8. CẤU TRÚC CỦA LUẬN VĂN
2.3.4.4 Phân tích nhân tố nhân tố khám phá (EFA)
Phương pháp phân tích nhân tố khám phá (EFA) dùng để rút gọn một tập hợp k biến quan sát thành một tập F (F < k) các nhân tố có ý nghĩa hơn (Nguyễn Đình Thọ, 2013). Đe phân tích nhân tố khám phá, trước tiên, tác giả thực hiện kiểm định KMO (Kaiser-Meyer-Olkin Measure of Sampling Adequacy) và kiểm định Bartlett (Bartlett's Test of Sphericity).
Trong kiểm định KMO, hệ số KMO là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Nếu trị số của KMO lớn (trong khoảng 0,5 đến 1) thì phân tích nhân tố khám phá là thích hợp, ngược lại, trị số này nhỏ hơn 0,5 thì phân tích nhân tố khám phá có khả năng không thích hợp với dữ liệu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Kiem định Bartlett dùng để xem xét giả thuyết các biến không có tương quan trong tổng thể. Nếu kiểm định Bartlett có ý nghĩa thống kê (Sig.) nhỏ hơn hoặc bằng 0,05 thì giả thuyết đó bị bác bỏ, khi đó, phân tích nhân tố khám phá là thích
hợp (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Trong phân tích nhân tố khám phá, tác giả sử dụng hệ số tải nhân tố, trị số Eigenvalue, tổng phương sai trích để phân tích. Trong đó, hệ số tải nhân tố (Factor loading) là hệ số tương quan đơn giữa các biến quan sát và các nhân tố. Các biến quan sát được sử dụng trong phân tích nhân tố khám phá phải có hệ số tải nhân tố lớn hơn 0,5. Đe xác định số lượng nhân tố trong phân tích nhân tố khám phá, tác giả sử dụng trị số Eigenvalue. Trị số Eigenvalue phải có giá trị lớn hơn hoặc bằng 1. Mặt khác, tổng phương sai trích (Total Variance Explained) là phần trăm phương sai toàn bộ được giải thích bởi từng nhân tố, chỉ tiêu này phải lớn hơn hoặc bằng 50% ((Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008, Nguyễn Đình Thọ, 2013). Đe tìm mối liên hệ giữa các nhân tố và biến quan sát, tác giả sử dụng phép trích nhân tố Principal Component Analsyis (PCA) với phép quay nhân tố là Varimax.
2.3.4.5 Phân tích hồi quy
Đe mô hình hóa mối quan hệ giữa các biến độc lập và biến phụ thuộc, ta sử dụng phương pháp phân tích hồi quy. Kết quả bước phân tích cho mô hình hồi quy tuyến tính mô tả của mối liên hệ giữa các biến độc lập và biến phụ thuộc, thể hiện mức độ của biến phụ thuộc khi biết trước giá trị của biến độc lập.
Trong kết quả phân tích mô hình hồi quy, hệ số xác định R2 là chỉ số dùng để đánh giá mức độ phù hợp của mô hình hồi quy. Tuy nhiên, vì có nhiều biến độc lập nên tác giả dùng hệ số xác định điều chỉnh (R2 hiệu chỉnh) để đánh giá mức độ phù hợp của mô hình.
Kiem định Durbin-Watson là kiểm định tương quan chuỗi bậc nhất. Kết quả kiểm định có trị số gần bằng 2, chứng tỏ không có tương quan chuỗi bậc nhất trong mô hình (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008)
Kiem định F sử dụng trong bảng phân tích phương sai (ANOVA) là phép kiểm định giả thuyết về độ phù hợp của mô hình hồi quy tuyến tính tổng thể. Bằng Kiem định F, tác giả có thể chọn mô hình hồi quy tuyến tính phù hợp nhất với các tập hợp kết quả quan sát của biến phụ thuộc và biến độc lập.
