Nhân tố Năng lực nhân viên (Cronbach’s Alpha = 0.699)
Biến quan sát
Trung bình thang đo nếu loại biến
Phƣơng sai thang đo nếu loại biến
Tƣơng quan biến - tổng
Cronbach's Alpha nếu loại biến
NL1 20.06 5.143 .483 .647 NL2 20.11 4.667 .461 .649 NL3 20.31 5.115 .492 .644 NL4 20.36 4.435 .515 .629 NL5 20.11 4.997 .409 .666 NL6 19.91 5.460 .255 .713
Nhân tố Năng lực nhân viên đƣợc đo lƣờng bằng 6 biến quan sát (NL1, NL2, NL3, NL4, NL5 và NL6) có hệ số Cronbach’s Alpha đƣợc thể hiện trong bảng 4.3 là 0.699 < 0.7 không đạt yêu cầu. Tiếp tục xem xét các hệ số tƣơng quan biến – tổng của các biến NL1, NL2, NL3, NL4 và NL5 đều lớn hơn 0.3 thì hệ số này ở biến NL6 là 0.255 nhỏ hơn so với yêu câu, nghĩa là biến quan sát NL6 không đo lƣờng hiệu quả khái niệm Năng lực nhân viên và khơng có sự tƣơng quan với tổng các biến còn lại. Nếu loại biến NL6, Cronbach’s Alpha của nhân tố Năng lực nhân
viên sẽ là 0.713 > 0.7. Điều đó cho thấy rằng thang đo nhân tố Năng lực nhân viên chỉ đạt yêu cầu khi loại biến quan sát NL6. Vì vậy, các biến đo lƣờng cho nhân tố này là NL1, NL2, NL3, NL4 và NL5 và sẽ đƣợc đƣa vào phân tích ở bƣớc tiếp theo.
4.3.4.Độ tin cậy của nhân tố Thông tin hai chiều
Bảng 4.4. Kết quả phân tích Cronbach’s Alpha của nhân tố Thơng tin hai chiều
Nhân tố Năng lực nhân viên (Cronbach’s Alpha = 0.672)
Biến quan sát Trung bình thang đo nếu loại biến
Phƣơng sai thang đo nếu loại biến
Tƣơng quan biến - tổng
Cronbach's Alpha nếu loại biến
TTHC1 11.03 2.963 .647 .494
TTHC2 11.06 2.794 .569 .525
TTHC3 11.56 3.312 .381 .650
TTHC4 11.65 3.203 .285 .733
Nhân tố Thông tin hai chiều đƣợc đo lƣờng bằng 6 biến quan sát (NL1, NL2, NL3, NL4, NL5 và NL6) có hệ số Cronbach’s Alpha bằng 0.672 < 0.7 không đạt yêu cầu. Tiếp tục xem xét các hệ số tƣơng quan biến – tổng của các biến TTHC1, TTHC2, TTHC3 đều lớn hơn 0.3 thì hệ số này ở biến TTHC4 là 0.255 < 0.3, nghĩa là biến quan sát TTHC4 không đo lƣờng hiệu quả khái niệm Thông tin hai chiều và không có sự tƣơng quan với tổng các biến còn lại. Nếu loại biến TTHC4, Cronbach’s Alpha của nhân tố Thông tin hai chiều sẽ là 0.733 > 0.7. Điều đó cho thấy rằng thang đo nhân tố Thơng tin hai chiều chỉ đạt yêu cầu khi loại biến quan sát TTHC4. Vì vậy, các biến đo lƣờng cho nhân tố này là TTHC1, TTHC2, TTHC3 và sẽ đƣợc đƣa vào phân tích ở bƣớc kế tiếp.
