CHƢƠNG 3 : PHƢƠNG PHÁP NGHIÊN CỨU
3.2 Mô hình nghiên cứu
3.2.1 Xây dựng mô hình
Để đánh giá chất lượng dịch vụ tín dụng cá nhân của Agribank- Bình Tân và sự thỏa mãn của khách hàng đối với dịch vụ tín dụng cá nhân của ngân hàng, tác giả đã sử dụng mô hình lý thuyết về chất lượng dịch vụ của Parasuraman & ctg (1991) với thang đo SERVQUAL gồm 5 yếu tố chính và 22 biến quan sát.
Nghiên cứu được đo lường trong lĩnh vực chất lượng dịch vụ tín dụng của ngân hàng, vì vậy tác giả nhận thấy phải có những điều chỉnh bổ sung phù hợp với những nét đặc thù của ngành ngân hàng cũng như phù hợp với tình hình thực tiễn hoạt động tín dụng cá nhân tại Agribank - Bình Tân. Tác giả đã tiến hành phỏng vấn với các chuyên gia là những lãnh đạo, nhân viên có kinh nghiệm làm việc lâu năm tại Agribank- Bình Tân nhằm xác định được những yếu tố chính ảnh hưởng đến sự hài lòng của khách hàng đối với chất lượng sản phẩm tín dụng cá nhân của ngân hàng.
Trên cơ sở kế thừa các lý thuyết và kết quả thảo luận chuyên gia, mô hình thực nghiệm các nhân tố ảnh hưởng đến sự hài lòng của khách hàng đối với chất lượng sản phẩm tín dụng cá nhân của Agribank – chi nhánh Bình Tân được xây dựng bao gồm 5 yếu tố ảnh hưởng như sau:
Hình 3.1: Mô hình sự ảnh hưởng của 5 nhân tố tới sự hài lòng của khách hàng
3.2.2 Các bƣớc phân tích mô hình
Để nhận diện được những nhân tố ảnh hưởng đến chất lượng hoạt động tín dụng cá nhân của Agribank- Bình Tân ta cần tiến hành các bước sau:
Bước 1: Kiểm định chất lượng của thang đo
Sử dụng kiểm định Cronbach Alpha để đánh giá chất lượng và mức độ tương quan chặt chẽ của các thang đo được xây dựng. “Nhiều nhà nghiên cứu đồng ý rằng khi Cronbach’s Alpha từ 0,8 trở lên đến gần 1 thì thang đo lường là tốt, từ 0,7 đến 0,8 là sử dụng được. Đối với các trường hợp thang đo lường là mới hoặc mới đối với người trả lời thì Cronbach Alpha từ 0,6 trở lên là có thể sử dụng được” (Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2009), Phân tích dữ liệu nghiên cứu với SPSS, NXB Thống Kê). Do đó trong đề tài nghiên cứu này, thang đo đạt độ tin cậy khi hệ số Cronbach Alpha của tổng thể > 0,6 và có hệ số tương quan biến – tổng thể (Corrected item – Total correlation) > 0,3. Về lý thuyết, Cronbach Alpha càng cao thì thang đo càng có độ tin cậy và hệ số tương quan biến tổng càng lớn thì sự tương quan của biến đang phân tích với các biến khác trong nhóm càng cao.
Bước 2: Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis)
Sự Đảm Bảo Sự tin tưởng Sự Hài Lòng Sự đáp ứng Sự Cảm Thông Phương tiện hữu hình
Trong nghiên cứu, chúng ta có thể thu thập được một số lượng biến khá lớn và có liên hệ với nhau. Sử dụng phương pháp EFA có thể giúp thu nhỏ và tóm tắt dữ liệu thành một bộ biến số có ý nghĩa với số lượng nhân tố ít hơn số biến. Để đảm bảo mô hình EFA đảm bảo tin cậy, đòi hỏi thực hiện các kiểm định chính sau:
(1) Kiểm định tính thích hợp của EFA: Sử dụng thước đo KMO để đánh giá sự thích hợp của mô hình EFA. Khi trị số KMO thoả mãn điều kiện 0,5 < KMO < 1 thì phân tích EFA là thích hợp cho dữ liệu thực tế.
(2) Kiểm định tương quan của các biến trong thước đo đại diện: Sử dụng kiểm định Bartlett để đánh giá các biến có tương quan với nhau trong một thang đo hay không. Nếu kiểm định này có ý nghĩa thống kê (Sig. <0,05) thì các biến quan sát có mối tương quan với nhau trong tổng thể.
(3) Kiểm định mức độ giải thích của các biến quan sát đối với nhân tố: Sử dụng phương sai trích (% Cumulative variance) để đánh giá mức độ giải thích của các biến quan sát với nhân tố. Trị số phương sai trích nhất thiết phải lớn hơn 50%.
(4) Xác định số lượng nhân tố cần rút trích: Xác định dựa vào Eigenvalue, chỉ có những nhân tố nào lớn hơn 1 mới được giữ lại trong mô hình phân tích.
(5) Chỉ tiêu Factor Loading (Hệ số tải nhân số): Theo Hair & ctg (1998), trọng số Factor Loading > 0,5 được xem là đảm bảo mức thiết thực của EFA.
Bước 3: Phân tích hồi quy đa biến MRA (Multiple Regression Analysis)
Để mô hình hồi quy đảm bảo khả năng tin cậy và hiệu quả, ta cần thực hiện các kiểm định sau:
(1) Kiểm định tương quan từng phần của các hệ số hồi quy: Mục tiêu của kiểm định này là xem xét các biến độc lập có tương quan ý nghĩa với biến phụ thuộc hay không. Khi mức ý nghĩa của các hệ số hồi quy từng phần có độ tin cậy Sig. < 0,05 thì kết luận giữa biến phụ thuộc và biến độc lập có ý tương quan với nhau.
(2) Mức độ giải thích của mô hình: Hệ số xác định R2 hiệu chỉnh (Adjusted R square) được dùng để đánh giá mức độ giải thích của mô hình. R2 hiệu chỉnh càng lớn thể hiện mức độ giải thích của mô hình càng cao.
(3) Mức độ phù hợp của mô hình: Mục tiêu của kiểm định này nhằm xem xét có mối quan hệ tuyến tính giữa các biến độc lập với biến phụ thuộc hay không. Mô hình được xem là không phù hợp khi tất cả các hệ số hồi quy đều bằng 0 và mô hình phù hợp khi có ít nhất một hệ số hồi quy khác 0.
Giả thuyết: H0 : Các hệ số hồi quy đều bằng 0
H1 : Có ít nhất một hệ số hồi quy khác 0
Sử dụng phân tích phương sai (Analysis of variance, ANOVA) để kiểm định mức độ phù hợp của mô hình. Nếu mức ý nghĩa đảm bảo có độ tin cậy ít nhất 95% (Sig. < 0,05) thì chấp nhận giả thuyết H1, mô hình phù hợp với tập dữ liệu và có thể suy rộng ra cho toàn tổng thể.
(4) Hiện tượng đa cộng tuyến (Multicollinearity): Đây là hiện tượng các biến độc lập có quan hệ gần như tuyến tính. Việc bỏ qua hiện tượng đa cộng tuyến sẽ làm cho các sai số cao hơn, giá trị thống kê thấp hơn và có thể không có ý nghĩa. Để kiểm tra hiện tượng này, ta dùng hệ số phóng đại phương sai (Variance Inflation Factor, VIF), điều kiện VIF < 10 thì không xảy ra hiện tượng đa cộng tuyến.