1 TT1 Việc truy cập vào các thông tin quản trị và tài chính là có giới hạn.
2 TT2 Truyền thông giữa các phòng ban là liên tục và thường xuyên 3 TT3 Trao đổi thông tin giữa các phòng trong chi nhánh là rất tốt kể
cả việc chia sẻ những thông tin quan trọng.
Nguồn: Baraam và Nijssen (2008)
3.1.4.7. Sự năng động của sản phẩm-thị trường:
Sự năng động của sản phẩm – thị trường được đo lường bởi 4 biến quan sát ký hiệu lần lượt là NĐ1; NĐ2; NĐ3; NĐ4. Các biến quan sát này dựa trên nghiên cứu của Braam Nijssen 2008.
Bảng 12: Sự năng động của sản phẩm-thị trường STT Biến quan sát Nội dung STT Biến quan sát Nội dung
1 NĐ1 BIDV Nam Đồng Nai thay đổi định kỳ các hoạt động marketing của mình để phản ứng với hành động của đối thủ cạnh tranh
2 NĐ2 Mức độ thay đổi công nghệ trong ngành làm cho sản phẩm của BIDV trở nên lỗi thời nhanh chóng.
3 NĐ3 Trong thị trường của BIDV, sự thay đổi của khách hàng là rất khó dự đoán.
4 NĐ4 Trong thị trường của BIDV, hành vi của đối thủ là gần như không dự đoán được.
Nguồn: Baraam và Nijssen (2008)
3.1.5. Thiết kế bảng câu hỏi:
Bảng câu hỏi trong nghiên cứu này được thiết kế lần đầu dựa trên kết quả nghiên cứu thứ cấp. Cụ thể là cơ sở lý luận và những nghiên cứu trước đây. Sau đó tác giả đã đưa ra thảo luận trong nghiên cứu định tính và tiến hành chỉnh sửa lần 1. Nội dung bảng câu hỏi bao gồm 3 phần chính (tham khảo phụ lục 4):
- Thông tin mở đầu: Nội dung phần này bao gồm phần giới thiệu mục đích, ý nghĩa của nghiên cứu.
- Thông tin chính về các phát biểu: Trong phần này nêu lên những phát biểu nhằm ghi lại mức độ ý kiến của người trả lời. Nội dung của những phát biểu được thiết kế theo mô hình và thang đo đã được nghiên cứu.
Xin Anh/Chị vui lòng cho biết mức độ đồng ý của Anh/Chị với các phát biểu sau đây dành cho mức độ ứng dụng Thẻ điểm cân bằng (BSC) vào hệ thống đo lường tại BIDV mà anh chị đã chọn ở câu hỏi trên theo thang điểm từ 1 5 với quy ước: 1 2 3 4 5 Hoàn toàn không hài lòng Không hài lòng Không ý
kiến Hài lòng Rất hài lòng
Yếu tố Mã hóa Phát biểu Mức độ đồng ý
Mức độ ứng dụng
BSC
CN1 Các cấp quản lý tại chi nhánh có nhận thức về BSC
1 2 3 4 5
CN2 BIDV Nam Đồng Nai đã từng thử nhiệm áp dụng BSC vào hệ thống đo lường hiệu quả kinh doanh
1 2 3 4 5
CN3 Bạn từng sử dụng BSC vào việc đánh giá, đo lường hiệu quả
1 2 3 4 5 Mức độ tham gia của nhà lãnh đạo
TG1 Được tham gia rất nhiều trong việc giới thiệu, giám sát hoạt động trong BIDV Nam Đồng Nai
1 2 3 4 5
TG2 Thấu hiểu rằng việc sử dụng BSC để xây dựng hệ thống đo lường hiệu quả là cần thiết cho sự thành công của công ty
1 2 3 4 5
TG3 Được thông báo đầy đủ và hỗ trợ mọi nỗ lực
để việc đánh giá kết quả kinh doanh 1 2 3 4 5
Mức độ tập trung
TT1 BIDV Nam Đồng Nai có tập trung hóa cao về quyên lực và ra quyết định
1 2 3 4 5
TT2 BIDV Nam Đồng Nai có mức độ phân quyền và ra quyết định cao
hóa Mức độ ảnh hưởng của phòng tài chính
TC1 Phòng tài chính có nhiều quyền lực so với
các phòng ban khác 1 2 3 4 5
TC2 Kế toán nội bộ có vị trí vượt trội và được đề cao tại BIDV
1 2 3 4 5
Mức độ chuẩn
hóa
CH1 Nhấn mạnh đến việc áp dụng một phong cách quản trị đồng nhất, bao quát
1 2 3 4 5
CH2 Nhấn mạnh đến tầm quan trọng trong việc tuân thủ các quy trình đã đưa ra
1 2 3 4 5
CH3 Kiểm soát chặt chẽ các quy trình bằng hệ thống kiểm soát chi tiết
1 2 3 4 5
CH4 Các nhân viên làm việc theo đúng bản mô tả công việc 1 2 3 4 5 Mức độ truyền thông nội bộ
TT1 Việc truy cập vào các thông tin quản trị và tài chính là có giới hạn
1 2 3 4 5
TT2 Truyền thông giữa các phòng ban là liên tục và thường xuyên
1 2 3 4 5
TT3 Trao đổi thông tin giữa các phòng trong chi nhánh là rất tốt kể cả việc chia sẻ những thông tin quan trọng.
