4. Giảng viên hướng dẫn đề xuất cho điểm đánh giá về tinh thần thái độ của
3.2 Thiết kế bảng câu hỏi
3.2.1 Nghiên cứu sơ bộ
Trước khi thực hiện nghiên cứu định lượng chính thức, tác giả thực hiện nghiên cứu định tính sơ bộ nhằm bổ sung, điều chỉnh biến quan sát cho thang đo. Phương pháp này thực hiện bằng cách phỏng vấn theo nội dung chuẩn bị trước. Kết quả nghiên cứu sơ bộ này là cơ sở xác định các yếu tố chính tác động đến chất lượng dịch vụ của ngân hàng bán lẻ, từ đó xây dựng bảng câu hỏi cho khảo sát chính thức. Bảng câu hỏi xây dựng xong được thực hiện khảo sát thử nhằm đánh giá về nội dung và từ ngữ có phù hợp với đối tượng nghiên cứu để bổ sung và chỉnh sửa trước khi nghiên cứu định lượng chính thức. Từ kết quả của nghiên cứu sơ bộ tác giả đã ghi nhận được có nhiều yếu tố ảnh hưởng đến chất lượng dịch vụ ngân hàng điện tử
Các bước nghiên cứu định tính được thực hiện thông qua các buổi tham khảo ý kiến từ các chuyên gia là nhân viên/lãnh đạo chi nhánh ngân hàng VietinBank Đồng Nai và 10 khách hàng cá nhân có sử dụng dịch vụ Ngân hàng điện tử. Từ đó hiệu chỉnh và hoàn tất bảng câu hỏi lần cuối, tiến hành gửi bảng câu hỏi chính thức
Bảng câu hỏi gồm 2 phần:
Phần thứ nhất bảng câu hỏi được thiết kế để thu thập sự đánh giá của khách hàng về chất lượng dịch vụ ngân hàng điện tư và sự hài lòng của khách hàng khi sử dụng dịch vụ này. Phần này được thiết kế với 24 câu hỏi, trong đó 21 câu tương ứng với 21 biến quan sát được dùng đo chất lượng dịch vụ, còn 3 câu còn lại tương ứng với ba biến quan sát tương ứng để đo sự hài lòng của khách hàng với dịch vụ ngân hàng điện tử
Phần thứ hai của bảng câu hỏi là phân loại đối tượng khách hàng được phỏng vấn. Xác định số lượng quan sát cần thiết và thang đo cho việc khảo sát
Kích thước quan sát dự tính là n = 260. Tác giả thực hiện phỏng vấn trực tiếp các khách hàng đến giao dịch, cả nam và nữ, người lớn tuổi và trẻ tuổi, hướng đến các khách hàng có sử dụng dịch vụ NHĐT tại nhiều ngân hàng
Sử dụng thang đo Likert. Nó bao gồm 5 cấp độ phổ biến từ 1 đến 5 để tìm hiểu mức độ đánh giá của người trả lời. Vì vậy, bảng câu hỏi đã được thiết kế từ 1 là “hoàn toàn không đồng ý” đến 5 là “hoàn toàn đồng ý”
3.3 Thu thập dữ liệu3.3.1 Nguồn dữ liệu 3.3.1 Nguồn dữ liệu
Gửi phiếu điều tra cho khách hàng và thu thập kết quả trả lời Xử lý dữ liệu thông qua việc sử dụng công cụ phân tích SPSS
Sau khi thu thập được số lượng mẫu thích hợp, tác giả sử dụng công cụ SPSS để phân tích dữ liệu với các thang đo được mã hóa
Tiến độ thực hiện nghiên cứu:
Nghiên cứu sơ bộ định tính: hình thức thảo luận và khảo sát thử thực hiện trong tháng 10/2021 tại Đồng Nai
Nghiên cứu chính thức định lượng: khảo sát trực tiếp các khách hàng thực hiện trong tháng 11/2021 tại Đồng Nai
3.3.2 Chọn mẫu và làm sạch dữ liệu
Kích thước mẫu là một vấn đề đáng quan tâm đối với bất cứ cuộc khảo sát nào. Theo Tabachnick & Fidell (1991) để phân tích hồi quy đạt kết quả tốt nhất thì kích cỡ mẫu phải thỏa mãn công thức
n >= 8p + 50 = 8*23+50 = 234
Trong đó:
n là kích cỡ mẫu
p số biến độc lập của mô hình
Ngoài ra, theo quy tắc kinh nghiệm của Nguyễn Đình Thọ (2011) thì số quan sát lớn hơn (ít nhất) 5 lần số biến, tốt nhất gấp 10 lần. Như vậy, với 24 biến quan sát, nghiên cứu cần khảo sát ít nhất 230 mẫu để đạt kích thước mẫu cần cho phân tích EFA. Phương pháp thu thập dữ liệu bằng bảng câu hỏi, tác giả phát 260 phiếu khảo sát trực tiếp đến khách hàng và thu lại ngay sau khi trả lời
Qua quá trình thu thập thông tin được tiến hành, sau khi sàng lọc các bảng hỏi không phù hợp, nghiên cứu tiến hành nhập liệu vào phần mềm và phân tích dữ liệu khảo sát để kết luận các giả thuyết và mô hình nghiên cứu. Kết quả cuối cùng từ SPSS sẽ được phân tích, giải thích và trình bày thành bản báo cáo nghiên cứu.