4.3.5.Độ tin cậy của nhân tố Quản lý quan hệ khách hàng
Bảng 4.5. Kết quả phân tích Cronbach’s Alpha của nhân tố CRM
Nhân tố Năng lực nhân viên (Cronbach’s Alpha = 0.702)
Biến quan sát Trung bình thang đo nếu loại biến
Phƣơng sai thang đo nếu loại biến
Tƣơng quan biến - tổng
Cronbach's Alpha nếu loại biến
CRM1 10.82 3.398 .343 .731
CRM2 11.05 3.025 .518 .620
CRM3 11.76 2.751 .591 .568
CRM4 10.85 3.526 .546 .622
Nhân tố CRM đƣợc đo lƣờng thông qua 4 biến quan sát (CRM1, CRM2, CRM3 và CRM4) có hệ số Cronbach’s Alpha là 0.702 > 0.7 và hệ số tƣơng quan biến – tổng của các biến quan sát đo lƣờng cho nhân tố này đều lớn hơn 0.3. Do đó, thang đo nhân tố CRM đạt yêu cầu và tất cả các biến đo lƣờng cho nhân tố này sẽ đƣợc đƣa và phân tích ở bƣớc tiếp theo
Bảng 4.6. Tổng hợp Cronbach’s Alpha của các nhân tố và các biến đo lường đủ điều kiện để phân tích EFA
Nhân tố Biến đo lƣờng trƣớc khi loại Cronbach’s Alpha biến
Cronbach’s Alpha sau khi loại biến
Các biến dùng cho EFA CNTT CNTT1 0.723 CNTT1 CNTT2 CNTT2 CNTT3 CNTT3 TD TD1 0.516 0.721 TD1 TD2 TD2 TD3 TD3 TD4 Loại biến TD4 TD5 TD5 NL NL1 0.699 0.713 NL1 NL2 NL2 NL3 NL3 NL4 NL4 NL5 NL5 NL6 Loại biến NL6 TTHC TTHC1 0.672 0.733 TTHC1 TTHC2 TTHC2 TTHC3 TTHC3 TTHC4 Loại biến TTHC4 CRM CRM1 0.702 CRM1 CRM2 CRM2 CRM3 CRM3 CRM4 CRM4
4.4. Phân tích nhân tố khám phá EFA
Sau khi phân tích độ tin cậy của thang đo, các dữ liệu cần phải đƣợc rút gọn và tóm tắt lại nhằm xác định tập hợp biến cần thiết cho bƣớc tiếp theo. Phƣơng pháp phân tích nhân tố khám phá EFA đƣợc sử dụng nhằm mục đích xem xét mức độ hội tụ của các biến quan sát theo từng thành phần và giá trị phân biệt giữa các nhân tố để đánh giá sơ bộ các thang đo lƣờng
Các tham số thống kê quan trọng trong phân tích EFA cần chú ý bao gồm: Chỉ số KMO (Kaiser – Meyer – Olkin measure of sampling adequacty): là chỉ số dùng để xem xét mức độ thích hợp của phân tích nhân tố. Để sử dụng EFA, KMO phải lớn hơn 0.5 (Hair & CS, 2006) thì phân tích nhân tố mới thích hợp
Kiểm định Bartlett: dùng để xem xét độ tƣơng quan giữa các biến quan sát và tổng thể, phân tích này chỉ có ý nghĩa khi hệ số sig nhỏ hơn 0.05 (Hair & CS, 2006) Tiêu chí Eigenvalue: đây là tiêu chí sử dụng phổ biến trong xác định số lƣợng nhân tố trong phân tích EFA. Với tiêu chí này, số lƣợng nhân tố đƣợc xác định sẽ dừng lại tại eigenvalue tối thiểu bằng 1 (Hair & CS 2006)
Tổng phƣơng sai trích TVE (Total Variance Explained): chỉ số này cho biết đại diện cho lƣợng biến thiên đƣợc giải thích bởi các nhân tố. Hair & CS (2006) cho rằng TVE phải lớn hơn 50%
Trọng số nhân tố: là hệ số tƣơng quan đơn giữa các biến và nhân tố. Trọng số nhân tố của biến quan sát trên nhân tố mà nó đo lƣờng sau khi quay nhân tố phải cao và các trọng số trên nhân tố khác nó khơng đo lƣờng phải thấp. Đạt đƣợc điều kiện này, thang đo đạt đƣợc giá trị hội tụ. Trong thực tiễn nghiên cứu, trọng số nhân tố tối thiểu là 0.5 là giá trị chấp nhận đƣợc (Hair & CS, 2006)
4.4.1.Phân tích nhân tố cho các biến độc lập
Bảng 4.7 cho ta thấy các chỉ số của kiểm định KMO và kiểm định Bartlett, với KMO = 0.646 > 0.5 và hệ số sig của kiểm định Bartlett = 0.000 < 0.05. Do đó, phân tích EFA trong điều kiện này là phù hợp, ta tiếp tục xem xét đến các chỉ số tiếp theo.
