Sau khi được thu thập, các bảng trả lời được kiểm tra và loại đi những bảng không đạt yêu cầu. Sau đó chúng được mã hóa, nhập liệu và làm sạch dữ liệu bằng SPSS 25.0. Với phần mềm SPSS, thực hiện phân tích dữ liệu thông qua các công cụ như thống kê mô tả, bảng tần số, kiểm định độ tin cậy của các thang đo, phân tích khám phá, hồi quy, kiểm định T-test và phân tích sâu ANOVA.
• Kiểm định độ tin cậy của các thang đo bằng Cronbach’s Alpha
Đối với thang đo trực tiếp, để đo lường độ tin cậy thì chỉ số độ thống nhất nội tại thường được sử dụng chính là hệ số Cronbach Alpha (nhằm xem xét liệu các câu hỏi trong thang đo có cùng cấu trúc hay không). Hệ số Cronbach’s Alpha càng lớn thì độ nhất quán nội tại càng cao. Sử dụng phương pháp hệ số tin cậy Cronbach’s Alpha trước khi phân tích nhân tố khám phá EFA để loại các biến không phù hợp vì các biến này có thể tạo ra các yếu tố giả (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2007).
Hệ số tin cậy Cronbach’s Alpha chỉ cho biết các biến đo lường có liên kết với nhau hay không nhưng không cho biết các biến nào cần phải loại bỏ và biến nào cần được giữ lại. Do đó, kết hợp sử dụng hệ số tương quan biến – tổng để loại ra những biến không đóng góp nhiều cho khái niệm cần đo (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Các tiêu chí sử dụng khi thực hiện đánh giá độ tin cậy thang đo gồm:
Một là, hệ số tin cậy Cronbach Alpha: lớn hơn 0,8 là thang đo lường tốt; từ 0,7 đến 0,8 là sử dụng được; từ 0.6 trở lên là có thể sử dụng trong trường hợp khái niệm
nghiên cứu là mới hoặc là mới trong hoàn cảnh nghiên cứu (Nunnally, 1998; Peterson, 1994; Slater, 1995; dẫn theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Trong nghiên cứu này, tác giả chọn thang đo có độ tin cậy là từ 0,6 trở lên.
Hai là, hệ số tương quan biến – tổng: các biến quan sát có tương quan biến – tổng nhỏ (nhỏ hơn 0,3) được xem là biến rác thì sẽ được loại ra và thang đo được chấp nhận khi hệ số tin cậy Cronbach’s Alpha đạt yêu cầu.
• Phân tích nhân tố khám phá EFA:
Phân tích nhân tố được dùng để tóm tắt dữ liệu và rút gọn tập hợp các yếu tố quan sát thành những yếu tố chính (gọi là các nhân tố) dùng trong phân tích, kiểm định tiếp theo. Các nhân tố được rút gọn này sẽ có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến quan sát ban đầu. Phân tích nhân tố khám phá được dùng để kiểm định giá trị khái niệm của thang đo.
Cách thực hiện và tiêu chí đánh giá trong phân tích nhân tố khám phá EFA như sau:
Về phương pháp: đối với thang đo đa hướng, sử dụng phương pháp trích yếu tố
là Principal Axis Factoring với phép quay Promax và điểm dừng khi trích các yếu tố EigenValues lớn hơn hoặc bằng 1. Phương pháp này được cho rằng sẽ phản ánh dữ liệu tốt hơn khi dùng Principal Components với phép quay Varimax (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2007). Đối với thang đơn hướng thì sử dụng phương pháp trích nhân tố Principal Components. Thang đo chấp nhận được khi tổng phương sai trích được bằng hoặc lớn hơn 50% (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2007).
