0,3 nên đạt yêu cầu về độ tin cậy, và được đưa vào phân tích nhân tố.
Riêng đối với thành phần sự liên hệ thì hệ số alpha là 0,276 nhỏ hơn 0,6 nên thành phần này không đạt yêu cầu về độ tin cậy và không được đưa vào sử dụng cho các bước phân tích tiếp theo.
Thành phần Sự hài lòng của khách hàng cũng được đưa vào kiểm định, kết quả cho thấy 3 biến quan sát thỏa yêu cầu về hệ số tương quan tổng biến phù hợp lớn hơn 0,3 và có hệ số alpha lớn hơn 0,6 nên cũng được lựa chọn để đưa vào phân tích nhân tố.
Như vậy: Sau kết quả kiểm định hệ số tin cậy Cronbach’s alpha, có tất cả 25 biến của 7 thành phần Mức độ hiệu quả, Mức độ hoàn thành, Sự bảo mật/an toàn, Sự đáp ứng, Sự thuận tiện, Phí dịch vụ, Sự sẵn sàng của hệ thống được đưa vào phân tích nhân tố. Ngồi ra, 3 biến đo lường sự hài lịng của khách hàng cũng được xem xét trong phần phân tích nhân tố (xem phụ lục 7)
Bảng 2.4: Kết quả kiểm định hệ số độ tin cậy Cronbach’s alpha Biến Biến
quan sát
Trung bình thang đo nếu loại biến
Phương sai thang đo nếu
loại biến
Tương quan tổng biến
Alpha nếu loại biến Mức độ hiệu quả - Cronbach's Alpha: 0,934 - N= 6
HQ1 18.8272 21.975 .831 .918 HQ2 18.9319 21.506 .785 .925 HQ3 18.8534 22.210 .802 .922 HQ4 18.8586 22.880 .784 .924 HQ5 18.8010 22.244 .837 .918
HQ6 18.8691 22.293 .798 .923
Mức độ hoàn thành - Cronbach's Alpha: 0,895 - N= 3
HT1 4.4555 3.797 .879 .790 HT2 5.4450 3.827 .891 .784 HT3 5.8377 3.305 .677 .997
Sự sẵn sàng của hệ thống - Cronbach's Alpha: 0,814 - N= 2
SS1 3.3089 1.320 .688 .a SS2 3.2775 1.159 .688 .a
Bảo mật, an toàn - Cronbach's Alpha: 0,950 - N= 4
BM1 11.1466 8.736 .929 .918 BM2 11.1728 9.175 .844 .944 BM3 11.1361 8.687 .930 .917 BM4 11.1047 9.284 .810 .954 Mức độ đáp ứng - Cronbach's Alpha: 0,832 - N= 3 DU1 6.6021 3.988 .625 .831 DU2 6.7016 3.505 .762 .697 DU3 6.8325 3.688 .693 .767
Sự thuận tiện - Cronbach's Alpha: 0,908 - N= 4
TT1 10.1466 9.515 .771 .888 TT2 10.0157 9.963 .773 .888 TT3 10.1623 9.231 .807 .876 TT4 10.2147 9.001 .821 .871 Phí dịch vụ - Cronbach's Alpha: 0,872 - N= 3 PH1 6.2984 4.495 .725 .847 PH2 6.4188 4.666 .748 .826 PH3 6.3822 4.364 .792 .785
Sự liên hệ - Cronbach's Alpha: 0,276 - N= 2
LH1 3.125654 1.037 .162 .a LH2 3.230366 1.357 .162 .a
HL1 7.2461 3.744 .796 .844 HL2 7.2670 3.797 .825 .822 HL3 7.0471 3.624 .757 .881
Nguồn: từ phân tích của tác giả
2.3.4.2 Phân tích nhân tố khám phá EFA
Phân tích nhân tố khám phá EFA (Exploratory factor analysis): Sau khi đánh
giá độ tin cậy của thang đo bằng hệ số Cronbach alpha và loại đi các biến không đảm bảo độ tin cậy. Phân tích nhân tố khám phá là kỹ thuật được sử dụng nhằm thu nhỏ và tóm tắt các dữ liệu. Quan hệ giữa các nhóm biến có liên hệ qua lại lẫn nhau được xem xét dưới dạng một số nhân tố cơ bản. Mỗi một biến quan sát sẽ được tính một tỷ số gọi là hệ số tải nhân tố (factor loading). Hệ số này cho người nghiên cứu biết được mỗi biến đo lường sẽ “thuộc về” những nhân tố nào. Theo Hair & Ctg (1998, 111) hệ số tải nhân tố của từng biến quan sát phải có giá trị lớn hơn hoặc bằng 0,5; các biến có trọng số (factor loading) thấp (<0.5) sẽ bị loại từng bước 1, biến nào có giá trị thấp nhất sẽ bị loại trước. Phương pháp này rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu và được sử dụng để tìm mối quan hệ giữa các biến với nhau.
