643 DapUng3 10.80 2.965 .452 .639 DapUng4 10.85 2.826 .462 .633
Cronbach’s Alpha (Sự cảm thông): 0.893
CamThong1 15.29 5.056 .811 .852
CamThong2 15.31 5.656 .668 .885
CamThong3 15.69 5.493 .750 .867
CamThong4 15.25 5.726 .704 .877
CamThong5 15.31 5.332 .759 .865
Cronbach’s Alpha (Sự hài lòng của khách hàng): 0.844
HaiLong1 15.46 4.913 .604 .824
HaiLong2 15.07 5.007 .619 .820
HaiLong3 15.17 4.749 .642 .814
HaiLong4 15.27 4.815 .680 .804
2.3.3.3. Phân tích nhân tố
Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) là một kỹ thuật phân tích nhằm thu nhỏ và tóm tắt các dữ liệu rất có ích cho việc xác lập các tập hợp biến cần thiết cho vấn đề nghiên cứu. Quan hệ giữa các nhóm biến có liên hệ qua lại lẫn nhau được xem xét dưới dạng một số các nhân tố cơ bản. Mỗi một biến quan sát sẽ được tính một chỉ số gọi là hệ số tải nhân tố (Factor Loading). Hệ số này cho người nghiên cứu biết được mỗi biến đo lường sẽ thuộc về nhân tố nào. Một số điều kiện mà các nhà nghiên cứu đưa ra trong phân tích nhân tố khám phá (EFA) như sau:
(1) Hệ số KMO (Kaiser-Mayer-Olkin) ≥ 0.5 và mức ý nghĩa kiểm định Bartlett ≤0.05: KMO là một chỉ tiêu dùng để xem xét sự thích hợp của EFA, phân tích EFA thích hợp khi 0.5 ≤ KMO ≤ 1, kiểm định Bartlett xem xét giả thuyết về độ tương quan giữa các biến quan sát bằng 0 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 (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008)
(2) Hệ số tải nhân tố (factor loading) > 0.5, nếu biến quan sát nào có hệ số tải nhân tố < 0.5 sẽ bị loại: theo Hair & ctg (1988) hệ số tải nhân tố là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA, hệ số tải nhân tố > 0.3 được xem là đạt mức tối thiểu, hệ số tải nhân tố > 0.4 được xem là quan trọng và hệ số tải nhân tố ≥ 0.5 được xem là có ý nghĩa thực tiễn. Nếu chọn tiêu chuẩn hệ số tải nhân tố > 0.3 thì cỡ mẫu nghiên cứu phải ít nhất là 350, nếu cỡ mẫu khoảng 100 thì nên chọn tiêu chuẩn hệ số tải nhân tố > 0.55, nếu cỡ mẫu khoảng 50 thì hệ số tải nhân tố phải > 0.75
(3) Thang đo được chấp nhận khi tổng phương sai trích (cumulative) ≥ 50% (4) Hệ số eigenvalue > 1 (Gerbing và Anderson, 1998)
(5) Khác biệt hệ số tải nhân tố của 1 biến quan sát giữa các nhân tố ≥ 0.3 để tạo giá trị phân biệt giữa các nhân tố (Jabnoun và Al-Tamimi, 2003)
Các nhân tố ảnh hưởng đến Sự hài lòng được đưa vào phân tích nhân tố là: Hình ảnh doanh nghiệp, Giá cả sản phẩm dịch vụ, Sự hữu hình, Sự tin cậy, Sự cảm thông. Các nhân tố này có tổng cộng 21 biến quan sát. Phân tích EFA sẽ đánh giá lại mức độ hội tụ của các biến quan sát theo các thành phần.
Bảng 2.6 – Kiểm định KMO và Bartlett's trong phân tích nhân tố cho thấy hệ số KMO cao (bằng 0.902> 0.5) giá trị kiểm định Bartlett’s có mức ý nghĩa (Sig. =0.000 <0.05) cho thấy phân tích EFA rất thích hợp.
