CHƢƠNG 2 : CƠ SỞ LÝ THUYẾT VÀ MƠ HÌNH NGHIÊN CỨU
3.4 Nghiên cứu chính thức
3.4.2 Phƣơng pháp phân tích dữ liệu
Kiểm định Cronbach’s Alpha
Nhằm mục đích đánh giá mức độ tin cậy của việc thiết lập một biến tổng hợp trên cơ sở nhiều biến đơn.
Công thức của hệ số Cronbach’s alpha là:
α = Np/[1 + p(N – 1)]
Trong đó p là hệ số tƣơng quan trung bình giữa các mục hỏi. Ký tự Hy Lạp p trong công thức tƣợng trƣng cho tƣơng quan trung bình giữa tất cả các cặp mục hỏi đƣợc kiểm tra.
Theo quy ƣớc thì một tập hợp các mục hỏi dùng để đo lƣờng đƣợc đánh giá là tốt phải có hệ số α lớn hơn hoặc bằng 0,8. Mặc dù vậy, nếu có một danh mục quá nhiều các mục hỏi (N là số mục hỏi) thì sẽ có nhiều cơ hội để có hệ số α cao.
Nhiều nhà nghiên cứu đồng ý rằng Cronbach’s Alpha từ 0,8 trở lên đến gần thì thang đo lƣờng là tốt, từ 0,7 đến gần 0,8 là sử dụng đƣợc. Cũng có nhà nghiên cứu đề nghị rằng Cronbach’s Alpha từ 0,6 trở lên là có thể sử dụng đƣợc trong trƣờng hợp khái niệm đang nghiên cứu là mới hoặc mới đối với ngƣời trả lời trong bối cảnh nghiên cứu (Hồng Trọng & Chu Nguyễn Mộng Ngọc, 2005).
tính đáng tin cậy của thang đo. Theo Nguyễn Đình Thọ (2011, p.350) cho rằng một thang đo có độ tin cậy tốt khi hệ số Cronbach’s alpha biến thiên trong khoảng từ 0,7 đến 0,8. Tuy nhiên, nếu Cronbach’s alpha ≥ 0,6 là thang đo có thể chấp nhận đƣợc về mặt độ tin cậy, nhƣng khơng đƣợc lớn hơn 0,95 vì bị vi phạm trùng lắp trong đo lƣờng. Những biến có hệ số tƣơng quan biến tổng hiệu chỉnh nhỏ hơn 0,3 sẽ bị loại. Nguyễn Đình Thọ (2011) đã trích dẫn từ Nunnally & Bernstein (1994).
Vì vậy, đối với nghiên cứu này thì Cronbach’s Alpha từ 0,6 trở lên là chấp nhận đƣợc. Tính tốn Cronbach’s alpha giúp ngƣời phân tích loại bỏ các biến khơng phù hợp và hạn chế các biến rác trong quá trình nghiên cứu.
Phương pháp phân tích nhân tố khám phá (EFA): đƣợc sử dụng để kiểm định sự hội
tụ của các biến thành phần về khái niệm. Các biến có hệ số tƣơng quan đơn giữa biến và các nhân tố (factor loading) nhỏ hơn 0,5 sẽ bị loại1. Phƣơng pháp trích nhân tố đƣợc sử dụng là Principal Axis Factoring đƣợc sử dụng kèm với phép quay không vng gốc Promax2. Điểm dừng trích khi các yếu tố có “Initial Eigenvalues” > 1.
Phân tích nhân tố khám phá (EFA) nhằm mục đích để thu nhỏ và tóm tắt dữ liệu. Phân tích nhân tố khám phá phát huy tính hữu ích trong việc xác định các tập biến cần thiết cho vấn đề nghiên cứu cũng nhƣ rất cần thiết trong việc tìm mối quan hệ giữa các biến với nhau.
Mức độ thích hợp của tƣơng quan nội tại giữa các biến quan sát trong các khái niệm nghiên cứu đƣợc thể hiện bằng hệ số Kaiser-Myer- Olkin (KMO) đo lƣờng sự thích hợp của mẫu và mức ý nghĩa đáng kể của kiểm định Barlett. KMO có giá trị thích hợp trong khoảng [0,5;1].
Sự rút trích các nhân tố đại diện bằng các biến quan sát đƣợc thực hiện bằng phân tích nhân tố chính với phép quay (Promax). Các thành phần với giá trị Eigenvalue lớn hơn 1 (Gerbing và Anderson, 1998) và tổng phƣơng sai trích bằng hoặc lớn hơn 50% đƣợc xem nhƣ những nhân tố đại diện các biến.