Về tiêu chuẩn: Hệ số tải nhân tố phải lớn hơn hoặc bằng 0,5 để đảm bảo mức ý
nghĩa thiết thực của EFA. Các mức giá trị của hệ số tải nhân tố: lớn hơn 0,3 là mức tối thiểu chấp nhận được; lớn hơn 0,4 là quan trọng; lớn hơn 0,5 là có ý nghĩa thực tiễn. tiêu chuẩn chọn mức giá trị hệ số tải nhân tố: cỡ mẫu ít nhất là 350 thì có thể chọn hệ số tải nhân tố lớn hơn 0,3; nếu cỡ mẫu khoảng 100 thì nên chọn hệ số tải nhân tố lớn hơn 0,55; nếu cỡ mẫu khoảng 50 thì hệ số tải nhân tố phải lớn hơn 0,75.
Từ cơ sở lý thuyết trên, mô hình sử dụng 26 biến quan sát cho phân tích nhân tố EFA và việc thực hiện tiến hành theo các bước sau:
Bước 1: Đối với các biến quan sát đo lường các khái niệm thành phần đều là các thang đo đơn hướng nên sử dụng phương pháp trích nhân tố Principal Components với phép quay Varimax và điểm dừng khi trích các yếu tố có EigenValues lớn hơn 1.
Bước 2: tiến hành thực hiện kiểm định các yêu cầu liên quan gồm:
+ Kiểm định Barlett: các biến quan sát có tương quan với nhau trong tổng thể.
+ Xem xét trị số KMO: nếu KMO trong khoảng từ 0,5 – 1 thì phân tích nhân tố là thích hợp với các dữ liệu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
+ Để phân tích EFA có giá trị thực tiễn, tiến hành loại các biến quan sát có hệ số tải nhân tố nhỏ hơn 0,5.
+ Xem lại thông số EigenValues (đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố) có giá trị lớn hơn 1.
+ Xem xét tổng phương sai trích (yêu cầu lớn hơn hoặc bằng 50%): cho biết các nhân tố được trích giải thích % sự biến thiên của các biến quan sát.
• Phân tích hồi quy đa biến
Phân tích tương quan: Các thang đo đã qua đánh giá đạt yêu cầu được đưa
vào phân tích tương quan Pearson. Phân tích tương quan Pearson được thực hiện giữa các biến phụ thuộc và biến độc lập nhằm khẳng định mối liên hệ tuyến tính giữa các biến này và khi đó việc sử dụng phân tích hồi quy tuyến tính là phù hợp. Hệ số tương quan Pearson (r) có giá trị trong khoảng (-1,+1). Giá trị tuyệt đối của r càng tiến đến 1 khi hai biến có mối tương quan tuyến tính chặt chẽ. Giá trị r = 0 chỉ ra rằng hai biến không có quan hệ tuyến tính (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Phân tích hồi quy đa biến
Sau khi kết luận hai biến có mối quan hệ tuyến tính với nhau thì có thể mô hình hóa mối quan hệ nhân quả này bằng hồi quy tuyến tính (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Nghiên cứu thực hiện hồi quy đa biến theo phương pháp Enter: tất cả các biến được đưa vào một lần và xem xét các kết quả thống kê liên quan.
Kiểm định giả thuyết. Quá trình kiểm định giả thuyết được thực hiện theo các bước sau:
Bước 1: Đánh giá độ phù hợp của mô hình hồi quy đa biến thông qua R2 và R2 hiệu chỉnh.
Bước 2: Kiểm định giả thuyết về độ phù hợp của mô hình.
Bước 3: Kiểm định giả thuyết về ý nghĩa của hệ số hồi quy từng thành phần. Bước 4: Kiểm định giả thuyết về phân phối chuẩn của phần dư: dựa theo biểu đồ tần số của phần dư chuẩn hóa; xem giá trị trung bình bằng 0 và độ lệch chuẩn bằng 1.