giả sử dụng hệ số phóng đại phương sai VIF (Variance Inflation Factor). Nguyên tắc khi hệ số VIF của một biến độc lập nào đó vượt quá 10 thì biến này không có giá trị giải thích biến thiên của biến phụ thuộc do xảy ra hiện tượng đa cộng tuyến (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Đe kiểm định hiện tượng phương sai thay đổi trong mô hình hồi quy, tác giả thực hiện kiểm định tương quan hạng Spearman giữa phần dư chuẩn hóa với các biến độc lập. Nếu mức ý nghĩa trong tương quan Spearman giữa phần dư chuẩn hóa với các biến độc lập đều lớn hơn 0,05 thì mô hình không có hiện tượng phương sai thay đổi.
2.3.4.6 Kiểm định giả thuyết nghiên cứu
Trong nghiên cứu này, tác giả sử dụng kiểm định t để đưa ra kết luận chấp nhận hay bác bỏ giả thuyết nghiên cứu. Dựa vào bảng kết quả hồi quy trong phân tích hồi quy, nếu mức ý nghĩa (sig.) của kiểm định t tương ứng với từng biến độc lập nhỏ hơn 0,05 thì các giả thuyết nghiên cứu được chấp nhận.
2.3.4.7 Kiểm định sự khác biệt của các biến định tính
Nhằm mục đích tìm ra sự khác biệt về quyết định sử dụng dịch vụ E-banking của khách hàng ở BIDV khu vực TP. HCM giữa các nhóm yếu tố, bao gồm: giới tính, độ tuổi, nghề nghiệp, trình độ học vấn và mục đích sử dụng tác giả thực hiện kiểm định sự khác biệt của các biến định tính.
Đối với kiểm định sự khác biệt giữa hai nhóm giới tính, nghiên cứu sử dụng phép kiểm định giả thuyết về giá trị trung bình của hai tổng thể. Còn các yếu tố còn lại là độ tuổi, nghề nghiệp, trình độ học vấn và mục đích sử dụng có từ ba nhóm mẫu trở lên thì áp dụng phương pháp phân tích phương sai ANOVA. Phương pháp này phù hợp vì nó kiểm định tất cả các nhóm mẫu cùng một lúc với khả năng phạm sai lầm chỉ 5% (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
KẾT LUẬN CHƯƠNG 2
Tác giả cũng đưa ra quy trình nghiên cứu trong đó có nghiên cứu sơ bộ và nghiên cứu chính thức. Trong nghiên cứu sơ bộ, tác giả xây dựng thang đo, đưa ra bảng câu hỏi khảo sát sơ bộ và thực hiện tổ chức thảo luận và khảo sát ý kiến một số cán bộ Ngân hàng và các giảng viên có chuyên môn, có am hiểu về dịch vụ ngân hàng điện tử để tiếp tục bổ sung, điều chỉnh bảng câu hỏi khảo sát.
Sau khi nghiên cứu sơ bộ, tác giả hoàn thiện bảng câu hỏi và đưa ra bảng câu hỏi khảo sát chính thức. Tác giả thực hiện khảo sát qua phương thức phát bảng câu hỏi trực tiếp tại quầy giao dịch khách hàng và sử dụng công cụ Google form được gửi qua email khách hàng. Việc khảo sát được thực hiện đối với các khách hàng tại 36 chi nhánh BIDV tại khu vực TP. HCM với kích thước mẫu là 350. Trong số 350 phiếu khảo sát được gửi đi, có 295 phiếu khảo sát hợp lệ chiếm tỷ lệ 84,3% trong tổng số phiếu khảo sát được gửi đi. Số liệu thu thập được từ các phiếu khảo sát hợp lệ sẽ được xử lý bằng phần mềm SPSS 22.0 để tiến hành các bước phân tích tiếp theo. Tác giả thực hiện mô tả các bước phân tích sẽ thực hiện: phân tích thống kê mô tả, kiểm định độ tin cậy của thang đo, phân tích tương quan, phân tích nhân tố khám phá, phân tích hồi quy, kiểm định giả thuyết kèm theo, kiểm định sự khác biệt của các biến định tính.
