Số năm sử dụng dịch vụ Tổng cộng 1 Dƣới 1 năm 2 1 năm - 3 năm 3 3 năm - 5 năm 4 Trên 5 năm Đối tƣợng vay 1 Cá nhân Số mẫu 47 171 62 20 300 Tỷ lệ 15.7% 57.0% 20.7% 6.7% 100.0% 2 Doanh nghiệp Số mẫu 13 42 28 7 90 Tỷ lệ 14.4% 46.7% 31.1% 7.8% 100.0% Tổng cộng Số mẫu 60 213 90 27 390 Tỷ lệ 15.4% 54.6% 23.1% 6.9% 100.0%
Nhìn chung, ta thấy dù là khách hàng doanh nghiệp hay khách hàng cá nhân thì số lƣợng khách hàng đã giao dịch với Techcombank từ 1 năm đến 3 năm chiếm tỷ lệ cao nhất 57% đối với cá nhân và 46.7% đối với doanh nghiệp; tiếp đến là giao dịch từ 3 năm đến 5 năm chiếm tỷ lệ 20.7% đối với cá nhân và 31.1% đối với doanh nghiệp; Khách hàng giao dịch dƣới 1 năm là 15.7% đối với cá nhân và 14.4% đối với doanh nghiệp; Cịn lại là đối tƣợng có quan hệ giao dịch trên 5 năm chiếm tỷ lệ 6.7% đối với cá nhân và 7.8% đối với doanh nghiệp.
Dịch vụ tín dụng khách hàng sử dụng thể hiện qua bảng 2.5 và 2.6 Bảng 2.5: Dịch vụ khách hàng cá nhân khách hàng sử dụng Số trả lời % tính trên tổng các trả lời N % Dịch vụ khách hàng cá nhâna 1 Vay mua bất động sản 42 10.9% 14.0% 2 Vay mua ô tô 53 13.8% 17.7% 3 Vay tiêu dùng 148 38.4% 49.3% 4 Vay kinh doanh 27 7.0% 9.0% 5 Vay online cầm cố STK 16 4.2% 5.3% 6 Thấu chi 99 25.7% 33.0% Tổng cộng 385 100.0% 128.3%
42 Bảng 2.6: Dịch vụ khách hàng doanh nghiệp khách hàng sử dụng Số trả lời % tính trên tổng tất cả các trả lời N % Dịch vụ khách hàng doanh nghiệpa
1 Vay vốn lƣu động theo món 28 22.8% 31.1% 2 Vay vốn lƣu động theo hạn
mức
57 46.3% 63.3%
3 Vay trung dài hạn theo món 19 15.4% 21.1% 5 Tai trợ dự án trọn gói 4 3.3% 4.4% 6 Thấu chi DN 15 12.2% 16.7% Tổng cộng 123 100.0% 136.7%
Ta thấy trong mẫu khảo sát số lƣợng khách hàng cá nhân vay tiêu dùng chiếm tỷ lệ cao nhất 38.4%, tiếp đến là sử dụng thấu chi 25.7%, rồi đến vay mua ô tô 13.8% và vay mua bất động sản 10.9%. Trong khi khách hàng doanh nghiệp thì chủ yếu là Vay vốn lƣu động theo hạn mức chiếm tỷ lệ 46.3%, sau đó là Vay vốn lƣu động theo món và Vay trung dài hạn theo món với tỷ lệ tƣơng ứng là 22.8% và 15.4%. Các dịch vụ còn lại số lƣợng khách hàng sử dụng chiếm tỷ lệ ít.