Bước 5: Kiểm tra giả định về hiện tượng đa cộng tuyến thông qua giá trị của dung sai (Tolerance) hoặc hệ số phóng đại phương sai VIF (Variance Inflation Factor). Nếu VIF > 10 thì có hiện tượng đa cộng tuyến (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Bước 6: Xác định mức độ ảnh hưởng của các yếu tố tác động đến sự hài lòng của khách hàng: hệ số beta của yếu tố nào càng lớn thì có thể nhận xét yếu tố đó có mức độ ảnh hưởng cao hơn các yếu tố khác trong mô hình nghiên cứu.
Bước 7: Cuối cùng, kiểm định T - test và phân tích sâu ANOVA dùng để kiểm định sự khác biệt giữa các thành phần theo yếu tố nhân khẩu học: nhóm giới tính, độ tuổi ….
Tóm tắt chương 3
Chương 3 đã trình bày chi tiết phần thiết kế nghiên cứu: quy trình nghiên cứu, phương pháp thực hiện nghiên cứu. Quá trình nghiên cứu được thực hiện qua hai giai đoạn là nghiên cứu sơ bộ và nghiên cứu chính thức. Nghiên cứu sơ bộ sử dụng phương pháp định tính thông qua kỹ thuật thảo luận tay đôi giữa người nghiên cứu và đối tượng tham gia nghiên cứu. Kết quả nghiên cứu định tính giúp chỉnh sửa mô hình và thang đo lường cho các khái niệm trong mô hình. Cụ thể thang đo được xây dựng bao gồm 26 biến quan sát để đo lường 7 khái niệm trong nghiên cứu. Nghiên cứu chính thức được thực hiện bằng phương pháp định lượng thông qua phỏng vấn với bảng câu hỏi. Kết quả khảo sát đã thu được 210 bảng trả lời hợp lệ trong 300 bảng câu hỏi được gởi đi. Bên cạnh đó, chương 3 cũng trình bày các phần liên quan đến quá trình nghiên cứu như: thông tin cần thu thập, xây dựng thang đo, thiết kế mẫu, giới thiệu kỹ thuật và yêu cầu cho việc phân tích dữ liệu. Dữ liệu nghiên cứu được thống kê và làm sạch để chuẩn bị cho quá trình thực hiện phân tích dữ liệu trong chương 4.
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN 4.1. GIỚI THIỆU MẪU NGHIÊN CỨU
Mẫu được thu thập theo phương pháp thuận tiện dưới hình thức bảng câu hỏi khảo sát. Sau khi loại bỏ những bảng trả lời không hợp lệ (do thiếu các thông tin quan trọng hoặc không phù hợp với điều kiện khảo sát), còn lại 210 bảng hợp lệ được tổng hợp và đưa vào phân tích định lượng. Những thông tin này được tóm tắt như sau:
Bảng 4.1. Thông tin mẫu nghiên cứu
Yếu tố Đặc điểm Tỷ lệ % Tần số Giới tính Nam 57.1% 120 Nữ 42.9% 90 Tổng 100% 210 Độ tuổi Dưới 30 tuổi 21.0% 44 30 – 39 tuổi 44.8% 94 40 - 50 tuổi 19.0% 40 Trên 50 tuổi 15.2% 32 Tổng 100% 210 Trình độ học vấn
Dưới trung học phổ thông 14.3% 30
Trung học phổ thông-Trung cấp 28.1% 59
Cao đẳng-đại học 40.0% 84
Trên đại học 17.6% 37
Tổng 100% 210
Nghề nghiệp
Cơ quan hành chính sự nghiệp 23.8% 50
Chủ kinh doanh 25.7% 54
Lao động tự do 25.2% 53
Học sinh – sinh viên 25.2% 53
Trong 210 mẫu khảo sát nghiên cứu bao gồm các khách hàng sử dụng dịch vụ này tại nhiều ngân hàng thương mại khác nhau. Trong đó theo đặc điểm về nhân khẩu học thì:
Về giới tính thì mẫu không có sự chênh lệch khá lớn giữa nam và nữ, trong đó
nữ chiếm 57.1% còn nam 42.9%.
