33 2.1.1 Quá trình hình thành phát triển
2.3.4. Phân tích tương quan, hồi quy và kiểm định giả thuyết
Phân tích tương quan là kỹ thuật phân tích cho biết mối quan hệ giữa các biến nghiên cứu với nhau. Nếu hệ số tương quan khác 0 chứng tỏ các khái niệm nghiên cứu có mối liên hệ thực sự, hệ số tương quan dương phản ánh mối quan hệ và cùng chiều và tương quan âm phản ánh mối quan hệ ngược chiều. Kết quả phân tích từ dữ liệu nghiên cứu cho thấy biến phụ thuộc có tương quan với tất cả các biến còn lại trong mô hình (nhỏ nhất với biến CS, r =0,221**). Điều đó cho thấy giữa sự hài lòng của khách hàng và các yếu tố khác có mối quan hệ với nhau. Kết quả phân tích cũng cho thấy giữa các biến độc lập cũng có tương quan với nhau, điều này gợi ý cần kiểm tra có thể xảy ra hiện tượng đa cộng tuyến khi phân tích hồi quy.
Bảng 2.13. Kết quả phân tích tương quan giữa các biến nghiên cứu
SP GC PP XT NV CS QT HL SP 1 0,132 0,195* 0,009 0,233** 0,124 0,071 0,252** GC 0,132 1 -0,024 0,371** 0,376** -0,075 0,195* 0,324** PP 0,195* -0,024 1 0,203* -0,149 0,264** 0,027 0,216* XT 0,009 0,371** 0,203* 1 .412** -0,026 0,307** 0,324** NV 0,233** 0,376** -0,149 0,412** 1 -0,178* 0,296** 0,173* CS 0,124 -0,075 .264** -0,026 -0,178* 1 0,182* 0,513** QT 0,071 0,195* 0,027 0,307** 0,296** 0,182* 1 0,263** HL 0,252** 0,324** 0,216* 0,324** 0,173* 0,513** 0,263** 1 Nguồn: Kết quả tổng hợp từ phần mềm SPSS 2.2.4.2. Phân tích hồi quy
Phân tích tương quan chỉ cho biết giữa các biến có thể có mối quan hệ với nhau mà không cho biết mối quan hệ nhân quả giữa chúng. Về mặt lý thuyết ta biết rằng các nhân tố có ảnh hưởng đến sự hài lòng của khách hàng đối với dịch vụ ngân hàng bán lẻ của Phòng giao dịch Phan Đình Phùng Hà Nội - VietAbank. Hay nói cách khác ta xem chúng như những biến nguyên nhân (biến độc lập) và Sự hài lòng của khách hàng (biến phụ thuộc). Để kiểm tra quan hệ này ta sử dụng phân tích bằng hồi quy bội với phương pháp tổng bình phương nhỏ nhất OLS. Kết quả phân tích từ dữ liệu nghiên cứu như sau:
Bảng 2.14. Kết quả phân tích hồi quy đa biến Mô hình Hệ số chưa chuẩn hóa Hệ số chuẩn hóa t p-value Thống kê đa cộng tuyến B Sai số
chuẩn Beta VIF
Hệ số chặn -0,287 0,370 -0,777 0,439 SP 0,100 0,051 0,136 1,937 0,055 1,188 GC 0,205 0,061 0,242 3,356 0,001 1,263 PP 0,020 0,064 0,023 0,312 0,756 1,272 XT 0,222 0,083 0,211 2,668 0,009 1,522 NV 0,037 0,062 0,049 0,600 0,549 1,602 CS 0,533 0,072 0,517 7,383 0,000 1,189 QT 0,030 0,066 0,032 0,449 0,654 1,226 Biến phụ thuộc: HL Nguồn: Kết quả tổng hợp từ phần mềm SPSS
Việc xem xét mức độ tác động của yếu tố đối với Sự hài lòng của khách hàng sẽ được xem xét thông qua hệ số beta chuẩn hóa. Theo kết quả hồi quy từ Bảng 2.14 thì Cơ sở vật chất có tác động lớn nhất đến Sự hài lòng của khách hàng với β6=0,517. Lãi suất và phí có tác động quan trọng tiếp theo với β2=0,242. Tiếp đến là yếu tố Xúc tiến hỗn hợp với β 4=0,211. Các thuộc tính Sản phẩm, Nhân viên ngân hàng, Quy trình và Phân phối có tác động nhỏ nhất với hệ số beta chuẩn hóa theo thứ tự là β1=0,136, β5=0,049, β7=0,032, β3=0,023. Phương trình kết quả nghiên cứu như sau;
HL = -0,287 + 0,136*SP + 0,242*GC + 0,023*PP + 0,211*XT + 0,049NV + 0,517*CS + 0,032*QT
2.2.4.3. Kiểm định mô hình
Kiểm định sự phù hợp của mô hình: Bảng 2.15 cho thấy hệ số Durbin-Watson là 1,631 (gần bằng 2) nên có thể kết luận các phần dư không có tương quan chuỗi bậc nhất với nhau hay dữ liệu nghiên cứu đảm bảo giả định về tính độc lập của sai số. Chỉ số R2
= 0,468 và R2 hiệu chỉnh = 0,439, như vậy mô hình hồi quy được xây dựng giải thích được 43,9% biến thiên của các biến độc lập đối với đối với Sự hài lòng của khách hàng.
