CHƯƠNG 2 : GIẢ THUYẾT VÀ MƠ HÌNH NGHIÊN CỨU
2.4. Phương pháp nghiên cứu
Dữ liệu nghiên cứu
Dữ liệu nghiên cứu là kết quả sau khi thu được từ việc gửi trực tiếp phiếu khảo sát cho khách hàng thông qua quầy giao dịch tại ngân hàng và gián tiếp qua email của khách hàng. Danh sách khách hàng được lựa chọn ngẫu nhiên trên cơ sở dữ liệu của ngân hàng.
Phân tích dữ liệu
Theo một số nghiên cứu, tính đại diện của số lượng mẫu được lựa chọn khảo sát sẽ thích hợp nếu kích thước mẫu là 5 mẫu cho mỗi ước lượng. Tức n = 5*m ( m là số lượng câu hỏi trong bài). Mơ hình lựa chọn khảo sát trong bài gồm 5 biến độc lập, 1 biến phụ thuộc với 21 câu hỏi. Số lượng mẫu tối thiểu là: 21x5 =105 mẫu . Số lượng mẫu trong bài là 120 nên đã đủ điều kiện.
Thang đo Likert được sử dụng gồm 5 thang đo để khảo sát mức độ đánh giá của khách hàng, được thiết kế từ gồm 5 cấp bậc từ “ hoàn tồn khơng đồng ý “ đến “ hoàn toàn đồng ý”
Kiểm định Cronbach’s Alpha
Theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc (2005): “ Hệ số này dao động trong khoảng [0,1], hệ số này càng gần về giá trị 1 thì càng tốt, tuy nhiên nếu >0,95 thì điều này cho thấy các biến quan sát trong thang đo khơng có sự khác biệt, đây được gọi là hiện tượng thang đo trùng lắp”. Theo đó, hệ số Cronbach Alpha phải lớn hơn 0,6. Ngồi ra, theo Nunnally J. (1978) để biến quan sát đạt yêu cầu thì hệ số Corrected Item - Total Correlation ( hệ số tương quan biến tổng) đồng thời phải (>0,3)
Nhân tố khám phá EFA
Theo Hair và các cộng sự (1988): “EFA được sử dụng để kiểm định sự hội tụ của các biến thành phần về khái niệm. Các biến có hệ số tương quan đơn giữa biến và các nhân tố (factor loading) nhỏ hơn 0,5 sẽ bị loại. Phương pháp trích nhân tố được sử dụng là Principal Axis Factoring được sử dụng kèm với phép quay khơng vng góc Promax2. Điểm dừng trích khi các yếu tố có Initial Eigenvalue > 1.
Phân tích nhân tố khám phá (EFA) là kỹ thuật chủ yếu để thu nhỏ và tóm tắt dữ liệu. Phân tích nhân tố khám phá phát huy tính hữu ích trong việc xác định các tập biến cần thiết cho vấn đề nghiên cứu cũng như rất cần thiết trong việc tìm mối quan hệ giữa các biến với nhau.
Mức độ thích hợp của tương quan nội tại giữa các biến quan sát trong các khái niệm nghiên cứu được thể hiện bằng hệ số Kaiser-Myer- Olkin (KMO) đo lường sự thích hợp của mẫu và mức ý nghĩa đáng kể của kiểm định Barlett. KMO có giá trị thích hợp trong khoảng [0,5;1]”.
Hair & ctg 2016 kết luận “tất cả các hệ số tải nhân tố (factor loading) phải lớn hơn hệ số quy ước 0,5 để các khái niệm nghiên cứu đạt giá trị hội tụ”. Cùng với đó, Jabnoun và Al-Tamimi (2003) có nêu lên “khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố phải lớn hơn hoặc bằng 0,3 để tạo giá trị phân biệt giữa các nhân tố”. Phân tích nhân tố được sử dụng để rút gọn và tập hợp các nhân tố thành các nhân tố có mức ý nghĩa cao hơn, ít hơn về số lượng
Phân tích tương quan và hồi quy
Phân tích tương quan Pearson nhằm kiểm tra mối liên hệ tuyến tính giữa các biến độc lập với biến phụ thuộc và ngồi ra có thể nhận biết dấu hiệu đa cộng tuyến.
Phân tích hồi quy dự đốn giá trị tác động của biến độc lập lên biến phụ thuộc. Mơ hình hồi quy cho thấy sự phụ thuộc của biến phụ thuộc vào một biến độc lập gọi là hồi quy đơn, với nhiều biến độc lập là hồi quy bội..
KẾT LUẬN CHƯƠNG 2
Dựa trên một số mơ hình nghiên cứu đi trước trong lĩnh vực đánh giá chất lượng dịch vụ, từ đó làm cơ sở để tác giả đề xuất mơ hình nghiên cứu các nhân tố ảnh hưởng đến chất lượng DVPTD tại ngân hàng MBBank, tạo tiền đề cho việc đề xuất các giải pháp nhằm nâng cao chất lượng DVPTD, đem lại kết quả hoạt động kinh doanh cao.
1.Uỹ bon Quàn trỊ cởp caa 2.Uy bon Nhãn sự
3.Uỳ bon Quàn Iy nil ro -'Hr
L Mời đỏng ALCO
y L4ΛM rtʌnɔ PCii m va Ban Ke hoạch X. HOI □uι,q KJI ro
3. Mội đãng Quàn Iy vân
MaHceting
Khai Tố chưc
Nhõn sự Vồn phong CEO
Kh ỗi Kiem tra Khát Quàn trị Kiếm SOOt nói bó rủ« ro
Khói Tai Chmh Khói Mạng lưới va Ké toan Quàn lý chót
Iuvng
Ban Phap ché Khót Hành
CHƯƠNG 3: THỰC TRẠNG PHÁT TRIỂN DỊCH VỤ PHI TÍN DỤNG TẠI NH TMCP QUÂN ĐỘI