3.2. Kết quả nghiên cứu
3.2.2. Kiểm định thang đo và phân tích nhân tố
3.2.2.1. Kết quả phân tích thang đo bằng hệ số tin cậy Cronbach alpha
Nhƣ đã trình bày ở phần kế hoạch phân tích dữ liệu, trong phần này, thang đo nào có hệ số Cronbach Alpha nhỏ hơn 0,6 và những biến quan sát có hệ số tƣơng quan biến tổng nhỏ hơn 0,4 sẽ bị loại bỏ.
Thang đo các thành phần chất lƣợng dịch vụ đối với khách hàng:
Thành phần Độ tin cậy: có 8 biến quan sát là DTC1, DTC2, DTC3, DTC4,
DTC5, DTC6, DTC7, DTC8. Cả 8 biến này đều có hệ số tƣơng quan biến tổng đạt yêu cầu là lớn hơn 0,4. Ngồi ra, thang đo độ tin cậy có hệ số tin cậy Cronbach Alpha là 0,872 (lớn hơn 0,8). Vì vậy, thang đo này đạt yêu cầu và tất cả các biến của thành phần này đều đƣợc đƣa vào phân tích nhân tố. (Xem mục 7 Phụ lục 5)
Thành phần Khả năng đáp ứng: có 5 biến quan sát là DU1, DU2, DU3, DU4,
DU5. Có 4 biến là DU1, DU2, DU3, DU4 có hệ số tƣơng quan biến tổng đạt yêu cầu lớn hơn 0,4. Biến DU5 có hệ số tƣơng quan biến tổng là 0,394 < 0.4; hơn nữa, hệ số Cronbach Alpha nếu bỏ đi biến này sẽ tăng từ 0,798 lên 0,809. Vì vậy, ta loại bỏ biến DU5 ra khỏi mơ hình. Thang đo này chỉ cịn 4 biến DU1, DU2, DU3, DU4 đạt yêu cầu và đƣợc đƣa vào phân tích nhân tố. Hệ số Cronbach Alpha là 0,809 cho thấy đây là thang đo lƣờng tốt sau khi đã loại biến DU5. (Xem mục 5 Phụ lục 6)
Thành phần Năng lực phục vụ: có 5 biến quan sát là NLPV1, NLPV2, NLPV3,
hơn 0,4. Tuy nhiên, hệ số tƣơng quan biến tổng đối với biến quan sát NLPV1 là 0,720, thấp hơn so với các biến còn lại và hệ số Cronbach Alpha nếu bỏ đi biến này sẽ tăng từ 0,945 lên 0,973. Vì vậy, ta loại bỏ biến NLPV1. Thang đo này chỉ còn 4 biến NLPV2, NLPV3, NLPV4, NLPV5 đạt yêu cầu và đƣợc đƣa vào phân tích nhân tố. Hệ số Cronbach Alpha là 0,973 cho thấy đây là thang đo lƣờng rất tốt sau khi đã loại biến NLPV1. (Xem mục 4 Phụ lục 6)
Thành phần Sự đồng cảm: có 4 biến quan sát là DC1, DC2, DC3, DC4. Cả 4
biến này đều có hệ số tƣơng quan biến tổng đạt yêu cầu là lớn hơn 0,4. Tuy nhiên, hệ số tƣơng quan biến tổng đối với biến quan sát DC3 là 0,464, thấp hơn so với các biến còn lại và hệ số Cronbach Alpha nếu bỏ đi biến này sẽ tăng từ 0,783 lên 0,792. Vì vậy, ta loại bỏ biến DC3. Thang đo này chỉ còn 3 biến DC1, DC2, DC4 đạt yêu cầu và đƣợc đƣa vào phân tích nhân tố. Hệ số Cronbach Alpha là 0,792 cho thấy đây là thang đo lƣờng rất tốt sau khi đã loại biến DC3. (Xem mục 3 Phụ lục 6)
Thành phần Phƣơng tiện hữu hình: có 7 biến quan sát là HH1, HH2, HH3,
HH4, HH5, HH6, HH7. Cả 7 biến này đều có hệ số tƣơng quan biến tổng đạt yêu cầu là lớn hơn 0,4; thậm chí nhỏ nhất là 0,634. Tuy vậy, nếu ta loại biến HH7 sẽ làm cho hệ số Cronbach Alpha tăng từ 0,939 lên 0,948. Do đó, ta loại biến HH7. Nhƣ vậy sẽ có 6 biến đƣợc đƣa vào mơ hình để phân tích nhân tố đó là biến HH1, HH2, HH3, HH4, HH5, HH6. Lúc này thang đo có hệ số tin cậy Cronbach Alpha là 0,948 sau khi đã loại bỏ biến HH7. (Xem mục 2 Phụ lục 6).
