CHƯƠNG 3 : CƠ SỞ LÝ THUYẾT VÀ MƠ HÌNH NGHIÊN CỨU
5.2.2 Phân tích nhân tố khám phá (EFA)
Sau khi đánh giá độ tin cậy của thang đo chúng ta bắt đầu đi sâu vào phân tích nhân tố. Ban đầu, chúng ta có 21 biến quan sát, thơng qua hệ số Cronbach Alpha còn lại 19 biến phù hợp cho phân tích nhân tố khám phá. Phân tích nhân tố khám phá EFA là kỹ thuật được sử dụng nhằm thu nhỏ và tóm tắt các dữ liệu. Phương pháp này rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu và được sử dụng để tìm mối quan hệ giữa các biến với nhau.
Trong phân tích nhân tố khám phá, trị số KMO (Kaiser-Meyer – Olkin) là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO phải có giá trị trong khoảng từ 0,5 đến 1 thì phân tích này mới thích hợp, cịn nếu như trị số này nhỏ hơn 0,5 thì phân tích nhân tố có khả năng khơng thích hợp với các dữ liệu. Ngồi ra, phân tích nhân tố cịn dựa vào hệ số Eigenvalue để xác định số lượng nhân tố. Chỉ những nhân tố có eigenvalue lớn hơn 1 thì mới được giữ lại trong mơ hình. Đại lượng Eigenvalue đại diện cho lượng biến thiên được 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.
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 được 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 tương 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 phương pháp trích nhân tố Principal Components nên các hệ số tải nhân tố phải có trọng số lớn hơn 0,5 thì mới đạt u cầu.
Phân tích khám phá nhân tố với các nhân tố ảnh hưởng tới sự hài lòng của khách hàng sử dụng dịch vụ Internet banking tại ngân hàng Đơng Á có kết quả như tại phụ lục 07. Để đáp ứng được phân tích nhân tố thì các biến phải có liên hệ với nhau. Nếu hệ số tương quan nhỏ thì có thể dẫn đến phân tích nhân tố khơng thích
hợp. Ngồi ra, chúng ta cịn sử dụng Bartlett’s Test of Sphericity để kiểm định giả thuyết Ho: khơng có mối tương quan với nhau trong tổng thể.
Theo bảng kết quả phân tích EFA cho biến độc lập (phụ lục 07) ta thấy Sig. = 1.1 rất nhỏ so với mức ý nghĩa 1% nên giả thuyết Ho bị bác bỏ hay giữa các biến có mối liên hệ với nhau. Đồng thời hệ số KMO = 0,815 chứng tỏ mơ hình phân tích nhân tố là phù hợp
Số lượng nhân tố: Theo tiêu chuẩn Eigenvalue thì có 5 nhân tố được rút ra. Và 5 nhân tố này giải thích được 58.23% (> 50%) sự biến thiên của dữ liệu. Bảng Communalities cho biết các thơng tin có liên quan sau khi số lượng nhân tố đuợc rút ra. Nó cho biết các Communality của các biến tức là phần biến thiên đuợc giải thích bởi các nhân tố chung. Việc giải thích kết quả được tăng cuờng bằng cách xoay các nhân tố.
