STT Mã
hóa Diễn giải
Sự tin cậy (TC)
1 TC1 Ngân hàng luôn thực hiện các dịch vụ tín dụng cá nhân (Vay tiêu dùng, vay sửa nhà, mở thẻ tín dụng,…) đúng nhƣ những gì đã hứa 2 TC2 Ngân hàng luôn giải quyết thỏa đáng các thắc mắc hay khiếu nại của
anh/chị
3 TC3 Ngân hàng thực hiện dịch vụ tín dụng cá nhân (thủ tục giấy tờ, quy trình,…) khơng có sai sót ngay từ lần đầu tiên
4 TC4 Ngân hàng cung cấp dịch vụ tín dụng cá nhân đúng vào thời điểm mà ngân hàng hứa
5 TC5 Ngân hàng luôn thông báo cho anh/chị khi nào dịch vụ tín dụng cá nhân đƣợc thực hiện
Sự đáp ứng (DA)
6 DA1 Nhân viên của ngân hàng phục vụ anh/chị một cách tận tình 7 DA2 Nhân viên của ngân hàng luôn sẵn sàng giúp đỡ anh/chị
8 DA3 Nhân viên của ngân hàng luôn phục vụ anh/chị chu đáo lúc điểm giao dịch đơng khách
STT Mã
hóa Diễn giải
Năng lực phục vụ (PV)
9 PV1 Cách cƣ xử của nhân viên ngân hàng tạo niềm tin cho anh/chị
10 PV2 Anh/chị cảm thấy an toàn khi sử dụng dịch vụ tín dụng cá nhân của ngân hàng
11 PV3 Nhân viên ngân hàng bao giờ cũng tỏ ra lịch sự, nhã nhặn với anh/chị 12 PV4 Nhân viên ngân hàng bao giờ cũng trả lời thỏa đáng các câu hỏi của
anh/chị
Sự đồng cảm (DC)
13 DC1 Ngân hàng thể hiện sự quan tâm đến cá nhân anh/chị
14 DC2 Ngân hàng thể hiện sự chú ý đặc biệt đến những quan tâm của anh/chị 15 DC3 Ngân hàng có những nhân viên thể hiện sự quan tâm đến cá nhân
anh/chị
16 DC4 Nhân viên ngân hàng hiểu đƣợc những nhu cầu đặc biệt của anh/chị
Phƣơng tiện hữu hình (HH)
17 HH1 Ngân hàng có trang thiết bị hiện đại
18 HH2 Cơ sở vật chất của ngân hàng trông hấp dẫn
19 HH3 Nhân viên của ngân hàng có trang phục gọn gàng, lịch sự 20 HH4
Các phƣơng tiện vật chất trong hoạt động dịch vụ rất hấp dẫn tại ngân hàng (trang web của ngân hàng và các thiết bị dễ dàng tiếp cận khi thực hiện giao dịch tín dụng cá nhân)
21 HH5 Ngân hàng bố trí thời gian làm việc thuận tiện cho việc giao dịch tín dụng cá nhân
STT Mã
hóa Diễn giải
Sự thỏa mãn (HL)
22 HL1 Anh / chị thỏa mãn với chất lƣợng dịch vụ tín dụng cá nhân của ngân hàng
23 HL2 Anh / chị sẽ giới thiệu dịch vụ tín dụng cá nhân của ngân hàng cho những ngƣời khác
24 HL3 Trong thời gian tới, anh / chị vẫn tiếp tục sử dụng dịch vụ tín dụng cá nhân của ngân hàng
3.2.2.1. Phân tích Cronbach’s Alpha
Phƣơng pháp này cho phép ngƣời phân tích loại bỏ các biến khơng phù hợp và hạn chế các biến rác trong quá trình nghiên cứu và đánh giá độ tin cậy của thang đo bằng hệ số thơng qua hệ số Cronbach’s Alpha. Những biến có hệ số tƣơng quan biến tổng (item-total correlation) nhỏ hơn 0.3 sẽ bị loại. Thang đo có hệ số Cronbach’s Alpha từ 0.6 trở lên là có thể sử dụng đƣợc trong trƣờng hợp khái niệm đang nghiên cứu mới (Nunnally, 1978; Peterson, 1994; Slater, 1995). Thông thƣờng, thang đo có Cronbach’s Alpha từ 0.7 đến 0.8 là sử dụng đƣợc. Nhiều nhà nghiên cứu cho rằng khi thang đo có độ tin cậy từ 0.8 trở lên đến gần 1 là thang đo lƣờng tốt.
3.2.2.2. Phân tích nhân tố khám phá EFA (exploratory factor analysis)
Sau khi đánh giá độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha và loại đi các biến không đảm bảo độ tin cậy. Phân tích nhân tố khám phá là kỹ thuật đƣợc sử dụng nhằm thu nhỏ và tóm tắt các dữ liệu. Phƣơng pháp này rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu và đƣợc sử dụng để tìm mối quan hệ giữa các biến với nhau.
trong khoảng từ 0.5 đến 1 thì phân tích này mới thích hợp, cịn nếu nhƣ trị số này nhỏ hơn 0.5 thì phân tích nhân tố có khả năng khơng thích hợp với các dữ liệu (Hoàng Trọng và Mộng Ngọc, 2008, tập 2, tr.31).
Ngồi ra, phân tích nhân tố cịn dựa vào eigenvalue để xác định số lƣợng nhân tố. Chỉ những nhân tố có eigenvalue lớn hơn 1 thì mới đƣợc giữ lại trong mơ hình. Đại lƣợng eigenvalue đại diện cho lƣợng biến thiên đƣợc giải thích bởi nhân tố. Những nhân tố có eigenvalue nhỏ hơn 1 sẽ khơng có tác dụng tóm tắt thơng tin tốt hơn một biến gốc (Gerbing và Anderson, 1998).