Thành phần Giá cả: có 4 biến quan sát là GC1, GC2, GC3, GC4. Cả 4 biến này
đều có hệ số tƣơng quan biến tổng đạt yêu cầu là lớn hơn 0,4; thậm chí nhỏ nhất là 0,902. Lúc này thang đo có hệ số tin cậy Cronbach Alpha cũng rất hoàn hảo ở mức 0,973, gần đạt tới mức thang đo hoàn hảo. Nhƣ vậy, 4 biến về giá cả đều đƣợc đƣa vào phân tích nhân tố (Xem mục 2 Phụ lục 5).
Nhìn chung, hệ số Cronbach‟s Alpha của các thành phần chất lƣợng dịch vụ khá cao, các thang đo đều đạt hệ số này lớn hơn 0,7. Điều này cho thấy, đây là một thang đo lƣờng khá tốt.
Nhƣ đã phân tích ở trên, các biến cịn lại của các thang đo sau khi đánh giá độ tin cậy đƣợc đƣa vào phân tích nhân tố nhằm kiểm định lại sự hội tụ của các biến thành phần. Nhƣ vậy, các biến có cùng khái niệm, cùng giải thích hành vi hay phản ánh thái độ của KH đƣợc đƣa về cùng một nhân tố. Sau đó, các nhân tố này sẽ đƣợc xem nhƣ những biến độc lập để tiếp tục đƣa vào phân tích hồi quy nhằm đánh giá chung với biến phụ thuộc là sự hài lòng của KH.
Kết quả phân tích nhân tố EFA về các nhân tố tác động đến sự hài lòng của khách hàng
Ta thấy trong bảng KMO and Bartlett’s thì trị số của KMO = 0,822 lớn là điều kiện đủ để phân tích nhân tố là thích hợp.Và giá trị sig. trong kiểm định Bartlett‟s <0,05 tức là ta bác bỏ giả thiết H0 cho rằng các biến khơng có tƣơng quan với nhau trong tổng thể.
Bảng 3.3: Kết quả phân tích nhân tố
(Nguồn: Số liệu khảo sát của tác giả)
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy, ,822
Bartlett's Test of Sphericity
Approx, Chi-Square 6222,818
Df 406
Sig. ,000
Kết quả phân tích nhân tố cho thấy 33 biến quan sát đƣợc phân tích thành 6 nhân tố. Hệ số tải nhân tố (Factor Loading) đều lớn hơn 0,4 nên các biến quan sát đều quan trọng trong các nhân tố. Thống kê Chi - square của kiểm định Bartlett‟s Test đạt giá trị 6222,818 với giá trị sig. của kiểm định là 0,000; Do vậy các biến quan sát có tƣơng quan với nhau xét trên phạm vi tổng thể. Phƣơng sai trích đạt 74,603% thể hiện rằng 6 nhân tố rút ra giải thích đƣợc 74,603% biến thiên của dữ liệu; Do vậy các thang đo rút ra chấp nhận đƣợc. Điểm dừng khi trích các yếu tố tại nhân tố thứ 6 với Eigenvalues = 1.542. (Kết quả đầy đủ được trình bày ở mục 2 Phụ lục 7).