Ma trận xoay các nhân tố từ kết quả phân tích EFA (phụ lục 07) cho thấy có 24 biến được rút trích thành 5 nhân tố và đặt tên như sau:
Nhân tố 1 (HQ): Tính hiệu quả gồm 5 biến quan sát (HQ1, HQ2, HQ3, HQ4, HQ5)
Nhân tố 2 (TC): Độ tin cậy gồm 4 biến quan sát (TC1, TC2, TC3, TC4) Nhân tố 3 (PU): Sự phản ứng gồm 4 biến quan sát (PU2, PU3, PU4, PU5) Nhân tố 4 (LL): Sự liên lạc gồm 3 biến quan sát (LL1, LL2, LL3)
Bảng 5.3: Kết quả phân tích EFA cho các biến độc lậpThành phần Thành phần Biến 1 2 3 4 5 HQ3 0.862 0.769 0.71 0.77 0.8 HQ4 0.814 HQ2 0.803 HQ5 0.641 HQ1 0.64 TC1 TC2 0.754 TC3 0.677 TC4 0.658 PU2 PU3 0.644 PU4 0.642 PU5 0.536 LL2 LL1 0.733 LL3 0.713 BM1 BM3 0.711 BM2 0.606
Kết quả phân tích nhân tố đối với thang đo sự hài lịng của khách hàng được thể hiện tại bảng phân tích kết quả EFA cho biến phụ thuộc (phụ lục 07). Hệ số
KMO = 0,632 và Sig. = 0,000 < 0.05%, do vậy phân tích nhân tố với biến này là thích hợp. Một nhân tố được trích rút tại eigenvalue là 1.722, phương sai trích rút là 57.41%>50% và các hệ số tải đều lớn hơn 0.5. Như vậy rút trích được 1 nhân tố 3 biến quan sát đạt yêu cầu cho phân tích tiếp theo.
Bảng 5.4: Kết quả phân tích EFA cho biến phụ thuộc
Biến Thành phần
1 HL2 0.805 HL3 0.735 HL1 0.731
Như vậy phân tích EFA cho biến phụ thuộc vẫn giữ nguyên kết quả 1 thành phần đó là sự hài lòng của khách hàng khi sử dụng dịch vụ Internet banking của ngân hàng Đông Á với 3 biến quan sát HL1, HL2, HL3
Từ mơ hình ban đầu với 21 biến quan sát, sau khi phân tích Cronbach Alpha đã loại 2 biến HQ6 và PU1, tiếp theo phân tích EFA 19 biến cịn lại được gom thành 5 nhân tố nên ta có thể hiệu chỉnh lại mơ hình ban đầu như sau:
Hình 5.4: Mơ hình nghiên cứu hiệu chỉnh sau phân tích Cronbach Alpha và EFA
Tính hiệu quả H1 Độ tin cậy H2 Tính bảo mật H3 H4 Sự phản ứng H5 Sự liên lạc Chất lượng dịch vụ Internet
5.2.3Phân tích tương quan và hồi quy tuyến tính bội
Căn cứ vào mơ hình nghiên cứu đã điều chỉnh ta có phương trình hồi quy tuyến tính bội được thể hiện như sau:
H = β0 + β1*HQ + β2*TC + β3*BM+ β4*PU + β5*LL Trong đó:
β0: hằng số
βx: hệ số hồi qui riêng phần HQ: Tính hiệu quả, TC: Độ tin cậy, BM: Tính bảo mật, PU: Sự phản ứng, LL: Sự liên lạc 5.2.3.1Ma trận hệ số tương quan
Bảng 5.5: Ma trận tương quan giữa các nhân tố
HAILONG HIEUQUA TINCAY PHANUNG LIENLAC HAILONG 1 HIEUQUA .428** 1 TINCAY .451** .311** 1 PHANUNG .526** .346** .348** 1 LIENLAC .435** .271** .212** .422** 1 BAOMAT .544** .211** .278** .348** .277**
**: Sự tương quan có ý nghĩa ở mức 0.01
Bước đầu tiên khi tiến hành phân tích hồi quy tuyến tính bội là xem xét các mối tương quan tuyến tính giữa tất cả các biến. Ma trận tương quan được xây dựng tại phụ lục 08 và kết quả hệ số tương quan được trình bày tại bảng 5.5 như trên.
Từ bảng 5.5 ta nhận thấy rằng hệ số tương quan giữa biến phụ thuộc HAILONG với các biến độc lập HIEUQUA, TINCAY, PHANUNG, LIENLAC, BAOMAT thấp nhất là 0.428 nên sơ bộ ta có thể kết luận các biến độc lập này có thể đưa vào mơ hình để giải thích cho biến phụ thuộc HAILONG. Tuy nhiên giữa các biến độc lập cũng đều có tương quan, điều này có thể dẫn tới hiện tượng đa cộng tuyến trong mơ hình, do vậy q trình phân tích phải xem xét kỹ vai trò của các biến độc lập trong mơ hình hồi quy tuyến tính bội ta xây dựng được.