Bảng 2.15. Kiểm định sự phù hợp của mô hình
Nguồn: Kết quả tổng hợp từ phần mềm SPSS Kiểm định phần dư của biến phụ thuộc phân phối chuẩn: Trong phương pháp OLS
giả thiết dữ liệu biến phụ thuộc phải có phân phối chuẩn, nếu không ước lượng là chệch và không hiệu quả. Để kiểm tra ta sử dụng đồ thị phân phối Histogram và đồ thị P – P Plot. Kết quả phân tích dữ liệu cho thấy đồ thị Histogram có dạng hình chuông đều, giá trị trung bình chuẩn hóa bằng 0, độ lệch chuẩn xấp xỉ bằng 1 (0,974), đồ thị P – P Plot cũng cho thấy đường quan sát và đường dự báo rất gần nhau. Điều đó cho thấy dữ liệu có phân phối chuẩn, thỏa mãn điều kiện để phân tích bằng phương pháp OLS.
Hình 2.9. Đồ thị phân phối của phần dư biến phụ thuộc
Nguồn: Kết quả tổng hợp từ phần mềm SPSS
Mô hình R R2 R2 hiệu chỉnh Sai lệch
chuẩn
DurbinWa tson
Hình 2.10. Đồ thị P – P Plot
Nguồn: Kết quả tổng hợp từ phần mềm SPSS Kiểm định phương sai sai số thay đổi: Phương sai sai số là một đại lượng đo lường mức độ phân tán của các số hạng sai số xung quanh giá trị trung bình. Trong mô hình hồi quy đa biến, có thể sử dụng biểu đồ Scatterplot để kiểm định phương sai sai số thay đổi. Qua biểu đồ có thể thấy, khi biến HL dự đoán biến thiên thì phần dư vẫn dao động quanh trục hoành giức 2 đường màu đỏ nên có thể coi là phương sai đồng nhất (Hình
Hình 2.11. Biểu đồ Scatterplot
Nguồn: Kết quả tổng hợp từ phần mềm SPSS Kiểm tra mối quan hệ giữa các biến độc lập có qua hệ tuyến tính: Một trong những giả định của phương pháp OLS là các biến độc lập trong mô hình không có quan hệ tuyến tính với nhau. Tức là một biến bất kỳ không thể biểu diễn thông qua các biến khác bằng một tổ hợp tuyến tính. Để kiểm tra quan hệ này ta sử dụng đồ thị phân tán (scatter) giữa phần dư chuẩn hóa quan sát và phần dư dự báo của biến phụ thuộc. Nếu chúng thể hiện một xu hướng tuyến tính (tăng hoặc giảm) thì trong mô hình có thể có hiện tượng các biến độc lập có quan hệ tuyến tính với nhau. Kết quả phân tích cho thấy phần dư dự đoán và phần dư quan sát chuẩn hóa không thể hiện một xu hướng nào cả (Hình 2.11). Do đó có thể xem như không có mối quan hệ tuyến tính giữa các biến độc lập.
Kiểm tra hiện tượng đa cộng tuyến: Đa cộng tuyến là hiện tượng thông tin của biến độc lập này được chứa đựng trong một biến khác dẫn đến thổi phồng các kết quả ước lượng làm ước lượng bị chệch, không vững. Để kiểm tra có hiện tượng đa cộng tuyến trong mô hình hay không ta sử dụng chỉ số nhân tử phóng đại phương sai (VIF). Nếu VIF nhỏ hơn 10 có thể xem như đa cộng tuyến không ảnh hưởng đến kết quả ước lượng. Kết quả phân tích dữ liệu cho thấy hệ số VIF lớn nhất với biến NV có VIF là 1,602 nhỏ hơn 10. Do đó, có thể kết luận không có hiện tượng đa cộng tuyến trong mô hình.
CHƯƠNG 3. MỘT SỐ GIẢI PHÁP PHÁT TRIỂN DỊCH VỤ NGÂN HÀNG BÁN LẺ TẠI NGÂN HÀNG TMCP VIỆT Á – PHÒNG GIAO DỊCH PHAN
ĐÌNH PHÙNG HÀ NỘI
3.1. Định hướng phát triển dịch vụ ngân hàng bán lẻ tại Ngân hàng TMCP Việt Á - Phòng giao dịch Phan Đình Phùng Hà Nội