Các thang đo cần được kiểm định độ tin cậy bằng công cụ Cronbach’s Alpha để loại bỏ những biến quan sát không đạt yêu cầu. Các biến quan sát có hệ số tương quan biến – tổng (item-total correlation) nhỏ hơn 0.3 sẽ bị loại và tiêu chuẩn chọn thang đo khi Cronbach’s Alpha từ 0.6 trở lên (Hair et al., (1998) trích trong Nguyễn Đình Thọ (2011).
Sau khi sử dụng Cronbach’s Alpha để loại đi các biến không đạt độ tin cậy, các biến đạt yêu cầu sẽ được tiếp tục đưa vào phân tích nhân tố khám phá EFA. Mục đích của EFA là khám phá cấu trúc của thang đo. Sau đó, các thành phần trích được sẽ đưa vào phân tích hồi qui Logistic để kiểm định giả thuyết đã đưa ra trong mơ hình nghiên cứu và dự báo kết quả.
4.2.1 Đánh giá thang đo bằng hệ số tin cậy Cronbach’s Alpha.
Hệ số Cronbach’s Alpha là một phép kiểm định thống kê về mức độ chặt chẽ của thang đo. Theo Nunnally and Bernstein (1994) trích trong Nguyễn Đình Thọ (2011), thang đo nghiên cứu cần được đánh giá sơ bộ bằng hệ số Cronbach’s Alpha. Hệ số Cronbach’s Alpha có giá trị biến thiên trong khoảng [0-1]. Hệ số Cronbach’s Alpha càng cao càng tốt, tuy nhiên nếu hệ số Cronbach’s Alpha quá lớn (>0,95) cho thấy nhiều biến trong thang đo khơng khác biệt gì nhau. Thang đo có độ tin cậy tốt khi Cronbach’s Alpha biến thiên trong khoảng từ 0.70 đến 0.80. Nếu Cronbach’s Alpha ≥0.60 là thang đo chấp nhận được về mặt tin cậy. Các biến dùng đo lường Cronbach’s Alpha có hệ số tương quan biến tổng ≥0.30 là đạt yêu cầu, nếu một biến có hệ số tương quan biến tổng <0.30 thì biến đo lường khơng đạt u cầu.
4.2.1.1 Thang đo sự thỏa mãn của khách hàng.
Thang đo sự thỏa mãn của khách hàng bao gồm 5 biến được đưa vào phân tích độ tin cậy, các thang đo lần lược được mã hóa lần lượt từ CS01 đến CS05. Kết quả phân tích hệ số Cronbach’s Alpha lần 1 đối với thang đo sự thỏa mãn của khách hàng cho thấy, tất cả các biến đều có hệ số tương quan biến tổng lớn hơn 0.3 trừ 1 biến CS03
(0.016). Nếu loại bỏ biến CS03 này thì hệ số Cronbach’s Alpha tăng từ 0.684 lên 0.856. Trong thiết kế thang đo, do biến CS03 là một thang đo ngược (Reverse Scaled) dùng để đánh giá chất lượng thơng tin của đối tượng trả lời nên có tính gạn lọc thơng tin vì vậy có thang đo này khơng có ý nghĩa nhiều trong việc đo lường khái niệm, do đó tác giả bỏ biến quan sát này và chạy phân tích Cronbach’s Alpha lại lần 2.
Kết quả phân tích Cronbach’s Alphalần 2 thu được hệ số Cronbach’s Alpha bằng 0.856 và hệ số tương quan biến tổng của 4 biến còn lại đều lớn hơn mức chấp nhận 0.3 (xem phụ lục 05), chứng tỏ rằng thang đo sự thỏa mãn của khách hàng này là tốt.
Bảng 4.2 Kết quả phân tích Cronbach's Alpha thang đo sự thỏa mãn của khách hàng sau 2 lần phân tích.