Về độ tuổi, những người có độ tuổi Dưới 30 tuổi chiếm 21.0%, kế đến là nhóm
Từ 30 – 39 tuổi chiếm 44.8%, Từ 40 – 50 tuổi chiếm 19.0%, nhóm Trên 50 tuổi chiếm 15.2%. Điều này cũng khá hợp lý vì thông thường để sở hữu thẻ thì phải có sự ổn định về tài chính và có nhu cầu mua sắm vật dụng gia đình. Trên 50 tuổi có 32 người (chiếm 15.2%) là nhóm tuổi vẫn giữ thói quen dùng tiền mặt và họ đã ổn định, nhu cầu mua sắm không nhiều nên tỷ lệ sử dụng thẻ ít.
Về trình độ học vấn thì 14.3% mẫu khảo sát có trình độ Dưới trung học phổ thông; từ Trung học phổ thông-Trung cấp chiếm 28.1%; trình độ Cao đẳng-Đại học chiếm 40.0%; Trên đại học chiếm 17.6%.
Về nghề nghiệp thì 23.8% mẫu khảo sát làm việc tại Cơ quan hành chính sự
nghiệp; Chủ kinh doanh chiếm 25.7%; Lao động tự do chiếm 25.2%; Học sinh – sinh viên chiếm 25.2%.
Như vậy, mẫu khảo sát có tính đại diện cho đám đông tương đối cao (mẫu tổng thể mẫu từng nhóm theo đặc điểm cá nhân đều đủ lớn để phân tích thống kê vì đều lớn hơn 30).
4.2. KIỂM ĐỊNH ĐỘ TIN CẬY THANG ĐO BẰNG HỆ SỐ CRONBACH’S ALPHA CRONBACH’S ALPHA
Trước khi thực hiện phân tích nhân tố để rút trích các nhân tố ảnh hưởng trong mô hình, nghiên cứu sẽ tiến hành kiểm định độ tin cậy của thang đo thông qua hệ số Cronbach’s Alpha trên chương trình phần mềm SPSS, cũng như kiểm định sự tương quan của biến quan sát. Hệ số Cronbach’s Alpha kiểm định độ tin cậy của thang đo, cho phép loại bỏ những biến không phù hợp trong mô hình nghiên cứu. Theo nhiều nhà nghiên cứu thì thang đo có hệ số Cronbach’s Alpha từ 0.8 trở lên là thang đo lường tốt. Tuy nhiên, cũng có nghiên cứu cho rằng Cronbach’s Alpha từ 0.6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang đo lường là mới đối với người trả lời trong bối cảnh nghiên cứu (Nunnally, 1978; Peterson, 1994; Slater, 1995). Ngoài ra, đối với các biến có hệ số tương quan biến tổng (item-total correlation) nhỏ hơn 0.3 cũng sẽ bị loại khỏi thang đo. Kết quả phân tích độ tin cậy của thang đo được tổng hợp như sau:
Bảng 4.2. Bảng kết quả phân tích Cronbach’s Alpha
Yếu tố Biến quan
sát Giá trị trung bình Độ lệch chuẩn Tương quan biến tổng Cronbach Alpha nếu biến bị loại Uy tín Thương hiệu UT1 2.97 1.134 .749 .776 UT2 2.83 1.044 .663 .814 UT3 2.97 1.100 .659 .816 UT4 3.02 1.062 .665 .813
Hệ số Cronbach Alpha của yếu tố: 0.846
Lợi ích sản phẩm, dịch vụ LI1 2.84 1.102 .539 .693 LI2 2.75 1.225 .541 .694 LI3 2.70 1.171 .597 .660 LI4 2.85 1.029 .504 .713
Hệ số Cronbach Alpha của yếu tố: 0.749 Sự tiện lợi
TL1 2.96 1.082 .707 .840
TL2 3.01 1.253 .695 .850
TL4 2.91 1.043 .732 .831 Hệ số Cronbach Alpha của yếu tố: 0.870
Chi phí sử dụng
CP1 2.85 .964 .662 .592