Một phần quan trọng trong bảng kết quả phân tích nhân tố là ma trận nhân tố (component matrix) hay ma trận nhân tố khi các nhân tố đƣợc xoay (rotated component matrix). Ma trận nhân tố chứa các hệ số biểu diễn các biến chuẩn hóa bằng các nhân tố (mỗi biến là một đa thức của các nhân tố). Những hệ số tải nhân tố (factor loading) biểu diễn tƣơng quan giữa các biến và các nhân tố. Hệ số này cho biết nhân tố và biến có liên quan chặt chẽ với nhau. Nghiên cứu sử dụng phƣơng pháp trích nhân tố principal components nên các hệ số tải nhân tố phải có trọng số lớn hơn 0.5 thì mới đạt yêu cầu (Hair & ctg, 1998).
Ngoài ra, thang đo đƣợc chấp nhận khi tổng phƣơng sai trích 50% và khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố ≥ 0.3 để tạo giá trị phân biệt giữa các nhân tố (Jabnoun và Al-Tamimi, 2003).
3.2.2.3. Phân tích hồi quy
Mơ hình nghiên cứu điều chỉnh sau khi phân tích nhân tố khám phá (EFA) và các giả thuyết cần đƣợc kiểm định bằng phƣơng pháp hồi quy. Mơ hình hồi quy tuyến tính bội giả định rằng biến phụ thuộc có phân phối chuẩn đối với bất kỳ kết hợp nào của biến độc lập trong mơ hình. Một giả định quan trọng đối với mơ hình hồi quy tuyến tính là khơng có biến giải thích nào có thể đƣợc biểu thị dƣới dạng tổ hợp tuyến tính
xảy ra hiện tƣợng đa cộng tuyến. Bƣớc đầu tiên khi tiến hành phân tích hồi quy tuyến tính bội cũng là xem xét các mối tƣơng quan tuyến tính giữa tất cả các biến. Ở mơ hình hồi quy tuyến tính đơn ta chỉ cần xem mối quan hệ giữa biến độc lập với một biến phụ thuộc, cịn ở đây có nhiều biến nên ta phải xem xét tổng quan giữa tất cả các biến cho mục đích này.
Để đánh giá sự phù hợp với mơ hình, các nhà nghiên cứu sử dụng hệ số xác định R2 (R-square) để đánh giá mức độ phù hợp của mơ hình nghiên cứu, hệ số xác định mơ hình R2 đƣợc xác định là hàm khơng giảm theo số biến độc lập đƣợc đƣa vào mơ hình, tuy nhiên khơng phải phƣơng trình càng có nhiều biến sẽ càng phù hợp hơn với dữ liệu, R2 có khuynh hƣớng là một yếu tố lạc quan của thƣớc đo sự phù hợp của mơ hình đối với dữ liệu trong trƣờng hợp có một biến giải thích trong mơ hình. Nhƣ vậy, trong hồi quy tuyến tính bội thƣờng dùng hệ số R-square điều chỉnh để đánh giá độ phù hợp của mơ hình vì nó khơng thổi phồng mức độ phù hợp của mơ hình. Bên cạnh đó, cần kiểm tra hiện tƣợng tƣơng quan bằng hệ số Durbin – Whatson (1 < Durbin – Whatson < 3) và khơng có hiện tƣợng đa cộng tuyến bằng hệ số phóng đại phƣơng sai VIF (VIF < 2.5). Hệ số Beta chuẩn hóa đƣợc dùng để đánh giá mức độ quan trọng của từng nhân tố, hệ số Beta chuẩn hóa của biến nào càng cao thì mức độ tác động của biến đó vào sự thỏa mãn khách hàng càng lớn (Hoàng Trọng và Mộng Ngọc, 2008).
Sau khi rút trích đƣợc các nhân tố từ phân tích nhân tố khám phá EFA, dị tìm các vi phạm giả định cần thiết trong mơ hình hồi quy tuyến tính bội nhƣ kiểm tra phần dƣ chuẩn hóa, kiểm tra hệ số phóng đại phƣơng sai VIF (Variance inflation factor – VIF). Nếu các giả định không bị vi phạm, mơ hình hồi quy tuyến tính bội đƣợc xây dựng. Khi đó hệ số R2 đã đƣợc điều chỉnh (adjusted R square) cho biết mơ hình hồi quy đƣợc xây dựng phù hợp đến mức nào.
Chƣơng này trình bày phƣơng pháp nghiên cứu gồm hai bƣớc chính: nghiên cứu sơ bộ và nghiên cứu chính thức. Nghiên cứu sơ bộ đƣợc thực hiện bằng nghiên cứu định tính thơng qua thảo luận nhóm và phỏng vấn thử. Nghiên cứu chính thức đƣợc thực hiện bằng nghiên cứu định lƣợng. Chƣơng này cũng trình bày sáu đo đã đƣợc mã hóa và trình bày kế hoạch phân tích dữ liệu thu thập đƣợc. Chƣơng tiếp theo trình bày cụ thể kết quả nghiên cứu.
CHƢƠNG 4: KẾT QUẢ NGHIÊN CỨU
4.1. Mô tả mẫu
Tổng số bảng câu hỏi đƣợc phát ra là 300 bảng, thu về là 273 bảng. Trong số 273 bảng thu về có 33 bảng khơng hợp lệ do bị thiếu nhiều thông tin. Kết quả là 240 bảng câu hỏi hợp lệ đƣợc sử dụng làm dữ liệu cho nghiên cứu.