Biến quan sát Tương quan Biến - Tổng
Hệ số Cronbach Alpha nếu loại bỏ biến
Hệ số Cronbach Alpha Sự thỏa mãn của khách hàng (CS) CS01 .674 .828 Alpha = .856 Số lượng biến quan sát: 4 CS02 .672 .832 CS04 .770 .789 CS05 .699 .819
4.2.1.2 Thang đo sự tin tƣởng của khách hàng.
Thang đo sự tin tưởng của khách hàng bao gồm 6 biến quan sát được đưa vào phân tích độ tin cậy, các biến quan sát được mã hóa lần lược từ CT06 đến CT11. Kết quả phân tích hệ số Cronbach’s Alpha lần 1 đối với thang đo sự tin tưởng của khách hàng thu được hệ số Cronbach’s Alpha bằng 0.436 (<0.6) nên chưa thể chấp nhận được. Có 2 biến quan sát có hệ số tương quan biến tổng ≤0.3 là CT07 (hệ số tương quan biến tổng -0.002) và biến quan sát CT09 (hệ số tương quan biến tổng -0.050). Hơn nữa nếu loại bỏ biến CT07 thì hệ số Cronbach’s Alpha tăng từ 0.436 lên 0.536,
cịn nếu loại bỏ biến CT09 thì hệ số Cronbach’s Alpha tăng từ 0.436 lên 0.548. Trong quá trình hình thàng thang đo, các biến quan sát CT07 và CT09 là các thang đo ngược (Reverse Scaled) dùng để đánh giá chất lượng thông tin của đối tượng trả lời nên có tính gạn lọc thơng tin vì vậy khơng có ý nghĩa nhiều trong đo lường khái niệm, do đó tác giả quyết định bỏ biến quan sát CT09 trước bởi vì có hệ số tương quan biến tổng rất nhỏ và chạy phân tích Cronbach’s Alpha lại lần 2 đối với các biến quan sát còn lại với hi vọng chất lượng biến CT07 và các biến còn lại sẽ được cải thiện hơn.
Sau khi loại bỏ biến CT09, kết quả phân tích lần 2 thu được hệ số Cronbach’s Alpha bằng 0.548. Tuy nhiên hệ số tương quan biến tổng của biến CT07 không được cải thiện đáng kể (tăng từ -0.002 lên 0.002) và vẫn nhỏ hơn rất nhiều so với mức chấp nhận 0.3. Đồng thời nếu loại bỏ biến quan sát này thì hệ số Cronbach’s Alpha sẽ tăng từ 0.548 lên 0.699 nên tác giả quyết định loại bỏ biến này và chạy phân tích Cronbach’s Alpha lần 3.
Kết quả phân tích Cronbach’s Alpha lần 3 thu được hệ số Cronbach’s Alpha bằng 0.699 và hệ số tương quan biến tổng của 4 biến quan sát còn lại đều lớn hơn mức chấp nhận 0.3 (xem phụ lục 05), chứng tỏ rằng thang đo sự tin tưởng của khách hàng chấp nhận được về mặt tin cậy.
Bảng 4.3 Kết quả phân tích Cronbach's Alpha thang đo sự tin tưởng của khách hàng sau 3 lần phân tích.
Biến quan sát Tương quan biến tổng
Hệ số Cronbach Alpha nếu loại bỏ biến
Hệ số Cronbach Alpha
Sự tin tưởng của khách hàng (CT)
CT06 .498 .646 Alpha = .699 Số lượng biến quan sát: 4 CT 08 .518 .613 CT 10 .436 .674 CT11 .529 .606
4.2.1.3 Thang đo rào cản chuyển đổi.
Thang đo rào cản chuyển gồm 7 biến quan sát được mã hóa lần lược từ SB12 đến SB18 được đưa vào phân tích độ tin cậy.
Kết quả phân tích hệ số Cronbach’s Alpha lần 1 đối với thang đo rào cản chuyển đổi thu được hệ số Cronbach’s Alpha bằng 0.743. Tuy nhiên có 2 biến quan sát có hệ số tương quan biến tổng ≤0.3 là SB12 (hệ số tương quan biến tổng 0.259) và biến quan sát SB14 (hệ số tương quan biến tổng 0.293). Hơn nữa nếu loại bỏ biến SB12 thì hệ số Cronbach’s Alpha tăng từ 0.743 lên 0.751.