Bảng 3.4: Kết quả phân tích nhân tố Sự hài lịng
(Nguồn: Số liệu khảo sát của tác giả)
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. ,693
Bartlett's Test of Sphericity Approx. Chi-Square 175,364
Df 3
Sig. ,000
Về mức độ hài lòng của khách hàng: KMO đạt đƣợc là 0.693, Eigenvalue > 1 và tổng phƣơng sai dùng để giải thích nhân tố > 50% (68,110%) thỏa điều kiện của phân tích nhân tố. Nhƣ vậy, kết quả phân tích nhân tố về mức độ hài lòng của khách hàng cho thấy 3 biến quan sát HL1, HL2 và HL3 đều có Hệ số tải nhân tố > 0,35 và dùng để giải thích thang đo mức độ hài long của khách hàng là hợp lý. (Kết quả đầy đủ được
trình bày ở mục 1 Phụ lục 7).
3.2.3. Mơ hình nghiên cứu
3.2.3.1. Mơ hình nghiên cứu
Sau khi tiến hành phân tích dữ liệu thu thập đƣợc thơng qua các bƣớc phân tích độ tin cậy Cronbach‟s Alpha và phân tích nhân tố, mơ hình nghiên cứu rút trích đƣợc 6 biến độc lập (Độ tin cậy, Khả năng đáp ứng, Năng lực phục vụ, Sự đồng cảm, Phƣơng tiện hữu hình, Giá cả) để đo lƣờng biến phụ thuộc là Sự hài lòng của khách hàng. Cả 6 biến này đều tác động và làm tăng/giảm sự hài lịng của khách hàng. Nhƣ vậy mơ hình nghiên cứu tổng quát giống với giả thuyết nghiên cứu ban đầu:
Hình 3.11: Mơ hình các nhân tố tác động đến sự hài lịng của khách hàng
3.2.3.2. Các giả thuyết
Do mơ hình sau khi tiến hành phân tích dữ liệu thu thập đƣợc thơng qua các bƣớc phân tích độ tin cậy Cronbach‟s Alpha và phân tích nhân tố rút trích ra đƣợc 6 nhân tố và phù hợp với phân tích lý thuyết cùng lập luận ban đầu, vì vậy các giả thuyết vẫn đƣợc giữ lại giống nhƣ ban đầu, bao gồm 6 giả thuyết:
Giả thuyết H1: Có mối quan hệ dƣơng giữa Độ tin cậy và sự hài lòng của khách
hàng đối với dịch vụ ngân hàng tại Vietcombank Nhơn Trạch.
Giả thuyết H2: Có mối quan hệ dƣơng giữa Khả năng đáp ứng và sự hài lòng của khách hàng đối với dịch vụ ngân hàng tại Vietcombank Nhơn Trạch.
Giả thuyết H3: Có mối quan hệ dƣơng giữa Năng lực phục vụ và sự hài lòng của
khách hàng đối với dịch vụ ngân hàng tại Vietcombank Nhơn Trạch.
Giả thuyết H4: Có mối quan hệ dƣơng giữa Sự đồng cảm và sự hài lòng của
khách hàng đối với dịch vụ ngân hàng tại Vietcombank Nhơn Trạch.
Giả thuyết H5: Có mối quan hệ dƣơng giữa Phương tiện hữu hình và sự hài lịng
của khách hàng đối với dịch vụ ngân hàng tại Vietcombank Nhơn Trạch.
Giả thuyết H6: Có mối quan hệ dƣơng giữa Giá cả và sự hài lịng của khách
3.2.3.3. Phân tích tương quan hệ số Pearson
Trƣớc khi tiến hành phân tích hồi quy tuyến tính bội, cần phải xem xét mối quan hệ tƣơng quan tuyến tính giữa các biến. Điều này nhằm kiểm định giữa các biến có mối quan hệ tƣơng quan tuyến tính với nhau và các biến độc lập có tƣơng quan với biến phụ thuộc.
