2.3. Kiểm định sự tác động của nguồn năng lực động đến kết quả kinh doanh của
2.3.2.3. Phân tích nhân tố (EFA):
Sau khi kiểm tra độ tin cậy bằng hệ số Cronbach’s Alpha chỉ có biến EO1 của thang đo định hướng kinh doanh bị loại, phân tích nhân tố được tiến hành cho 33 biến còn lại so với 34 biến lúc đầu.
Trong nghiên cứu này, phương pháp phân tích nhân tố chính (Principle component analysis) với phép xoay Varimax sẽ được sử dụng để phân tích nhân tố. Phép xoay Varimax cho phép xoay nguyên gốc các nhân tố để tối thiểu hóa số lượng biến có hệ số lớn tại cùng một nhân tố, vì vậy sẽ tăng cường khả năng giải thích của các nhân tố. Sau khi xoay, ta sẽ loại bỏ các biến có hệ số tải nhân tố nhỏ hơn 0.4 để đảm bảo sự hội tụ giữa các biến trong một nhân tố.
Bảng 2.3: Hệ số KMO & kiểm định Bartlett
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Approx. Chi-Square Bartlett's Test of Sphericity df
Sig.
.890 2611.209 325 .000
Bảng kết quả phân tích (KMO and Bartlett’s test) cho thấy (xem phụ lục 2), hệ số KMO=0.890, Sig.= 0.00 nói lên giả thuyết về ma trận tương quan tổng thể là ma trận đồng nhất bị bác bỏ, tức là các biến có tương quan với nhau và thỏa mãn điều kiện trong phân tích nhân tố.
Từ bảng kết quả phân tích phương sai tổng thể (Total Variance Explained), cho thấy có 6 nhân tố được trích tại điểm Eigenvalues là 1.129 và phương sai trích là 66,59% có nghĩa là 6 nhóm nhân tố này giải thích được 66,59% độ biến thiên của dữ liệu. Như vậy là các chỉ tiêu phân tích đều đạt u cầu và kết quả phân tích này là có ý nghĩa.
Trong 6 nhân tố trích được ta quan sát thấy từ bảng kết quả Rotated Component Matrixa (xem phụ lục 2)
(1) Nhóm nhân tố thứ 1: Bao gồm các biến MC5a, MC6a, MC7b, MC8b, MC9b
và MC10b.
Khơng có biến quan sát nào có hệ số tải (factor loading) nhỏ hơn 0.4 nên khơng bị loại khỏi mơ hình nghiên cứu. Biến quan sát MC11c, MC13c có hệ số tải nhân tố ở nhóm nhân tố thứ nhất nhỏ hơn hệ số tải nhân tố ở nhóm nhân tố thứ 2, nên biến quan sát này sẽ giải thích tốt hơn nếu nằm trong nhóm nhân tố thứ 2. Tương tự đối với biến quan sát LO1 và MC4a.
Hai biến MC5a, MC6a thuộc phần đáp ứng khách hàng; bốn biến còn lại từ MC7b đến MC10b thuộc phần phản ứng với đối thủ cạnh tranh cùng phản ánh về năng lực marketing của ACB. Do việc biến “Điều chỉnh ngay các hoạt động phục vụ khách hàng nếu chúng không đem lại hiệu quả” và biến “Phản ứng nhanh chóng với những thay đổi (nhu cầu, sở thích) của khách hàng” đều nhằm mục đích đáp ứng nhu cầu khách hàng cũng như đối phó với các đối thủ cạnh tranh, do nếu đối thủ cạnh tranh nắm bắt được thông tin về sự thay đổi nhu cầu của khách hàng trước thì họ sẽ tiếp cận được với khách hàng của ACB.