Số lƣợng nhân tố trích đƣợc thơng qua phân tích nhân tố khám phá là 4 nhân tố đƣợc thể hiện trong bảng 4.8, 4 nhân tố trích đƣợc có TVE = 58.357 đã giải thích 58.357% phƣơng sai của 19 biến đo lƣờng đƣa vào phân tích
Các trọng số nhân tố đƣợc thể hiện trong bảng 4.9. Với hệ số của các biến đo lƣờng ở mỗi nhân tố đều lớn hơn 0.5 và phân biệt ở từng nhân tố, điều đó thể hiện thang đo đạt đƣợc giá trị hội tụ và giá trị phân biệt, phân tích EFA cho các biến độc lập là phù hợp
Bảng 4.7. Kiểm định KMO và Bartlett cho các biến độc lập
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
.646 Bartlett's Test of Sphericity Approx. Chi-Square 416.231
df 105
Bảng 4.8. Nhân tố và phương sai trích của các biến độc lập
Total Variance Explained
Compo nent
Initial Eigenvalues Extraction Sums of SquaredLoadings Rotation Sums of Squared Loadings
Total Variance% of Cumulative% Total Variance% of Cumulative% Total Variance% of Cumulative%
1 2.882 19.213 19.213 2.882 19.213 19.213 2.412 16.081 16.081 2 2.206 14.708 33.921 2.206 14.708 33.921 2.318 15.453 31.534 3 2.035 13.569 47.491 2.035 13.569 47.491 2.038 13.590 45.124 4 1.630 10.867 58.357 1.630 10.867 58.357 1.985 13.233 58.357 5 1.041 6.939 65.296 6 .873 5.817 71.113 7 .723 4.818 75.932 8 .655 4.366 80.297 9 .568 3.788 84.085 10 .513 3.417 87.503 11 .470 3.133 90.635 12 .441 2.943 93.578 13 .368 2.455 96.033 14 .326 2.172 98.206 15 .269 1.794 100.000
Bảng 4.9. Ma trận các thành phần sau khi quay nhân tố
Rotated Component Matrixa
Component NL TD TTHC CNTT CNTT1 .843 CNTT2 .804 CNTT3 .741 TD1 .747 TD2 .637 TD3 .787 TD5 .722 NL1 .704 NL2 .586 NL3 .748 NL4 .771 NL5 .604 TTHC1 .867 TTHC2 .786 TTHC3 .754
4.4.2.Phân tích nhân tố cho biến phụ thuộc CRM
Kiểm định KMO và Bartlett cho biến phụ thuộc CRM đều đạt yêu cầu cho phân tích EFA với KMO là 0.682 và sig = 0.000 đƣợc thể hiện trong bảng 4.10
Bảng 4.11 cho thấy có 1 nhân tố trích đƣợc với tổng phƣơng sai trích TVE là 54.269%. Điều này có nghĩa là nhân tố này đã lấy đƣợc 54.269% phƣơng sai của 4 biến quan sát đo lƣờng khái niệm Quản lý quan hệ khách hàng. Phần còn lại là phần riêng của các biến đo lƣờng từ CRM1 đến CRM4
Total Variance Explained
Initial Eigenvalues Extraction Sums of Squared Loadings Compo
nent
Total % of Variance Cumulative % Total % of Variance Cumulative %
1 2.171 54.269 54.269 2.171 54.269 54.269
2 .868 21.706 75.975
3 .569 14.225 90.200
4 .392 9.800 100.000
Bảng 4.10. Kiểm định KMO và Bartlett của biến phụ thuộc
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .682 Bartlett's Test of Sphericity Approx. Chi-Square 92.579
df 6
Sig. .000
Bảng 4.11. Tổng phương sai trích của biến phụ thuộc
4.5.Phân tích mơ hình hồi quy