Trong phân tích nhân tố khám phá, trị số KMO (Kaiser-Meyer-Olkin) là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO phải có giá trị trong khoảng từ 0.5 đến 1 thì phân tích này mới thích hợp, cịn nếu như trị số này nhỏ hơn 0.5 thì phân tích nhân tố có khả năng khơng thích hợp với các dữ liệu.
Kiểm định Bartlett xem xét giả thiết H0 là các biến khơng có tương quan với nhau 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 và Chu Nguyễn Mộng Ngọc, 2008, 32)
Ngoài ra, phân tích nhân tố cịn dựa vào eigenvalue lớn hơn 1 thì mới được giữ lại trong mơ hình. Đại lượng eigenvalue đại diện cho lượng biến thiên được giải thích bởi nhân tố. Những nhân tố có eigenvalue nhỏ hơn 1 sẽ khơng có tác dụng
tóm tắt thơng tin tốt hơn một biến gốc (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008, 34)
Phương pháp trích hệ số sử dụng là principal components với phép xoay varimax. Thang đo được chấp nhận khi tổng phương sai trích lớn hơn 50% (Gerbing & Anderson, 1988).
Tập hợp các biến quan sát đã qua kiểm tra về độ tin cậy được đưa vào phân tích nhân tố (25 biến quan sát của các nhân tố tác động đến sự hài lòng khách hàng và 3 biến quan sát đo lường mức độ hài lòng của khách hàng). Kết quả phân tích EFA lần đầu được trình bày ở phụ lục 7
Các nhân tố tác động đến sự hài lịng của khách hàng
Phân tích nhân tố EFA lần đầu:
- KMO: 0,896 cho thấy phân tích nhân tố là thích hợp, Sig.=0,000 cho thấy kiểm định này có ý nghĩa thống kê nên các biến quan sát có tương quan với nhau trong tổng thể
- Eigenvalue: 1,080
- Phương sai trích: 78,003% cho biết 6 nhân tố giải thích được 78,003% biến thiên của các biến quan sát.
- Số nhân tố: 6
Phân tích nhân tố EFA lần 2:
Ở lần đầu phân tích EFA này, có hai nhân tố khơng đạt chuẩn hệ số tải nhân tố > 0,5 đó là biến DU1, DU2, xét thấy hệ số tải nhân tố của DU1 nhỏ hơn DU2, ta loại DU1 trước, xem kết quả ở phụ lục 7
- KMO: 0,897 cho thấy phân tích nhân tố là thích hợp, Sig.=0,000 cho thấy kiểm định này có ý nghĩa thống kê nên các biến quan sát có tương quan với nhau trong tổng thể
- Eigenvalue: 1,063
- Phương sai trích: 79,438% cho biết 6 nhân tố giải thích được 79,438% biến thiên của các biến quan sát.
- Số nhân tố: 6
Phân tích nhân tố EFA lần 3:
Sau khi đã loại bỏ DU1, DU2 tiếp tục là nhân tố không đạt chuẩn hệ số tải nhân tố > 0,5, vì vậy ta loại DU2, xem kết quả ở phụ lục 7
- KMO: 0,894 cho thấy phân tích nhân tố là thích hợp, Sig.=0,000 cho thấy kiểm định này có ý nghĩa thống kê nên các biến quan sát có tương quan với nhau trong tổng thể
- Eigenvalue: 1,063
- Phương sai trích: 80,667% cho biết 6 nhân tố giải thích được 80,667% biến thiên của các biến quan sát.
