Yếu tố Ký hiệu Các biến quan sát
Sự hài lòng của khách hàng về CLDV MGCK
(SAT)
SAT1 Bạn hồn tồn hài lịng về CLDV MGCK tại CTCK bạn đang giao dịch?
SAT2 Bạn sẽ tiếp tục giao dịch chứng khoán tại CTCK này? SAT3 Bạn sẽ giới thiệu bạn bè, người thân mở tài khoản và giao
Thang đo về sự hài lòng của khách hàng đối với CLDV MGCK được xây dựng trên cơ sở đo lường của Lee Yik-Chee, Geoffrey G Meredith, Teresa Marchant (2007) [23]. Sự hài lòng được ký hiệu là SAT, được đo lường bằng 3 biến quan sát, ký hiệu từ SAT1 đến SAT3.
3.3 Nghiên cứu chính thức
3.3.1 Mục tiêu nghiên cứu chính thức
Mục tiêu nghiên cứu chính thức nhằm kiểm định thang đo và mơ hình nghiên cứu cũng như các giả thuyết về mối quan hệ giữa CLDV MGCK và sự hài lòng của khách hàng về CLDV MGCK tại 10 công ty này.
Nghiên cứu này thực hiện thông qua phương pháp nghiên cứu định lượng với kỹ thuật thu thập thông tin bằng bảng câu hỏi khảo sát với đối tượng là các khách hàng có tài khoản GDCK và đang giao dịch chứng khoán tại 10 CTCK đứng đầu thị phần môi giới CP&CCQ sàn HSX năm 2012 tại Tp.HCM (HSC, SSI, ACBS, MBKE, VCSC, VDSC, MBS, VNDS, FPTS, PNS).
3.3.2 Kích thước mẫu và phương pháp lấy mẫu khảo sát
3.3.2.1 Kích thước mẫu
Việc ước lượng số lượng đối tượng cần thiết là một bước cực kỳ quan trọng trong việc thiết kế nghiên cứu đảm bảo có ý nghĩa khoa học. Vì nó quyết định thành công hay thất bại của nghiên cứu.
Theo các nhà nghiên cứu, trường hợp sử dụng phương pháp phân tích nhân tố khám phá EFA (Exploratory Factor Analysis), Hair et al. (1998) cho rằng kích thước mẫu tối thiểu phải là 50, tốt hơn là 100 và tỉ lệ số biến quan sát/biến đo lường là 5/1, nghĩa là cứ mỗi biến đo lường cần tối thiểu 5 quan sát [21].
Với đề tài nghiên cứu này tác giả có sử dụng phương pháp phân tích nhân tố (EFA), do đó, với số biến quan sát trong nghiên cứu là 40 thì kích thước mẫu tối thiểu cần thiết cho nghiên cứu là: 40*5=200.
3.3.2.2 Phương pháp chọn mẫu khảo sát
Trong nghiên cứu này, phương pháp lấy mẫu là phi xác suất - lấy mẫu thuận tiện.
Phương pháp thu thập thông tin được sử dụng trong nghiên cứu này là phỏng vấn trực tiếp, phỏng vấn qua điện thoại và phát phiếu khảo sát qua thư điện tử theo một bảng câu hỏi chi tiết (Phụ lục 1.11).
Phỏng vấn trực tiếp: Phỏng vấn trực tiếp được tiến hành tại các sàn giao dịch của các
trụ sở, chi nhánh, phòng giao dịch ở 10 CTCK đứng đầu thị phần môi giới CP&CCQ sàn HSX năm 2012 tại Tp.HCM (HSC, SSI, ACBS, MBKE, VCSC, VDSC, MBS,
VNDS, FPTS, PNS). Số lượng phỏng vấn viên tiến hành điều tra khảo sát qua phỏng vấn trực tiếp là 2 người, được tác giả giải thích rõ nội dung trong bảng khảo sát và được huấn luyện kỹ năng giao tiếp với khách hàng. Với số lượng phiếu khảo sát phát ra là 50 bảng câu hỏi khảo sát.