Do đó, cả 6 biến này sẽ được đặt tên là nhóm “ Phản ứng với đối thủ cạnh tranh” – (X1)
(2) Nhóm nhân tố thứ 2: Bao gồm các biến MC3a, MC11c, MC12c, MC13c, MC14d và MC15d:
Các biến quan sát này khơng có hệ số chuyển tải nào nhỏ hơn 0.4 nên khơng bị loại khỏi mơ hình. Trong đó, biến quan sát MC3a - Thường xuyên thu thập thông tin về khách hàng, thuộc phần Đáp ứng khách hàng trong năng lực marketing của ACB. Tuy nhiên, biến này cũng thể hiện được tính chất trong việc thiết lập mối quan hệ tốt với khách hàng thông qua quá trình thường xuyên thu thập thơng tin khách hàng. Do đó, các biến nêu trên được phân vào nhân tố X2 – Thích ứng mơi trường vĩ mơ và chất lượng mối quan hệ.
(3) Nhóm nhân tố thứ 3: bao gồm các biến từ EO2 đến EO6.
Trong nhóm biến quan sát này, các hệ số chuyển tải đều lớn hơn 0.5 và các biến đều thuộc nhân tố định hướng kinh doanh. Do đó, nhóm nhân tố này được đặt lại tên: X3 – Định hướng kinh doanh.
(4) Nhóm nhân tố thứ 4: bao gồm các biến LO1, LO2, LO3:
Ba biến quan sát này thỏa điều kiện hệ số chuyển tải > 0.4 nên được giữ lại và đặt lại tên của nhân tố ban đầu là Định hướng học hỏi – X4.
(5) Nhóm nhân tố thứ 5: bao gồm các biến MC1a, MC2a, MC4a:
Hệ số chuyển tải của các biến đều > 0.5 nên được giữ lại. Các biến này đều thể hiện khả năng đáp ứng khách hàng trong Năng lực marketing nên được đặt tên: Đáp ứng khách hàng – X5
(6) Nhóm nhân tố thứ 6: bao gồm các biến: IC1, IC2, IC3:
Cả 3 biến quan sát đều dung để đánh giá năng lực sáng tạo nên được đặt tên: Năng lực sáng tạo – X6 và giữ nguyên cả 3 biến do hệ số chuyển tải > 0.5
Qua kết quả phân tích từ bảng Rotated ComponentMatrixa cho thấy, tất cả các biến đều có hệ số chuyển tải > 0.4, thỏa mãn điều kiện đưa vào mơ hình nghiên cứu.
(7) Biến phụ thuộc – Kết quả kinh doanh (Y): Thang đo được thiết kế với 7 biến
quan sát để đo lường kết quả kinh doanh của ACB.
Kết quả phân tích nhân tố (xem tại Phụ lục 2) có hệ số KMO là 0.855 và 1 nhân tố được hình thành ở Eigenvalues là 4.76, tổng phương sai trích là 68%, trọng số các biến quan sát đều > 0.7. Như vậy, thang đo đảm bảo phản ánh được kết quả kinh doanh.
Phản ứng với đối thủ cạnh tranh Thích ứng mơi trường vĩ mơ và
chất lượng mối quan hệ
Định hướng kinh doanh Kết quả
kinh doanh
Định hướng học hỏi Đáp ứng khách hàng
Năng lực sáng tạo
2.3.2.4.Mơ hình nghiên cứu hiệu chỉnh:
Các giả thuyết của mơ hình:
H1: Phản ứng với đối thủ cạnh tranh càng mạnh thì kết quả kinh doanh càng tốt. H2: Khả năng thích ứng với mơi trường vĩ mơ có tác động tích cực lên kết quả kinh doanh của ACB.
H3: Định hướng kinh doanh tác động tich cực lên kết quả kinh doanh của ACB. H4: Định hướng học hỏi tác động tích cực đến kết quả kinh doanh của ACB H5: Đáp ứng khách hàng ảnh hưởng tích cực đến kết quả kinh doanh của ACB. H6: Năng lực sáng tạo ảnh hưởng tích cực tới kết quả kinh doanh của ACB.