Sau khi phân tích EFA cho các biến độc lập cũng nhƣ biến phụ thuộc, tất cả các biến đo lƣờng đều đạt giá trị hội tụ với từng nhân tố của nó và đạt giá trị phân biệt ở từng nhân tố khác nhau. Do đó, các nhân tố sau khi trích sẽ đƣợc đƣa vào phân tích mơ hình hồi quy tuyến tính bội. Đây là một kỹ thuật thống kê đƣợc dùng để biểu diễn mối quan hệ giữa hai hay nhiều biến độc lập với một biến phụ thuộc định lƣợng (Nguyễn Đình Thọ, 2011). Theo đó, sau khi phân tích hồi quy, ta sẽ thấy
đƣợc mối quan hệ giữa các biến Công nghệ thông tin và truyền thông, Thái độ nhân viên, Năng lực nhân viên và thông tin hai chiều với biến phụ thuộc Quản lý quan hệ khách hàng. Sau khi phân tích hồi quy, tác giả sẽ xem xét sự khác biệt giữa các biến tiểu sử trong mơ hình xem xét các biến tiểu sử này có giải thích thêm cho mơ hình hay khơng. Mơ hình hồi quy cụ thể nhƣ sau:
CRM = β0 + β1 CNTT + β2 TD + β3 NL + β4 TTHC Trong đó:
CRM: Quản lý quan hệ khách hàng CNTT: Công nghệ thông tin
TD: Thái độ của nhân viên NL: Năng lực của nhân viên TTHC: Thơng tin hai chiều
Hồng Trọng và Chu Nguyễn Mộng Ngọc (2008) cho rằng, khi chạy hồi quy cần quan tâm đến các thông số sau:
Hệ số Beta: là hệ số hồi quy chuẩn hóa cho phép so sánh trực tiếp giữa các hệ số dựa trên mối quan hệ giải thích của chúng với biến phụ thuộc
Hệ số R2: là phần biến thiên của biến phụ thuộc do các biến độc lập giải thích. R2 trong mẫu là chỉ số dùng để đánh giá mức độ phù hợp của mơ hình. Hệ số này có thể thay đổi từ 0 đến 1
Kiểm định ANOVA: dùng để kiểm tra tính phù hợp của mơ hình với tập dữ liệu gốc. Nếu mức ý nghĩa của kiểm định nhỏ hơn 0.05 thì ta có thể kết luận mơ hình hồi quy phù hợp với tập dữ liệu
Bên cạnh đó, hệ số xác định điều chỉnh R2adj cũng sẽ đƣợc sử dụng để thay cho R2 khi so sánh các mơ hình với nhau. R2adj dùng để quyết định có nên đƣa thêm biến độc lập vào mơ hình hay khơng
Bảng 4.12. Hệ số phù hợp của mơ hình
Model Summary
Model R R Square Adjusted R Square Std. Error of the Estimate
1 .729a .532 .514 .69725591
Bảng 4.12 cho thấy mơ hình hồi quy có hệ số phù hợp của mơ hình R2 = 0.532 và R2 hiệu chỉnh (R2adj) là 0.514, nghĩa là 4 biến: Công nghệ thông tin và truyền
thông, Thái độ nhân viên, Năng lực nhân viên và Thông tin hai chiều giải thích đƣợc 51.4% phƣơng sai của biến Quản lý quan hệ khách hàng. Điều này cho thấy mơ hình hồi quy tuyến tính phù hợp với tập dữ liệu ở độ tin cậy 95%. Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), hệ số xác định R2 đƣợc chứng minh là hàm không giảm theo số biến độc lập đƣợc đƣa vào mơ hình, mơ hình càng có nhiều biến độc lập thì R2 càng tăng. Tuy nhiên, điều này khơng có nghĩa là càng có nhiều biến thì sẽ phù hợp hơn với dữ liệu. R2 hiệu chỉnh dùng để phản ánh sát hơn mức độ phù hợp của mơ hình hồi quy tuyến tính bội. R2 hiệu chỉnh khơng nhất thiết tăng lên khi tăng thêm biến độc lập vì nó khơng phụ thuộc vào mức độ tăng lên của R2.