2.2.2.2. Kết quả nghiên cứu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008; Nguyễn Đình Thọ, 2011) Nguyễn Đình Thọ, 2011)
- Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis)
Phân tích nhân tố là tên chung của một nhóm các thủ tục đƣợc sử dụng chủ yếu để thu nhỏ và tóm tắt các dữ liệu. Trong nghiên cứu, ta có thể thu thập đƣợc một số lƣợng biến khá lớn và hầu hết các biến này có liên hệ với nhau và số lƣợng của chúng phải đƣợc giảm bớt xuống đến một số lƣợng mà chúng ta có thể sử dụng đƣợc. Tức là liên hệ giữa các nhóm biến có liên hệ qua lại lẫn nhau đƣợc xem xét và trình bày dƣới dạng một số ít các nhân tố cơ bản. Có 2 cách phân tích nhân tố, phân tích nhân tố dạng khám phá EFA (Exploratory Factor Analysis) và phân tích nhân tố dạng khẳng định CFA (Confirmatory Factor Analysis). Đề tài này sử dụng phân tích nhân tố dạng khám phá EFA để khám phá xem có bao nhiêu nhân tố cơ bản đƣợc SPSS rút ra, mỗi nhân tố bao gồm các biến quan sát nào và có giống nhƣ mơ hình lý thuyết hay khơng. Ngồi ta phân tích nhân tố cịn có tác dụng để đánh giá tính giá trị của thang đo gồm hai giá trị chính là Giá trị hội tụ và Giá trị phân biệt.
43
Điều kiện để áp dụng phân tích là các biến có tƣơng quan với nhau. Để xác định có hay khơng mối quan hệ tƣơng quan này đầu tiên ta chạy ma trận hệ số tƣơng quan Correlation matric. Là ma trận chứa tất cả các hệ số tƣơng quan cặp giữa các cặp biến trong phân tích. Nhìn vào ma trận ta thấy các biến quan sát có tƣơng quan với nhau.
Tiếp tục tiến hành kiểm định sự tƣơng quan giữa các biến quan sát với các giả thuyết đặt ra:
Giả thuyết Ho: Các biến quan sát không tƣơng quan với nhau Giả thuyết H1: Các biến quan sát có tƣơng quan với nhau
Kết quả thu đƣợc từ kiểm định KMO và Bartlett’s Test nhƣ sau:
Bảng 2.7: Kết quả phân tích KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .838 Bartlett's Test of Sphericity Approx. Chi-Square 6795.054 df 378 Sig. 0.000
Kiểm định Bartlett's Test có sig = 0.00 < 0.05 (độ tin cậy 95%), cho phép ta bác bỏ giả thuyết Ho. Vậy các biến quan sát có tƣơng quan với nhau, nhƣng có tƣơng quan đủ lớn để áp dụng phân tích nhân tố hay khơng ta xét kết quả tiếp theo đây.
Trong phân tích nhân tố, yêu cầu cần thiết là hệ số KMO phải có giá trị lớn, thông thƣờng trong khoảng từ 0.5 đến 1 là chấp nhận đƣợc. Ở đây hệ số KMO = 0.838 tƣơng đối cao, thể hiện các biến quan sát trong mơ hình có tƣơng quan đủ lớn để áp dụng phân tích nhân tố.
Tiếp theo đó dựa vào bảng Total Variance Explained tại phụ lục 5 ta thấy có 7 nhân tố đƣợc SPSS rút trích ra với Hệ số Eigenvalue >1. Eigenvalue thể hiện phần biến thiên đƣợc giải thích bởi mỗi nhân tố so với biến thiên tồn bộ, nếu phần biến thiên đƣợc giải thích này lớn (Eigenvalue>1) thì nhân tố rút ra có ý nghĩa tóm tắt thơng tin tốt. Bảy nhân tố rút ra này giải thích đƣợc gần 71% sự biến thiên của phƣơng sai. Theo các lý thuyết nghiên cứu thì các nhân tố rút ra giải thích đƣợc trên 50% sự biến thiên của phƣơng sai là chấp nhận đƣợc.
Cuối cùng nhìn vào bảng Ma trận nhân tố xoay (Rotated Component Matrix) ta thu đƣợc 7 nhân tố với tập hợp biến quan sát có sự khác biệt so với tập hợp biến
44
ban đầu (xem Phụ lục), mỗi biến quan sát đều có hệ số tải nhân tố lớn (0.4 trở lên) đối với một nhân tố đƣợc rút ra. Tuy nhiên có sự khác biệt đó là:
Biến quan sát thứ 5 của nhân tố tin cậy (TC5) của tập hợp biến ban đầu giờ vào cùng nhóm với nhân tố Năng lực phục vụ (PV).