5.2.3.2Kiểm tra sự vi phạm các giả định trong hồi quy tuyến tính
Tiến hành phân tích hồi quy để xác định cụ thể trọng số của từng yếu tố ảnh hưởng đến chất lượng dịch vụ Internet banking và sự hài lòng của khách hàng khi sử dụng dịch vụ. Phương pháp hồi quy tuyến tính bội được dùng để kiểm định mơ hình và các giả thuyết, thủ tục chọn biến là các biến được đưa vào cùng một lúc (phương pháp Enter). Kết quả hồi quy trình bày tại phụ lục 09.
Mơ hình hồi quy tuyến tính bằng phương pháp OSL được thực hiện với một số giả định và mơ hình chỉ thực sự có ý nghĩa khi các giả định này được đảm bảo. Do vậy để đảm bảo cho độ tin cậy của mơ hình, việc dị tìm sự vi phạm các giả định là cần thiết.
Giả định liên hệ tuyến tính và phương sai bằng nhau.
Kiểm tra biểu đồ phân tán scatter cho phần dư chuẩn hóa (Standardized residual) và giá trị dự đốn chuẩn hóa (Standardized predicted value). Kết quả như đồ thị phân tán phần dư (phụ lục 09) cho thấy các quan sát nằm một cách ngẫu nhiên qua đường thẳng qua điểm 0, khơng tạo thành một hình dạng nào cụ thể. Do đó giả thiết về liên hệ tuyến tính khơng bị vi phạm.
Giả định phần dư có phân phối chuẩn
Giả định phân phối chuẩn của phần dư được kiểm tra qua biểu đồ Histogram và đồ thị Q-Q plot (phụ lục 09). Nhìn vào biểu đồ Histogram ta thấy phần dư có dạng gần với phân phối chuẩn, giá trị trung bình gần bằng 0 và độ lệch chuẩn gần bằng 1 (cụ thể là 0.986). Đồ thị Q-Q plot biểu diễn các điểm quan sát thực tế tập
trung khá sát đường chéo những giá trị kỳ vọng, có nghĩa là phần dư có phân phối chuẩn.
4.2.3.3Hồi quy tuyến tính bội
Bảng 5.6a: Kết quả phân tích hồi quy
R
R bình phương
R bình phương điều chỉnh
Sai số chuẩn ước lượng
1 .727a 0.528 0.515 0.48429
Bảng 5.6b: Kết quả phân tích hồi quy
Tổng bình phương Df Trung bình bình phương F Sig. 1 Hồi quy Phần dư Tổng 46.243 5 9.249 39.434 .000a 41.278 176 0.235 87.521 181
Bảng 5.6c: Kết quả phân tích hồi quy
Hệ số hồi quy chưa chuẩn hóa
Hệ số hồi quy chuẩn hóa T Sig. Thống kê đa cộng tuyến B Sai số chuẩn Beta Độ chấp nhận của biến VIF 1 (Hằng số) HQ TC PU LL BM -0.654 0.283 -2.311 0.022 0.199 0.063 0.18 3.156 0.002 0.822 1.216 0.222 0.066 0.194 3.383 0.001 0.815 1.226 0.286 0.084 0.211 3.384 0.001 0.692 1.444 0.193 0.068 0.164 2.815 0.005 0.788 1.269 0.414 0.07 0.334 5.875 0.000 0.832 1.203
Đánh giá độ phù hợp của mơ hình
Từ bảng 5.6b, tiến hành kiểm định giả thiết Ho: mơ hình hồi quy tuyến tính bội khơng phù hợp. Kết quả thống kế F được tính từ giá trị R2 có mức ý nghĩa bằng 0 (Sig=0.000 < 0.05). Điều này đủ cơ sở để bác bỏ giả thiết Ho, có nghĩa là mơ hình hồi quy tuyến tính là phù hợp với dữ liệu thu thập được. Hệ số R2 hiệu chỉnh (Adjusted Square) là hệ số dùng để đánh giá độ phù hợp một cách an tồn hơn so với R2, vì hệ số R2 trong trường hợp có nhiều biến độc lập dễ tạo ra hiện tượng thổi phồng mức độ phù hợp của mơ hình. Hệ số R2 hiệu chỉnh tính được là 0.515 tương đương 51.5%, tức là các biến độc lập trong mơ hình hồi quy tuyến tính bội giải thích được 51.5% sự hài lịng của khách hàng sử dụng dịch vụ Internet banking của ngân hàng Đông Á.
