STT Thang đo Số quan
sát
Số biến bị loại
Cronbach' s alpha
Tƣơng quan biến – tổng nhỏ nhất 1 Uy tín kém 5 0 0,849 0,468 2 Phản hồi các lỗi dịch vụ chậm 2 0 0,894 0,809 3 Sản phẩm dịch vụ nghèo nàn 3 1 (SP3) 0,676 0,298 4 Khoảng cách 3 0 0,749 0.481 5 Sự cố gây tức giận 4 0 0,762 0.401
6 Thái độ tốt đối với quảng cáo của ngân hàng cạnh tranh
6 0 0,863 0,505
7 Xu hướng thay đổi ngân hàng của khách hàng
5 0 0,879 0,559
Nguồn: Kết quả xử lý SPSS
4.5. Phân tích nhân tố khám phá (EFA):
Phân tích nhân tố khám phá (Exploratory Factor Analysis) là phương pháp phân tích thống kê dùng để rút gọn một tập hợp nhiều biến quan sát có mối tương
quan với nhau thành một tập biến (gọi là các nhân tố) ít hơn để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu (Hair và cộng sự, 1998).
Sau khi kiểm tra độ tin cậy của thang đo, phân tích nhân tố khám phá được tiến hành. Phương pháp rút trích được chọn để phân tích nhân tố là phương pháp principal components với phép quay varimax.
Sau khi kiểm định các thang đo bằng hệ số Cronbach’s alpha, có 1 biến quan
sát bị loại (SP3), còn lại 27 biến quan sát được đưa vào phân tích nhân tố.
Khi tiến hành phân tích nhân tố, các nhà nghiên cứu thường quan tâm đến một số tiêu chuẩn sau:
Hệ số KMO (Kaiser- Meyer- Olkin) ≥ 0,5 với mức ý nghĩa của kiểm định Bartlett ≤ 0,05 (Hair và cộng sự, 2006). Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2005), KMO là một chỉ tiêu dùng để xem xét sự thích hợp của EFA. Nếu 0,5 ≤ KMO ≤ 1 thì phân tích nhân tố là thích hợp. Kiểm định Bartllet xem xét giả thuyết về độ tương quan giữa các biến quan sát bằng không trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (sig ≤ 0,05) thì các biến quan sát có tương quan với nhau trong tổng thể.
Hệ số tải nhân tố (Factor loading) ≥ 0,5, nếu biến quan sát nào có hệ số tải nhân tố < 0,5 sẽ bị loại (Hair và cộng sự, 2006). Theo Hair và cộng sự (1998), hệ số tải nhân tố là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA. Factor loading > 0,3 được xem là đạt mức tối thiểu, factor loading > 0,4 được xem là mức quan trọng, ≥ 0,5 được xem là có ý nghĩa thực tiễn. Hair và cộng sự (1998) cũng khuyên như sau: nếu chọn tiêu chuẩn factor loading > 0,3 thì cỡ mẫu của bạn ít nhất phải là 350, nếu cỡ mẫu của bạn khoảng 100 thì nên chọn factor
Thang đo được chấp nhận khi tổng phương sai trích ≥ 50% (Anderson và Gerbing, 1988)
Hệ số Eigenvalue > 1 (Anderson và Gerbing, 1988).
Khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố phải ≥ 0,3 để đảm bảo giá trị phân biệt giữa các nhân tố (Jabnoun và Al-tamimi, 2003).
4.5.1. Đánh giá thang đo các thành phần:
Thành phần yếu tố ảnh hưởng đến Xu hướng thay đổi ngân hàng của khách hàng đo bằng 23 biến quan sát. Sau khi kiểm tra mức độ tin cậy bằng Cronbach’s alpha thì 22 biến đảm bảo độ tin cậy. Phân tích nhân tố khám phá EFA được sử dụng để đánh giá lại mức độ hội tụ của các biến quan sát theo các thành phần. Kiểm định KMO và Bartlett's trong phân tích nhân tố cho thấy hệ số KMO cao (bằng 0,839 > 0.5), giá trị kiểm định Bartlett’s có mức ý nghĩa (Sig. =0,000 < 0,05) cho thấy phân tích nhân tố EFA rất thích hợp.
