Thống kê độ tin cậy
Tổng thống kê các biến Giá trị trung bình nếu xóa biến này Giá trị Variance nếu xóa biến này
Hệ số tương quan biến – tổng
Hệ số Cronbach's Alpha nếu xóa
biến này HL23 Nhìn chung anh/chị 7.34 2.373 .701 .843 hồn tồn hài lịng khi giao
dịch với ACB
HL24 Anh/chị sẵn sàng giới 7.24 2.205 .786 .765 thiệu ACB cho người khác
HL25 Trong thời gian tới 7.18 2.149 .736 .813 Anh/chị vẫn tiếp tục sử dụng
dịch vụ của ACB
(Nguồn: Kết quả khảo sát của tác giả)
Thang đo sự hài lòng của khách hàng gồm 3 biến, cả 3 biến này đều có hệ số tương quan biến-tổng > 0.3 và hệ số Cronbach’s Alpha là 0.863 nên thang đo sự hài lòng đạt yêu cầu. Các biến này được đưa vào phân tích nhân tố tiếp theo.
Đánh giá thang đo bằng phân tích nhân tố khám phá EFA
Để tiến hành phân tích nhân tố, tác giả đã sử dụng phương pháp trích (Extraction Method) là Principal component với phép xoay (Rotation) là Varimax và phương pháp tính nhân tố là phương pháp Regression.
Khi phân tích nhân tố khám phá, các nhà nghiên cứu thường quan tâm đến hệ số KMO ≥ 0.5, mức ý nghĩa của kiểm định Bartlett ≤ 0.05, hệ số tải nhân tố (factor loading) ≥0.5. Nếu biến quan sát nào có hệ số tải nhân tố <0.5 thì phân tích nhân tố có khả năng khơng thích hợp (Hồng Trọng và Chu Nguyễn Mộng Ngọc, Phân tích dữ liệu với SPSS 2, NXB Hồng Đức, 2008).
Khi phân tích EFA sử dụng phương pháp trích Principal Component Analysis với phép xoay Varimax và điểm dừng khi các yếu tố có eigenvalue lớn hơn 1.
Về các nhân tố tác động tới sự hài lòng của khách hàng
Với lý thuyết Ho đặt ra trong phân tích này là giữa 22 biến quan sát trong tổng thể khơng có mối tương quan với nhau. Kiểm định KMO và Bartlett’s trong phân tích nhân tố cho thấy giả thuyết này bị bác bỏ (sig=.000). Hệ số KMO cao (=.852>0.5) chứng tỏ phân tích EFA thích hợp được sử dụng trong phân tích này.
Bảng 2.15: Kiểm định KMO thang đo chất lƣợng dịch vụ KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Approx. Chi-Square Bartlett's Test of Df Sphericity Sig. .852 4306.594 231 .000
(Nguồn: Kết quả khảo sát của tác giả)
Bảng 2.16: Phân tích nhân tố khám phá thang đo chất lƣợng dịch vụ
Rotated Component Matrixa
Component
1 2 3 4 5 TC3 ACB cung cấp dịch vụ đúng như thời gian đã hứa .855
.760 DC12 Ngân hàng ACB có các chương trình thể hiện sự
quan tâm đến KH .692 TC2 ACB sẵn sàng quan tâm và giải quyết thỏa đáng
những vấn đề mà khách hàng gặp phải .654 TC4 ACB thơng báo chính xác cho KH khi nào dịch vụ
sẽ được thực hiện .600 TC1 ACB thực hiện dịch vụ đúng ngay từ lần đầu tiên .583 HH15 Cơ sở vật chất, trang thiết bị của ACB rất hiện
đại .565
DC14 Nhân viên ACB hiểu rõ nhu cầu cụ thể của KH PV11 Nhân viên ACB có đủ kiến thức chun mơn để
.804 .774 .721 .602 .594 .788 .710 .691 .550 .868 .838 .733
Rotation Method: Varimax with Kaiser Normalization.
Tại các mức giá trị Eigenvalues lớn hơn 1 và với phương pháp rút trích Principal components và phép quay Varimax, phân tích nhân tố đã trích được 5 nhân tố từ 22 biến quan sát và với phương sai trích là 77.653% (lớn hơn 50%) đạt yêu cầu.
Dựa trên phân tích của bảng Rotated Component Matrix (bảng 2.15) xem xét như sau: để đảm bảo sự hội tụ cao của các nhân tố thì các biến có hệ số tải nhân tố nhỏ hơn 0,5 sẽ bị loại. Theo Hair &ctg (Multivariate Data Analysis, 1998), hệ số tải nhân tố là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA. Hệ số tải nhân tố lớn hơn hoặc bằng 0.5 được xem là có ý nghĩa thực tiễn. Vì vậy, để mơ hình nghiên cứu có ý nghĩa trong thực tế nên ta sẽ loại bỏ các biến có hệ số tải nhân tố nhỏ hơn 0.5.Ở đây, các biến đều có hệ số tải nhân tố >0.5 nên ta giữ lại nguyên các biến này.
