Nghiên cứu được thực hiện thông qua hai bước là nghiên cứu sơ bộ và nghiên cứu chính thức, được tóm tắt theo quy trình sau:
3.1.1. Nghiên cứu sơ bộ
Nghiên cứu sơ bộ được thực hiện bằng phương pháp nghiên cứu định tính để xem xét lại các biến trước khi đưa vào mơ hình nghiên cứu. Nghiên cứu được thực hiện thông qua việc hỏi ý kiến 6 chun gia là Trưởng phịng thẻ (chi nhánh Hồ Chí Minh), Trưởng phịng kinh doanh dịch vụ (chi nhánh Bình Thạnh, Nam Sài Gịn, Quận 5, Bình Tây) và giám đốc Cơng ty TNHH Tư Vấn Việt Nam (đây là Công ty độc lập có ký hợp đồng hợp tác với VCB để phát triển và chăm sóc khách hàng là đơn vị chấp nhận thẻ cho VCB).
Nội dung được đưa ra thảo luận cùng các chuyên gia là thang đo chất lượng dịch vụ thẻ (29 biến) và sự hài lòng của khách hàng đối với chất lượng dịch vụ thẻ (5 biến) của VCB – Khu vực TP.HCM đã được nêu cụ thể ở chương 1.
Điều chỉnh thang đo
Sau khi thảo luận và thống nhất ý kiến với các chuyên gia, kết quả một số biến của thang đo cần được điều chỉnh như sau:
Biến số 6 của thành phần tin cậy (“VCB giải quyết thỏa đáng các thắc mắc/khiếu nại của khách hàng”) và biến đầu tiên của thành phần năng lực phục vụ (“Nhân viên VCB vững về chuyên môn nghiệp vụ, luôn giải đáp thỏa đáng thắc mắc của khách hàng”) có nội dung gần như là tương đương nhau, do đó sẽ loại bỏ bớt biến số 6 của thành phần tin cậy.
Đa số các chuyên gia cho rằng 5 biến đầu tiên của thang đo sự hài lòng là bị trùng lắp với kết quả thu thập được của thang đo chất lượng dịch vụ, do đó sẽ bỏ 5 biến đầu tiên của sự hài lòng, giữ lại biến “Khách hàng hài lòng đối với chất lượng dịch vụ thẻ của VCB” và bổ sung thêm 2 biến mới là “Khách hàng sẽ tiếp tục sử dụng dịch vụ thẻ của VCB trong thời gian tới” và “ Khách hàng sẽ giới thiệu dịch vụ thẻ của VCB cho những người khác” .
Như vậy, sau khi điều chỉnh thì thang đo chất lượng dịch vụ thẻ cịn lại 28 biến và sự hài lòng của khách hàng đối với chất lượng dịch vụ thẻ còn lại 3 biến. Thang đo sau khi hiệu chỉnh bao gồm 31 biến được mã hóa cụ thể trong Phụ lục 6.
3.1.2. Nghiên cứu chính thức3.1.2.1. Chọn mẫu 3.1.2.1. Chọn mẫu
Nghiên cứu chính thức được thực hiện bằng phương pháp nghiên cứu định lượng. Mẫu được chọn theo phương pháp ngẫu nhiên.
Việc xác định kích thước mẫu càng lớn càng tốt, tuy nhiên do giới hạn về chi phí và thời gian nên việc kế thừa cách xác định kích thước mẫu của các nghiên cứu trước đó là điều cần thiết. Đề tài có sử dụng phương pháp đánh giá nhân tố khám phá EFA nên có tham khảo cách lấy mẫu của Hair & ctg (2006) cho rằng kích thước mẫu tối thiểu phải là 50, tốt hơn là 100 và tỷ lệ quan sát/ biến đo lường là 5:1, nghĩa là 1 biến đo lường cần tối thiểu là 5 quan sát, tốt nhất là 10:1 trở lên.
Sau khi xác định được kích thước mẫu, đã có 450 phiếu được gửi đi với mục tiêu cỡ mẫu là 310. Đối tượng khảo sát là khách hàng cá nhân hiện đang sử dụng dịch vụ thẻ của VCB - Khu vực TPHCM bằng cách phỏng vấn trực tiếp tại quầy giao dịch (225 phiếu) và gửi email (225 bảng).
Sau 3 tháng điều tra (từ tháng 04/2013 đến tháng 07/2013), số lượng phiếu thu thập về được là 351 phiếu, trong đó có 37 phiếu khơng hợp lệ và bị loại Số phiếu
hợp lệ cịn lại là 314 phiếu đảm bảo kích cỡ mẫu cho việc nghiên cứu.
