Sau khi nghiên cứu định tính, 7 nhân tố của mô hình nghiên cứu về sự hài lòng khách hàng đƣợc đồng tình và có thể đƣợc dùng cho nghiên cứu định lƣợng.
3.2.2.1 Mẫu nghiên cứu
Những quy tắc kinh nghiệm khác trong xác định cỡ mẫu cho phân tích nhân tố EFA là thông thƣờng thì số quan sát (kích cỡ mẫu) ít nhất phải bằng 4 hay 5 lần số biến trong phân tích nhân tố (trích trang 263 của Hoàng Trọng và Chu Nguyễn Mộng Ngọc – phân tích dữ liệu nghiên cứu với SPSS, NXB Thống kê 2005). Ngoài ra, Hacher (1994) cho rằng kích cỡ mẫu bằng ít nhất 5 lần, tối đa 10 lần biến quan sát. Nhƣ vậy cở mẫu tối thiểu là: n> 5*m=5*38=190, tối đa là 38 *10 = 380
Trong đó m: Số câu hỏi quan sát
Để có đƣợc số mẫu đủ đƣa vào phân tích, tác giả chọn kích cở mẩu là 400
3.2.2.2. Phƣơng pháp thu thập và phân tích dữ liệu
Mẫu sẽ đƣợc phân bổ theo phƣơng pháp thuận tiện. Để đạt đƣợc kích thƣớc về mẫu, có 400 bảng câu hỏi đƣợc phát ra tại BIDV chi nhánh Tân Bình với sự hỗ trợ của bộ phận dịch vụ khách hàng. Sau khi thu thập và kiểm tra bảng câu hỏi thì có 50 bảng câu hỏi bị loại vi không hợp lệ. Cuối cùng, có 350 bảng câu hỏi hợp lệ đƣợc đƣa vào phân tích dữ liệu trên phần mềm SPSS 20.
Thống kê mô tả:
sát chia cho số quan sát.
Mode (KH: Mo) : là giá trị có tần số xuất hiện cao nhất trong tổng số hay trong một dãy số phân phối.
Phƣơng sai: là trung bình giữa bình phƣơng các độ lệch giữa các biến và giá trị trung bình của các biến đó.
Độ lệch chuẩn: là căn bậc hai của phƣơng sai.
Kiểm định Cronbach’s Alpha:
Là kiểm định cho phép 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 p trong công thức tƣợng trƣng cho tƣơng quan trung bình giữa tất cả các cặp mục hỏi đƣợc kiểm tra.
Những biến có hệ số tƣơng quan tổng biến phù hợp (Corrected Item-Total Correlation) lớn hơn 0,3 và có hệ số Cronbach‟s Alpha lớn hơn 0,6 mới đƣợc xem là chấp nhận đƣợc và thích hợp đƣa vào phân tích những bƣớc tiếp theo (Nunnally và BernStein, 1994).
Phân tích nhân tố khám phá:
Phân tích nhân tố khám phá (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 đƣợc xem xét dƣới dạng một số các nhân tố cơ bản. Mỗi một biến quan sát sẽ đƣợc tính một chỉ số gọi là hệ số tải nhân tố (Factor Loading). Hệ số này cho ngƣời nghiên cứu biết đƣợc mỗi biến đo lƣờng sẽ thuộc về nhân tố nào.
Một số tiêu chuẩn mà các nhà nghiên cứu đƣa ra trong phân tích nhân tố khám phá (EFA) nhƣ 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 nhân tố khám phá (EFA) thích hợp khi 0.5 ≤ KMO ≤ 1, kiểm định Bartlett xem xét giả thuyết về độ tƣơng 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 tƣơng quan với nhau trong tổng thể (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005)
(2) hệ số tải nhân tố (factor loading): 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 đƣợc xem là đạt mức tối thiểu, hệ số tải nhân tố > 0.4 đƣợc xem là quan trọng và hệ số tải nhân tố ≥ 0.5 đƣợc 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 đƣợc chấp nhận khi tổng phƣơng 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).
Phân tích tương quan Pearson
Hệ số Pearson cho ta biết đƣợc mức độ chặc chẽ của mối liên hệ tuyến tính giữa biến độc lập với biến phụ thuộc và mối quan hệ giữa các biến độc lập với nhau, hệ số tƣơng quan lấy mức độ quan hệ cao nhất là 1 (100%) và thấp nhất là 0 (0%).
Nếu mối quan hệ tƣơng quan Pearson giữa biến độc lập với biến phụ thuộc càng lớn càng tốt.
Phân tích hồi quy
Xây dựng phƣơng trình hồi quy để biết đƣợc cƣờng độ tác động và mức độ ảnh hƣởng của biến độc lập lên biến phụ thuộc. 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 (R-Square) đƣợc chứng minh là hàm không giảm theo số biến độc lập đƣợc đƣa vào mô hình. R2 có khuynh hƣớng là một yếu tố lạc quan của thƣớc đo sự phù hợp của mô hình đối với dữ liệu trong trƣờng hợp có 1 biến giải thích trong mô hình. Do đó, R2 hiệu chỉnh từ R2 đƣợc 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 phƣơng 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 tƣợng tƣơng quan bằng hệ số Durbin – Watson (1 < D < 3) và không có hiện tƣợng đa cộng tuyến bằng hệ số phóng đại phƣơng sai VIF (VIF < 2). (Đa cộng tuyến làm tăng độ lệch chuẩn của các hệ số hồi quy và làm giảm trị thống kê t của kiểm định ý nghĩa nên các hệ số có khuynh hƣớng kém ý nghĩa.)
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.
Kiểm định sự khác biệt Anova
Kiểm định sự khác biệt giữa các biến định tính với biến định lƣợng, ví dụ có sự khác biệt về sự hài lòng dịch vụ với các đối tƣợng khách hàng (nhƣ giới tính, độ tuổi, mức thu nhập...) hay không.
Nếu sig ở bảng ANOVA < 0.05, chúng ta kết luận: Có sự khác biệt có ý nghĩa thống kê về mức độ hài lòng…
Nếu sig ở bảng ANOVA >= 0.05, chúng ta kết luận: Không có sự khác biệt có ý nghĩa thống kê về mức độ hài lòng...