Mã biến Tên biến
TMCL19 Tơi rất hài lịng với dịch vụ ngân hàng trực tuyến mà PGBank cung cấp tại trang web https://home.pgbank.com.vn
TMCL20 Tơi sẽ tiếp tục sử dụng dịch vụ ngân hàng trực tuyến do PGBank cung cấp tại trang web https://home.pgbank.com.vn
TMCL21 Tơi sẽ giới thiệu dịch vụ ngân hàng trực tuyến này cho những người cĩ nhu cầu mà tơi biết.
Các biến quan sát trong những thang đo trên đều được đo bằng thang đo
Likert với 05 mức: 1 2 3 4 5 Hồn tồn khơng đồng ý Tương đối khơng đồng ý Bình thường/trung hịa Tương đối đồng ý Hồn tồn đồng ý
2.3.2 Thiết kế mẫu
Tổng thể nghiên cứu là các khách hàng đã sử dụng dịch vụ ngân hàng trực tuyến của PGBank cung cấp tại trang web https://home.pgbank.com.vn trong tồn hệ thống ngân hàng PGBank.
Kích thước mẫu thường tùy thuộc vào các phương pháp ước lượng trong nghiên cứu và cĩ nhiều quan điểm khác nhau, chẳng hạn như Hair & cộng sự (1998) thì kích thước mẫu tối thiểu phải từ 100 đến 150, Hoetler (1983) cho rằng kích thước mẫu tới hạn phải là 200 hay Bollen (1989) cho rằng kích thước mẫu tối thiểu là 05 mẫu cho 01 tham số cần ước lượng.
Với mơ hình nghiên cứu và 21 thang đo được xây dựng, tác giả tiến hành điều tra với mẫu tối thiểu n ≈ 210 nhằm tăng tính đại diện của mẫu. Tác giả thực
hiện lấy mẫu phi xác suất theo phương pháp thuận tiện.
2.3.3 Phương pháp thu thập dữ liệu
Dữ liệu được thu thập thơng qua bảng câu hỏi được gửi trực tiếp, fax, email.
Đối tượng trả lời bảng câu hỏi là các khách hàng đã sử dụng dịch vụ ngân hàng trực
tuyến do PGBank cung cấp cĩ độ tuổi trên 18. Đây là độ tuổi mà tác giả nhận thấy
đối tượng điều tra cĩ đủ năng lực hành vi dân sự, do đĩ những nhận xét, đánh giá từ
các đối tượng này mang tính chính xác cao.
2.3.4 Phương pháp phân tích dữ liệu
2.3.4.1 Kiểm định độ tin cậy của các thang đo
Đầu tiên chúng ta cần phân tích độ tin cậy Cronbach’s Alpha cho từng nhĩm
biến thuộc các nhân tố khác nhau. Độ tin cậy Cronbach’s Alpha phải nằm trong khoảng từ 0.6 đến 1.0 để đảm bảo các biến trong cùng một nhĩm nhân tố cĩ tương quan về ý nghĩa (Trọng & Ngọc, 2008).
Trong mỗi thang đo, hệ số tương quan biến tổng thể hiện sự tương quan giữa một biến quan sát với tất cả các biến khác trong thang đo. Hệ số này càng cao thì sự tương quan của biến với các biến khác càng cao. Các biến cĩ hệ số tương quan biến-tổng nhỏ hơn 0.3 bị coi là biến rác và bị loại khỏi thang đo (Nunnally và Bernstein, 1994).
2.3.4.2 Phân tích nhân tố
Trong nghiên cứu, chúng ta cĩ thể thu thập được một lượng biến khá lớn và hầu hết các biến này cĩ liên hệ với nhau. Phân tích nhân tố là một nhĩm các thủ tục
được sử dụng để thu nhỏ và tĩm tắc dữ liệu. Sau khi phân tích nhân tố số lượng biến
sẽ được giảm xuống và được trình bày dưới dạng một số ít nhân tố cơ bản chúng ta cĩ thể sử dụng được nhưng vẫn cĩ thể đại diện cho phần lớn ý nghĩa các biến thu
thập. Theo Trọng & Ngọc (2008), các tham số thống kê quan trọng trong phân tích nhân tố bao gồm:
• Bartlett’s test of sphericity: đại lượng Bartlett là một đại lượng thống kê dùng để xem xét giả thuyết các biến khơng cĩ tương quan trong tổng thể.
• Correlation matrix: cho biết hệ số tương quan giữa tất cả các cặp biến trong phân tích.
• Communality: là đại lượng biến thiên của một biến được giải thích
chung với các biến khác được xem xét trong phân tích. Đây cũng chính là phần biến thiên được giải thích bởi các nhân tố chung.
