2.4. Thực hiện khảo sát các nhân tố ảnh hưởng đến phát triển dịch vụ TTQT
2.4.2. Kết quả nghiên cứu
2.4.2.1. Phân tích nhân tố và kiểm định thang đo
Phân tích nhân tố và kiểm định thang đo lần 1
Như lập luận ở trên, để kiểm tra dữ liệu thu thập được có phản ánh đúng với mơ hình lý thuyết đã đề nghị ở phần 2.4 hay khơng tác giả tiến hành chạy phân tích nhân tố khám phá EFA. Từ kết quả được trình bày trong phụ lục 4 ta có:
Kiểm định KMO và Barlett's trong phân tích nhân tố cho thấy hệ số KMO khá lớn 0,813> 0,5). Đồng thời, giả thuyết Ho đặt ra là khơng có sự tương quan giữa 24
biến quan sát này cũng bị bác bỏ thông qua phép kiểm định này với Sig. = 0,000. Cả 2 điều này cho thấy rằng, phân tích nhân tố là rất phù hợp với tập dữ liệu.
Kết quả phân tích nhân tố lần đầu, tại mức giá trị Eigenvalue 1.784 cho phép trích được 5 nhân tố từ 24 biến quan sát và với phương sai trích là 81,772% (lớn hơn 50%). Như vậy, cho thấy phương sai rút trích đạt yêu cầu. Kiểm tra lại bảng Rotated Component Matrix, các biến quan sát lúc này đều có hệ số factor loading lớn hơn 0,5 (biến thấp nhất đạt giá trị là 0,624), đạt yêu cầu. (Kết quả ma trận xoay
các nhận tố chi tiết được trình bày trong phần phụ lục)
Như vậy sau quá trình phân tích nhân tố ta có được 5 nhóm biến gồm: Nguồn nhân lực; Cơ sở vật chất và công nghệ; Uy tín và thương hiệu Eximbank; Sản phẩm dịch vụ; Phí dịch vụ TTQT.
Như vậy qua các kết quả trên, cho ta cái nhìn tổng thể hơn về nhân tố ảnh đến sự phát triển của dịch vụ TTQT của Eximbank với sự phát triển của dịch vụ TTQT. Như vậy các nhân tố đều phù hợp với các nhân tố của thang đo mà tác giả đề nghị. Các nhân tố này sẽ được kiểm định độ tin cậy trong thang đo bằng kiểm định Cronbach’s Alpha.
Nhìn vào bảng kết quả chạy Cronbach’s Alpha lần 1 (phụ lục 5) ta thấy các hệ số Cronbach’s Alpha đều thỏa mãn là lớn hơn 0,8 cho thấy đây là những thang đo lường tốt. Kết quả tính tốn Cronbach’s Alpha cũng cho ta thấy 2 biến quan sát là q7 và q21 mặc dù có tương quan biến tổng đạt yêu cầu là lớn hơn 0,4 tuy vậy nếu như ta loại biến này đi thì hệ số Cronbach’s Alpha sẽ được cải thiện. Vì vậy ta loại 2 biến q7 và q21 ra khỏi mơ hình. Các thang đo cịn lại sẽ được đưa vào phân tích nhân tố lần 2.
Phân tích nhân tố và kiểm định thang đo lần 2
Kết quả phân tích nhân tố vẫn phù hợp với hệ số KMO đạt 0,807 (lớn hơn 0,5) và tại mức Eigenvalue 1,55 vẫn rút được 5 nhân tố với phương sai trích là 83,978% (lớn hơn 50% và lớn hơn phân tích ở lần 1). Kiểm tra lại bảng Rotated Component Matrix, ta thấy các biến đều có hệ số factor loading lớn hơn 0,5, đạt yêu cầu.