Bảng 2.6: Kiểm định KMO và Bartlett's của biến độc lập
Kaiser-Meyer-Olkin Measure of Sampling Adequacy .902
Bartlett's Test of Sphericity
Approx. Chi-Square 2.218E3
df 210
Sig. .000
Nguồn: Trích xuất từ SPSS
Tại các mức giá trị Eigenvalues lớn hơn 1 và với phương pháp rút trích Principal components và phép quay Varimax, phân tích nhân tố đã trích được 5 nhân tố từ 21 biến quan sát và với phương sai trích là 71.770% (lớn hơn 50%) đạt yêu cầu (Xem phụ lục 3 – Phân tích nhân tố). Với phương sai rút trích là 71.770% cho biết 5 nhân tố này giải thích được 71.770% biến thiên của toàn bộ dữ liệu. Kết quả phân tích nhân tố khám phá trong bảng 2.7 cho thấy tất cả 21 biến quan sát của 5 biến độc lập cũng phân tán thành 5 nhân tố. 5 nhân tố này không có sự chồng chéo giữa biến quan sát này với biến độc lập kia, các biến quan sát của mỗi biến độc lập đều hội tụ về 1 nhân tố. Điều này chứng tỏ các biến quan sát tương quan với nhau rất chặt chẻ trong tổng thể các biến độc lập.
Bảng 2.7: Ma trận xoay các nhân tố Component 1 2 3 4 5 HinhAnh1 .819 HinhAnh2 .877 HinhAnh3 .821 GiaCa1 .706 GiaCa2 .652 GiaCa3 .795 GiaCa4 .744 HuuHinh1 .787 HuuHinh2 .835 HuuHinh3 .734 HuuHinh4 .762
TinCay1 .759 TinCay2 .775 TinCay3 .718 TinCay4 .724 TinCay5 .784 CamThong1 .841 CamThong2 .752 CamThong3 .787 CamThong4 .708 CamThong5 .782 Nguồn: Trích xuất từ SPSS
Tiếp theo chúng ta sẽ phân tích nhân tố cho biến phụ thuộc là sự hài lòng. Bảng 2.8 cho thấy hệ số KMO cao (bằng 0.860> 0.5) giá trị kiểm định Bartlett’s có mức ý nghĩa (Sig. =0.000 <0.05) cho thấy phân tích EFA rất thích hợp. Phân tích EFA vẫn giữ nguyên 1 nhân tố gồm 5 biến quan sát. Phương sai trích là 61.667% thể hiện rằng nhân tố rút ra giải thích 61.667% biến thiên của dữ liệu. Do đó, thang đo rút ra là chấp nhận được (Xem phụ lục 3 – Phân tích nhân tố).
Bảng 2.8: Kiểm định KMO và Bartlett's của biến phụ thuộc
Kaiser-Meyer-Olkin Measure of Sampling Adequacy .860
Bartlett's Test of Sphericity Approx. Chi-Square 315.465 df 10 Sig. .000 Nguồn: Trích xuất từ SPSS
Như vậy, mô hình nghiên cứu chính thức có 5 biến độc lập là: Hình ảnh doanh nghiệp, Giá cả sản phẩm dịch vụ, Sự hữu hình, Sự tin cậy, Sự cảm thông. Các biến này tác động lên biến phụ thuộc Sự hài lòng. Mô hình nghiên cứu chính thức được thể hiện trong hình 2.2.
Các giả thuyết nghiên cứu chính thức:
H1: Hình ảnh doanh nghiệp càng nổi bật thì khách hàng càng hài lòng H2: Tính cạnh tranh về giá càng cao thì khách hàng càng hài lòng H3: Sự hữu hình càng tốt thì khách hàng càng hài lòng
H4: Sự tin cậy càng lớn thì khách hàng càng hài lòng H6: Sự cảm thông càng nhiều thì khách hàng càng hài lòng
Từ kết quả phân tích nhân tố khám phá trên ta tiến hành tính lại giá trị biến mới như sau:
HinhAnh = Mean (HinhAnh1, HinhAnh2, HinhAnh3) GiaCa = Mean (GiaCa1, GiaCa2, GiaCa3, GiaCa4)
HuuHinh= Mean (HuuHinh1, HuuHinh2, HuuHinh3, HuuHinh4) TinCay= Mean (TinCay1, TinCay2, TinCay3, TinCay4, TinCay5)
Sự cảm thông
Sự tin cậy Sự hữu hình
Giá cả sản phẩm dịch vụ Hình ảnh doanh nghiệp Sự hài lòng của khách hàng
CamThong = Mean (CamThong1, CamThong2, CamThong3, CamThong4, CamThong5)