Hiện tượng đa cộng tuyến
Như đã đề cập ở phần phân tích tương quan giữa các biến độc lập có tương quan với nhau sẽ tạo ra khả năng đa cộng tuyến của mơ hình. Vì vậy ta sẽ kiểm tra thêm hệ số phóng đại phương sai (Variance inflation factor – VIF). Kết quả phân tích cũng cho thấy hệ số phóng đại phương sai VIF của các biến là tương đối nhỏ (tất cả đều nhỏ hơn 2). Do đó hiện tượng đa cộng tuyến giữa các biến độc lập trong mơ hình này là nhỏ, không ảnh hưởng đáng kể đến kết quả hồi quy.
Phương trình hồi quy tuyến tính bội
Theo bảng 5.6c, mức ý nghĩa quan sát Sig. của biến có mức ý nghĩa đều nhỏ hơn 5%, như vậy giả thuyết hệ số góc β = 0 có thể bác bỏ với độ tin cậy 95%. Hệ số hồi qui chuẩn hóa của biến Bảo mật là lớn nhất, tiếp đến là Phản ứng, Tin cậy, Hiệu quả và cuối cùng là Liên lạc.
Với tập dữ liệu thu được trong phạm vi nghiên cứu của đề tài thì phương trình hồi qui bội đã chuẩn hóa thể hiện mức độ ảnh hưởng của các thành phần chất lượng dịch vụ lên sự hài lòng của khách sử dụng Internet banking tại ngân hàng Đông Á như sau:
H = 0.334 * BM + 0.211 * PU + 0.194 * TC + 0.18 * HQ + 0.164.LL + X Trong đó: HQ: Tính hiệu quả, TC: Độ tin cậy, BM: Tính bảo mật, PU: Sự phản ứng, LL: Sự liên lạc
X: Thành phần khác chưa tìm thấy(*) + sai số thống kê
(*): Vì Hệ số R2 hiệu chỉnh tính được là 0.515 tương đương 51.5%. Tức là, các biến độc lập trong mơ hình hồi quy tuyến tính bội chỉ giải thích được 51.5%, do vậy sẽ cịn những yếu tố khác (chưa tìm ra từ nghiên cứu này) giải thích cho 48.5% còn lại sự hài lòng của khách hàng sử dụng dịch vụ Internet banking của ngân hàng Đông Á
5.2.3.4 Kiểm định các giả thuyết
Kết quả mơ hình hồi quy hồn chỉnh trên cho ta thấy sự hài lòng của khách hàng sử dụng dịch vụ Internet banking tại ngân hàng Đông Á chịu tác động dương của 5 thành phần: Tính bảo mật, Sự phản ứng, Độ tin cậy, Tính hiệu quả và Sự liên lạc. Tất cả các giả thuyết H1, H2, H3, H4, H5 được chấp nhận. Tính bảo mật là yếu tố tác động mạnh nhất đến sự hài lòng với hệ số ảnh hưởng là 0.334, tiếp đến là Sự phản ứng với 0.211, Độ tin cậy với 0.194, Tính hiệu quả 0.184 và thấp nhất là Sự liên lạc với hệ số ảnh hưởng là 0.164.