DC13 Nhân viên ACB chủ động quan tâm đến từng KH
TC5 Nhân viên ACB luôn bảo mật thông tin KH .640 PV10 Nhân viên ACB phục vụ KH tận tình, chu đáo
DU7 Nhân viên ACB ln ln sẵn lịng giúp đỡ KH DU8 Nhân viên ACB không bao giờ tỏ ra quá bận rộn để đáp ứng nhu cầu của KH
PV9 KH cảm thấy yên tâm khi thực hiện giao dịch với ACB
DU6 Nhân viên ACB thực hiện dịch vụ cho KH một cách nhanh chóng
HH17 Trang phục của nhân viên ACB gọn gàng, lịch sự HH19 ACB có các tài liệu, sách ảnh về dịch vụ ngân hàng cuốn hút
HH18 ACB bố trí khơng gian làm việc thuận tiện HH16 Các tiện nghi phục vụ khách hàng tốt GC21 Chi phí giao dịch của ACB rất hợp lý GC22 ACB có chính sách giá linh hoạt GC20 ACB áp dụng mức lãi suất cạnh tranh
Extraction Method: Principal Component Analysis. a. Rotation converged in 9 iterations.
Về mức độ hài lòng của khách hàng:
Về mức độ hài lòng của KH, KMO đạt được là 0.724, Eigenvalue > 1 và tổng phương sai dùng để giải thích nhân tố 78.594% > 50% (thỏa điều kiện của phân tích nhân tố). Như vậy, kết quả phân tích nhân tố về mức độ hài lịng của khách hàng cho thấy 3 biến quan sát HL23, HL24, HL25 đều có hệ số tải nhân tố > 0.5 và dùng để giải thích thang đo mức độ hài lịng khách hàng là hợp lý.
Bảng 2.17: Kiểm định KMO thang đo sự hài lòngKMO and Bartlett's Test KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Approx. Chi-Square Bartlett's Test of Sphericity Df Sig. .724 293.876 3 .000
Bảng 2.18: Phân tích nhân tố thang đo sự hài lòng Component Matrixa
Component 1 HL24 Anh/chị sẵn sàng giới
thiệu ACB cho người khác .911 HL25 Trong thời gian tới
Anh/chị vẫn tiếp tục sử dụng .884 dịch vụ của ACB
HL23 Nhìn chung anh/chị
hồn tồn hài lịng khi giao .864 dịch với ACB
2.3.2.3 Kiểm định mơ hình sự thỏa mãn các yếu tố chất lƣợng dịch vụ và giá cả của ngân hàng
Phân tích tác động của các nhân tố đến sự hài lịng của khách hàng
Các nhân tố hình thành từ q trình phân tích nhân tố bao gồm “sự phục vụ, sự đáp ứng, sự tin cậy, chất lượng hữu hình và giá cả” được khẳng định là phù hợp và được đưa vào phân tích để kiểm định mơ hình. Phân tích tương quan sẽ được thực hiện để xem xét sự phù hợp khi đưa các thành phần vào phương trình hồi quy, kết quả phân tích hồi quy dùng để kiểm định các giả thuyết.
Phần này sẽ trình bày các kết quả kỹ thuật nhằm thống kê nhằm đánh giá tác động của các nhân tố lên lịng trung thành của khách hàng. Vì các kết luận dựa trên hàm hồi quy tuyến tính thu được chỉ có ý nghĩa khi hàm hồi quy đó phù hợp với dữ liệu mẫu và các hệ số hồi quy khác 0 có ý nghĩa, đồng thời các giả định của hàm hồi quy tuyến tính phải được đảm bảo. Do đó, trước khi tiến hành phân tích hồi quy tuyến tính đa biến, mối tương quan tuyến tính giữa các biến cần phải được xem xét, kiểm định các giả định của hàm hồi quy, sau đó tiến hành kiểm định độ phù hợp của mơ hình và kiểm định ý nghĩa của các hệ số hồi quy.