Tập hợp 8 biến quan sát ban đầu của nhân tố đáp ứng bị tách thành 2 nhân tố nhỏ, một nhân tố gồm 5 biến quan sát từ DU1-DU5 ta vẫn giữ tên gọi là nhân tố đáp ứng (DU), và một nhân tố gồm 3 biến quan sát từ DU6-DU8 ta tạm gọi là nhân tố đáp ứng khác (DUKHAC).
Chúng ta sẽ sử dụng các biến mới này thay cho tập hợp biến ban đầu để đƣa vào các phân tích tiếp theo.
- Đánh giá độ tin cậy thang đo bằng Cronbach’s alpha
Hệ số Cronbach’s Alpha là một phép kiểm định dùng để đánh giá độ tin cậy của thang đo. Kiểm tra xem các mục hỏi nào đã có đóng góp vào việc đo lƣờng một khái niệm lý thuyết mà ta đang nghiên cứu, và những mục hỏi nào không. Điều này liên quan đến hai phép tính tốn là tƣơng quan giữa bản thân các mục hỏi và tƣơng quan của các điểm số của từng mục hỏi với điểm số toàn bộ các mục hỏi cho mỗi ngƣời trả lời.
Kết quả Cronbach's Alpha của các thành phần trong thang đo đƣợc trình bày ở Phụ lục 6 đính kèm. Qua bảng kết quả, ta thấy các nhân tố rút ra đều thỏa mãn hai tiêu chí: Hệ số Cronbach's Alpha>0.7; Và Hệ số tƣơng quan biến tổng (Item-Total Correlation) đều lớn hơn 0.3, nhƣ vậy thang đo đã đạt yêu cầu.
Tuy nhiên ta cũng tiến hành loại khỏi mơ hình 4 biến quan sát là DU1, DU6, TC5, GC3, là các biến khi ta bỏ đi thì hệ số Cronbach's Alpha sẽ đạt đƣợc cao hơn.
Nhƣ vậy sau khi loại bớt biến thì nhân tố Tin Cậy đƣợc đo lƣờng bằng 04 biến quan sát; nhân tố Đáp ứng đƣợc đo lƣờng bằng 04 biến quan sát; nhân tố Đáp ứng khác đƣợc đo lƣờng bằng 02 biến quan sát; nhân tố Năng lực phục vụ đƣợc đo lƣờng bằng 04 biến quan sát; nhân tố Phƣơng tiện hữu hình đƣợc đo lƣờng bằng 04 biến quan sát; nhân tố Đồng cảm đƣợc đo lƣờng bằng 04 biến quan sát, nhân tố Giá cả đƣợc đo lƣờng bằng 02 biến quan sát và cuối cùng là mức độ hài lòng chung đƣợc đo lƣờng bởi 03 biến quan sát.
- Tương quan và hồi qui tuyến tính
Tương quan tuyến tính
Để xem xét cách đo lƣờng mối quan hệ giữa mức độ hài lòng về chất lƣợng dịch vụ (biến phụ thuộc) và các nhân tố ảnh hƣởng (các biến độc lập) ta xem các đồ
45
thị phân tán Scatter của SPSS tại Phụ lục 7 đính kèm. Một đồ thị phân tán là cơng cụ hữu ích, thể hiện trực quan mối tƣơng quan giữa hai biến, giúp ta thấy nhiều loại tƣơng quan giữa hai biến ta đang khảo sát.
Từ các đồ thị này ta có thể thấy giữa biến hài lịng và các biến Tin cậy, Năng lực phục vụ, Phƣơng tiện hữu hình và Giá cả dƣờng nhƣ có mối liên hệ tuyến tính thuận. Bởi vì theo trực quan ta hình dung mối liên hệ này có thể đƣợc biểu diễn bằng một đƣờng thẳng vì các điểm quan sát ít hay nhiều đều có vẻ tập trung theo một đƣờng thẳng vơ hình. Cịn đối với các biến cịn lại đồ thị chƣa cho ta thấy đƣợc mối liên hệ một cách rõ ràng, ta sẽ tiếp tục xem xét qua hệ số tƣơng quan Pearson (Ký hiệu là r).