CHƯƠNG 3: KẾT QUẢ NGHIÊN CỨU
3.1 THỰC TRẠNG DICH VỤ NGÂN HÀNG ĐIỆN TỬ TẠI BIDV KHU VựC TP. HCM
3.1.1 Các dịch vụ ngân hàng điện tử của BIDV hiện nay3.1.1.1 Internet Banking 3.1.1.1 Internet Banking
a) Dịch vụ BIDV Online: là dịch vụ dành cho khách hàng cá nhân,
khách hàng có thể truy cập và sử dụng dịch vụ này trên cả máy tính cá nhân
và điện
thoại di động, bao gồm:
- Gói phi tài chính, bao gồm các tính năng sau: truy vấn thông tin tài khoản tiền gửi thanh toán, tài khoản tiền vay, tài khoản thấu chi, tiền gửi có kỳ hạn, vấn
tin lãi
suất, tỷ giá, địa điểm đặt máy ATM, POS,...
- Gói tài chính, bao gồm các tính năng trong Gói phi tài chính và các giao dịch
sau: chuyển tiền, thanh toán hóa đơn hàng hóa dịch vụ cho các nhà cung cấp dịch
vụ, nạp tiền điện thoại tất cả các mạng viễn thông tại Việt Nam, nạp ví điện
tử, vấn
tin thông tin thẻ, vấn tin sao kê, thanh toán dư nợ thẻ tín dụng.
b) Dịch vụ BIDV Business Online: là dịch vụ dành cho khách hàng
pháp nhân bao gồm:
- Gói phi tài chính, bao gồm các tính năng sau: truy vấn thông tin tài khoản tiền
gửi thanh toán, tài khoản tiền vay, tiền gửi có kỳ hạn, vấn tin lãi suất, tỷ giá, ...
- Gói tài chính, bao gồm các tính năng trong Gói phi tài chính và các giao dịch
sau: chuyển tiền, thanh toán bảng kê, thanh toán định kỳ, thanh toán hóa đơn hàng
hóa dịch vụ cho các nhà cung cấp dịch vụ, gửi/ rút tiền có kỳ hạn Online.
c) BIDV iBank: là chương trình ngân hàng điện tử BIDV cung cấp cho
động, kiểm soát dòng tiền, truy vấn báo cáo quản lý dòng tiền, báo cáo điều chuyển vốn tự động).
3.1.1.2 Mobile Banking
a) Dịch vụ BIDV Smart Banking cho phép khách hàng thực hiện các
giao dịch sau:
- Gói giao dịch phi tài chính, bao gồm: vấn tin thông tin tài khoản tiền gửi
thanh toán, tiền gửi có kỳ hạn, tiền vay; truy vấn thông tin giao dịch; truy vấn thông
tin thẻ ghi nợ, thẻ tín dụng (thông tin chi tiết thẻ, lịch sử giao dịch, sao kê thẻ tín
dụng); quản lý sử dụng thẻ (khóa/mở thẻ, khóa/mở chức năng thanh toán trực tuyến
và giao dịch không xuất trình thẻ, thay đổi tài khoản liên kết, kích hoạt lại
PIN); tra
cứu thông tin ngân hàng (lãi suất, tỷ giá, địa điểm ATM, chi nhánh...).
- Gói giao dịch tài chính, bao gồm: chuyển tiền, thanh toán dư nợ thẻ tín dụng,
thanh toán hóa đơn dịch vụ, hàng hóa, đặt và thanh toán vé máy bay vé xem phim,
phòng khách sạn, nạp thẻ điện thoại, nạp ví điện tử, gửi/ tất toán tiền gửi có
kỳ hạn
Online.
b) BIDV Bankplus cho phép khách hàng thực hiện một hoặc các giao
dịch sau:
- Chức năng vấn tin, bao gồm: vấn tin thông tin tài khoản ngân hàng, vấn tin
lịch sử giao dịch.