Và 05 giả thuyết ban đầu cần kiểm tra:
H7: Định hướng kinh doanh tác động tích cực tới định hướng học hỏi của ACB H8: Định hướng kinh doanh tác động tích cực lên năng lực sáng tạo của ACB H9: Định hướng kinh doanh tác động tích cực lên năng lực marketing của ACB H10: Năng lực marketing ảnh hưởng tích cực đến năng lực sáng tạo của ACB. H11: Định hướng học hỏi tác động tích cực lên năng lực marketing của ACB
2.3.2.5.Phân tích sự tƣơng quan giữa các biến:
Xem xét các mối quan hệ tương quan tuyến tính giữa biến phụ thuộc và biến độc lập cho ta biết giữa chúng có mối quan hệ với nhau và việc phân tích hồi quy tuyến tính có phù hợp
Kiểm định hệ số tương quan được tiến hành cho 7 biến gồm 6 biến độc lập và 1 biến phụ thuộc với hệ số tương quan Pearson và kiểm định 2 phía (two tailed) với mức ý nghĩa 0.01.
Bảng Correlations trong bảng Phụ lục 3 cho thấy các biến độc lập đều có tương quan tương đối chặt chẽ với biến phụ thuộc (hệ số tương quan từ 0.738 đến 0.358 với giá trị Sig. = 0.000. Do đó, mơ hình được cho là tương đối phù hợp để chạy hồi quy.
2.3.2.6.Phân tích hồi quy tuyến tính bội:
Dựa vào cơ sở lý thuyết và kết quả phân tích hệ số tương quan Pearson ở trên, ta tiến hành phân tích hồi quy tuyến tính để xác định cụ thể trọng số của từng yếu tố tác động đến kết quả kinh doanh của ACB. Phân tích hồi quy được thực hiện bằng phương pháp đưa biến vào Enter với phần mềm SPSS 16.0.
* Đánh giá sự phù hợp của mơ hình:
Hệ số xác định R2 và R2 hiệu chỉnh (Adjusted R square) được dùng để đánh giá độ phù hợp của mơ hình. Vì R2 sẽ tăng khi đưa thêm biến độc lập vào mơ hình nên dùng R2 hiệu chỉnh sẽ an tồn hơn khi đánh giá độ phù hợp của mơ hình. R2 hiệu chỉnh càng lớn thể hiện độ phù hợp của mơ hình càng cao.
Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the Estimate
Durbin-Watson
1 .819a .671 .660 .28603 1.839 a. Predictors: (Constant), NLST, DHKD, PUDT, TUVIMO, DHHH, DUKH b. Dependent Variable: KQKD
R2 hiệu chỉnh của mơ hình là 0.6666% sự biến thiên của kết quả kinh doanh được giải thích bởi mối liên hệ tuyến tính của các biến độc lập, hay nói một
cách khác là mơ hình hồi quy giải thích được 66%, cịn lại sẽ được giải thích bởi các nhân tố khác bên ngồi mơ hìnhMức độ phù hợp của mơ hình tương đối cao. Tuy nhiên sự phù hợp này chỉ đúng với dữ liệu mẫu. Để kiểm định xem có thể suy diễn mơ hình cho tổng thể thực hay khơng ta phải kiểm định độ phù hợp của mơ hình.
* Kiểm định độ phù hợp của mơ hình
Để kiểm định độ phù hợp của mơ hình hồi quy tuyến tính đa bội ta dùng giá trị F ở bàng phân tích ANOVA sau:
ANOVAa
Model Sum of Squares df Mean Square F Sig. Regression 1 Residual Total 28.397 6 4.733 57.850 .000b 13.908 170 .082 42.305 176 a. Dependent Variable: KQKD
b. Predictors: (Constant), NLST, DHKD, PUDT, TUVIMO, DHHH, DUKH
Từ bảng phân tích ANOVA, ta thấy giá trị sig. của trị số F trong mơ hình rất nhỏ (< mức ý nghĩa 5%), do đó, các biến đưa vào mơ hình đều có ý nghĩa thống kê và mơ hình phù hợp với tập dữ liệu thu thập được cũng như có thể suy rộng ra cho toàn tổng thể.
