6. Kết cấu luận văn
2.5. Phân tích dữ liệu sau điều tra
Trƣớc hết, các dữ liệu sau khi thu thập đƣợc sẽ làm sạch, mã hóa dữ liệu và xử lý bằng phần mềm SPSS 20,…theo trình tự nhƣ sau:
2.5.1. Làm sạch dữ liệu:
Các Bảng hỏi thu đƣợc sau khi phỏng vấn khách hàng sẽ đƣợc phân loại, các Bảng bị lỗi, không đầy đủ dữ liệu sẽ bị loại bỏ để bảo đảm dữ liệu sau khi làm sạch có đủ độ tin cậy đƣa vào phân tích. Sau đó, tác giả nhập vào cơ sở dữ liệu; Đặt tên biến cho các nhóm nhân tố của mô hình nghiên cứu theo mô hình
SERVQUAL.
2.5.2. Mã hóa dữ liệu
Các dữ liệu sạch sau khi đƣợc nhập sẽ đƣợc xử lý với trình tự nhƣ sau:
Mô tả đặc điểm của mẫu điều tra, tác giả sử dụng tính năng của SPSS 20 để thống kê khách hàng theo các biến, để từ đó phân tích các đặc điểm của mẫu điều tra tác động nhƣ thế nào đến việc họ đánh giá chất lƣợng dịch vụ tại Ngân hàng BIDV Hoàn Kiếm.
Tác giả xác định các nhân tố ảnh hƣởng đến chất lƣợng dịch vụ của ngân hàng (crobach's alpha, phân tích nhân tố EFA, ƣớc lƣợng mô hình hồi quy, phân tích phƣơng sai 1 yếu tố).
Kiểm định độ tin cậy của thang đo: công cụ kiểm định Cronbach’s alpha đƣợc sử dụng để loại bỏ biến rác trƣớc khi tiến hành phân tích. Kiểm định độ tin cậy của các biến trong thang đo chất lƣợng dịch vụ ngân hàng tại BIDV Hoàn Kiếm, dựa vào hệ số kiểm định Cronbach’s alpha của các thành phần thang đo và hệ số Cronbach’s alpha của mỗi biến đo lƣờng. Trƣờng hợp biến có hệ số tƣơng quan tổng – biến nhỏ hơn 0.3 sẽ bị loại. Thang đo có hệ số Cronbach alpha từ 0.6 trở lên là có thể sử dụng đƣợc trong trƣờng hợp khái niệm đang nghiên cứu mới (Nunnally, 1978; Peterson, 1994; Slater, 1995). Thông thƣờng, thang đo có Cronbach alpha từ 0.7 đến 0.8 là sử
dụng đƣợc. Nhiều nhà nghiên cứu cho rằng khi thang đo có độ tin cậy từ 0.8 trở lên đến gần 1 là thang đo lƣờng tốt.
Phƣơng pháp 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. Phân tích nhân tố khám phá là kỹ thuật đƣợc sử dụng nhằm thu nhỏ và tóm tắt các dữ liệu để xác định các nhóm tiêu chí đánh giá chất lƣợng dịch vụ khách hàng cá nhân tại Ngân hàng BIDV Hoàn Kiếm. Phƣơng pháp này rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu và đƣợc sử dụng để tìm mối quan hệ giữa các biến với nhau.
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 từ 0.5 đến 1 thì phân tích này mới thích hợp, còn nếu nhƣ trị số này nhỏ hơn 0.5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu. Ngoài ra, phân tích nhân tố còn dựa vào eigenvalue để xác định số lƣợng nhân tố. Chỉ những nhân tố có eigenvalue lớn hơn 1 thì mới đƣợc giữ lại trong mô hình. Đại lƣợng eigenvalue đại diện cho lƣợng biến thiên đƣợc giải thích bởi nhân tố. Những nhân tố có eigenvalue nhỏ hơn 1 sẽ không có tác dụng tóm tắt thông tin tốt hơn một biến gốc.
Một phần quan trọng trong bảng kết quả phân tích nhân tố là ma trận nhân tố (component matrix) hay ma trận nhân tố khi các nhân tố đƣợc xoay (rotatedcomponent matrix). Ma trận nhân tố chứa các hệ số biểu diễn các biến chuẩn hóa bằng các nhân tố (mỗi biến là một đa thức của các nhân tố). Những hệ số tải nhân tố (factor loading) biểu diễn tƣơng quan giữa các biến và các nhân tố. Hệ số này cho biết nhân tố và biến có liên quan chặt chẽ với nhau. Nghiên cứu sử dụng phƣơng pháp trích nhân tố principal components nên các hệ số tải nhân tố phải có trọng số lớn hơn 0.5 thì mới đạt yêu cầu.
2.5.3. Thực hiện chạy phần mềm kiểm định và đánh giá
Kiểm định các yếu tố của mô hình: Sau khi các thang đo đƣợc kiểm định, tác giả phân tích tƣơng quan giữa các biến của chất lƣợng dịch vụ và phân tích tƣơng quan giữa các biến chất lƣợng dịch vụ và sự hài lòng. Tiếp theo tiến hành chạy hồi quy tuyến tính và kiểm định với mức ý nghĩa là 5% theo mô hình đã điều chỉnh. Mô hình hồi quy nhƣ sau:
Mức độ hài lòng = β0 + β1* sự tin cậy +β2* sự đáp ứng +β3*năng lực phục vụ + β4*Sự đồng cảm +β5* phƣơng tiện hữu hình.
Để đánh giá cảm nhận khách hàng về chất lƣợng dịch tại ngân hàng BIDV Hoàn Kiếm, tác giả tính các giá trị trung bình theo khoảng. Với thang đo likert và thang đo đối nghịch, ý nghĩa của từng giá trị trung bình đối với thang đo 5 cấp độ để đƣợc ra nhận định kết quả nhƣ sau:
(1. Hoàn toàn không đồng ý, 2. Không đồng ý, 3. Bình thƣờng, 4. Đồng ý, 5. Hoàn toàn đồng ý).
KẾT LUẬN CHƢƠNG 2
Trong Chƣơng 2, tác giả đã trình bày sơ bộ về quy trình, phƣơng pháp, mô hình và quá trình nghiên cứu của mình nhằm tìm kiếm dữ liệu phục vụ cho mục tiêu nghiên cứu của luận văn; và phân tích những dữ liệu đó. Do hoàn cảnh chi tiết làm cơ sở cho việc điều tra phỏng vấn chƣa đƣợc nhắc tới ở Chƣơng 1 mà đƣợc trình bày ở những chƣơng sau nên ở Chƣơng này, tác giả đã nêu ra những phƣơng pháp, kế hoạch và thiết kế nội dung sơ bộ. Cụ thể việc thiết kế nghiên cứu, tình huống thực tế áp dụng cũng nhƣ diễn biến của cuộc điều tra, tác giả sẽ trình bày cụ thể ở những chƣơng tiếp theo.
CHƢƠNG 3: THỰC TRẠNG CHẤT LƢỢNG DỊCH VỤ KHÁCH HÀNG CÁ NHÂN TẠI NGÂN HÀNG BIDV HOÀN KIẾM