Các nhân tố này sẽ được kiểm định độ tin cậy trong thang đo bằng kiểm định Cronbach’s Alpha lần 2. Kết quả cho thấy đa số các thang đo đều có hệ số Cronbach’s Alpha lớn hơn 0,8 cho thấy đây là thang đo lường tốt. Nhưng biến q6, q20 mặc dù có tương quan biến tổng đạt yêu cầu là lớn hơn 0,4 tuy vậy nếu như ta loại biến này đi thì hệ số Cronbach’s Alpha sẽ được cải thiện đáng kể. Ta tiếp tục loại biến q6, q20 ra khỏi mơ hình. 20 biến cịn lại sẽ được đưa vào phân tích nhân tố lần 3. (Kết quả chi tiết được trình bày trong phần phụ lục 7)
Phân tích nhân tố và kiểm định thang đo lần 3
Phân tích nhân tố vẫn phù hợp với hệ số KMO đạt 0,786 (lớn hơn 0,5) và tại mức Eigenvalue 1,708, vẫn rút được 5 nhân tố với phương sai trích là 83,757%. Kiểm tra lại bảng Rotated Component Matrix, các biến quan sát lúc này đều có hệ số factor loading lớn hơn 0,5, đạt yêu cầu. Kết quả phân tích nhân tố được trình bày trong phần phụ lục 9.
Các nhân tố này sẽ được kiểm định độ tin cậy trong thang đo bằng kiểm định Cronbach’s Alpha lần 3. Kết quả cho thấy các thang đo đều có hệ số Cronbach’s Alpha lớn hơn 0,8 cho thấy đây là thang đo lường tốt. (Kết quả chi tiết được trình
bày trong phần phụ lục 8)
Như vậy sau khi chạy Cronbach’s Alpha lần 3 tất cả các thang đo đều thỏa mãn. Các thang đo sau khi đánh giá và kết cấu lại có 5 thành phần, và gồm 20 biến quan sát. Các thành phần được đặt tên theo tính chất của các biến quan sát như sau:
Thành phần 1: Cơ sở vật chất và cơng nghệ, thành phần 2: Uy tín và thương hiệu, thành phần 3: Sản phẩm dịch vụ, thành phần 4: Nguồn nhân lực, thành phần 5: Phí của dịch vụ TTQT.
Bảng 2.10: Bảng tổng hợp về phân tích thang đo của các nhân tố
Khái niệm Thành phần Mã hóa biến Số biến quan sát Độ tin cậy (Alpha) Đánh giá Nhân tố ảnh hưởng tới sự phát Cơ sở và công nghệ X1 5 0,975 Đạt yêu cầu Nguồn nhân lực X2 5 0,963 Sản phẩm dịch vụ X3 5 0,858
triển dịch vụ TTQT
Uy tín và thương hiệu X4 3 0,956
Phí của dịch vụ TTQT X5 3 0,834 Ảnh hưởng của các nhân tố đến sự
phát triển dịch vụ TTQT Y 3 0,723
2.4.2.2. Phân tích hồi quy và kiểm định giả thuyết
Phân tích tương quan hệ số Pearson
Trước khi tiến hành phân tích hồi quy tuyến tính bội, cần phải xem xét mối quan hệ tương quan tuyến tính giữa các biến. Điều này nhằm kiểm định giữa các biến có mối quan hệ tương quan tuyến tính với nhau và các biến độc lập có tương quan với biến phụ thuộc.
Giả thuyết đặt ra cần phải kiểm định là:
Ho: Khơng có mối quan hệ tương quan tuyến tính giữa các biến trong mơ hình
H1: Có mối quan hệ tuyến tính của các biến trong mơ hình
Để lượng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến định lượng các nhà nghiên cứu thường sử dụng một số thống kê có tên là Hệ số tương quan Pearson. Nếu giữa 2 biến có sự tương quan chặt thì phải lưu ý vấn đề đa cộng tuyến khi phân tích hồi quy. Trong phân tích tương quan Pearson, khơng có sự phân biệt giữa các biến độc lập và biến phụ thuộc mà tất cả đều được xem xét như nhau. Đa cộng tuyến là trạng thái trong đó các biến độc lập có tương quan chặt chẽ với nhau. Vấn đề của hiện tượng cộng tuyến là chúng cung cấp cho mơ hình những thơng tin rất giống nhau, và rất khó tách rời ảnh hưởng của từng biến một đến biến phụ thuộc. Hiệu ứng khác của sự tương quan khá chặt giữa các biến độc lập là nó làm tăng độ lệch chuẩn của các hệ số hồi quy và làm giảm trị thống kê t của kiểm định ý nghĩa của chúng nên các hệ số có khuynh hướng kém ý nghĩa hơn khi khơng có đa cộng tuyến trong khi hệ số xác định R square vẫn khá cao. Trong q trình phân tích hối quy bội, đa cộng tuyến được SPSS chuẩn đoán bằng lựa chọn Collinearity Diagnostic.