2.3.2.7.Kết quả hồi quy:
(Xem phụ lục 4)
Bảng 2.4: Kết quả phân tích mơ hình hồi quy tuyến tính đa biến:
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF
1
(Constant) .998 .240 4.157 .000
PUDTCT .169 .058 .177 2.909 .004 .545 1.836 TU VI MO MQH .223 .047 .266 4.755 .000 .645 1.551 DHKD .178 .048 .214 3.717 .000 .608 1.646
DHHH -.011 .057 -.011 -.193 .847 .601 1.664
DUKH .284 .049 .336 5.745 .000 .590 1.694
NLST .084 .057 .075 1.481 .141 .780 1.282
a. Dependent Variable: KQKD
Với độ lớn của mẫu gồm 177 quan sát, nên mức ý nghĩa α được chọn là 0.05. Kết quả phân tích cho thấy:
+ Hệ số Sig.F (bảng ANOVA) =.000 ta thấy các biến đưa vào đều có ý nghĩa thống kê với mức ý nghĩa 5%. Như vậy các biến độc lập trong mơ hình có quan hệ đối với biến phụ thuộc Y.
+ Sau khi chạy hồi quy, ta thấy biến Định hướng học hỏi (X4)có β = -0.011 và sig. = 0.847 > 0.05 -> khơng có ý nghĩa thống kê. Do đó, biến X4 bị loại khỏi mơ hình hồi quy. Điều này cho thấy định hướng học hỏi không tác động trực tiếp đến kết quả kinh doanh của ACB. Nghiên cứu của Lin và cộng sự (2008) cũng cho thấy định hướng học hỏi tác động gián tiếp vào kết quả kinh doanh.
+ Ngoài ra, biến X6 – Năng lực sáng tạo: có β= 0.084 nhưng sig. = 0.141 > 0.05 nên biến Năng lực sáng tạo không phù hợp và bị loại khỏi mơ hình. Theo nghiên cứu của nhóm tác giả G.Tomas M.Hult, Robert F.Hurley và Gary A. Knight (2004) đã khẳng định năng lực sáng tạo của doanh nghiệp trong ngành công nghiệp cao hơn so với các ngành khác và có ảnh hưởng trực tiếp vào kết quả kinh doanh của doanh nghiệp. Đồng thời Nguyễn Đình Thọ & Nguyễn Thị Mai Trang (2009) cũng kết luận năng lực sáng tạo tác động khá cao vào kết quả kinh doanh của các doanh nghiệp trên địa bàn Tp.HCM. Tuy vậy, có thể giải thích về kết quả trên như sau: do đặc thù kinh doanh trong lĩnh vực ngân hàng khơng có nhiều sự cạnh tranh về sản phẩm, dịch vụ do tất cả các ngân hàng đều có các chức năng và sản phẩm giống nhau. Hơn nữa, các sản phẩm, dịch vụ của ngân hàng thường rất dễ dàng trong việc sao chép, bắt chước giữa các ngân hàng với nhau, chỉ cần thay đổi quy trình thực hiện phù hợp với từng ngân hàng. Vì vậy, việc đưa ra sản phẩm mới của các ngân hàng thường khó có thể mang lại kết quả kinh doanh một cách trực tiếp.
Ngoài ra, hiện tại ACB là một trong những ngân hàng xây dựng được một hệ thống quy trình hoạt động, chính sách về sản phẩm và hướng dẫn cơng việc một cách có hệ thống, chi tiết và áp dụng thống nhất trong tồn hệ thống. Do đó, việc đưa ra các sản phẩm, dịch vụ mới sẽ cần thời gian để hệ thống xây dựng quy trình, mẫu biểu, hướng dẫn cơng việc… và sau đó mới có thể chính thức đưa vào sử dụng. Chính điều này cũng góp phần cản trở việc phát triển các sản phẩm mới do vướng phải rất nhiều về quy trình hoạt động và sự phối hợp của nhiều bộ phận, phòng ban khác nhau và dẫn đến kết quả kinh doanh không bị chi phối nhiều đến năng lực sáng tạo của ngân hàng. Cuối cùng, kết quả kinh doanh của ngân hàng thường chủ yếu công bố về tổng lợi nhuận, tổng dư nợ, tổng phí dịch vụ thu được, tổng số dư huy động… và khơng có thơng tin chi tiết các nguồn lợi nhuận được mang về cho ACB bắt nguồn từ những sản phẩm, dịch vụ mới nào nên thường nhân viên khơng có thơng tin và chọn câu trả lời mang tính chủ quan từng người.