• Chỉ số Eigenvalue: đại diện cho lượng biến thiên được giải thích bởi nhân tố. Chỉ những nhân tố cĩ Eigenvalue lớn hơn 1 mới được giữ lại trong mơ hình phân tích, các nhân tố cĩ Eigenvalue nhỏ hơn 1 sẽ bị loại khỏi mơ hình (Hair và cộng sự, 1995).
• Hệ số tải nhân tố (factor loadings): là hệ số tương quan đơn giữa các biến và nhân tố. Hệ số này càng lớn cho biết các biến và nhân tố càng cĩ quan hệ chặt chẽ với nhau. Hệ số chuyển tải của nhân tố (factor loading) nhỏ hơn 0.5 sẽ bị loại (tuỳ trường hợp cụ thể) (Gerbing & Anderson, 1998).
• Factor scores: là các điểm số nhân tố tổng hợp được ước lượng cho
từng quan sát trên các nhân tố được rút ra.
• Chỉ số Kaiser-Meyer-Olkin (KMO): kiểm định sự thích hợp của phân tích nhân tố. Chỉ số KMO phải đủ lớn (>0.5) thì phân tích nhân tố là thích hợp, cịn nếu nhỏ hơn 0.5 thì phân tích nhân tố cĩ khả năng khơng thích hợp với dữ liệu.
• Percentage of variance: phần trăm phương sai tồn bộ được giải thích bởi từng nhân tố. Nghĩa là cho biến thiên là 100% thì giá trị này cho biết phân tích nhân tố cơ động được bao nhiêu phần trăm và bị thất
thốt bao nhiêu phần trăm.
• Residuals: là các chênh lệch giữa các hệ số tương quan trong ma trận tương quan đầu vào (input correlation matrix) và các hệ số tương quan sau khi phân tích (reproduced correlations) được ước lượng từ ma trận nhân tố.
• Phương sai trích (Variance Explained Criteria): tổng phương sai trích phải lớn hơn 50%.
Trong nghiên cứu này, tác giả sử dụng phương pháp phân tích nhân tố Principle Components và phép quay gĩc Varimax để tìm ra các nhân tố đại diện cho các biến. Varimax cho phép xoay nguyên gĩc các nhân tố để tối thiểu hố số lượng biến cĩ hệ số lớn tại cùng một nhân tố, vì vậy sẽ tăng cường khả năng giải thích các nhân tố.
2.3.4.3 Kiểm định phân phối chuẩn
Trong quá trình chạy mơ hình hồi qui đa biến thì mẫu thu thập phải đảm bảo các biến thỏa mãn giả định về tính phân phối chuẩn. Vì vậy việc kiểm định phân
phối chuẩn là cần thiết.
Thực hiện kiểm tra tính phân phối chuẩn các biến bằng cách xem dạng phân phối tần số của các mẫu cũng như các thơng số Skewness và Kurtosis (Hair và cộng
khoảng ±2 thì biến đĩ vẫn được chấp nhận để sử dụng thực hiện các kỹ thuật thống kê.
2.3.4.4 Phân tích tương quan và hồi qui đa biến
Phân tích tương quan để kiểm tra liên hệ giữa những biến định lượng thơng
qua hệ số tương quan Pearson (ký hiệu r). 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 cĩ mối tương quan tuyến tính chặt chẽ. Giá trị r = 0 chỉ ra hai biến khơng cĩ mối liên hệ tuyến tính. Theo Trọng và Ngọc (2008), khi phân tích hệ số tương quan cần chú ý một số đặc điểm của r:
• Giá trị của r cho biết khơng cĩ mối liên hệ tuyến tính giữa hai biến chưa hẳn cĩ nghĩa là hai biến đĩ khơng cĩ mối liên hệ. Do đĩ hệ số tương quan tuyến tính chỉ nên được sử dụng để biểu thị mức độ chặt chẽ của liên hệ tương quan tuyến tính.
• Ngồi ra cần phải cẩn thận xem xét đồng thời hệ số tương quan và cả
đồ thị bởi vì hệ số tương quan cĩ thể cĩ cùng một giá trị trong khi
hình dạng của mối quan hệ lại rất khác nhau.
• Một lỗi thơng thường khi giải thích hệ số tương quan tuyến tính là cứ cho rằng cĩ liên hệ tương quan cĩ nghĩa là lúc nào cũng cĩ mối liên hệ nhân quả.
• Cần cảnh giác với những mối quan hệ gọi là tương quan giả. Hai biến
định lượng cĩ thể cĩ hệ số tương quan r rất cao nhưng thực tế lại
chẳng cĩ quan hệ gì, giá trị r cao tính được chỉ do một sự ngẫu nhiên
Phân tích hồi qui đa biến: Theo Trọng và Ngọc (2008), phân tích hồi qui là
nghiên cứu mối liên hệ phụ thuộc của một biến (gọi là biến phụ thuộc) vào nhiều biến khác (gọi là các biến độc lập), với ý tưởng ước lượng và/hoặc dự đốn giá trị
trung bình (tổng thể) của biến phụ thuộc trên cơ sở giá trị biết trước (trong mẫu) của các biến độc lập.