- Số nhân tố: 6
Phân tích nhân tố EFA lần 4:
Sau khi đã loại bỏ DU2, DU3 tiếp tục là nhân tố không đạt chuẩn hệ số tải nhân tố > 0,5, vì vậy ta loại DU3, xem phụ lục 7
- KMO: 0,892 cho thấy phân tích nhân tố là thích hợp, Sig.=0,000 cho thấy kiểm định này có ý nghĩa thống kê nên các biến quan sát có tương quan với nhau trong tổng thể
- Eigenvalue: 1,063
- Phương sai trích: 82,050% cho biết 6 nhân tố giải thích được 82,050% biến thiên của các biến quan sát.
- Hệ số tải nhân tố > 0,5
- Số nhân tố: 6
Thang đo sự hài lòng của khách hàng
- KMO: 0,741 cho thấy phân tích nhân tố là thích hợp, Sig.=0,000 cho thấy kiểm định này có ý nghĩa thống kê nên các biến quan sát có tương quan với nhau trong tổng thể (xem phụ lục 7)
- Eigenvalue: 2,481
- Hệ số tải nhân tố > 0, 5
- Số nhân tố: 1
2.3.5 Hiệu chỉnh mơ hình nghiên cứu và các giả thuyết
Sau khi tiến hành phân tích dữ liệu thu thập được thông qua các bước phân tích độ tin cậy Cronbach’s Alpha, và phân tích nhân tố, kết quả cho thấy các thành phần: Mức độ hiệu quả, Sự bảo mật/an toàn, Sự thuận tiện, Phí dịch vụ, Mức độ hoàn thành, Mức độ sẵn sàng, khơng có sự thay đổi so với ban đầu nên các thành phần này vẫn giữ nguyên tên gọi.
Mơ hình lý thuyết được điều chỉnh cho phù hợp để thực hiện các phép kiểm định tiếp theo, gồm 6 nhân tố như sau:
Hình 2.5: Mơ hình nghiên cứu hiệu chỉnh
Nguồn: từ nghiên cứu của tác giả
Trên cơ sở đó mơ hình nghiên cứu hiệu chỉnh, các giả thuyết cũng được điều chỉnh lại như sau:
H5 H6 H1 H2 H3 H4 HD1, HD2,HD3, HD4, HD5 Mức độ hiệu quả Mức độ hoàn thành Sự sẵn sàng của hệ thống Phí dịch vụ Sự thuận tiện Sự an toàn,bảo mật Sự hài lịng khách hàng
Biến kiểm sốt D1: Giới tính D2: Độ tuổi D3: Nghề nghiệp D4: Thời gian sử dụng D5: Mức độ sử dụng D6: Thu nhập
H1: Mức độ hiệu quả có quan hệ cùng chiều với sự hài lòng của khách hàng sử
dụng dịch vụ thẻ
H2: Mức độ hồn thành có quan hệ cùng chiều với sự hài lòng của khách hàng
sử dụng dịch vụ thẻ
H3: Sự sẵn sàng của hệ thống có quan hệ cùng chiều với sự hài lịng của khách
hàng sử dụng dịch vụ thẻ
H4: Sự an tồn, bảo mật có quan hệ cùng chiều với sự hài lòng của khách hàng
sử dụng dịch vụ thẻ
H5: Sự thuận tiện có quan hệ cùng chiều với sự hài lòng của khách hàng sử
dụng dịch vụ thẻ
H6: Phí dịch vụ có quan hệ cùng chiều với sự hài lòng của khách hàng sử
dụng dịch vụ thẻ
Một số giả thuyết khác:
HD1: Có sự khác biệt về mức độ hài lịng giữa các giới tính. HD2: Có sự khác biệt về mức độ hài lịng giữa các nhóm tuổi.
HD3: Có sự khác biệt về mức độ hài lịng giữa các nhóm nghề nghiệp.
HD4: Có sự khác biệt về mức độ hài lịng giữa các nhóm có thời gian sử dụng khác nhau.
HD5: Có sự khác biệt về mức độ hài lịng giữa các nhóm có mức độ thường xuyên sử dụng khác nhau.
HD6: Có sự khác biệt về mức độ hài lịng giữa các nhóm có mức thu nhập bình quân hàng tháng khác nhau.