HaiLong = Mean (HaiLong1, HaiLong2, HaiLong3, HaiLong4, HaiLong5) Phương trình mô hình tổng quát:
HaiLong=β0+β1.HinhAnh+β2.GiaCa+β3.HuuHinh+β4.TinCay+ β5.CamThong
2.3.3.4. Phân tích hồi quy
Phân tích hồi quy đa biến nhằm xác định vai trò quan trọng của từng nhân tố trong việc đánh giá mối quan hệ giữa biến phụ thuộc (Sự hài lòng) và các biến độc lập (Hình ảnh doanh nghiệp, Giá cả sản phẩm dịch vụ, Sự hữu hình, Sự tin cậy, Sự cảm thông)
Để đánh giá độ phù hợp của mô hình, các nhà nghiên cứu sử dụng hệ số xác định R2 (R-Square), hệ số xác định R2 được chứng minh là hàm không giảm theo số biến độc lập được đưa vào mô hình. Tuy nhiên, không phải phương trình càng có nhiều biến sẽ càng phù hợp hơn với dữ liệu, R2 có khuynh hướng là một yếu tố lạc quan của thước đo sự phù hợp của mô hình đối với dữ liệu trong trường hợp có 1 biến giải thích trong mô hình. Do đó, R2 hiệu chỉnh từ R2 được sử dụng để phản ánh sát hơn mức độ phù hợp của mô hình hồi quy tuyến tính đa biến vì nó không phụ thuộc vào độ lệch phóng đại của R2, sử dụng hệ số R2 hiệu chỉnh để đánh giá độ phù hợp của mô hình sẽ an toàn hơn vì nó không thổi phồng mức độ phù hợp của mô hình
Kiểm định F sử dụng trong phân tích phương sai là 1 phép kiểm định giả thuyết về độ phù hợp của mô hình hồi quy tuyến tính tổng thể để xem xét biến phụ thuộc có liên hệ tuyến tính với toàn bộ các biến độc lập
Bên cạnh đó, cần kiểm tra hiện tượng tương quan bằng hệ số Durbin – Watson (1 < D < 3) và không có hiện tượng đa cộng tuyến bằng hệ số phóng đại phương sai VIF (Variance Inflation Factor) (VIF < 2.5). Nếu hệ số Beta chuẩn hóa của biến nào càng cao thì mức độ tác động của biến đó vào sự hài lòng của khách hàng càng lớn.
Bước đầu tiên khi phân tích hồi quy tuyến tính ta sẽ xem xét các mối quan hệ tương quan tuyến tính giữa biến phụ thuộc và từng biến độc lập và giữa các biến độc lập với nhau. Nếu hệ số tương quan giữa các biến phụ thuộc và các biến độc lập
lớn chứng tỏ giữa chúng có mối quan hệ với nhau và phân tính hồi quy tuyến tính có thể phù hợp. Mặt khác nếu giữa các biến độc lập cũng có tương quan lớn với nhau thì đó cũng là dấu hiệu cho biết giữa chúng có thể xảy ra hiện tượng đa cộng tuyến trong mô hình hồi quy tuyến tính ta đang xét.
Bảng 2.9 cho thấy mối tương quan giữa biến biến phụ thuộc (Sự hài lòng) với các biến độc lập (Hình ảnh doanh nghiệp, Giá cả sản phẩm dịch vụ, Sự hữu hình, Sự tin cậy, Sự cảm thông). Hệ số tương quan giữa các biến đều lớn (lớn hơn 0.4) và có ý nghĩa thống kê với các giá trị Sig. đều nhỏ (< 0.05).
Ngoài ra giữa các biến độc lập có tương quan với nhau ở mức tương quan lớn hơn 0.3 (các sig đều nhỏ hơn 0.05) nên chúng ta phải kiểm định chặt hiện tượng đa cộng tuyến nếu có xảy ra trong phương trình hồi quy.
Bảng 2.9: Ma trận tương quan của các biến độc lập và biến phụ thuộc
HaiLong HinhAnh GiaCa HuuHinh TinCay CamThong
HaiLong Pearson Correlation 1 .540** .733** .681** .540** .607**
Sig. (2-tailed) .000 .000 .000 .000 .000
N 173 173 173 173 173 173
HinhAnh Pearson Correlation .540** 1 .471** .402** .393** .417**
Sig. (2-tailed) .000 .000 .000 .000 .000
N 173 173 173 173 173 173