Bảng 4.4: Hệ số KMO và Bartlett’s thang đo thành phần các yếu tố ảnh hƣởng đến Xu hƣớng thay đổi ngân hàng của khách hàng
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. 0,839 Bartlett's Test of Sphericity Approx. Chi-Square 2126,661
Df 231
Sig. 0,000
Nguồn: Kết quả xử lý SPSS
Tại các mức Eigenvalues lớn hơn 1, với phương pháp rút trích principal components và phép quay varimax, phân tích nhân tố trích được 6 nhân tố từ 22 biến quan sát với phương sai trích là 70,442% (> 50%) đạt yêu cầu.
Dựa trên phân tích của Bảng 4.5, các biến có trọng số < 0,5 sẽ bị loại, các biến có trọng số khơng đạt độ phân biệt cao giữa các nhân tố, cụ thể là < 0,3 cũng sẽ bị loại. Cụ thể có 4 biến bị loại: RF2, DF2, AI4, CA5.
Biến RF2 bị loại có nội dung “Hệ thống giao dịch online và ATM của ngân hàng không đáng tin cậy”. Thực tế hệ thống giao dịch online và ATM của các ngân hàng hiện nay được đầu tư khá bài bản. Các sự cố xảy ra đối với hệ thống online thường do khách hàng gõ nhầm tên hoặc số tài khoản khi chuyển tiền, hoặc đối với máy ATM thì nhả tiền chậm hoặc nuốt thẻ hoặc nghẽn mạng vào các dịp lễ, tết. Độ tin cậy đối với các hệ thống này hiện vẫn khá bảo đảm.
Biến DF2 bị loại có nội dung “Ngân hàng ở khá xa nơi làm việc của tôi”. Biến này bị loại vì các khách hàng cá nhân được khảo sát trong đề tài này làm việc trong các doanh nghiệp, các doanh nghiệp này sử dụng các dịch vụ của ngân hàng, trong đó có dịch vụ trả lương cho nhân viên qua ngân hàng. Các doanh nghiệp này thường giao dịch với các ngân hàng gần địa điểm kinh doanh => biến này ít ảnh hưởng đến xu hướng thay đổi ngân hàng của khách hàng cá nhân. Tiếp theo, biến bị loại AI4 có nội dung “Việc gặp phải một sự cố nghiêm trọng khác với ngân hàng khiến tôi tức giận”. Biến này không mang ý nghĩa cụ thể nên khách hàng không rõ sự cố nào sẽ tác động đến xu hướng thay đổi ngân hàng. Theo thực tế, khi khách hàng giao dịch với ngân hàng thường gặp phải sự cố như chờ đợi lâu hoặc giao dịch với các nhân viên khơng nhiệt tình, khơng lịch sự, đây là những lỗi dễ khiến khách hàng bực mình dẫn đến việc thay đổi ngân hàng. Hoặc tình trạng lỗi nghiêm trọng trong những giao dịch quan trọng cũng dễ xảy ra. Các nội dung này đều được thể hiện trong các biến AI1, AI2 và AI3. Cuối cùng, biến CA5 bị loại có nội dung “Quảng cáo của ngân hàng cạnh tranh dễ hiểu”. Hầu hết các quảng cáo trên truyền hình hiện nay khá dễ hiểu. Tuy nhiên, thực tế cho thấy việc một quảng cáo của đối thủ cạnh tranh có thể dễ hiểu
với khách hàng nhưng chưa chắc khách hàng tìm đến. Đặc biệt, trong lĩnh vực ngân hàng, một loại dịch vụ vơ hình mà địi hỏi uy tín ngân hàng là trên hết thì việc quảng cáo của ngân hàng cạnh tranh dễ hiểu dường như khơng có tác dụng. Loại biến RF2, DF2, AI4 và CA5 không vi phạm nội dung khái niệm nghiên cứu.
Bảng 4.5: Kết quả ma trận nhân tố xoay lần 1 Rotated Component Matrixa