2.3.6 Kiểm định mơ hình nghiên cứu
2.3.6.1 Kiểm tra các giả định của mơ hình hồi quy
Để xác định mối quan hệ giữa biến phụ thuộc và các biến độc lập cũng như đánh giá tầm quan trọng của từng yếu tố đối với sự hài lòng của khách hàng sử dụng dịch vụ ATM. Tuy nhiên, trước khi phân tích các kết quả ở trên, ta cần kiểm tra các giả định trong hồi quy tuyến tính. Nếu các giả định này bị vi phạm thì các
ước lượng không đáng tin cậy nữa (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008, 236). Các giả định sau sẽ được kiểm định:
1) Phương sai của sai số (phần dư) không đổi 2) Các phần dư có phân phối chuẩn
3) Khơng có mối tương quan giữa các phần dư 4) Khơng có mối tương quan giữa các biến độc lập
Sau khi rút trích được các nhân tố từ phân tích nhân tố khám phá EFA, dị tìm các vi phạm giả định cần thiết trong mơ hình hồi quy tuyến tính bội như kiểm tra phần dư chuẩn hóa, kiểm tra hệ số phóng đại phương sai (Variance inflation factor – VIF), nếu VIF < 10, có nghĩa là khơng có hiện tượng đa cộng tuyến thì giả định khơng bị vi phạm. Nếu các giả định không bị vi phạm, mơ hình hồi quy tuyến tính được xây dựng. Và hệ số R2 đã được điều chỉnh (Adjusted R square) cho biết mơ hình hồi quy được xây dựng phù hợp đến mức nào
Như đã đề cập, ta sẽ lần lượt kiểm tra các giả định sau đây trước khi phân tích kết quả kiểm định:
i/ Kiểm tra giả định phương sai của sai số (phần dư) không đổi
Để kiểm định phương sai của sai số (phần dư) không đổi, ta sử dụng đồ thị phân tán của phần dư đã được chuẩn hóa (Standardized Residual) và giá trị dự báo đã được chuẩn hóa (Standardized Predicted Value) (xem phụ lục 8). Quan sát đồ thị, ta thấy phần dư phân tán ngẫu nhiên quanh giá trị 0 (trung bình của phần dư) trong một phạm vi không đổi. Điều này có nghĩa là phương sai của sai số (phần dư) không đổi.
ii/ Kiểm tra giả định các phần dư có phân phối chuẩn
Phần dư có thể khơng tn theo phân phối chuẩn vì những lý do như: sử dụng sai mơ hình, phương sai không phải là hằng số, số lượng các phần dư khơng đủ nhiều để phân tích (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008, 228). Chúng ta sử dụng biểu đồ tần số và biểu đồ Q-Q plot của các phần dư để kiểm tra giả định
Kết quả từ biểu đồ tần số cho thấy một đường cong phân phối chuẩn được đặt chồng lên biểu đồ tần số, phân phối phần dư xấp xỉ chuẩn (trung bình Mean=0, và
độ lệch chuẩn Std.Dev.=0,984 tức là gần bằng 1). Do đó có thể kết luận rằng giả thuyết phân phối chuẩn không bị vi phạm.
Kết quả từ biểu đồ Q-Q plot cho thấy các điểm phân tán sát với đường chéo, phân phối phần dư có thể xem như chuẩn (xem phụ lục 8)
iii/ Kiểm tra giả định khơng có mối tương quan giữa các phần dư
Phần dư là phần chênh lệch giữa giá trị quan sát của mẫu với giá trị tính được từ mơ hình. Nếu phần dư được sắp xếp không theo thứ tự hay hình dáng rõ ràng nhất định thì mơ hình được xây dựng là đúng. Nếu khơng thì cần phải điều chỉnh lại mơ hình. Để biết mối quan hệ của các phần dư ta có thể dùng hệ số Durbin- Watson để kiểm định tương quan của các sai số kề nhau (tương quan chuỗi bậc nhất), nếu các phần dư khơng có tương quan chuỗi bậc nhất với nhau, giá trị d sẽ gần bằng 2 (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008, 232). Kết quả (xem bảng 2.5) cho thấy giá trị d đạt được là 1,928 (gần với giá trị 2) và chấp nhận giả thuyết khơng có sự tương quan chuỗi bậc nhất trong mơ hình.