Kết quả thể hiện trong phần phụ lục 10 biến ảnh hưởng của các nhân tố đến sự phát triển dịch vụ TTQT tương quan với hầu hết các biến độc lập khác và có hệ số tương quan và đạt mức ý nghĩa thống kê (p < 0,05). Đưa 5 nhân tố như đã đặt tên ở trên vào chạy hồi quy nhằm đánh giá độ phù hợp của mơ hình hồi quy bội bằng phương pháp Stepwise, kết quả lần cuối như sau:
Đánh giá độ phù hợp của mơ hình:
Bảng 2.11: Kết đánh giá độ phù hợp của mơ hình
Model Summaryf
Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 .752a .565 .562 .66181026 2 .787b .620 .614 .62115208 3 .809c .654 .646 .59461519 4 .827d .684 .674 .57083205 5 .841e .708 .697 .55058917 2.011
a. Predictors: (Constant), Uy tính và Hình ảnh thương hiệu
b. Predictors: (Constant), Uy tính và Hình ảnh thương hiệu, Cơ sở vật chất và công nghệ c. Predictors: (Constant), Uy tính và Hình ảnh thương hiệu, Cơ sở vật chất và công nghệ, Sản phẩm dịch vụ
d. Predictors: (Constant), Uy tính và Hình ảnh thương hiệu, Cơ sở vật chất và công nghệ, Sản phẩm dịch vụ, Phí và Lãi suất
e. Predictors: (Constant), Uy tính và Hình ảnh thương hiệu, Cơ sở vật chất và cơng nghệ, Sản phẩm dịch vụ, Phí và Lãi suất, Năng lực nhân viên
f. Dependent Variable: Chất lượng dịch vụ TTQT
Hệ số xác định R2 đã được chứng minh là hàm không giảm theo số biến độc lập được đưa vào mơ hình (5 biến). Tuy nhiên, mơ hình thường không phù hợp với dữ liệu thực tế như giá trị R2 (0,708) thể hiện. Trong tình huống này, R2 điều chỉnh từ R2 được sử dụng để phản ánh sát hơn mức độ phù hợp của mơ hình hồi quy tuyến tính đa biến vì nó khơng phụ thuộc vào độ lệch phóng đại của R2. So sánh 2 giá trị R2 và R2 điều chỉnh ở bảng 2.11 chúng ta sẽ thấy R2 điều chỉnh nhỏ hơn và dùng nó đánh giá độ phù hợp của mơ hình sẽ an tồn hơn vì nó khơng thổi phồng mức độ phù hợp của mơ hình. Qua bảng ta cũng thấy khi ta đưa thêm từng biến quan sát vào mơ hình thì R2 hiệu chỉnh tăng dần và khi ta đưa cả 5 biến vào thì R2 hiệu chỉnh lúc này đạt giá trị lớn nhất. Như vậy, với R2 điều chỉnh là 0,708 cho thấy sự tương thích
của mơ hình với biến quan sát là lớn và biến phụ thuộc “Ảnh hưởng của các nhân tố đến sự phát triển dịch vụ TTQT”được giải thích bởi 5 biến độc lập trong mơ hình là khá cao.
Kiểm định độ phù hợp của mơ hình
Kiểm định F sử dụng trong phân tích phương sai là một phép kiểm định giả thuyết về độ phù hợp của mơ hình hồi quy tuyến tính tổng thể để xem xét biến phụ thuộc có liên hệ tuyến tính với toàn bộ tập hợp của các biến độc lập.