3.4 Phƣơng pháp xử lí dữ liệu
3.4.1 Kiểm tra độ tin cậy của thang đo bằng 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 tương quan trung bình giữa các mục hỏi. Ký tự p trong công thức tượng trưng cho tương quan trung bình giữa tất cả các c p mục hỏi được kiểm tra. Theo quy ước thì một tập hợp các mục hỏi dùng để đo lường được đánh giá là tốt phải có hệ số α lớn hơn ho c bằng 0,8.
M c dù vậy, nếu có một danh mục quá nhiều các mục hỏi (N là số mục hỏi) thì sẽ có nhiều cơ hội để có hệ số α cao. Nhiều nhà nghiên cứu đồng ý rằng Cronbach’s Alpha từ 0,8 trở lên đến gần thì thang đo lường là tốt, từ 0,7 đến gần 0,8 là sử dụng được. Theo tác giả Nunally và Burnstein (1994) điều kiện Cronbach’s Alpha phải từ 0,6 trở lên là sử dụng được.
Bên cạnh đó cần loại bỏ các biến quan sát có mức độ tương quan thấp với các mục câu hỏi còn lại trong nhóm, cụ thể Corrected Item – Total correlation (hệ số tương quan với biến tổng) < 0,3 thì biến sẽ bị loại ra khỏi nhóm nhân tố.
Vì vậy, đối với nghiên cứu này thì Cronbach’s Alpha từ 0,6 trở lên là chấp nhận được. Tính toán Cronbach’s alpha giúp người phân tích loại bỏ các biến không phù hợp và hạn chế các biến rác trong quá trình nghiên cứu.
3.4.2 Phân tích nhân tố khám phá EFA
Được sử dụng để kiểm định sự hội tụ của các biến thành phần về khái niệm. Các biến có hệ số tương quan đơn giữa biến và các nhân tố (factor loading) nhỏ hơn 0,5 sẽ bị loại. Phương pháp trích nhân tố được sử dụng là Principal Axis Factoring
được sử dụng kèm với phép quay không vuông gốc Promax2. Điểm dừng trích khi
các yếu tố có “Initial Eigenvalues” > 1.
Phân tích nhân tố khám phá (EFA) là kỹ thuật chủ yếu để thu nhỏ và tóm tắt dữ liệu. Phân tích nhân tố khám phá phát huy tính hữu ích trong việc xác định các tập biến cần thiết cho vấn đề nghiên cứu cũng như rất cần thiết trong việc tìm mối quan hệ giữa các biến với nhau. Mức độ thích hợp của tương quan nội tại giữa các biến quan sát trong các khái niệm nghiên cứu được thể hiện bằng hệ số Kaiser- Myer- Olkin (KMO) đo lường sự thích hợp của mẫu và mức ý nghĩa đáng kể của kiểm định Barlett. KMO có giá trị thích hợp trong khoảng [0,5;1]
Sự rút trích các nhân tố đại diện bằng các biến quan sát được thực hiện bằng phân tích nhân tố chính với phép quay (Promax). Các thành phần với giá trị Eigenvalue lớn hơn 1 (Gerbing và Anderson, 1998) và tổng phương sai trích bằng ho c lớn hơn 50% được xem như những nhân tố đại diện các biến.
Cuối cùng, để phân tích nhân tố có ý nghĩa, tất cả các hệ số tải nhân tố (factor loading) phải lớn hơn hệ số quy ước 0,5 để các khái niệm nghiên cứu đạt giá trị hội tụ (Hair & ctg, 2006). Bên cạnh đó, khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố phải lớn hơn ho c bằng 0,3 để tạo giá trị phân biệt giữa các nhân tố (Jabnoun và Al-Tamimi, 2003). Kỹ thuật phân tích nhân tố (factor analysis) đã được sử dụng trong nghiên cứu này nhằm rút gọn và gom các yếu tố thuộc tính đó lại thành một nhân tố có ý nghĩa hơn, ít hơn về số lượng
Chúng ta có thể chọn các quyền số hay trọng số nhân tố sao cho nhân tố thứ nhất giải thích được phần biến thiên nhiều nhất trong toàn bộ biến thiên. Sau đó ta chọn tập hợp các quyền số thứ hai sao cho nhân tố thứ hai giải thích được phần lớn biến thiên còn lại, và không có tương quan với nhân tố thứ nhất.