Phỏng vấn qua điện thoại : Qua các mối quan hệ tác giả nghiên cứu đã cố gắng thu
thập được danh sách gồm một số các khách hàng đang có tài khoản và giao dịch thuộc các trụ sở giao dịch chứng khoán tại Tp.HCM của 10 CTCK (HSC, SSI, ACBS, MBKE, VCSC, VDSC, MBS, VNDS, FPTS, PNS). Bao gồm các thông tin cần thiết cho việc tiến hành khảo sát qua điện thoại và qua thư điện tử như sau: họ và tên, số điện thoại, địa chỉ thư điện tử. Phỏng vấn qua điện thoại được tiến hành với danh sách khách hàng mà tác giả thu thập nêu trên. Số lượng phỏng vấn viên tiến hành điều tra khảo sát qua phỏng vấn qua điện thoại là 4 người, được tác giả giải thích rõ nội dung trong bảng khảo sát và được huấn luyện kỹ năng giao tiếp với khách hàng qua điện thoại. Với số lượng phiếu khảo sát qua điện thoại là 100 bảng câu hỏi khảo sát.
Phát phiếu khảo sát qua thư điện tử: Phương pháp phát phiếu khảo sát qua thư điện
tử được tiến hành với danh sách khách hàng mà tác giả thu thập được nêu trên. Số lượng phỏng vấn viên tiến hành phát phiếu điều tra khảo sát qua thư điện tử là 1 người, được huấn luyện kỹ năng giao tiếp với khách hàng qua email. Bảng câu hỏi tự trả lời được thiết kế bằng công cụ Google Drive được sử dụng để thu thập dữ liệu trong công cụ này. Với số mail khảo sát gửi đi là 700 bảng câu hỏi khảo sát.
3.3.3 Phương pháp xử lý và phân tích dữ liệu
Sau khi thu thập, toàn bộ các bảng khảo sát được xem xét và loại đi những bảng khơng đạt u cầu. Sau đó, dữ liệu sẽ được nhập liệu và xử lý bằng phần mềm thống kê SPSS 16.0 qua các phân tích sau: đánh giá độ tin cậy của các thang đo, phân tích nhân tố khám phá và phân tích hồi qui.
3.3.3.1 Phân tích độ tin cậy Cronbach Alpha
Cronbach Alpha là phép kiểm định thống kê về mức độ chặt chẽ (khả năng giải thích cho một khái niệm nghiên cứu) của tập hợp các biến quan sát (các câu hỏi) trong thang đo thông qua hệ số Cronbach Alpha.
Theo nhiều nhà nghiên cứu (như: Nunally (1978); Peterson (1994); Slater (1995)), đề nghị hệ số Cronbach Alpha ≥ 0.6 là có thể sử dụng được trong trường hợp khái niệm đang nghiên cứu là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu [4]. Tuy nhiên, Cronbach Alpha không cho biết biến nào nên loại bỏ và biến nào nên giữ lại. Bởi vậy, bên cạnh hệ số
Cronbach Alpha, người ta còn sử dụng hệ số tương quan biến tổng (item – total correlation) và những biến nào có tương quan biến tổng <0.3 được xem là biến rác, cần loại bỏ ra khỏi thang đo (Nunnally & Burnstein, 1994).
Với nghiên cứu này, tác giả quyết định giữ lại các thang đo có trị số Cronbach alpha ≥ 0.6 và loại các biến quan sát có tương quan biến tổng < 0.3.