Giả thuyết Ho :β1β2 β3β4 β50
Trong phụ lục 11 thấy rằng trị thống kê F = 63,525 được tính từ giá trị R2 khi có mặt cả 5 biến, giá trị sig. = 0,000 rất nhỏ cho thấy mơ hình sử dụng là phù hợp và các biến đều đạt được tiêu chuẩn chấp nhận (Tolerance > 0,0001). Tiêu chí Collinearity diagnostics (chuẩn đốn hiện tượng đa cộng tuyến) với hệ số phóng đại phương sai VIF (Variance inflation factor) của các biến độc lập trong mô hình đều < 2 (0,999 - 1,000) thể hiện tính đa cộng tuyến của các biến độc lập là không đáng kể và các biến trong mơ hình được chấp nhận.
Ta cũng sẽ quan tâm tới hệ số Durbin Watson. Hệ số này dùng để kiểm định tương quan chuỗi bậc nhất cho thấy mơ hình không vi phạm khi sử dụng phương pháp hồi quy bội. Trong bảng 2.11 giá trị hệ số Durbin Watson đạt được là 2,011 (xấp xỉ bằng 2) và chấp nhận giả thuyết khơng có sự tương quan chuỗi bậc nhất trong mơ hình. Như vậy, mơ hình hồi quy bội thỏa các điều kiện đánh giá và kiểm định độ phù hợp cho việc rút ra các kết quả nghiên cứu.
Như vậy, mơ hình hồi quy bội thỏa các điều kiện đánh giá và kiểm định độ phù hợp cho việc rút ra các kết quả nghiên cứu.
Mơ hình hồi quy
Từ bảng phân tích hồi quy trong phụ lục 11, ta thấy mối quan hệ giữa biến phụ thuộc là Ảnh hưởng của các nhân tố đến sự phát triển dịch vụ TTQT của khách hàng và 5 biến độc lập được thể hiện trong phương trình sau
X1 0,156* X2 0,185* X3 0,755* X4 0,172* X5 *
0,237
Yˆ
Yˆ : Ảnh hưởng của các nhân tố đến sự phát triển dịch vụ TTQT được ước lượng bởi 5 nhân tố.
X1 : Cơ sở vật chất và công nghệ X2 : Nguồn nhân lực
X3 : Sản phẩm dịch vụ
X4 : Uy tín và hình ảnh thương hiệu X5 : Phí của dịch vụ TTQT
Theo phương trình hồi quy ở trên cho thấy Ảnh hưởng của các nhân tố đến sự phát triển dịch vụ TTQT có quan hệ tuyến tính với các nhân tố Uy tín và hình ảnh thương hiệu (Hệ số Beta chuẩn hóa là 0,755), Cơ sở vật chất và công nghệ (Hệ số Beta chuẩn hóa là 0,237), Sản phẩm dịch vụ (Hệ số Beta chuẩn hóa là 0,185), Phí của dịch vụ TTQT (Hệ số Beta chuẩn hóa là 0,172), Nguồn nhân lực (Hệ số Beta chuẩn hóa là 0,156)
Các hệ số Beta chuẩn hóa đều > 0 cho thấy các biến độc lập tác động thuận chiều với biến “Ảnh hưởng của các nhân tố đến sự phát triển dịch vụ TTQT”. Kết quả này cũng khẳng định các giả thuyết nêu ra trong mơ hình nghiên cứu (H1 - H5) được chấp nhận và được kiểm định phù hợp.
Kiểm định phương sai ANOVA
Ta tiến hành phân tích ANOVA để xem xét mối quan hệ giữa chức vụ công tác và số năm công tác có tác động như thế nào đối với Sự phát triển của dịch vụ TTQT.
Giả thuyết H6: Không có sự khác biệt giữa các nhóm cán bộ có chức vụ khác
nhau đối với sự phát triển của dịch vụ TTQT
Giả thuyết H7: Khơng có sự khác biệt giữa các nhóm cán bộ có số năm cơng
tác khác nhau đối với sự phát triển của dịch vụ TTQT
Kết quả phân tích ANOVA (ở phụ lục 12) cho thấy Giả thuyết H6 và H7 được chấp nhận (sig. > 0,05). Do đó, ta có thể khẳng định có sự khác biệt nhận xét về sự phát triển của dịch vụ TTQT giữa các nhóm cán bộ có chức vụ khác nhau và các nhóm cán bộ có số năm công tác khác nhau.