- Chức năng giao dịch tài chính, bao gồm: chuyển tiền, thanh toán hóa đơn
hàng hóa, dịch vụ, gửi/ truy vấn/ tất toán tiền gửi có kỳ hạn online, đăng ký BSMS
tự động.
d) BIDV iBank bao gồm các tính năng và tiện ích sau: vấn tin (tài khoản
thanh toán, tiền gửi, tiền vay, bảo lãnh); chuyển tiền.
3.1.1.3 Dịch vụ cung cấp qua hệ thống máy rút tiền tự động
- Máy rút tiền tự động (ATM) là thiết bị để ngân hàng giao dịch tự động với khách hàng trong thời gian 24 giờ/ngày và 7 ngày trong tuần.
- ATM thực hiện nhận dạng khách hàng thông qua các loại thẻ như thẻ ghi nợ, thẻ tín dụng, cung cấp cho khách hàng các dịch vụ: vấn tin số dư tài khoản,
rút tiền
mặt, chuyển khoản trong nước và thanh toán hàng hóa, dịch vụ như thanh
toán điện,
nước, vé máy bay,...
3.1.1.4 Thanh toán qua các điểm chấp nhận thanh toán bằng thẻ
Thanh toán qua các điểm chấp nhận thanh toán bằng thẻ giúp khách hàng thanh toán các dịch vụ, hàng hóa tại các nhà hàng, khách sạn, cửa hàng, siêu thị, sân bay,.
3.1.1.5 Contact Center
Với dịch vụ Contact Center khách hàng có thể giao dịch với ngân hàng không hạn chế về không gian và thời gian. Hệ thống tiếp nhận yêu cầu của khách hàng 24/7 và khách hàng ở bất cứ đâu cũng có thể giao dịch với ngân hàng thông qua dịch vụ này.
Hệ thống Contact Center tiếp nhận qua 2 kênh: kênh chat và kênh hỗ trợ qua hệ thống tổng đài tự động. Khách hàng có thể dễ dàng tự tra cứu các thông tin như lãi suất huy động, tỷ giá, số dư tài khoản, dư nợ thẻ tín dụng. qua các thao tác đơn giản trên điện thoại.
Ngoài ra, thông qua dịch vụ này, ngân hàng có thể chủ động liên hệ khách hàng nhằm thông báo tình hình tài chính, ngày đến hạn các khoản nợ hoặc giới thiệu các chương trình khuyến mại, sản phẩm, dịch vụ mới đến khách hàng.
3.1.2 Thực trạng dịch vụ ngân hàng điện tử tại BIDV khu vực TP.HCM
phân loại nguồn thu dịch vụ, BIDV thực hiện tách mảng kinh doanh thẻ độc lập với mảng kinh doanh dịch vụ E-banking. Vì vậy, trong luận văn này, các nội dung liên quan đến dịch vụ E-banking của BIDV được hiểu là tổng hợp của mảng kinh doanh dịch vụ thẻ ngân hàng và dịch vụ E-banking.
Mảng hoạt động kinh doanh E-banking là mảng dịch vụ hỗ trợ, tăng cường tiện ích cho khách hàng và cấu thành nên một sản phẩm, dịch vụ ngân hàng trọn gói. Vì vậy, ngoài mảng hoạt động tín dụng, bao gồm thu nhập từ lãi và phí liên quan đến hoạt động tín dụng, hiệu quả hoạt động kinh doanh dịch vụ E-banking gắn liền và là một phần cấu thành nên hiệu quả hoạt động dịch vụ của ngân hàng.
Theo đó, thực hiện đề án cơ cấu lại toàn diện hoạt động kết hợp đề án ngân hàng số và đề án dịch vụ, trong những năm gần đây, hoạt động dịch vụ của BIDV có nhiều chuyển biến tích cực với sự gia tăng về doanh số và chuyển dịch cơ cấu nguồn thu.