Ngƣời ta sử dụng hệ số này để lƣợng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến định lƣợng. Trị tuyệt đối của r cho biết mức độ chặt chẽ của mối liên hệ tuyến tính. Giá trị tuyệt đối của r tiến gần đến 1 khi hai biến có mối tƣơng quan tuyến tính chặt chẽ (Khi tất cả các điểm phân tán xếp thành một đƣờng thẳng thì trị tuyệt đối của r=1). Khi đƣờng thẳng dốc lên thì r mang giá trị dƣơng và khi đƣờng thẳng dốc xuống thì r mang giá trị âm. Ở đây có rất nhiều biến nên ta xây dựng ma trận tƣơng quan giữa tất cả các biến cho mục đích này. Nhìn vào bảng tƣơng quan Correlation tại Phụ lục 8 ta có các nhận xét sau:
Biến HL có tƣơng quan thực sự có ý nghĩa thống kê với các biến TC, DU, DUKHAC, PV, DC, PT, GC tại mức ý nghĩa 0.01.
Biến HL có mối tƣơng quan tuyến tính thuận chiều với các biến TC, DU, DUKHAC, PV, DC, PT, GC.
Biến HL dƣờng nhƣ có mối tƣơng quan tuyến tính chặt với các biến TC, PT, PV, GC hơn so với các biến DU, DUKHAC, DC.
r(HL,TC) = 0.549 r(HL,PT) = 0.566 r(HL,PV) = 0.533 r(HL,GC) = 0.525 r(HL,DU) = 0.297 r(HL,DC) = 0.209 r(HL,DUKHAC) = 0.202
Nhƣ vậy ta đã xem xét và kết luận các mối tƣơng quan tuyến tính giữa tất cả các biến, đây cũng là bƣớc đầu tiên khi tiến hành phân tích hồi qui tuyến tính bội.
46
Hồi qui tuyến tính
Phân tích hồi qui sẽ giúp ta xác định đƣợc mối quan hệ nhân quả giữa biến phụ thuộc (HL_Hài lòng) và các biến độc lập (TC_Tin cậy; DU_Đáp ứng; DUKHAC_Đáp ứng khác; PV_Năng lực phục vụ; PT_Phƣơng tiện hữu hình; DC_Đồng cảm; GC_Giá). Kết quả hồi qui tuyến tính bội nhƣ sau:
Đánh giá sự phù hợp của mơ hình
Sự phù hợp của mơ hình đƣợc đánh giá qua hệ số xác định R Square, hệ số xác định này thể hiện mức độ phù hợp của mơ hình với mẫu nghiên cứu, thể hiện mức độ giải thích của các biến tham gia vào mơ hình đối với biến phụ thuộc.
R Square có khuynh hƣớng là một ƣớc lƣợng lạc quan của thƣớc đo sự phù hợp của mơ hình với dữ liệu trong trƣờng hợp có hơn một biến giải thích trong mơ hình. Tuy nhiên mơ hình thƣờng khơng phù hợp với dữ liệu thực tế nhƣ giá trị R Square thể hiện. Vì thế Adjusted R Square đƣợc sử dụng để phản ánh sát hơn mức độ phù hợp của mơ hình hồi qui tuyến tính đa biến, dùng nó đánh giá độ phù hợp của mơ hình sẽ an tồn hơn vì nó khơng thổi phồng mức độ phù hợp của mơ hình.
Bảng 2.8: Đánh giá sự phù hợp của mơ hình Model Summaryb Mơ hình (Model) R R bình phƣơng (R Square) R bình phƣơng hiệu chỉnh (Adjusted R Square) Sai số chuẩn (Std. Error of the Estimate) Durbin- Watson 1 .745a .555 .547 2.01497 1.990
Kết quả tại bảng Model Summary với Adjusted R Square = 0.547 cho thấy mức độ phù hợp của mơ hình với mẫu nghiên cứu và các biến độc lập giải thích đƣợc 54.7% sự biến thiên của biến phụ thuộc (HL).
Kiểm định độ phù hợp của mơ hình
Kiểm định F sử dụng trong bảng phân tích phƣơng sai vẫn là một phép kiểm định giả thuyết về độ phù hợp của mơ hình hồi qui tuyến tính tổng thể. Trị thống kê F đƣợc tính từ giá trị R Square của mơ hình đầy đủ.