3.4.3 Phân tích tƣơng quan Pearson
Hệ số tương quan Pearson (Pearson correlation coefficient, ký hiệu r) là số liệu thống kê kiểm tra đo lường mối quan hệ thống kê ho c liên kết giữa các biến phụ thuộc với các biến liên tục
Tương quan pearson được biết đến như là phương pháp tốt nhất để đo lường mối liên hệ giữa các biến quan tâm bởi vì nó dựa trên phương pháp hiệp phương sai. Nó cung cấp thông tin về mức độ quan trọng của mối liên hệ, ho c mối tương quan, cũng như hướng của mối quan hệ. Ngoài ra, việc kiểm tra hệ số tương quan pearson còn giúp chúng ta sớm nhận diễn được sự xảy ra của vấn đề đa cộng tuyến khi các biến độc lập có sự tương quan mạnh với nhau
Ýnghĩa hệ số tƣơng quan pearson
Hệ số tương quan Pearson (r) có giá trị giao động trong khoảng liên tục từ -1 đến +1:
r = 0: Hai biến không có tương quan tuyến tính
r = 1; r = -1: Hai biến có mối tương quan tuyến tính tuyệt đối.
r < 0: Hệ số tương quan âm. Nghĩa là giá trị biến x tăng thì giá trị biến y giảm và ngược lại, giá trị biến y tăng thì giá trị biến x giảm.
r > 0: Hệ số tương quan dương. Nghĩa là giá trị biến x tăng thì giá trị biến y tăng và ngược lại, giá trị biến y tăng thì giá trị biến x cũng tăng.
Lưu ý:
Hệ số tương quan pearson (r) chỉ có ý nghĩa khi và chỉ khi mức ý nghĩa quan sát (sig.) nhỏ hơn mức ý nghĩa α = 5%.
Nếu r nằm trong khoảng từ 0,50 đến ± 1, thì nó được cho là tương quan mạnh.
Nếu r nằm trong khoảng từ 0,30 đến ± 0,49, thì nó được gọi là tương quan trung bình.
Nếu r nằm dưới ± .29, thì nó được gọi là một mối tương quan yếu.
3.4.4 Phân tích hồi quy và kiểm định mô hình
Hồi quy đa biến là một phần mở rộng của hồi quy tuyến tính đơn giản. Nó được sử dụng khi chúng ta muốn dự đoán giá trị của một biến dựa trên giá trị của hai ho c nhiều biến khác. Biến chúng ta muốn dự đoán được gọi là biến phụ thuộc (ho c đôi khi, biến kết quả, mục tiêu ho c biến tiêu chí). Các biến chúng ta đang sử dụng để dự đoán giá trị của biến phụ thuộc được gọi là biến độc lập. Hồi quy đa biến cũng cho phép bạn xác định mức độ đóng góp nhiều, ít, không đóng góp... của từng nhân tố vào sự thay đổi của biến phụ thuộc.
Ýnghĩa chỉ số trong hồi quy đa biến
Giá trị Adjusted R Square (R bình phương hiệu chỉnh) và R2 (R Square) phản ánh mức độ ảnh hưởng của các biến độc lập lên biến phụ thuộc. Mức biến thiên của 2 giá trị này là từ 0 - 1. Nếu càng tiến về 1 thì mô hình càng có ý nghĩa. Ngược lại, càng tiến về 0 tức là ý nghĩa mô hình càng yếu. Cụ thể hơn, nếu nằm trong khoảng từ 0.5 - 1 thì là mô hình tốt, < 0.5 là mô hình chưa tốt.
Trị số Durbin – Watson (DW): Có chức năng kiểm tra hiện tượng tự tương quan chuỗi bậc nhất. Giá trị của DW biến thiên trong khoảng từ 0 đến 4. Nếu tương quan của các sai số kề nhau không xảy ra thì giá trị sẽ gần bằng 2. Nếu
giá trị gần về 4 tức là các phần sai số có tương quan nghịch, gần về 0 thì các phần sai số có tương quan thuận. trường hợp DW < 1 và DW > 3 thì khả năng rất cao xảy ra hiện tượng tự tương quan chuỗi bậc nhất.
Giá trị Sig. của kiểm định F có tác dụng kiểm định độ phù hợp của mô hình hồi quy. Ở bảng ANOVA, nếu giá trị Sig. < 0.05 => Mô hình hồi quy tuyến tính bội và tập dữ liệu phù hợp (và ngược lại).
Giá trị Sig. của kiểm định t được sử dụng để kiểm định ý nghĩa của hệ số hồi quy. Nếu Sig. <0.1 => Biến độc lập có tác động đến biến phụ thuộc.