Bảng 5.7: Đánh giá các giả thuyếtGiả Giả thuyết Nhân tố Mức ý nghĩa Kết quả H1
Có mối quan hệ dương giữa thành phần Tính hiệu quả với sự hài lịng của khách hàng. Có nghĩa là nhận thức của khách hàng về Tính hiệu quả tăng hoặc giảm thì sự hài lịng của khách hàng sẽ tăng hoặc giảm tương ứng
0.002 Chấp nhận
H2
Có mối quan hệ dương giữa thành phần Độ tin cậy với sự hài lịng của khách hàng. Có nghĩa là nhận thức của khách hàng về Độ tin cậy tăng hoặc giảm thì sự hài lịng của khách hàng sẽ tăng hoặc giảm tương ứng.
0.001 Chấp nhận
H3
Có mối quan hệ dương giữa thành phần Tính bảo mật với sự hài lịng của khách hàng. Có nghĩa là nhận thức của khách hàng về Tính bảo mật tăng hoặc giảm thì sự hài lịng của khách hàng sẽ tăng hoặc giảm tương ứng
0.001 Chấp nhận
H4
Có mối quan hệ dương giữa thành phần Sự phản ứng với sự hài lịng của khách hàng. Có nghĩa là nhận thức của khách hàng về Sự phản ứng tăng hoặc giảm thì sự hài lịng của khách hàng sẽ tăng hoặc giảm tương ứng
0.005 Chấp nhận
H5
Có mối quan hệ dương giữa thành phần Sự liên lạc với sự hài lịng của khách hàng. Có nghĩa là nhận thức của khách hàng về Sự liên lạc tăng hoặc giảm thì sự hài lịng của khách hàng sẽ tăng hoặc giảm tương ứng
Tính hiệu quả 0.18
Sự hài lòng
của khách hàng khi sử dụng dịch vụ Internet banking tại ngân hàng
Đơng Á Độ tin cậy 0.194 Tính bảo mật 0.334 Sự phản ứng 0.211 0.164 Sự liên lạc
Hình 5.5: Kết quả hồi quy các yếu tố ảnh hưởng đến sự hài lòng của khách hàng khi sử dụng dịch vụ Internet banking tai ngân hàng Đông Á
5.3 Khám phá sự khác biệt trong đánh giá sự hài lịng giữa các nhóm khách
hàng khác nhau.
Như đã đề cập trong chương 3, đề tài sử dụng phân tích ANOVA và Post Hoc test cho việc kiểm định sự khác nhau trong đánh giá sự hài lòng đối với dịch vụ Internet banking tại ngân hàng Đơng Á giữa các nhóm khách hàng khác nhau về độ tuổi, giới tính, thu nhập hàng tháng, trình độ học vấn, tình trạng hơn nhân và mức độ sử dụng Internet.
Theo Hoàng Trọng – Chu Nguyễn Mộng Ngọc, tiêu chuẩn để khẳng định có sự khác biệt giữa các nhóm là trong bảng phân tích phương sai Sig.Levene>0.05 để cho thấy phương sai của các biến này theo độ tuổi khơng khác nhau một cách có ý nghĩa thống kê, có như vậy kết quả ANOVA có thể sử dụng tốt cho các biến này. Sau đó tiếp tục sử dụng bảng kết quả phân tích ANOVA, với mức ý nghĩa Sig.Anova<0.05 thì ta có thể kết luận có sự khác biệt có ý nghĩa thống kê giữa các nhóm phân tích.
Thuộc tính
Thống kê Levene Phân tích Anova
(sig.) (sig.) Độ tuổi 0.057 0.000 Giới tính 0.816 0.294 Thu nhập 0.713 0.992 Trình độ học vấn 0.397 0.193 Tình trạng hơn nhân 0.428 0.378