3.1.2.2. Xử lý và phân tích dữ liệu
Dữ liệu đã thu thập được làm sạch, mã hóa và xử lý bằng phần mềm SPSS 16.0. Phân tích dữ liệu được thực hiện theo trình tự như sau:
Thống kê mẫu nghiên cứu:
Sử dụng phương pháp thống kê mơ tả để trình bày các thuộc tính của mẫu khảo sát về các yếu tố như: giới tính, quốc tịch, độ tuổi, thu nhập…
Đo lường độ tin cậy bằng hệ số Cronbach’s alpha:
Mục tiêu: Loại bỏ các biến không phù hợp và loại bỏ các biến rác trong quá trình nghiên cứu.
Yêu cầu:
Biến đo lường có hệ số tương quan biến tổng (item-total correlation) ≥ 0,3 thì biến đó đạt u cầu.
Cronbach’s α ≥ 0,6 là thang đo có thể chấp nhận được về mặt độ tin cậy (Nunnally & Bernstein, 1994). Một thang đo có độ tin cậy tốt khi nó biên thiên trong khoảng [0,7 – 0,8]. Hệ số Cronbach’s α quá lớn (α ≥ 0,95) cho thấy có nhiều biến trong thang đo khơng có khác biệt gì nhau.
Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis):
Mục tiêu: EFA là một phương pháp phân tích thống kê dùng để rút gọn một tập gồm nhiều biến quan sát phụ thuộc lẫn nhau thành một tập biến (gọi là các nhân tố) ít hơn để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu (Hair & ctg, 1998).
Yêu cầu:
Sự khác biệt trọng số nhân tố của một biến quan sát giữa các nhân tố ≥ 0,3
để đảm bảo giá trị phân biệt giữa các nhân tố (Hair & ctg, 2006).
Hệ số KMO là một chỉ tiêu để xem xét sự thích hợp của EFA, 0,5 ≤ KMO≤ 1 thì phân tích nhân tố là thích hợp. Kiểm định Bartlett xem xét giả thuyết H0 : Độ tương quan giữa các biến quan sát bằng không trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig ≤ 0,05) thì các biến quan sát có tương quan với nhau trong tổng thể (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005).
Trọng số nhân tố (factor loading) là chỉ tiêu đảm bảo mức ý nghĩa thiết thực của EFA. Trọng số nhân tố > 0,3 được xem là đạt được mức tối thiểu, > 0,4 được xem là quan trọng, > 0,5 được xem là có ý nghĩa thực tiễn (Hair & ctg, 1998) Để thỏa mãn điều
Tổng phương sai trích TVE (Total Variance Explained) thể hiện các nhân tố trích được bao nhiêu phần trăm của các biến đo lường, tổng phương sai trích ≥ 50% thì mơ hình EFA phù hợp (Hair & ctg, 1998 và Gerbing & Anderson, 1988).
Sử dụng tiêu chí eigenvalue để chọn số lượng nhân tố. Eigenvalue đại diện cho lượng biến thiên được giải thích bởi nhân tố. Các nhân tố có eigenvalue ≥ 1 sẽ được giữ lại trong mơ hình, đối với nhân tố có eigenvalue < 1 sẽ khơng có tác dụng tóm tắt thơng tin tốt hơn một biến gốc.
Phân tích hồi quy tuyến tính:
Mục tiêu: Phân tích hồi quy tổng thể các biến bằng phần mềm SPSS để xác định mức độ ảnh hưởng của các thành phần chất lượng dịch vụ đối với sự hài lòng của khách hàng đối với chất lượng dịch vụ thẻ tại VCB – Khu vực TPHCM.
Yêu cầu:
Đặt ra mơ hình và giả thiết nghiên cứu.
Xem xét ma trận hệ số tương quan: nhằm xem xét tổng quát mối quan hệ giữa tất cả các biến, bao gồm giữa từng biến độc lập với biến phụ thuộc và chính giữa các biến độc lập với nhau.
Sử dụng SPSS xây dựng mơ hình hồi quy, sau đó đánh giá độ phù hợp của mơ hình bằng cách sử dụng hệ số R2 hoặc R2 điều chỉnh.
Kiểm định tự tương quan : giá trị Durbin – Watson (d) là một thống kê kiểm định dùng để kiểm tra xem có hiện tượng tự tương quan hay khơng trong phần dư của phân tích hồi quy. Nếu 0 <d<1: mơ hình tự tương quan dương; nếu 1<d<3: mơ hình khơng tự tương quan, tốt; nếu 3<d<4: mơ hình tự tương quan âm.
Kiểm định sự phù hợp của mơ hình: Sử dụng kiểm định F xem biến phụ thuộc có liên hệ tuyến tính với tồn bộ tập hợp các biến độc lập hay khơng.
Kiểm tra hiện tượng đa cộng tuyến thông qua hệ số phóng đại phương sai VIF (Variance Inflation Factor). Nếu một biến độc lập nào đó có VIF > 10 thì biến này
hầu như khơng có giá trị giải thích biến thiên của biến phụ thuộc trong mơ hình (Hair & ctg, 2006).