Trong quá trình phỏng vấn sâu và thu thập dữ liệu, tác giả nhận thấy đa phần khách hàng ít quan tâm đến nội dung này khi đánh giá về rào cản trong việc chuyển đổi ngân hàng vì hầu như các khách hàng cho rằng nhìn chung tất cả các ngân hàng hiện này đều cung cấp các sản phẩm dịch vụ tương đối giống nhau. Vì vậy tác giả quyết định loại bỏ biến SB12 và chạy phân tích Cronbach’s Alpha lại lần 2 đối với các biến quan sát còn lại với hi vọng chất lượng biến SB14 và các biến còn lại sẽ được cải thiện hơn.
Sau khi loại bỏ biến SB12, kết quả phân tích lần 2 thu được hệ số Cronbach’s Alpha bằng 0.751. Tuy nhiên hệ số tương quan biến tổng của biến SB14 khơng được cải thiện tích cực (từ 0.293 xuống 0.280) và vẫn nhỏ hơn so với mức chấp nhận 0.3. Đồng thời nếu loại bỏ biến quan sát này thì hệ số Cronbach’s Alpha sẽ tăng từ 0.751 lên 0.770. Trong quá trình thảo luận và thu thập dữ liệu tác giả thấy đa phần khách hàng đều cho rằng với thời đại công nghệ thông tin hiện này, các thông tin về sản phẩm dịch vụ gửi tiền của các ngân hàng rất dễ dàng tiếp cận thông qua website hoặc tổng đài tư vấn miễn phí… hơn nữa các thủ tục giấy tờ khi sử dụng dịch vụ hoặc ngưng sử dụng dịch vụ gửi tiền tương đối dễ dàng. Vì vậy khi đánh giá về rào cản trong việc chuyển đổi ngân hàng hầu như khách hàng không quan tâm nhiều đến biến SB14 này (sự chuyển đổi có thể quá phức tạp). Do đó, để chất lượng của bộ thang đo rào cản
chuyển đổi đạt được độ tin cậy cao, tác giả quyết định loại bỏ biến quan sát SB14 này và chạy phân tích Cronbach’s Alpha lần 3.
Kết quả phân tích Cronbach’s Alpha lần 3 thu được hệ số Cronbach’s Alpha bằng 0.770 và hệ số tương quan biến tổng của 5 biến quan sát còn lại đều lớn hơn mức chấp nhận 0.3 (xem phụ lục 05), chứng tỏ rằng thang đo rào cản chuyển đổi đạt yêu cầu và có độ tin cậy tốt.
Bảng 4.4 Kết quả phân tích Cronbach's Alpha thang đo rào cản chuyển đổi sau 3 lần phân tích.
Biến quan sát Tương quan biến tổng
Hệ số Cronbach Alpha nếu loại bỏ biến
Hệ số Cronbach Alpha
Sự tin tưởng của khách hàng (STM) SB13 .534 .732 Alpha = .770 Số lượng biến quan sát: 5 SB15 .534 .733 SB16 .521 .735 SB17 .631 .701 SB18 .515 .740
4.2.2 Đánh giá thang đo của các biến độc lập bằng phân tích nhân tố khám phá EFA
Sau khi kiểm tra độ tin cậy của thang đo bằng cơng cụ Cronbach’s Alpha, phân tích nhân tố khám phá EFA được tiến hành dựa trên các tiêu chuẩn về hệ số tải nhân tố ( Factor loading), KMO và phương sai trích.
Phương pháp phân tích nhân tố khám phá EFA: được dùng để tìm ra mối quan hệ giữa các biến quan sát và biến tiềm ẩn, làm nền tảng cho một tập hợp các phép đo để rút gọn hay giảm bớt số biến quan sát. Cơ sở phân tích nhân tố khám phá dựa trên
các tiêu chuẩn về KMO (Kaiser-Mayer-Olki), hệ số tải nhân tố (Factor loadings) và phương sai trích (Priciple Component Analysis) với phép quay Varimax.
KMO (Kaiser-Meyer-Olkin measure of sampling adequancy) là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố (EFA) và thỏa điều kiện 0,5< KMO ≤ 1 thì phân tích nhân tố là thích hợp. Kiểm định Bartlett xem xét giả thuyết về độ tương quan giữa các biến quan sát bằng 0 trong tổng thể, theo Kaiser (1974) trích trong Hồng Trọng và Chu Nguyễn Mộng Ngọc (2005). 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.