Để kiểm định mức độ phù hợp của mơ hình, ta xem xét đến hệ số sig trong Bảng 4.13 là 0.000 < 0.05, điều đó cho thấy mơ hình hồi quy đã xây dựng là phù hợp với tập dữ liệu
Bảng 4.13. Mức độ phù hợp của mơ hình
ANOVAb
Model Sum of Squares df Mean Square F Sig. 1 Regression 57.953 4 14.488 29.801 .000a
Residual 51.047 105 .486 Total 109.000 109
Xem xét bảng trọng số hồi quy (Bảng 4.14), chúng ta thấy các biến NL, TD, TTHC, CNTT có tác động cùng chiều vào CRM vì trọng số hồi quy B của 4 biến này đều có ý nghĩa thống kê (cả 4 biến đều có hệ số Sig < 0.05). Nếu so sánh tác động của 4 biến này lên CRM chúng ta thấy βNL = 0.370, βTD = 0.450, βTTHC = 0.234, βCNTT = 0.371.
Bảng 4.14. Trọng số hồi quy của các nhân tố trong mơ hình
Coefficientsa
Model
Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 1.584 .066 .000 1.000 NL .370 .067 .370 5.539 .000 TD .450 .067 .450 6.741 .000 TTHC .234 .067 .234 3.502 .001 CNTT .371 .067 .371 5.552 .000
Tóm lại, mơ hình hồi quy trên là phù hợp và các nhân tố Công nghệ thông tin, Thái độ nhân viên, Năng lực nhân viên, Thơng tin hai chiều tác động có ý nghĩa lên biến Quản lý quan hệ khách hàng trong các ngân hàng TMCP tại TP. HCM. Cụ thể,
biến thái độ nhân viên có tác động mạnh nhất lên việc quản lý quan hệ khách hàng, kế tiếp là biến CNTT và năng lực nhân viên, sau cùng là biến thông tin hai chiều.
Thái độ nhân viên có tác động mạnh nhất vì sẽ chẳng có một khách hàng nào có mối quan hệ tốt với ngân hàng nếu các nhân viên của ngân hàng đó có thái độ khơng tốt với họ. Chẳng những thế, khách hàng ngày nay có sự lựa chọn rất thơng minh, họ không chỉ đánh giá thái độ nhân viên thông qua thái độ phục vụ khách hàng đó mà cịn chú trọng đến thái độ đối với đồng nghiệp cũng nhƣ những khách hàng khác. Phần lớn những ngân hàng mà họ lựa chọn đều có những nhân viên phục phụ với thái độ ân cần và nhẹ nhàng nhất. Lợi ích đạt đƣợc sẽ khơng đong đếm đƣợc khi một khách hàng bƣớc vào ngân hàng và trở ra với một tâm trạng tƣơi vui, thoải mái. Hiệu ứng tâm lý này rất dễ dàng dẫn đến việc “khách hàng giới thiệu khách hàng” góp phần gia tăng lƣợng khách hàng cũng nhƣ củng cố hình ảnh của ngân hàng mình giữa quá nhiều ngân hàng khác trong tình hình cạnh tranh khốc liệt hiện nay
Bên cạnh đó, hai biến năng lực nhân viên và cơng nghệ thơng tin là hai biến có mức độ tác động kế tiếp sau thái độ. Đây là những biến tạo sự tin tƣởng cho khách hàng trong mơ hình này, khách hàng sẽ an tâm hơn nếu nhân viên ngân hàng có đủ khả năng cũng nhƣ kiến thức để phục vụ họ cũng nhƣ một hệ thống thông tin đủ hiện đại để đảm bảo an tồn cũng nhƣ bảo mật thơng tin khách hàng. Ngân hàng là lĩnh vực dịch vụ có phần nhạy cảm vì có ảnh hƣởng trực tiếp đến nguồn tài chính của khách hàng mà nó phục vụ. Do đó, việc tạo dựng niềm tin cho khách hàng là điều hết sức cần thiết để khách hàng có thể an tâm sử dụng và tự tin khi giới thiệu với ngƣời thân và bạn bè về ngân hàng mà họ đang sử dụng.
Cuối cùng, thông tin hai chiều cũng là một phần quan trong trong việc quản lý quan hệ khách hàng. Đây là yếu tố “nhắc nhở” khách hàng hãy nhớ đến ngân hàng đối với những ngƣời “tạm thời” không nhớ đến ngân hàng. Với bối cảnh hàng chục