Giả định các nhân tố tác động và sự hài lòng của khách hàng cá nhân đối với dịch vụ ngân hàng tại ACB trên địa bàn TP.HCM có tương quan tuyến tính, ta có phương trình hồi quy cho mơ hình lý thuyết sau:
HL = B1*TC + B2*DC + B3*DU + B4*HH + B5*GC
Trong đó: HL : sự hài lòng của khách hàng TC: Sự tin cậy
DC: Sự đồng cảm DU: Sự đáp ứng
HH: Chất lượng hữu hình GC: Giá cả
Phân tích ma trận tương quan sử dụng hệ số Pearson Correlation (r) để lượng hóa mức độ chặt chẽ của mối liên hệ giữa mỗi nhân tố khác với nhân tố sự hài lòng, và giữa các nhân tố tác động đến sự hài lòng với nhau. Giá trị tuyệt đối của hệ số r tiến gần đến 1 khi các biến có mối tương quan tuyến tính chặt chẽ. Nếu giữa hai biến có 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 được xem xét như nhau.
Bảng 2.19: Ma trận hệ số tƣơng quan TC DU DC HH GC HL TC Hệ số tương quan r 1 .573** .714** .726** .429** .669** Sig. (2-tailed) .000 .000 .000 .000 .000 N 205 205 205 205 205 205 DU Hệ số tương quan r .573** 1 .636** .497** .458** .686** Sig. (2-tailed) .000 .000 .000 .000 .000 N 205 205 205 205 205 205 DC Hệ số tương quan r .714** .636** 1 .635** .368** .654** Sig. (2-tailed) .000 .000 .000 .000 .000 N 205 205 205 205 205 205 HH Pearson Correlation .726** .497** .635** 1 .494** .691** Sig. (2-tailed) .000 .000 .000 .000 .000 N 205 205 205 205 205 205 GC Hệ số tương quan r .429** .458** .368** .494** 1 .588** Sig. (2-tailed) .000 .000 .000 .000 .000 N 205 205 205 205 205 205 HL Hệ số tương quan r .669** .686** .654** .691** .588** 1 Sig. (2-tailed) .000 .000 .000 .000 .000 N 205 205 205 205 205 205
(Nguồn: Kết quả khảo sát của tác giả)
Theo kết quả ma trận hệ số tương quan cho thấy có mối tương quan giữa từng biến độc lập (TC, DU, DC, HH, GC) với biến phụ thuộc (HL) và giữa các biến độc lập với nhau. Hệ số tương quan giữa biến phụ thuộc (HL) với các biến độc lập đều lớn hơn 0.5, trong đó HL và HH có mối tương quan chặt chẽ nhất với hệ số r = 0.691.
Ngoải ra ta thấy nhân tố HH có liên quan mạnh nhất với nhân tố TC (r=0.726), kế đến là nhân tố DC cũng có tương quan mạnh với TC với hệ số r là 0.714. Trong khi đó nhân tố DC và DU có tương quan mạnh với r = 0.636. Như vậy các biến độc lập đủ điều kiện đưa vào mơ hình để giải thích cho biến phụ thuộc. Đối với biến độc lập có hệ số r > 0.5, ta cần xem xét thật kỹ vai trị của các biến này trong mơ hình hồi quy tuyến tính đa biến.
Kiểm định các giả thuyết của mơ hình
“Phân tích hồi quy khơng phải chỉ là việc mô tả các dữ liệu quan sát được. Từ các kết quả quan sát được trong mẫu, ta phải suy rộng kết luận cho mối liên hệ giữa các biến trong tổng thể. Sự chấp nhận và diễn dịch kết quả hồi quy không thể tách rời các giả định cần thiết và sự chuẩn đốn về sự vi phạm các giả định đó. Nếu các giả định bị vi phạm thì các kết quả ước lượng khơng đáng tin cậy nữa” (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Sự suy rộng các kết quả của mẫu cho giá trị của tổng thể trên cơ sở các giả định sau:
Liên hệ tuyến tính
Phương sai của sai số khơng đổi. Phần dư có phân phối chuẩn.
Khơng có hiện tượng tự tương quan giữa các phần dư Khơng có hiện tượng đa cộng tuyến giữa các biến độc lập
Từ biểu đồ phân tán (Hình 2.5) giữa hai biến giá trị dự đốn chuẩn hóa (Standardized Predicted Value) và phần dư chuẩn hóa (Standardized Residual) cho thấy phần dư phân tán ngẫu nhiên xung quanh đường đi qua tung độ 0 chứ khơng tạo nên một hình dạng nào. Vì vậy giả định liên hệ tuyến tính khơng bị vi phạm.
Độ lớn của phần dư chuẩn hóa trên biểu đồ phân tán không tăng hoặc giảm cùng với giá trị dự đốn chuẩn hóa. Vì vây, giả định phương sai của sai số khơng đổi khơng bị vi phạm.
