CHƢƠNG 3 : PHƢƠNG PHÁP NGHIÊN CỨU
3.2 Khảo sát khách hàng về chất lƣợng dịchvụ ngân hàng bán lẻ của
Vietcombank Nam Bình Dƣơng
3.2.2 Nghiên cứu sơ bộ
3.2.2.1 Thảo luận, phỏng vấn thử
Nghiên cứu được thực hiện bằng phương pháp định tính, phỏng vấn một số khách hàng, bạn bè, người thân có sử dụng DVNHBL của VCB Nam Bình Dương. Nội dung phỏng vấn được ghi nhận, tổng hợp và là cơ sở để xây dựng các thang đo cũng như mô hình nghiên cứu. Ngoài ra, tác giả còn tham khảo ý kiến của những người có chuyên môn như các anh chị ở ngân hàng (NH) và các nghiên cứu trước đây về mô hình SERVQUAL... Quá trình này nhằm điều chỉnh thang đo SERVQUAL sao cho phù hợp với DVNHBL tại VCB Nam Bình Dương (nếu cần).
3.2.2.2 Thiết kế bảng câu hỏi
Sau khi thảo luận, bảng câu hỏi được thiết kế như sau: Phần I nhằm tìm hiểu Cơ sở lý thuyết Thang đo nháp Thang đo chính thức Nghiên cứu định tính: - Thảo luận - Phỏng vấn thử Nghiên cứu định lượng Thang đo hoàn chỉnh Cronbach alpha Phân tích nhân tố khám phá EFA Phân tích hồi quy
- Loại các biến có hệ số tương quan biến tổng nhỏ.
- Kiểm tra hệ số alpha.
Điều chỉnh
- Loại các biến có trọng số EFA nhỏ.
- Kiểm tra yếu tố trích được. - Kiêm tra phương sai trích được.
về tình hình sử dụng DVNHBL của khách hàng (KH) như: thời gian sử dụng, mức độ sử dụng… Phần II được thiết kế nhằm thu thập ý kiến đánh giá của KH về DVNHBL của VCB Nam Bình Dương với 22 biến đo lường chất lượng dịch vụ theo mô hình SERVQUAL và sử dụng thang đo Likert 5. Phần III là các thông tin phân loại đối tượng phỏng vấn như họ tên, độ tuổi, giới tính, trình độ học vấn, thu nhập,... Bảng câu hỏi sau khi được thiết kế xong được dùng để tiếp tục phỏng vấn thử 10 người để kiểm tra mức độ rõ ràng của bảng câu hỏi và thông tin thu về. Sau khi điều chỉnh, bảng câu hỏi chính thức (xem phụ lục 1) được gửi đi phỏng vấn.
3.2.2.3 Thang đo chính thức
Thang đo chất lượng DVNHBL theo mô hình SERVQUAL sau khi điều chỉnh vẫn có 5 thành phần và 22 biến quan sát (xem phụ lục 2).
Bảng câu hỏi được xây dựng dựa trên thang đo Likert 5 điểm (1 - Hoàn toàn không đồng ý; 2 – Không đồng ý; 3 – Không có ý kiến; 4 – Không đồng ý; 5 – Hoàn toàn không đồng ý) để đánh giá chất lượng dịch vụ bán lẻ của ngân hàng.
Các giả thiết được đặt ra:
H1: Có mối quan hệ cùng chiều giữa thành phần tin cậy của chất lượng dịch vụ và sự hài lòng của khách hàng
H2: Có mối quan hệ cùng chiều giữa thành phần phương tiện hữu hình của chất lượng dịch vụ và sự hài lòng của khách hàng
H3: Có mối quan hệ cùng chiều giữa thành phần đáp ứng của chất lượng dịch vụ và sự hài lòng của khách hàng
H4: Có mối quan hệ cùng chiều giữa thành phần đảm bảo của chất lượng dịch vụ và sự hài lòng của khách hàng
H5: Có mối quan hệ cùng chiều giữa thành phần cảm thông của chất lượng dịch vụ và sự hài lòng của khách hàng
Mô hình sẽ được dùng để kiểm định nhóm giả thiết từ H1 đến H5 bằng phương pháp hồi quy với mức ý nghĩa 5%. Thang đo sự cảm nhận của khách hàng gồm 1 biến quan sát vẫn được giữ lại như ban đầu.
