2.3 Nghiên cứu sự hài lòng của kháchhàng về dịch vụ tiền gửi tiết kiệm tạ
2.3.3 Phƣơng pháp nghiên cứu
Dữ liệu sau khi thu thập sẽ đƣợc làm sạch và xử lý bằng phần mềm IBM SPSS Statistics 20. Để thuận tiện cho việc nhập dữ liệu, phân tích và trình bày, các biến nghiên cứu đƣợc mã hóa theo phụ lục 1.
Một số phƣơng pháp phân tích đƣợc sử dụng trong nghiên cứu:
Phân tích mơ tả
Dữ liệu sau khi đƣợc mã hóa và hiệu chỉnh sẽ đƣợc đƣa vào mơ tả các thuộc tính của nhóm mẫu quan sát: pháp nhân, thể nhân, giới tính, độ tuổi, trình độ học vấn, thời gian sử dụng dịch vụ...
Phân tích thang đo
Để phân tích những nhân tố ảnh hƣởng đến sự hài lòng của khách hàng sử dụng dịch vụ ngân hàng, thang đo các nhân tố ảnh hƣởng đến sự hài lòng của khách hàng khi hàng sử dụng dịch vụ ngân hàng đƣợc kiểm định thông qua hệ số tin cậy Cronbach’s Alpha, phân tích nhân tố khám phá EFA và phân tích hồi quy tuyến tính bội thơng qua phần mềm xử lý số liệu thống kê IBM SPSS Statistics 20.
Cronbach's alpha
Công cụ Cronbach’s Alpha dùng để kiểm định mối tƣơng quan giữa các biến. Neu biến nào mà sự tồn tại của nó làm giảm Cronbach’s Alpha thì sẽ đƣợc loại bỏ để Cronbach’s Alpha tăng lên, các biến cịn lại giải thích rõ hơn về bản chất của
33
khái niệm chung đó. Các biến quan sát có hệ số tƣơng 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.
Nhiều nhà nghiên cứu đồng ý rằng khi Cronbach’s alpha từ 0,8 trở lên đến gần 1 thì thang đo là tốt; từ 0,7 đến gần 0,8 là sử dụng đƣợc (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005). 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 đang nghiên cứu (Nunnally, 1978; Peterson, 1994; Slater, 1995).
Phân tích nhân tố
Sau khi đánh giá độ tin cậy của thang đo bằng Cronbach's alpha và loại đi các biến rác, các biến đảm bảo độ tin cậv sẽ thực hiện phân tích nhân tố khám phá. Đây là kỹ thuật đƣợc sử dụng nhằm thu nhỏ, tóm tắt các dữ liệu và tìm mối quan hệ giữa các biến với nhau.
Khi phân tích nhân tố khám phá, các nhà nghiên cứu đều quan tâm đến một số tiêu chuẩn:
Hệ số KMO (Kaiser-Meyer-Olkin) là một chỉ số dùng đế xem xét sự thích hợp của phân tích nhân tố. Trị số của KMO lớn (giữa 0,50 và 1) có ý nghĩa là phân tích nhân tố là thích hợp (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
Hệ số tải là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA, hệ số tải lớn hơn 0,3 đƣợc xem là đạt mức tối thiểu, hệ số tải lớn hơn 0,4 đƣợc xem là quan trọng, lớn hơn 0,5 đƣợc xem là có ý nghĩa thiết thực. Hệ số tải lớn nhất của các biến quan sát phải lớn hơn hoặc bằng 0,5 (Hair et al, 1998).
Thang đo đƣợc chấp nhận khi tổng phƣơng sai trích > 50% và hệ số eigenvalue có giá trị lớn hơn 1 (Anderson and Gerbing, 1988).
34
Tiêu chuẩn thứ năm là khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố > 0,3 để đảm bảo giá trị phân biệt giữa các nhân tố (Jabnoun and Al- Tamimi, 2003).
Phân tích hồi quy tuyến tính
Theo giả thuyết nghiên cứu là có mối quan hệ giữa các thành phần chất lƣợng dịch vụ và sự hài lòng của khách hàng. Để kiểm định mối quan hệ này là cùng chiều hay trái chiều? Mức độ quan hệ nhƣ thế nào? Mơ hình hồi quy tuyến tính bội đƣợc sử dụng để phân tích và giải thích vấn đề.