Giả thuyết đặt ra cần phải kiểm định là:
Ho: Khơng có mối quan hệ tuyến tính giữa các biến trong mơ hình. H1: Có mối quan hệ tuyến tính của các biến trong mơ hình.
Để lƣợng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến định lƣợng, các nhà nghiên cứu thƣờng sử dụng một số thống kê có tên là Hệ số tƣơng quan Pearson. Nếu giữa 2 biến có sự tƣơng quan chặt thì phải lƣu ý vấn đề đa cộng tuyến khi phân tích hồi quy. Trong phân tích tƣơng quan Pearson, khơng có sự phân biệt giữa các biến độc lập và biến phụ thuộc mà tất cả đều đƣợc xem xét nhƣ nhau. Đa cộng tuyến là trạng thái trong đó các biến độc lập có tƣơng quan chặt chẽ với nhau. Vấn đề của hiện tƣợng cộng tuyến là chúng cung cấp cho mơ hình những thơng tin rất giống nhau và rất khó tách rời ảnh hƣởng của từng biến một đến biến phụ thuộc. Hiệu ứng khác của sự tƣơng 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 hƣớng 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 hồi quy bội, đa cộng tuyến đƣợc SPSS chuẩn đốn bằng lựa chọn Collinearity Diagnostic.
Nhìn vào ma trận tƣơng quan giữa các biến độc lập (Phụ lục 8), ta thấy 6 nhân tố PHƢƠNG TIỆN HỮU HÌNH, ĐỘ TIN CẬY, NĂNG LỰC PHỤC VỤ, GIÁ CẢ, KHẢ NĂNG ĐÁP ỨNG, SỰ ĐỒNG CẢM khơng có sự tƣơng quan với các nhân tố còn lại. Tuy nhiên, cả 6 nhân tố lại có sự tƣơng quan mạnh với nhân tố SỰ HÀI LÒNG. Nhƣ vậy, giữa các biến độc lập với nhau khơng có sự tƣơng quan tuyến tính (hệ số Pearson <0,3) do đó thỏa điều kiện để đƣa vào phân tích hồi quy.
3.2.3.4. Phân tích hồi quy
Sau khi tìm ra các nhân tố tác động đến Sự hài lòng của khách hàng về dịch vụ ngân hàng và thực hiện các phân tích nhƣ: phân tích Cronbach Alpha và EFA, kiểm định sự tƣơng quan tuyến tính của các nhân tố, các nhân tố đƣợc đƣa vào mơ hình hồi quy bội để xác định cụ thể các trọng số của các nhân tố gộp tác động đến biến phụ thuộc là Sự hài lòng của khách hàng.
Phƣơng trình hồi quy bội thể hiện nhƣ sau:
i 6 5 4 3 2 1 0 β β G β D β H β D β D U β Y NLPV C U H C TC 2 Trong đó:
- Y : Biến phụ thuộc thể hiện giá trị của mức độ hài lòng của khách hàng.
- β0,β1,β2,β3,β4,β5,β6: là các hệ số hồi quy đƣợc dùng từ các hệ số hồi quy ƣớc lƣợng đƣợc.
- NLPV, GC, DU, HH, DC, DTC lần lƣợt là các biến độc lập theo thứ tự : NĂNG LỰC PHỤC VỤ, GIÁ CẢ, KHẢ NĂNG ĐÁP ỨNG, PHƢƠNG TIỆN HỮU HÌNH, SỰ ĐỒNG CẢM, ĐỘ TIN CẬY.
- Ui: Phần dƣ do sai số trong mơ hình.