Cuối cùng, để phân tích nhân tố có ý nghĩa, tất cả các hệ số tải nhân tố (factor loading) phải lớn hơn hệ số quy ƣớc 0,5 để các khái niệm nghiên cứu đạt giá trị hội tụ (Hair & ctg, 2006). Bên cạnh đó, khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố
phải lớn hơn hoặc bằng 0,3 để tạo giá trị phân biệt giữa các nhân tố (Jabnoun và Al- Tamimi, 2003). Kỹ thuật phân tích nhân tố (factor analysis) đã đƣợc sử dụng trong nghiên cứu này nhằm rút gọn và gom các yếu tố thuộc tính đó lại thành một nhân tố có ý nghĩa hơn, ít hơn về số lƣợng.
Chúng ta có thể chọn các quyền số hay trọng số nhân tố sao cho nhân tố thứ nhất giải thích đƣợc phần biến thiên nhiều nhất trong tồn bộ biến thiên. Sau đó ta chọn tập hợp các quyền số thứ hai sao cho nhân tố thứ hai giải thích đƣợc phần lớn biến thiên cịn lại, và khơng có tƣơng quan với nhân tố thứ nhất.
___________________________________________________ 1
Theo Hair & ctg (1998,111), Factor loading là chỉ tiêu chỉ tiêu đảm bảo mức ý nghĩa thiết thực của EFA. FL > 0,3 đƣợc xem là đạ đƣợc mức tối thiểu, FL > 0,4 đƣợc xem là quan trọng, FL ≥ 0,5 đƣợc xem là có ý nghĩa thực tiễn
2Theo Gerbing & Anderson (1988), phƣơng pháp trích Principal Axis Factoring với phép xoay Promax sẽ phản ánh cấu trúc dữ liệu chính xác hơn phƣơng pháp trích Principal Components với phép xoay Varimax
Phương pháp phân tích nhân tố khẳng định (CFA)
Nhằm mục đích để đo lƣờng mức độ phù hợp của mơ hình với thơng tin thị trƣờng, ngƣời ta thƣờng sử dụng Chi-square (CMIN); Chi-square điều chỉnh theo bậc tự do (CMIN/df); chỉ số thích hợp so sánh (CFI_ Comparative Fit Index). Chỉ số Tucker & Lewis (TLI_ Tucker & Lewis Index); Chỉ số RMSEA (Root Mean Square Error Approximation). Mơ hình đƣợc xem là thích hợp với dữ liệu thị trƣờng khi kiểm định Chi-square có P-value
< 0,05.
Tuy nhiên Chi-square có nhƣợc điểm là phụ thuộc vào kích thƣớc mẫu. Nếu một mơ hình nhận đƣợc các giá trị GFI, TLI, CFI ≥0,9 (Bentler & Bonett, 1980); CMIN/df ≤ 2, một số trƣờng hợp CMIN/df có thể ≤ 3 (Carmines & McIver, 1981); RMSEA ≤ 0,08, RMSEA ≤ 0,05 đƣợc xem là rất tốt (Steiger, 1990); thì mơ hình đƣợc xem là phù hợp với dữ liệu thị trƣờng, hay tƣơng thích với dữ liệu thị trƣờng. Thọ & Trang (2008) cho rằng Nếu mơ hình nhận đƣợc các giá trị TLI, CFI ≥0,9, CMIN/df ≤ 2, RMSEA ≤ 0,08 thì mơ hình phù hợp (tƣơng thích) với dữ liệu thị trƣờng.
quan sát đại diện cho các nhân tố tốt đến mức nào. CFA là bƣớc tiếp theo của EFA vì CFA chỉ sử dụng thích hợp khi nhà nghiên cứu có sẵn một số kiến thức về cấu trúc tiềm ẩn cơ sở, trong đó mối quan hệ hay giả thuyết (có đƣợc từ lý thuyết hay thực nghiệm) giữa biến quan sát và nhân tố cơ sở thì đƣợc nhà nghiên cứu mặc nhiên thừa nhận trƣớc khi tiến hành kiểm định thống kê.
Phƣơng pháp CFA đƣợc sử dụng để khẳng định lại tính đơn biến, đa biến, giá trị hội tụ và phân biệt của bộ thang đo đánh giá lòng trung thành của khách hàng sử dụng dịch vụ ngân hàng bán lẻ tại Citibank VN Chi nhánh HCM.