3.3.3.2 Phân tích nhân tố EFA
Phân tích nhân tố khám phá (EFA) là tên chung của một nhóm thủ tục được sử dụng phổ biến để đánh giá thang đo hay rút gọn một tập biến. Trong nghiên cứu này, phân tích nhân tố được ứng dụng để tóm tắt tập các biến quan sát vào một số nhân tố nhất định đo lường các khía cạnh khác nhau của các khái niệm nghiên cứu. Tiêu chuẩn áp dụng và chọn biến đối với phân tích nhân tố khám phá EFA bao gồm:
Hệ số KMO dùng để đánh giá sự thích hợp của EFA. Do đó, EFA được gọi là thích hợp khi: 0.5 ≤ KMO ≤ 1. Đồng thời, kiểm định Bartlett xem xét giả thuyết H0 (các biến khơng có tương quan với nhau trong tổng thể), nếu kiểm định này có ý nghĩa thống kê (Sig. < 0.05), ta bác bỏ giả thuyết H0, nghĩa là các biến có tương quan với nhau trong tổng thể.
Tiêu chuẩn rút trích nhân tố gồm chỉ số Eigenvalue (đại diện cho lượng biến thiên được giải thích bởi các nhân tố) và chỉ số Cumulative (tổng phương sai trích cho biết phân tích nhân tố giải thích được bao nhiêu % và bao nhiêu % bị thất thoát). Theo Gerbing và Anderson (1988), các nhân tố có Eigenvalue <1 sẽ khơng có tác dụng tóm tắt thơng tin tốt hơn biến gốc (biến tiềm ẩn trong các thang đo trước khi EFA). Vì thế, các nhân tố chỉ được rút trích tại Eigenvalue > 1 và được chấp nhận khi tổng phương sai trích ≥ 50%. Theo Nguyễn Khánh Duy (2009), nếu sau phân tích EFA là phân tích hồi qui thì có thể sử dụng phương pháp trích Pricipal components với phép xoay Varimax.
Tiêu chuẩn hệ số tải nhân tố (Factor loading) biểu thị tương quan đơn giữa các biến với các nhân tố, dùng để đánh giá mức ý nghĩa của EFA. Theo Hair et al. (1998), Factor loading > 0.3 được xem là đạt mức tối thiểu.
Với nghiên cứu này, tác giả sử dụng phương pháp trích Principal components với phép xoay Varimax, rút trích các nhân tố có Eigenvalue >1, với Tổng phương sai trích ≥ 50%, 0.5 ≤ KMO ≤ 1 và Bartlett’s test (Sig.) < 0.05; loại bỏ các biến quan sát có trị số Factor loading ≤ 0.5 hay sự khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố < 0.3.
3.3.3.3 Phân tích hồi qui đa biến
a) Xem xét sự tương quan giữa các biến
Sử dụng hệ số Pearson để xem xét các mối quan hệ tương quan tuyến tính giữa biến phụ thuộc với biến độc lập, cũng như giữa các biến độc lập với nhau. Nếu hệ số tương quan giữa biến phụ thuộc với các biến độc lập lớn, chứng tỏ giữa chúng có mối quan hệ với nhau và phân tích hồi qui tuyến tính có thể phù hợp. Mặt khác, nếu giữa các biến độc lập cũng có tương quan lớn với nhau thì đó cũng là dấu hiệu cho biết giữa chúng có thể xảy ra hiện tượng đa cộng tuyến (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008) [4].
b) Kiểm định các giả định của mơ hình hồi qui
Phân tích hồi qui khơng phải chỉ là việc mơ tả các dữ liệu quan sát được. Từ các kết quả quan sát được trong mẫu, ta phải suy rộng kết luận cho mối liên hệ giữa các biến trong tổng thể.
Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), sự chấp nhận và diễn dịch kết quả hồi qui không thể tách rời các giả định cần thiết và sự chẩn đoán về sự vi phạm các giả định đó. Nếu các giả định bị vi phạm, thì các kết quả ước lượng được khơng đáng tin cậy nữa. Vì vậy, để đảm bảo sự diễn dịch từ kết quả hồi qui của mẫu cho tổng thể có giá trị, trong phần này sẽ tiến hành kiểm định các giả định của hàm hồi qui, bao gồm: liên hệ tuyến tính; phương sai
của sai số khơng đổi; phân phối chuẩn của phần dư; tính độc lập của sai số; khơng có hiện tượng đa cộng tuyến.