1 2 3 4 5 Mức độ ứng phó với sự năng động của sản phẩm- thị trường NĐ1
BIDV Nam Đồng Nai thay đổi định kỳ các hoạt động marketing của mình để phản ứng với hành động của đối thủ cạnh tranh
1 2 3 4 5
NĐ2
Mức độ thay đổi công nghệ trong ngành làm cho sản phẩm của BIDV trở nên lỗi thời nhanh chóng.
1 2 3 4 5
NĐ3
Trong thị trường của BIDV, sự thay đổi của
khách hàng là rất khó dự đoán. 1 2 3 4 5
NĐ4
Trong thị trường của BIDV, hành vi của đối
- Thông tin thống kê: Nhằm thu thập thêm những nội dung khác liên quan đến người trả lời để thống kê, mô tả mẫu cũng như giải thích rõ thêm cho những thông tin chính nếu cần thiết:
a) Giới tính:
Giới tính Nam Nữ
Mã hóa 1 2
b) Anh/Chị vui lòng cho biết chức vụ công tác tại BIDV Nam Đồng Nai?
Vị trí Các cấp lãnh đạo, quản lý Nhân viên Hợp đồng khoán gọn
Mã hóa 1 2 3
c) Anh/Chị vui lòng cho biết độ tuổi của Anh/Chị? Tuổi 20-30 31- 40 41-50 >50
Mã hóa 1 2 3 4
d) Anh/Chị vui lòng cho biết chuyên môn công việc của Anh/Chị?
chuyên môn công việc Quan hệ khách hàng Nghiệp vụ Hỗ trợ Khác
Mã hóa 1 2 3 4
3.2. Phương pháp phân tích số liệu:
3.2.1. Phân tích độ tin cậy (hệ số Cronbach Alpha):
Hệ số Cronbach alpha là một phép kiểm định thống kê về mức độ chặt chẽ mà các mục hỏi trong thang đo tương quan với nhau.
Độ tin cậy của thang đo được đánh giá bằng phương pháp nhất quán nội tại qua hệ số Cronbach’s Alpha. Hệ số Cronbach’s Alpha càng lớn thì độ tin cậy 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 nghiên cứu không phù hợp vì các biến này có thể tạo ra các yếu tố giả (Nguyễn Đình Thọ, 2011). 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
biến nào cần loại bỏ đi và biến nào cần 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 & Chu Nguyễn Mộng Ngọc, 2008). Trong nghiên cứu này, tác giả chọn thang đo có độ tin cậy Cronbach’s Alpha > 0,6.
Theo đó, chỉ những biến có Hệ số tương quan tổng biến phù hợp (Corrected Item-Total Correlation) > 0,3 và có Hệ số Alpha > 0,6 mới được xem là chấp nhận được và thích hợp đưa vào phân tích những bước tiếp theo. Các biến quan sát có hệ số tương quan biến tổng (corrected item-total correlation) < 0,3 sẽ bị loại.
3.2.2. Phân tích nhân tố khám phá (EFA):
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. Phân tích nhân tố (Exploratory Factor Analysis) là một kỹ thuật phân tích nhằm thu nhỏ và tóm tắt các dữ liệu, rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu.
Phương pháp EFA thuộc nhóm các phương pháp phân tích đa biến phụ thuộc lẫn nhau vì các biến được đưa vào phân tích không có biến độc lập và phụ thuộc mà chúng cùng phụ thuộc lẫn nhau. để chọn số lượng nhân tố, ba phương pháp thường được sử dụng là (1) tiêu chí E=eigenvalue, (2) tiêu chí điểm uốn và (3) xác định trước số lượng nhân tố.