+ Các biến độc lập cịn lại trong mơ hình hồn tồn phù hợp vì hệ số Sig. <0.5 (bảng Coefficients).
+ Hệ số VIF của các biến độc lập trong mơ hình đều nhỏ hơn 2 do đó hiện tượng đa cộng tuyến giữa các biến độc lập khơng có ảnh hưởng đáng kể đến mơ hình hồi qui.
+ Trị số thống kê Durbin-Watson có giá trị 1.839 cho biết các phần dư khơng có tương quan với nhau (phụ lục 4, bảng Model Summary).
+ Phân tích ANOVA cho thấy Sig.=0.00 chứng tỏ mơ hình hồi quy xây dựng là phù hợp với dữ liệu thu thập được (phụ lục 4, bảng ANOVA).
Hàm hồi quy tuyến tính được viết lại như sau:
Y = 0.998 + 0.169X1 + 0.223X2 + 0.178X3 + 0.284X5.
Hay được viết lại:
Kết quả kinh doanh = 0.998 + 0.169x Phản ứng với đối thủ cạnh tranh + 0.223 x Thích ứng với mơi trƣờng vĩ mô, chất lƣợng mối quan hệ + 0.178 x Định hƣớng kinh doanh + 0.284 x Đáp ứng khách hàng.
Theo phương trình hồi quy, các hệ số hồi quy đều có dấu đúng với kỳ vọng của tác giả, nghĩa là các biến độc lập có quan hệ cũng chiều với biến phụ thuộc. Trong đó, thích ứng với môi trường vĩ mô, chất lượng mối quan hệ và đáp ứng khách hàng có tác động đến kết quả kinh doanh của ACB mạnh nhất. Kế đến là biến Định hướng kinh doanh và phản ứng với đối thủ cạnh tranh.
2.3.2.8.Kiểm định mơ hình:
* Giả định liên hệ tuyến tính
Đối với hồi quy tuyến tính, để kiểm tra giả định liên hệ tuyến tính, tác giả dùng phương pháp vẽ đồ thị phân tán giữa các phần dư và giá trị dự đốn mà mơ hình hồi quy tuyến tính cho ra. Biểu đồ phân tán giữa 2 giá trị này đã được chuẩn hóa (standardized) với phần dư trên trục tung và giá trị dự đốn trên trục hồnh. Phụ lục 4 cho thấy các dữ liệu và mô tả phần dư cùng giá trị dự đốn lên đồ thị khơng thay đổi theo một trật tự nào khác (cong dạng bậc 2 Parabol, cong dạng bậc 3 Curbic, …). Điều đó chứng tỏ rằng giả định liên hệ tuyến tính khơng bị vi phạm.
* Giả định phương sai của sai số không đổi
Để kiểm tra xem giả định phương sai của sai số khơng đổi có bị vi phạm hay không, ta tiếp tục dùng đồ thị ở phụ lục 4 để xem xét. Nếu độ lớn của phần dư tăng hoặc giảm cùng với giá trị dự đoán thì giả định trên đã bị vi phạm. Kết quả đồ thị cho thấy các phần dư phân tán ngẫu nhiên quanh trục 0 (tức quanh giá trị trung bình của phần dư) trong một phạm vi khơng đổi, ta có thể kết luận phương sai của sai số không đổi.
* Giả định về phân phối chuẩn của phần dư
Đồ thị Histogram ở phụ lục 4 cho thấy một đường cong phân phối chuẩn