Liên hệ tuyến tính: Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), phương pháp được sử dụng là biểu đồ phân tán Scatterplot với giá trị phần dư chuẩn hóa trên trục tung và giá trị dự đốn chuẩn hóa trên trục hồnh. Nếu giả định liên hệ tuyến tính thỏa mãn, thì ta sẽ khơng nhận thấy có liên hệ gì giữa các giá trị dự đốn và phần dư, chúng sẽ phân tán rất ngẫu nhiên
Phương sai của sai số không đổi: Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008, trang 226), hiện tượng phương sai của sai số thay đổi có thể làm cho các ước lượng của hệ số hồi qui không chệch nhưng không hiệu quả (tức là không phải ước lượng phù hợp nhất), từ đó làm cho kiểm định các giả thuyết mất hiệu lực khiến chúng ta đánh giá nhầm về chất lượng của mơ hình hồi qui. Để thực hiện kiểm định này, tác giả sẽ sử dụng hệ số tương quan hạng Spearman của giá trị tuyệt đối phần dư và các biến độc lập.
Phân phối chuẩn của phần dư: Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008, trang 228), phần dư có thể khơng tn theo phân phối chuẩn vì những lý do: sử dụng mơ hình khơng đúng, phương sai khơng phải là hằng số, số lượng các phần dư khơng đủ nhiều để phân tích. Vì vậy, ta sử dụng nhiều cách khảo sát khác nhau để đảm bảo tính xác đáng của kiểm định. Nghiên cứu này sẽ sử dụng cách xây dựng biểu đồ tần số Histogram và biểu đồ P-P plot để khảo sát phân phối của phần dư.
Tính độc lập của sai số: Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008, trang
232-233), nguyên nhân hiện tượng này có thể là do các biến có ảnh hưởng khơng được đưa hết vào mơ hình do giới hạn và mục tiêu nghiên cứu, chọn mối liên hệ tuyến tính mà lẽ ra là phi tuyến, sai số trong đo lường các biến …, các lý do này có thể dẫn đến vấn đề tương quan chuỗi trong sai số và tương quan chuỗi cũng gây ra những tác động sai lệch nghiêm trọng đến mơ hình hồi qui tuyến tính như hiện tượng phương sai thay đổi. Đại lượng thống kê Durbin- Watson có thể dùng để kiểm định tương quan này. Nếu Durbin-Watson nằm trong đoạn từ 1 đến 3 thì có thể chấp nhận hiện tượng tự tương quan khơng xảy ra.
Khơng có hiện tượng đa cộng tuyến: Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc
(2008, trang 235, 252), cộng tuyến là trạng thái trong đó các biến độc lập có tương quan chặt chẽ với nhau. Vấn đề của hiện tượng này là chúng cung cấp cho mơ hình những thơng tin rất giống nhau và rất khó tách rời ảnh hưởng của từng biến đến biến phụ thuộc; làm tăng độ lệch chuẩn của các hệ số hồi qui và làm giảm giá trị thống kê t của kiểm định mức ý nghĩa trong khi hệ số R square vẫn khá cao. Trong mơ hình hồi qui này, giả định giữa các biến độc lập của mơ hình khơng có hiện tượng đa cộng tuyến. Hiện tượng này được kiểm định thông qua hệ số phóng đại phương sai VIF (Variance inflation factor). Khi VIF vượt quá 10, đó là dấu hiệu của đa cộng tuyến. Tuy nhiên, theo Nguyễn Hùng Phong (2012), khơng có tiêu chuẩn chính xác nào của VIF nói lên độ lớn của VIF là bao nhiêu thì hiện tượng đa cộng tuyến xảy ra nhưng theo kinh nghiệm nếu VIF > 5 thì hiện tượng đa cộng tuyến xuất hiện. Với nghiên cứu này, tác giả sử dụng VIF ≤ 5 thì khơng có hiện tượng đa cộng tuyến hoặc nếu có hiện tượng đa cộng tuyến xảy ra thì cũng khơng đáng kể.