Trong phân tích nhân tố, yêu cầu cần thiết là hệ số KMO (Kaiser-Meyer- Olkin (KMO) phải có giá trị lớn (0,5<KMO<1) thể hiện phân tích nhân tố là thích hợp, nếu hệ số KMO<0,5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu. Đồng thời, hệ số tải nhân tố của từng biến quan sát phải có giá trị > 0,45, điểm dừng khi Eigenvalue (đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố) > 1 (mặc định của chương trình SPSS), và tổng phương sai dùng để giải thích bởi từng nhân tố > 50% mới thỏa yêu cầu của phân tích nhân tố. Khi tiến hành phân tích nhân tố, tác giả đã sử dụng phương pháp trích (Extraction method) là Principal Axis factoring với phép xoay (Rotation) Promax và phương pháp tính nhân tố là phương pháp hồi quy tuyến tính bội.
Phân tích nhân tố khám phá dùng để kiểm định giá trị khái niệm của thang đo:
Phương pháp: Đối với thang đo đơn hướng thì sử dụng phương pháp trích yếu tố Principal Components. Thang đo chấp nhận được khi tổng phương sai trích được ≥ 50%.
Tiêu chuẩn đánh giá: Hệ số tải nhân tố phải ≥ 0,5 để đảm bảo ý nghĩa thiết thực của EFA.
Các mức giá trị của hệ số tải nhân tố: > 0,3 là mức tối thiểu chấp nhận được; > 0,4 là quan trọng; > 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 > 0,3, nếu cỡ mẫu khoảng 100 thì nên chọn hệ số tải nhân tố > 0,55, nếu cỡ mẫu khoảng 50 thì hệ số tải nhân tố phải > 0,75 (Nguyễn Đình Thọ, 2011)
3.2.3. Kiểm định mô hình lý thuyết:
Sau khi rút trích được các nhân tố từ phân tích nhân tố khám phá EFA, tiến hành phân tích hồi quy bội. Đó là một kỹ thuật thống kê có thể được sử dụng để phân tích mối quan hệ giữa một biến phụ thuộc và nhiều biến độc lập. Mục tiêu của phân tích hồi quy bội là mô tả mối liên hệ và qua đó giúp ta dự đoán được mức độ của biến phụ thuộc khi biết trước giá trị của biến độc lập.
Khi chạy hồi quy cần chú ý đến những thông số:
Hệ số Beta: Hệ số hồi quy chuẩn hóa cho phép so sánh trực tiếp giữa các hệ số dựa trên mối quan hệ giải thích của chúng với biến phụ thuộc.
Hệ số khẳng định R2: Đánh giá phần thay đổi của biến phụ thuộc được giải thích bởi các biến dự báo hay biến độc lập. Hệ số này được thay đổi từ 0 đến 1.
Hệ số R2 điều chỉnh: Vì hệ số khẳng định R2 được chứng minh là hàm không giảm theo số biến độc lập được đưa ra mô hình, chúng ta càng đưa thêm biến độc lập vào mô hình thì R2 càng tăng, tuy nhiên điều này cũng được chứng minh rằng
không phải phương trình càng nhiều biến sẽ càng phù hợp. Bằng cách so sánh hệ số R2 .
Quá trình phân tích hồi qui tuyến tính được thực hiện qua các bước:
Bước 1: Kiểm tra tương quan giữa các biến độc lập với nhau và với biến phụ
thuộc thông qua ma trận hệ số tương quan. Theo đó, điều kiện để phân tích hồi qui là phải có tương quan giữa các biến độc lập với nhau và với biến phụ thuộc. Tuy nhiên, theo Nguyễn Đình Thọ (2008), khi hệ số tương quan < 0,85 thì có khả năng đảm bảo giá trị phân biệt giữa các biến. Nghĩa là, nếu hệ số tương quan > 0,85 thì cần xem xét vai trò của các biến độc lập, vì có thể xảy ra hiện tượng đa cộng tuyến (một biến độc lập này có được giải thích bằng một biến khác).
Bước 2: Xây dựng và kiểm định mô hình hồi qui
Dựa vào kết quả nghiên cứu định tính, cơ sở lý thuyết và các nghiên cứu trước, mô hình nghiên cứu chính thức có dạng tổng quát như sau:
CN= B0 + β1*TG + β2*TT + β3*TC + β4*CH + β5*TN + β6*NĐ
Trong đó:
- TG: Sự tham gia của lãnh đạo (X1) - TT: Sự tập trung hóa (X2)
- TC: Ảnh hưởng của phòng tài chính (X3) - CH: Sự chuẩn hóa (X4)
- TN: Truyền thông nội bộ (X5)
- NĐ: Sự năng động của sản phẩm-thị trường (X6) - CN: Mức độ ứng dụng BSC (Y)
β0: Hằng số cũng chính là sự chấp nhận của Y nếu các yếu tố khác bằng 0 β1,β2….β6: Hệ số của các biến độc lập
ɛ : Sai số của mô hình
Thứ nhất: Đánh giá độ phù hợp của mô hình hồi quy thông qua hệ số xác định R2 và R2 có hiệu chỉnh. Hệ số R2 hiệu chỉnh (Adjusted coefficient of determination): Đo lường mức ý nghĩa giải thích của các biến độc lập đối với biến phụ thuộc trong mô hình.