Đến cuối năm 2018, BIDV đã có cung cấp đầy đủ các loại dịch vụ E-banking hiện có. Toàn hệ thống BIDV có 1.823 máy ATM, 60.339 máy POS/EFTPOS/EDC (BIDV, 2019), số lượng thẻ ngân hàng đang lưu hành hơn 7 triệu thẻ (BIDV, 2018). Đối với các dịch vụ E-banking khác như SMS Banking - BIDV đang có 5,3 triệu khách hàng, Mobile Banking và Internet Banking - BIDV đang có 3,5 triệu khách hàng (BIDV, 2019).
Theo báo cáo của Ban điều hành về kết quả hoạt động kinh doanh năm 2018 của BIDV, hoạt động thu dịch vụ ròng đạt 3.551 tỷ đồng, tỷ lệ tăng trưởng 20% so với năm 2017, trong đó, thu phí dịch vụ E-banking tăng trưởng 50%, số lượng giao dịch tăng 87% so với năm 2017 và số lượt khách hàng đăng ký mới trong năm 2018 là 1,92 triệu lượt (BIDV, 2019).
Tuy nhiên, theo kết quả hoạt động kinh doanh dịch vụ E-banking năm 2018 của BIDV, thu nhập từ hoạt động kinh doanh E-banking chưa tương xứng với quy mô hoạt động của toàn hệ thống BIDV và chưa đạt hiệu quả như mong đợi. Dù có tăng trưởng trong những năm gần đây với số lượng khách hàng lớn nhưng số lượng giao dịch E-banking vẫn khá thấp và mức độ đóng góp của mảng hoạt động kinh
doanh dịch vụ E-banking trong cơ cấu thu nhập của tổng thu nhập dịch vụ cũng thấp (BIDV, 2019).
Hiện tại, việc thống kê số lượng giao dịch E-banking tại BIDV chưa được thực hiện nên tác giả sử dụng tỷ lệ số lượng giao dịch E-banking trên tổng số lượng khách hàng để đánh giá hoạt động kinh doanh dịch vụ E-banking của BIDV. Trong giai đoạn 2016-2018, tỷ lệ số lượng giao dịch E-banking theo số lượng khách hàng tại BIDV tuy tăng theo từng năm nhưng vẫn là con số khiêm tốn. Mức tăng tỷ lệ số lượng giao dịch E-banking theo số lượng khách hàng tại BIDV được thể hiện ở Bieu đồ 3.1.
Biểu đồ 3.1: Tỷ lệ số lượng giao dịch E-banking theo số lượng khách hàng tại BIDV trong giai đoạn 2016-2018
Nguồn: BIDV (2019) Tỷ lệ số lượng giao dịch E-banking trên tổng số lượng khách hàng thấp có thể đến từ những lý do (i) khách quan như: khách hàng không có hoặc chưa có nhu cầu sử dụng, thói quen tiêu dùng trong xã hội và các nguyên nhân khách quan khác hoặc (ii) chủ quan của BIDV như: việc tiếp thị, bán chéo sản phẩm chưa được chú trọng và hiệu quả; dịch vụ E-banking chưa đảm bảo chất lượng để đáp ứng đầy đủ các nhu cầu của khách hàng... Mức độ đóng góp của mảng hoạt động kinh doanh dịch vụ E-banking trong cơ cấu thu nhập của tổng thu nhập dịch vụ thấp có thể đến từ nguyên nhân doanh số thu phí dịch vụ từ hoạt động này thấp hoặc do chi phí để
triển khai và duy trì hoạt động này cao.
Khu vực TP. HCM là trung tâm kinh tế tài chính lớn nhất của Việt Nam, có lực lượng lao động dồi dào, năng động, sử dụng nhiều dịch vụ ngân hàng hiện đại, đồng thời, mạng lưới hoạt động của BIDV rộng khắp với 36 chi nhánh và gần 100 phòng giao dịch và số lượng khách hàng lớn nhưng mức độ đóng góp vào kết quả