Đánh giá độ phù hợp của mơ hình
Hệ số xác định R2 đã đƣợc chứng minh là hàm không giảm theo số biến độc lập đƣợc đƣa vào mơ hình (6 biến). Tuy nhiên, mơ hình thƣờng khơng phù hợp với dữ liệu thực tế nhƣ giá trị R2 (0,743) thể hiện. Trong tình huống này, R2 điều chỉnh từ R2 đƣợc 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 3.14, chúng ta sẽ thấy R2 điều chỉnh nhỏ hơn và dung 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 số, ta cũng thấy khi đƣa thêm từng biến quan sát vào mơ hình thì R2 hiệu chỉnh tăng dần và khi ta đƣa cả 6 biến vào thì R2 hiệu chỉnh lúc này đạt giá trị lớn nhất.
2
Lý thuyết Mơ hình hồi quy bội Mơn kinh tế lƣợng trích trong chƣơng 4 bộ mơn Các phƣơng pháp định lƣợng Chƣơng trình giảng dạy kinh tế Fulbright.
Nhƣ vậy, với R2
điều chỉnh là 0,736 cho thấy sự tƣơng thích của mơ hình với biến quan sát là lớn và biến phụ thuộc Sự hài lịng của khách hàng đƣợc giải thích bởi 6 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 phƣơng 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 tồn bộ tập hợp của các biến độc lập.
Giả thuyết Ho : β1 β2 β3 β4 β5 β6 0
Nhìn vào bảng 3.14 bên dƣới, ta thấy rằng trị thống kê F = 107,664 đƣợc tính từ giá trị R2 khi có mặt cả 6 biến, giá trị sig. = 0,000 rất nhỏ cho thấy mơ hình sử dụng là phù hợp và các biến đều đạt đƣợc tiêu chuẩn chấp nhận (Tolerance > 0,0001). Thêm vào đó, tiêu chí Collinearity Diagnostics (chuẩn đốn hiện tƣợng đa cộng tuyến) với hệ số phóng đại phƣơng sai VIF (Variance Inflation Factor) của các biến độc lập trong mơ hình đều < 2 (1-1,003) thể hiện tính đa cộng tuyến của các biến độc lập là khơng đáng kể và các biến trong mơ hình đƣợc chấp nhận.
Sau cùng, hệ số Durbin Watson dùng để kiểm định tƣơng quan chuỗi bậc nhất cho thấy mơ hình khơng vi phạm khi sử dụng phƣơng pháp hồi quy bội vì giá trị hệ số Durbin Watson đạt đƣợc là 1,875 (gần bằng 2) và chấp nhận giả thuyết khơng có sự tƣơng quan chuỗi bậc nhất trong mơ hình.
Nhƣ 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.
Kiểm định các giả thuyết về ngh a của hệ số hồi qui Ho : βi = 0.
Từ bảng trên ta có giá trị p value của các hệ số hồi qui β1,β2,β3,β4,β5,β6 là rất nhỏ đối với mức ý nghĩa là 5% nên ta bác bỏ giả thuyết Ho có nghĩa với tập dữ liệu mẫu và mơ hình đƣợc mơ tả thì khơng đủ bằng chứng có ý nghĩa thống kê cho thấy βi = 0.
nghĩa của hệ số hồi qui β1,β2,β3,β4,β5,β6là đo lƣờng sự ảnh hƣởng của các yếu tố về “Phƣơng tiện hữu h nh, Độ tin cậy, Năng lực phục vụ, Khả năng đáp ứng, Sự
đồng cảm, Chính sách giá‟‟ đến „‟Mức độ hài lịng‟‟ của khách hàng đối với chất lƣợng dịch vụ ngân hàng do Vietcombank Nhơn Trạch cung cấp.
Mơ hình hồi quy
Từ kết quả phân tích hồi quy (Phụ lục 93), ta thấy mối quan hệ giữa biến phụ
thuộc là Sự hài lòng của khách hàng và 6 biến độc lập đƣợc thể hiện trong phƣơng