47
Bảng 2.9: Kiểm định sự phù hợp của mơ hình
ANOVAa Mơ hình (Model) Tổng của bình phƣơng (Sum of Squares) df Giá trị trung bình của Bình phƣơng (Mean Square) F Ý nghĩa quan sát (Sig.) 1 Regression 1931.716 7 275.959 67.969 .000b Residual 1550.954 382 4.060 Total 3482.669 389
Kết quả cho giá trị Sig = 0.00 <0.05, sig rất nhỏ cho thấy ta sẽ an toàn khi bác bỏ giả thuyết Ho cho rằng tất cả các hệ số hồi qui bằng 0 (ngoại trừ hằng số). Nhƣ vậy mơ hình hồi qui tuyến tính bội là hồn tồn phù hợp và có ý nghĩa.
Kiểm định ý nghĩa của từng hệ số hồi qui
Kiểm định T-Test tại bảng 2.10 dƣới đây cho kết quả sig các biến TC, DU, PV, PT, GC đều nhỏ hơn 0.05 nên đều đạt tiêu chuẩn chấp nhận, riêng hai biến độc lập DC và DUKHAC có sig. lần lƣợt là 0.195 và 0.104>0.05, nên 2 biến này khơng có ý nghĩa trong mơ hình. Ta cần kiểm tra xem có xảy ra hiện tƣợng đa cộng tuyến và tự tƣơng quan hay khơng:
Tại bảng Model Summary có hệ số Durbin-Watson = 1.990 tức là không xảy ra hiện tƣợng tự tƣơng quan, là hiện tƣợng mà biến phụ thuộc và biến độc lập có mối quan hệ đồng biến hoặc nghịch biến với nhau
Tại bảng Coefficients: các hệ số nhân tử phóng đại phƣơng sai VIF đều nhỏ hơn 10 nên khơng có hiện tƣợng đa cộng tuyến, là hiện tƣợng mà các biến độc lập tƣơng quan chặt với nhau.
Sau khi tiếp tục kiểm tra xem có mối quan hệ phi tuyến giữa hai biến DC và DUKHAC với biến phụ thuộc hay không ta vẫn thu đƣợc kết quả sig của hai biến này lớn hơn 0.05 nên ta mạnh dạn loại chúng ra khỏi mơ hình.
48
Bảng 2.10: Kết quả hồi qui lần đầu
Các hệ số (Coefficientsa ) Mơ hình (Model) Hệ số chƣa chuẩn hóa (Unstandardized Coefficients) Hệ số chuẩn hóa (Standardized Coefficients)
T Sig. Thống kê đa cộng tuyến (Collinearity Statistics) B Sai số chuẩn (Std. Error) Beta Dung sai (Tolera nce) VIF 1 (Constant) -1.955 .895 -2.184 .030 DU ĐÁP ỨNG .127 .043 .124 2.990 .003 .679 1.473 PT PHƢƠNG TIỆN HỮU HÌNH .222 .032 .287 6.987 .000 .690 1.449 DC ĐỒNG CẢM -.043 .033 -.053 -1.299 .195 .696 1.437 PV NĂNG LỰC PHỤC VỤ .267 .047 .260 5.687 .000 .556 1.800 GC GIÁ .352 .056 .267 6.338 .000 .655 1.526 TC TIN CẬY .168 .039 .185 4.268 .000 .621 1.610 DUKHAC ĐÁP ỨNG KHÁC -.127 .078 -.071 -1.629 .104 .611 1.636
Phương trình hồi qui tuyến tính
Sau khi loại bỏ biến khơng có ý nghĩa trong mơ hình, ta chạy lại hồi qui bội giữa biến phụ thuộc HL và các biến độc lập TC, DU, PV, PT, GC cùng biến giả D (đối tƣợng khách hàng) ta thu đƣợc kết quả:
49
Bảng 2.11: Kết quả hồi qui sau khi loại biến
Các hệ số (Coefficientsa ) Mơ hình (Model) Hệ số chƣa chuẩn hóa (Unstandardized Coefficients) Hệ số chuẩn hóa (Standar dized Coeffici ents) t Sig. Thống kê đa cộng tuyến (Collinearity Statistics) B Sai số chuẩn (Std. Error) Beta Dung sai (Toler ance) VIF 1 (Constant) -2.754 .916 -3.007 .003 DU ĐÁP ỨNG .084 .039 .082 2.143 .033 .804 1.243