Hệ số phóng đại phương sai VIF (Variance inflation factor): Kiểm tra hiện tượng đa cộng tuyến. Nếu VIF > 10 thì có hiện tượng đa cộng tuyến (Theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005). Tuy nhiên, trên thực tế thực hành, chúng ta thường so sánh giá trị VIF với 2. Nếu VIF < 2 không có hiện tượng đa cộng tuyến giữa các biến độc lập (và ngược lại).
Mức độ đánh giá sự hài lòng của khách hàng thông qua giá trị trung bình, độ lệch chuẩn. Kiểm định mô hình đa biến được sử dụng để kiểm định về sự khác nhau của mức độ hài lòng của khách hàng với dịch vụ và kiểm định sự khác nhau về mức độ đánh giá của khách hàng với các nhóm giới tính, độ tuổi và thu nhập trong tổng thể.
3.4.5 Phân tích phƣơng sai Anova
Phân tích phương sai (Analysis of Variance) hay còn gọi là kiểm định ANOVA là một kỹ thuật thống kê tham số được sử dụng để so sánh các bộ dữ liệu. Nói một cách dễ hiểu, phân tích ANOVA có chức năng đánh giá sự khác biệt tiềm năng trong một biến phụ thuộc mức quy mô bằng một biến mức danh nghĩa có từ 2 loại trở lên. Các nhà phân tích sử dụng thử nghiệm ANOVA để xác định ảnh hưởng của các biến độc lập đối với biến phụ thuộc trong nghiên cứu hồi quy. Kỹ thuật kiểm định ANOVA này được phát triển bởi Ronald Fisher năm 1918
Có nhiều hơn 2 loại phân tích phương sai, tuy nhiên trong khuôn khổ nội dung bài viết này, chúng ta sẽ chỉ tìm hiểu hai loại thông dụng nhất là phân tích phương sai một yếu tố và hai yếu tố.
1/ Phân tích phương sai một yếu tố (one-way ANOVA)
One-way ANOVA là một loại thử nghiệm thống kê so sánh phương sai trong nhóm có nghĩa là trong một mẫu trong khi chỉ xem xét một yếu tố ho c một biến độc lập. Phương sai một yếu tố so sánh ba ho c nhiều hơn ba nhóm phân loại để xác định xem có sự khác biệt giữa chúng hay không. Trong mỗi nhóm nên có ba ho c nhiều quan sát và phương tiện của các mẫu được so sánh.
2/ Phân tích ANOVA hai yếu tố (two-way ANOVA)
ANOVA hai yếu tố là một phần mở rộng của phân tích phương sai một yếu tố. Với One Way, bạn có một biến độc lập ảnh hưởng đến biến phụ thuộc. Còn với two- way ANOVA, sẽ có 2 biến độc lập.
CHƢƠNG 4: KẾT QUẢ NGHIÊN CỨU
4.1 Thực trạng sử dụng dịch vụ Ngân hàng điện tử của khách hàng cá nhân tại VietinBank
Trong chiến lược phát triển mảng bán lẻ tại VietinBank thì Giải pháp tài chính cá nhân toàn diện gắn liền với số hóa là chiến lược trọng tâm cốt lõi của ngân hàng trong giai đoạn hiện nay và những năm tới. Ngân hàng số dành cho khách hàng cá nhân có sự tăng trưởng mạnh mẽ trong những năm qua:
Hình 4.1 Kết quả thực hiện VietinBank Ipay năm 2018-2019 Khách hàng VietinBank ipay active
(đơn vị: nghìn khách hàng) +846 (+71% 1.192 2.038 2018 Tỷ lệ ipay/DDA 30,4%
Số lƣợng giao dịch VietinBank ipay
(đơn vị: triệu giao dịch)
+51 (+146%) 35 2019 18,6% 86 2018 2019
Doanh thu phí ngân hàng số (đơn vị: tỷ đồng) +213 (+108%) 146 359 2018 2019
Chuyển dịch giao dịch ngoài quầy
T01.2019 T12.2019
ATM Tại quầy ipay Pos ATM Tại quầy ipay Pos
12% 12%
41% 34%
19%
33%
28% 21%
(nguồn: báo cáo kết quả kinh doanh VietinBank)
Các bảng trên cho thấy dịch vụ ngân hàng điện tử VietinBank ipay ngày càng được mở rộng và phát triển.
Số lượng khách hàng kích hoạt dịch vụ: số lượng ipay kích hoạt trong năm 2019 là 2.038 nghìn ipay, tăng 846 nghìn ipay, tốc độ tăng 71% so với năm 2018. Đây là tốc độ tăng trưởng rất tốt, cao nhất trong những năm gần đây. Đồng thời tỷ lệ khách hàng đăng dịch vụ ipay cùng với mở tài khoản giao dịch cũng tăng lên, năm 2019 đạt 30,4%