CP2 2.84 .858 .554 .720
CP3 2.81 1.007 .565 .711
Hệ số Cronbach Alpha của yếu tố: 0.760
Tác động từ người thân bạn bè TĐ1 2.64 1.142 .617 .538 TĐ2 2.59 1.100 .539 .595 TĐ3 2.60 .924 .365 .698 TĐ4 2.48 1.045 .416 .673
Hệ số Cronbach Alpha của yếu tố: 0.697
Nhân viên
NV1 2.76 1.076 .571 .634
NV2 2.84 1.275 .530 .689
NV3 2.75 1.119 .579 .621
Hệ số Cronbach Alpha của yếu tố: 0.733
Quyết định sử dụng thẻ thanh toán QĐSD1 3.90 1.085 .636 .790 QĐSD2 3.91 1.086 .647 .785 QĐSD3 3.79 1.105 .636 .790 QĐSD4 3.88 1.126 .694 .763
Hệ số Cronbach Alpha của yếu tố: 0.827
Kết quả cho thấy các nhân tố đều có ý nghĩa thống kê vì hệ số Cronbach’s Alpha lớn hơn 0.6. Trong đó:
Uy tín Thương hiệu có hệ số Cronbach’s Alpha là 0.846 và hệ số tương quan biến tổng ở mức cho phép 0.659 - 0.749 cho thấy các biến thành phần có mối quan hệ rất chặt chẽ.
Lợi ích sản phẩm dịch vụ có hệ số Cronbach’s Alpha là 0.848 với các hệ số tương quan tổng 0.5824 – 0.695.
Sự tiện lợi với Cronbach’s Alpha 0.870 và hệ số tương quan biến tổng từ 0.695 – 0.773 nên các biến sẽ được giữ lại.
Chi phí sử dụng với hệ số Cronbach’s Alpha có giá trị 0.760 và hệ số tương quan tổng 0.554 - 0.662.
Tác động từ người thân bạn bè cũng có hệ số Cronbach’s Alpha khá cao 0.697, các biến quan sát thành phần cũng có hệ số tương`quan tổng khá tốt 0.365 – 0.617.
Nhân viên có hệ số Cronbach’s Alpha 0.733 và hệ số tương quan biến tổng 0.530 – 0.579.
Quyết định sử dụng thẻ thanh toán với hệ số Cronbach’s Alpha của nhân tố 0.827 và hệ số tương quan biến tổng 0.636 – 0.694.
Kết quả kiểm định độ tin cậy Cronbach’s Alpha đối với các thành phần nghiên cứu cho thấy, hệ số Cronbach’s Alpha của tất cả các khái niệm nghiên cứu đều lớn hơn 0.6, tất cả các biến quan sát đều có hệ số tương quan biến tổng lớn hơn 0.3. Vì vậy, có thể kết luận rằng thang đo được sử dụng trong nghiên cứu là phù hợp và đáng tin cậy, đảm bảo trong việc đưa vào các kiểm định, phân tích tiếp theo
Như vậy, sau khi đánh giá độ tin cậy thang đo thì mô hình bao gồm 7 yếu tố là:
Uy tín Thương hiệu, Lợi ích sản phẩm, dịch vụ, Sự tiện lợi, Chi phí sử dụng, Tác động từ người thân bạn bè, Nhân viên; Quyết định sử dụng thẻ thanh toán. Các yếu tố này
4.3. PHÂN TÍCH NHÂN TỐ KHÁM PHÁ EFA
Phân tích nhân tố khám phá EFA là một phương pháp phân tích thống kê dùng để rút gọn một tập gồm nhiều biến quan sát phụ thuộc lẫn nhau thành một tập biến (gọi là các nhân tố) ít hơn để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu (Hair & ctg, 1998).
EFA được thực hiện với phép trích Principle Component với phép xoay Varimax và các tiêu chuẩn Community > = 0.5, hệ số tải nhân tố (Factor loading) > =