Thứ hai: Kiểm định giả thuyết về độ phù hợp của mô hình. Giá trị Sig< 0,05 thì mô hình có ý nghĩa thống kê (Hoàng Trọng & Chu Nguyễn Mộng Ngọc 2008).
Thứ ba: Kiểm định giả thuyết về ý nghĩa của từng hệ số hồi quy. Thứ tư: Kiểm định hiện tượng đa cộng tuyến trong mô hình hồi quy.
Thứ năm: Xác định mức độ ảnh hưởng của các nhân tố tác động đến sự hài lòng của khách hàng đối với CLDV ngân hàng tại HDBank khu vực Hồ Chí Minh: Hệ số β (Standardizeed Beta Coefficent) nói lên mức độ tác động của các biến độc lập đối với biến phụ thuộc với giá trị kiểm định ý nghĩa của hệ số β là Sig<0,05. Hệ số β của nhân tố nào càng lớn thì nhân tố đó có mức độ ảnh hưởng cao hơn các nhân tố khác trong mô hình nghiên cứu.
Bước 3: Kiểm tra vi phạm các giả định hồi qui
Mô hình hồi qui được xem là phù hợp với tổng thể nghiên cứu khi không vi phạm các giả định. Vì thế, sau khi xây dựng được phương trình hồi qui, cần phải kiểm tra các vi phạm giả định cần thiết sau đây:
Có liên hệ tuyến tính giữa các biến độc lập với biến phụ thuộc. Phần dư của biến phụ thuộc có phân phối chuẩn.
Phương sai của sai số không đổi
Không có tương quan giữa các phần dư (tính độc lập của các sai số).
Không có tương quan giữa các biến độc lập (không có hiện tượng đa cộng tuyến).
Trong đó:
Công cụ để kiểm tra giả định liên hệ tuyến tính là đồ thị phân tán phần dư chuẩn hóa (Scatter) biểu thị tương quan giữa giá trị phần dư chuẩn hóa (Standardized Residual) và giá trị dự đoán chuẩn hóa (Standardized Pridicted Value).
Công cụ để kiểm tra giả định phần dư có phân phối chuẩn là đồ thị tần số Histogram, hoặc đồ thị tần số P-P plot.
Công cụ để kiểm tra giả định sai số của biến phụ thuộc có phương sai không đổi là đồ thị phân tán của phần dư và giá trị dự đoán hoặc kiểm định Spearman’s rho.
Công cụ được sử dụng để kiểm tra giả định không có tương quan giữa các phần dư là đại lượng thống kê d (Durbin - Watson), hoặc đồ thị phân tán phần dư chuẩn hóa. Công cụ được sử dụng để phát hiện tồn tại hiện tượng đa cộng tuyến là độ chấp nhận của biến (Tolerance) hoặc hệ số phóng đại phương sai (Variance inflation factor - VIF). Theo Nguyễn Đình Thọ và Nguyễn Thị Mai Trang (2011), khi VIF > 2 cần phải cẩn trọng hiện tượng đa cộng tuyến.
3.2.4. Kiểm định sự khác biệt giữa của mẫu (ANOVA):
Phân tích ANOVA để xem xét mối quan hệ giữa những nhóm khảo sát có vị trí công việc, tuổi, giới tính có tác động thế nào đến mức độ ứng dụng mô hình BSC tại BIDV Nam Đồng Nai. Các giả thuyết H0 được đưa ra:
(1) H0: Không có sự khác biệt về Vị trí công việc và Mức độ ứng dụng mô hình BSC.
(2) H0: Không có sự khác biệt về Phòng ban hiện làm và Mức độ ứng dụng mô hình BSC.
(3) H0: Không có sự khác biệt về Độ tuổi và Mức độ ứng dụng mô hình BSC.
(4) H0: Không có sự khác biệt về Giới tính và Mức độ ứng dụng mô hình BSC.
Và các giả thuyết H1 được đưa ra
(1’) H1: Có sự khác biệt về Vị trí công việc và Mức độ ứng dụng mô hình BSC.
(2’) H1: Có sự khác biệt về Phòng ban hiện làm và Mức độ ứng dụng mô hình BSC
(3’) H1: Có sự khác biệt về Độ tuổi và Mức độ ứng dụng mô hình BSC. (4’) H1: Có sự khác biệt về Giới tính và Mức độ ứng dụng mô hình BSC
Phân tích ANOVA là sự mở rộng của kiểm định t, vì phương pháp này giúp so