Theo Hair et al., (1998) trích trong Hồng Trọng và Chu Nguyễn Mộng Ngọc (2005), thì Factor loading>0.3 được xem là đạt mức tối thiểu, >0.4 được xem là quan trọng, >0.5 được xem là có ý nghĩa thực tiễn. Hơn nữa, nếu chọn Factor loading>0.3 thì cỡ mẫu ít nhất 350, cịn cỡ mẫu khoảng 100 thì chọn Factor loading >0.55, nếu cỡ mẫu 50 thì chọn Factor loading >0.75. Kết quả khảo sát thu được 230 mẫu trả lời hợp lệ, vì vậy Factor loading >0.5 là phù hợp.
Chọn số lượng nhân tố theo tiêu chí eigenvalue. Với tiêu chí này, số lượng nhân tố được xác định (dừng ở nhân tố) có eigenvalue tối thiểu bằng 1 (Nguyễn Đình Thọ, 2011).
Khi đánh giá kết quả EFA chúng ta cần xem xét phần tổng phương sai trích TVA. Tổng này thể hiện các nhân tố trích được bao nhiều phần trăm của các biến đo lường. Tổng này phải đạt từ 50% trở lên, nghĩa là phần chung phải lớn hơn phần riêng và sai số (từ 60% trở lên là tốt). Nếu thỏa được điều kiện này, chúng ta kết luận mơ hình EFA phù hợp (Nguyễn Đình Thọ, 2011).
Cuối cùng, khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố phải ≥ 0.3 để tạo giá trị phân biệt giữa các nhân tố (Jabnoun and Al-tamimi, 2003).
Kết quả phân tích nhân tố EFA được thực hiện với 13 biến quan sát của biến độc lập thu được như sau: (chi tiết xem phụ lục 06)
Hệ số KMO = 0.778 (nằm giữa 0.5 và 1) nên khẳng định phân tích nhân tố trong nghiên cứu này là phù hợp.
Mức ý nghĩa của kiểm định Bartlett’s Test.Với mức ý nghĩa Sig. = 0.000<0.005, các biến có tương quan trong tổng thể.
Bảng 4.5 KMO and Bartlett's Test cho các biến độc lập
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling
Adequacy. .778 Bartlett's Test of Sphericity Approx. Chi-Square 986.857 df 78 Sig. .000
Bảng kết quả phân tích nhân tố (bảng số 4.6) cho thấy có tất cả 13 nhân tố nhưng chỉ có 3 nhân tố có Eigenvalue ≥ 1, bằng với số nhân tố trong mơ hình lý thuyết ban đầu.
Tổng phương sai trích bằng 59.689% > 50% cho biết 3 yếu tố được rút trích giải thích được 59.689% sự biến thiên của tập dữ liệu. Phần còn lại, 40.311% biến thiên của tập dữ liệu là do các yếu tố chưa được đưa vào mơ hình.
Bảng 4.6 Kết quả phân tích nhân tố của các biến độc lập
Total Variance Explained
Compon ent
Initial Eigenvalues
Extraction Sums of Squared Loadings
Rotation Sums of Squared Loadings Total % of Variance Cumulative % Total % of Variance Cumulative % Total % of Variance Cumulative % 1 3.472 26.707 26.707 3.472 26.707 26.707 2.902 22.324 22.324 2 2.480 19.074 45.781 2.480 19.074 45.781 2.657 20.437 42.761 3 1.808 13.909 59.689 1.808 13.909 59.689 2.201 16.928 59.689 4 .777 5.981 65.670 5 .704 5.415 71.085 6 .669 5.149 76.234 7 .635 4.887 81.121 8 .547 4.209 85.331 9 .509 3.912 89.242 10 .481 3.698 92.940 11 .401 3.088 96.028 12 .322 2.479 98.507 13 .194 1.493 100.000 Extraction Method: Principal Component Analysis.