Hình 2.4: Biểu đồ phân tán
(Nguồn: Kết quả khảo sát của tác giả)
60
Phần dư có thể khơng tn theo phân phối chuẩn vì nhiều lí do: sử dụng mơ hình khơng đúng, phương sai khơng phải là hằng số, số lượng các phần dư không đủ nhiều để phân tích…(Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008)
Để khảo sát phân phối chuẩn của phần dư, biểu đồ Histogram và biểu đồ Normal P-P Plot được sử dụng.
Hình 2.5: Biểu đồ Histogram
61
Hình 2.6: Biểu đồ Normal P-P Plot
(Nguồn: Kết quả khảo sát của tác giả)
Xem xét tần số của phần dư chuẩn hóa, Hình 2.6 cho thấy một đường cong phân phối chuẩn được đặt trên biểu đồ tần số và Hình 2.7 cho thấy các điểm quan sát không phân tán quá xa đường thẳng kỳ vọng. Giá trị phần dư có kết quả trung bình mean= 0.000 và độ lệch chuẩn std.Dev = 0.988 rất gần 1. Do đó, phân phối của phần dư xem như tiệm cận chuẩn. Như vậy, giả định phân phối chuẩn của phần dư xem như không bị xâm phạm.
Giả định khơng có hiện tƣợng tƣơng quan giữa các phần dƣ
Khơng có sự tự tương quan giữa các phần dư ngẫu nhiên nghĩa là các phần dư độc lập với nhau. Khi xảy ra hiện tượng tự tương quan, các ước lượng của mơ hình hồi quy khơng đáng tin cậy.
Đại lượng thống kê Durbin – Watson(d) được sử dụng để kiểm định hiện tượng tự tương quan. Nếu d gần bằng 2 ta kết luận mơ hình khơng có tự tương quan,
nếu 0<d<1 thì các phần dư có tương quan thuận, 3<d<4 có nghĩa là các phần dư có tương quan nghịch.
Bảng 2.20: Kiểm định Durbin – Watson
Mơ hình Độ lệch chuẩn ước lượng Durbin-Watson
1 1.09836 1.915
(Nguồn: Kết quả khảo sát của tác giả)
Kết quả kiểm định Durbin – Watson (bảng 2.19) cho thấy giá trị d = 1.915, gần bằng 2, rơi vào miền giả thuyết khơng có tương quan của các phần dư ngẫu nhiên. Như vậy, giả định khơng có hiện tượng tự tương quan giữa các phần dư không bị vi phạm.
Giả định khơng có hiện tƣợng đa cộng tuyến
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 giá 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. Hệ số phóng đại phương sai VIF được sử dụng để phát hiện sự tồn tại của hiện tượng này. Nếu VIF > 10 thì xuất hiện hiện tượng đa cộng tuyến.
Bảng 2.21: Kết quả kiểm định đa cộng tuyếnModel Model Collinearity Statistics Tolerance VIF 1 (Constant) .355 2.820 TC DU .524 1.907 DC .394 2.537 HH .410 2.438 GC .692 1.446
(Nguồn: Kết quả khảo sát của tác giả)
Bảng 2.21 Cho thấy hệ số VIF có giá trị từ 1.446 đến 2.820 (<10). Như vậy, trong mơ hình nghiên cứu khơng có hiện tượng đa cộng tuyến giữa các biến độc lập.
Phân tích hồi quy bội:
Bảng 2.22 Kết quả phân tích hồi quy bộiModel Summaryb Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 .826a .683 .675 1.09836 1.915 ANOVAa Model Sum of Squares Df Mean Square F Sig. 1 Regression Residual Total 517.309 5 103.462 85.762 .000b 240.071 199 1.206 757.380 204
Coefficientsa
Mơ hình Hệ số chưa chuẩn hóa Hệ số chuẩn hóa T Sig. Thống kê cộng tuyến B Sai số chuẩn Beta Tolerance VIF (Constant) TC DU DC HH -.291 .494 -.589 .556 .079 .046 .114 1.705 .090 .355 2.820 .262 .047 .307 5.568 .000 .524 1.907 .114 .057 .127 2.000 .047 .394 2.537 .242 .057 .266 4.269 .000 .410 2.438 GC .230 .050 .220 4.581 .000 .692 1.446
(Nguồn: Kết quả khảo sát của tác giả)
Dựa vào bảng kết quả trên ta có:
R2 = 0.675 > 0.5, vậy độ chặt chẽ của quan hệ tuyến tính của các biến trong mơ hình cao. Kết quả kiểm định cho thấy các yếu tố: Mức độ đáp ứng, Độ đồng cảm, Sự hữu hình và Giá cả có mối tương quan mạnh và có ý nghĩa thống kê khi đưa vào mơ hình phân tích (Sig. < 0.05). Tuy nhiên, do hạn chế trong quá trình thu thập