(1) Đánh giá độ tin cậy của thang đo thông qua: (a) Hệ số tin cậy tổng hợp3 (composite reliability) và (b) Tổng phƣơng sai trích đƣợc (variance extracted), (c) Hệ số Cronbach’s Alpha
(2) Tính đơn hƣớng/ đơn nguyên (unidimensionality) (3) Giá trị hội tụ (Convergent validity)
(4) Giá trị phân biệt (Discriminant validity)
Phương pháp phân tích cấu trúc tuyến tính (SEM)
Phƣơng pháp phân tích mơ hình cấu trúc tuyến tính đƣợc sử dụng để kiểm định mơ hình nghiên cứu đã đề xuất. Mơ hình cấu trúc chỉ rõ mối quan hệ giữa các biến tiềm ẩn (một khái niệm đƣợc đo lƣờng dựa trên nhiều biến quan sát) với nhau.
Kiểm định các giả thuyết của mơ hình
Mức độ đánh giá lòng trung thành của khách hàng sử dụng dịch vụ đƣợc đánh giá thơng qua giá trị trung bình, độ lệch chuẩn.
Kiểm định mơ hình đa biến đƣợc sử dụng để kiểm định về sự khác nhau của lòng trung thành của khách hàng sử dụng dịch vụ ngân hàng bán lẻ tại Citibank VN Chi nhánh HCM và kiểm định sự khác nhau về mức độ đánh giá của khách hàng với các nhóm giới tính, độ tuổi và thu nhập trong tổng thể.
3.4.3 Quy trình khảo sát
Bước 1: Thiết kế bảng câu hỏi
Lập bảng câu hỏi theo Parasuraman & ctg (1991) (Phụ lục 1.1) và các nghiên cứu về sự hài lịng có liên quan. Hiệu chỉnh bảng câu hỏi dựa trên ý kiến của khách hàng bằng
cách phỏng vấn và tham khảo ý kiến của một số lãnh đạo phịng thẻ. Sau đó tiến hành phỏng vấn 50 khách hàng để kiểm tra mức độ rõ ràng của bảng câu hỏi để hiệu chỉnh và lập bảng câu hỏi chính thức lần cuối.
Bước 2: Xác định số lƣợng mẫu cần thiết và thang đo cho việc khảo sát Kích thƣớc
mẫu dự tính là n = 440 theo cách tính trên. ___________________________________
3Độ tin cậy tổng hợp (Joreskog,1971) và phƣơng sai trích (Fornell & Larcker, 1981) đƣợc tính theo cơng thức sau (trích dẫn từ Nguyễn Đình Thọ, 2009, tr. 356):
Bước 3: Xây dựng phƣơng thức chọn mẫu phỏng vấn
Mẫu đƣợc chọn theo phƣơng pháp lấy mẫu phi ngẫu nhiên - chọn mẫu thuận tiện khách hàng sử dụng dịch vụ ngân hàng bán lẻ của Citibank.
Bước 4: Phỏng vấn thử và hoàn thiện bảng câu hỏi Bước 5: Phỏng vấn thực tế
Tác giả gửi 500 bảng câu hỏi cho khách hàng, trong đó thơng cán bộ của ngân hàng, gởi cho khách hàng đến giao dịch tại quầy và tiến hành phỏng vấn trực tiếp khách hàng và ngƣời quen sử dụng dịch vụ của Citibank.
Các mẫu điều tra này gởi đi và thu về trong vòng tháng 4 đến tháng 5/2017 trên địa bàn TPHCM. Mẫu thu về sau khi đã loại ra các phiếu không đạt yêu cầu do bỏ trống nhiều, 407 phiếu còn lại đạt yêu cầu đƣa vào để tiến hành phân tích tiếp theo.
Tóm tắt chƣơng 3
Nội dung chƣơng đã trình bày các phƣơng pháp nhằm xây dựng mơ hình nghiên cứu thơng qua thiết kế nghiên cứu cũng nhƣ nội dung xây dựng thang đo các thành phần nghiên cứu, cách xử lý số liệu nghiên cứu nhƣ sau:
- Nghiên cứu sơ bộ: tham khảo các tài liệu nghiên cứu liên quan, tổ chức thảo luận nhóm với các nhân viên ngân hàng. Kết quả thảo luận có ý nghĩa và phù hợp với điều kiện, tình hình thực tế các ngân hàng hiện nay, nên tác giả quyết định ghi nhận và làm cơ sở điều chỉnh bộ thang đo.
- Nghiên cứu chính thức: thu thập dữ liệu bằng cách gửi bảng câu hỏi khảo sát trực tiếp đến đối tƣợng nghiên cứu. Dữ liệu thu thập đƣợc sẽ xử lý bằng phần mềm SPSS và AMOS.