Bảng ma trận xoay nhân tố (Rotated Component Matrixa) loại bỏ các biến có hệ số tải nhân tố nhỏ hơn 0.5. Các nhân tố cịn lại đều có hệ số tải nhân tố (Factor Loading) > 0.5: đảm bảo ý nghĩa thực tiễn của EFA. Nhìn vào bảng ta thấy ba nhân tố ảnh hưởng đều được rút trích với cơ cấu biến quan sát không bị tách gộp giữa các thang đo thành phần. Các biến quan sát tập trung theo từng nhân tố đã thể hiện rõ ràng.
Bảng 4.7. Ma trận xoay nhân tố của các biến độc lập.
Rotated Component Matrixa
Component 1 2 3 CS_01 .797 CS_02 .776 CS_04 .886 CS_05 .848 CT_06 .775 CT_08 .763 CT_10 .642 CT_11 .695 SB_13 .716 SB_15 .711 SB_16 .698 SB_17 .802 SB_18 .695
Như vậy, sau khi phân tích nhân tố khám phá EFA, có tất cả 3 nhân tố được rút trích dựa trên 13 biến quan sát tương đồng với số nhân tố giả thuyết của mơ hình nghiên cứu. Ba nhân tố này sẽ được đưa vào phân tích hồi qui logistic nhị biến tiếp theo với giá trị của từng nhân tố được tính là giá trị trung bình của các biến đo lường của từng nhân tố.
4.2.3 Tính tốn biến để đặt tên các nhân tố
Sau khi sử dụng phân tích phân tố EFA để đánh giá thang đo, chúng ta cần lấy trị trung bình để tính giá trị cho các nhân tố (biến tiềm ẩn) cho các phép phân tích tiếp theo. Tác giả chọn cách này vì nó được áp dụng khá phổ biến và dễ giải thích.
Nhân tố 1 là sự tổng hợp của 4 biến quan sát là CT01, CT02, CT04, CT05 thuộc thang đo sự thỏa mãn của khách hàng nên đặt tên nhân tố này là sự thỏa mãn của khách hàng và được mã hóa là “Suthoaman”. Giá trị biến đưa vào phân tích được tính như sau:
Suthoaman = mean (CT01, CT02, CT04, CT05).
Nhân tố 2 gồm 4 biến quan sát là CT06, CT08, CT10, CT11 thuộc thang đo sự tin tưởng của khách hàng nên đặt tên nhân tố này là sự tin tưởng của khách hàng và được mã hóa là “Sutintuong”. Giá trị biến đưa vào phân tích được tính như sau:
Sutintuong = mean (CT06, CT08, CT10,CT11).
Nhân tố 3 gồm 5 biến quan sát gồm SB13, SB15, SB16, SB17, SB18 thuộc thang đo rào cản chuyển đổi nên đặt tên nhân tố này là rào cản chuyển đổi và được mã hóa là “Raocan”. Giá trị biến đưa vào phân tích được tính như sau:
Raocan = mean (SB13, SB15, SB16, SB17, SB18).
4.3 Phân tích hồi qui Binary Logistic
Hồi qui Binary Logistic sử dụng biến phụ thuộc dạng nhị phân để ước lượng xác suất một sự kiện xảy ra với những thông tin của biến độc lập mà ta có được. Ngồi ra, với các hệ số Beta tìm được khẳng định mối quan hệ giữa biến phụ thuộc (Duytri) và các biến độc lập (Suthoaman, Sutintuong, Raocan) để xác định mức độ ảnh hưởng của từng nhân tố đến khả năng duy trì khách hàng sử dụng dịch vụ gửi tiền tiết kiệm.
Phân tích sử dụng phép hồi qui Binary Logistic bằng phần mềm SPSS với phương pháp đưa biến độc lập vào mơ hình hồi qui bằng phương pháp Enter: đưa vào bắt buộc, các biến trong khối biến độc lập được đưa vào trong một bước.
Để đánh giá độ phù hợp của mơ hình hồi qui Binary Logistic dựa vào chỉ tiêu - 2LL (-2 log likelihood). Giá trị -2LL càng nhỏ càng thể hiện độ phù hợp của mơ hình cao.
Sử dụng phép kiểm định Chi-bình phương để kiểm định độ phù hợp tổng quát: kiểm tra tổ hợp liên hệ tuyến tính của tồn bộ các hệ số trong mơ hình ngoại trừ hằng số xem thực sự có ý nghĩa trong việc giải thích cho biến phụ thuộc không.