c) Phân tích hồi qui
Nếu các giả định không bị vi phạm, mơ hình hồi qui tuyến tính được xây dựng. Phương trình hồi qui tuyến tính đa biến có dạng:
Trong đó: Y: mức độ thỏa mãn
Xi: các yếu tố tác động đến sự thỏa mãn B0: hằng số, Bi: các hệ số hồi qui (i > 0) Khi tiến hành phân tích hồi qui tuyến tính, ta xem xét:
Đánh giá độ phù hợp của mơ hình hồi qui tuyến tính bằng hệ số xác định R2 điều chỉnh: Hệ số xác định tỉ lệ biến thiên của biến phụ thuộc được giải thích bởi biến độc lập trong
mơ hình hồi qui. Đó cũng là thơng số đo lường độ thích hợp của đường hồi qui theo qui tắc R2
càng gần 1 thì mơ hình xây dựng càng thích hợp, R2 càng gần 0 mơ hình càng kém phù hợp với tập dữ liệu mẫu. Tuy nhiên, R2 có khuynh hướng là một ước lượng lạc quan của thước đo sự phù hợp của mơ hình đối với dữ liệu trong trường hợp có hơn 1 biến giải thích trong mơ hình. Trong tình huống này R2 điều chỉnh (Adjusted R square) được sử dụng để phản ánh sát hơn mức độ phù hợp của mơ hình tuyến tính đa biến vì nó khơng phụ thuộc vào độ lệch phóng đại của R2 (Nguyễn Đình Thọ, 2011).
Kiểm định độ phù hợp của mơ hình: Kiểm định F trong phân tích phương sai là một
phép kiểm định giả thuyết về độ phù hợp của mơ hình tuyến tính tổng thể. Nếu giả thuyết H0 của kiểm định F bị bác bỏ thì có thể kết luận mơ hình hồi qui tuyến tính đa biến phù hợp với tập dữ liệu và có thể sử dụng được (Nguyễn Đình Thọ, 2011).
Tóm tắt chương 3
Nội dung chính của chương 3 là phương pháp nghiên cứu. Tác giả đã đưa ra quy trình nghiên cứu và phương pháp nghiên cứu của đề tài gồm: Nghiên cứu sơ bộ có sử dụng kỹ thuật kiệt kê tự do, kỹ thuật thảo luận nhóm và kỹ thuật phỏng vấn sâu bán cấu trúc; Nghiên cứu chính thức định lượng qua phỏng vấn trực tiếp, phỏng vấn qua điện thoại và phát phiếu khảo sát trực tuyến qua thư điện tử.
Trong đó, tác giả đã thiết kế thang đo gồm 6 biến chính và 40 biến thành phần, trong đó: tính hữu hình (TAN) được đo lường bằng 10 biến quan sát, sự đáp ứng (RES) được đo lường bằng 9 biến quan sát, độ tin cậy (REL) được đo lường bằng 4 biến quan sát, sự đảm bảo (ASS) được đo lường bằng 10 biến quan sát, sự đồng cảm (EMP) được đo lường bằng 4 biến quan sát và sự hài lòng của khách hàng về CLDV MGCK (SAT) được đo lường bằng 3 biến quan sát.
Bên cạnh đó, tác giả đã đề cập khá rõ ràng về các kỹ thuật phân tích dữ liệu sẽ sử dụng trong nghiên cứu này, bao gồm: phân tích độ tin cậy Cronbach Alpha, phân tích nhân tố EFA