3.2.3 Nghiên cứu chính thức
3.2.3.1 Phương pháp chọn mẫu và thu thập thông tin
chủ yếu được sử dụng trong nghiên cứu này là phương pháp phân tích nhân tố khám phá EFA và phân tích hồi quy bội. Mô hình có số biến quan sát là 23, theo nghiên cứu của Hair (2006), để có thể phân tích nhân tố khám phá cần thu thập dữ liệu với kích thước mẫu ít nhất 5 mẫu trên 1 biến quan sát, do đó kích thước mẫu cần thiết là n = 23*5 = 115. Để đảm bảo kích thước mẫu trên, 150 bảng câu hỏi được sử dụng để phỏng vấn KH.
Thông tin được thu thập thông qua phỏng vấn trực tiếp mặt đối mặt và phỏng vấn qua điện thoại các KH hiện hữu của VCB Nam Bình Dương.
3.2.3.2 Phương pháp phân tích dữ liệu
Các dữ liệu sau khi thu thập sẽ được xử lý bằng phần mềm SPSS. Một số phương pháp được sử dụng để phân tích dữ liệu:
(1) Lập bảng tần số mô tả mẫu theo các tiêu thức như giới tính, tuổi, trình độ học vấn, thu nhập hàng tháng,...
(2) Hệ số tin cậy Cronbach Alpha: phương pháp này dùng để loại các biến
không phù hợp, hạn chế các biến rác trong quá trình nghiên cứu và đánh giá độ tin cậy của thang đo. Những biến có hệ số tương quan tổng (item-total correlation) nhỏ hơn 0,3 sẽ bị loại. Nhiều nhà nghiên cứu cho rằng khi thang đo có độ tin cậy từ 0,8 đến gần 1 là thang đo tốt, thang đo có hệ số Cronbach alpha từ 0,7 đến 0,8 là sử dụng được. Cũng có nhà nghiên cứu đề nghị rằng Cronbach alpha từ 0,6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang nghiên cứu là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu.
(3) Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis): Sau khi
đánh giá độ tin cậy của thang đo bằng hệ số Cronbach alpha và loại đi các biến không đảm bảo độ tin cậy, các biến còn lại sẽ được đưa vào phân tích nhân tố khám phá nhằm mục đích thu nhỏ và tóm tắt dữ liệu.
Trong phân tích nhân tố khám phá, trị số KMO (Kaiser-Meyer-Olkin) là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO phải có giá trị trong khoảng 0,5 đến 1 thì phân tích này mới thích hợp, nếu trị số này nhỏ hơn 0,5 thì phân tích nhân tố có khả năng không phù hợp với các dữ liệu.
Phân tích nhân tố khám phá còn dựa vào Eigenvalue để xác định số lượng nhân tố. Đại lượng Eigenvalue đại diện cho lượng biến thiên của mô hình được giải
thích bởi nhân tố. Những nhân tố có Eigenvalue lớn hơn 1 sẽ được giữ lại trong mô hình còn những nhân tố có Eigenvalue nhỏ hơn 1 sẽ không có tác dụng tóm tắt thông tin tốt hơn một biến gốc nên sẽ bị loại khỏi mô hình.
Một phần quan trọng nữa trong kết quả phân tích nhân tố là ma trận nhân tố (component matrix) hay ma trận nhân tố khi các nhân tố được xoay (rotated component matrix). Ma trận nhân tố chứa các hệ số biểu diễn các biến chuẩn hoá bằng các nhân tố (mỗi biến là một đa thức của các nhân tố). Những hệ số tải nhân tố (factoring loading) biểu diễn tương quan giữa các biến và các nhân tố. Hệ số này cho biết nhân tố và biến có mối tương quan chặt chẽ với nhau. Trong nghiên cứu này sử dụng phương pháp trích nhân tố principal components nên hệ số tải nhân tố phải lớn hơn 0,5 thì mới đạt yêu cầu.
Kết quả của quá trình phân tích này sẽ cho ra ma trận nhân tố (component matrix). Ma trận này chứa các hệ số biểu diễn tương quan giữa các biến.
(4) Phương trình hồi quy: Sau khi rút trích được các nhân tố từ phân tích nhân tố khám phá EFA, dò tìm các vi phạm giả định cần thiết trong mô hình hồi quy tuyến tính bội như kiểm tra hệ số phóng đại phương sai (Variance Inflation Factor – VIF). Nếu các giả định không bị vi phạm, mô hình hồi quy tuyến tình bội được xây
dựng. Và hệ số R2 đã được điều chỉnh (Adjusted R square) cho biết mô hình hồi quy