Theo Trọng & Ngọc (2008), khi chạy hồi qui cần quan tâm đến các thơng số sau:
- Hệ số Beta: hệ số hồi qui chuẩn hố cho phép so sánh trực tiếp giữa các hệ số dựa trên mối quan hệ giải thích của chúng với biến phụ thuộc. - Hệ số R2 (R Square): đánh giá phần biến động của biến phụ thuộc được
giải thích bởi các biến dự báo hay biến độc lập. Hệ số này cĩ thể thay
đổi từ 0 đến 1.
- Hệ số R2 điều chỉnh (Adjusted R square): Được sử dụng để phản ánh sát hơn mức độ phù hợp của mơ hình hồi qui tuyến tính đa biến. R2 điều
chỉnh khơng nhất thiết tăng lên khi nhiều biến được thêm vào phương trình, nĩ là thước đo sự phù hợp được sử dụng cho tình huống hồi qui tuyến tính đa biến vì nĩ khơng phụ thuộc vào độ lệch phĩng đại của R2. - Kiểm định ANOVA để kiểm tra tính phù hợp của mơ hình với tập dữ
liệu gốc. Nếu mức ý nghĩa của kiểm định <0.05 thì ta cĩ thể kết luận
mơ hình hồi qui phù hợp với tập dữ liệu.
2.3.4.5 Kiểm định sự vi phạm các giả định của hồi qui tuyến tính
Theo Trọng & Ngọc (2008), sau khi kiểm tra các giả thuyết của hồi qui tuyến tính khơng bị vi phạm thì cĩ thể kết luận ước lượng các hệ số hồi qui là khơng thiên lệch, nhất quán và hiệu quả; các kết luận rút ra từ phân tích hồi qui là đáng tin cậy. Các giả thuyết cần kiểm định cụ thể như sau:
• Giả định liên hệ tuyến tính: vẽ đồ thị phân tán giữa các phần dư chuẩn
hĩa Standardized Residual và giá trị dự đốn chuẩn hĩa Standardized
Predicted Value mà mơ hình hồi qui tuyến tính cho ra. Nếu phần dư phân tán ngẫu nhiên khơng theo hình dạng nào thì giả thuyết khơng bị vi phạm, ngược lại nếu phần dư thay đổi theo trật tự nào đĩ (đường cong bậc 2, bậc 3,…) thì giả thuyết liên hệ hệ tuyến tính bị vi phạm.
• Giả định phương sai của sai số khơng đổi: Thực hiện kiểm tra xem
giả định phương sai của sai số khơng đổi cĩ bị vi phạm khơng bằng việc sử dụng đồ thị phân tán của phần dư chuẩn hĩa (standardized residual)
và giá trị dự đốn chuẩn hĩa (standardized predicted value). Nếu độ lớn của phần dư tăng hoặc giảm cùng với các giá trị dự đốn, chúng ta nên nghi ngờ giả định phương sai của sai số khơng đổi đã bị vi phạm. Hiện tượng phương sai của sai số gây ra nhiều hậu quả tai hại đối với mơ
hình ước lượng. Nĩ làm cho các ước lượng của các hệ số hồi qui khơng chệch nhưng khơng hiệu quả (tức là khơng phải là ước lượng phù hợp nhất), ước lượng của các phương sai bị chệch làm kiểm định các giả
thuyết mất hiệu lực khiến cho đánh giá nhầm về chất lượng của mơ hình hồi qui tuyến tính.
• Giả định về phân phối chuẩn của phần dư: Phần dư cĩ thể khơng
tuân theo phân phối chuẩn vì những lý do như: sử dụng sai mơ hình, phương sai khơng phải là hằng số, số lượng các phần dư khơng đủ nhiều để phân tích …v.v. Vì vậy cần phải tiến hành khảo sát. Một cách khảo sát đơn giản nhất là kiểm tra phân phối chuẩn của phần dư bằng cách vẽ đồ thị Histogram của phần dư chuẩn hĩa. Nếu chúng ta thấy
trên đồ thị đường cong chuẩn hố cĩ dạng hình chuơng như phân phối
chuẩn với giá trị trung bình xấp xỉ 0 và giá trị độ lệch chuẩn xấp xỉ 1 thì xem như phần dư cĩ phân phối gần chuẩn. Một cách khác để kiểm định phân phối chuẩn của phần dư là vẽ đồ thị Q-Q plot. Đồ thị này thể hiện những giá trị của các điểm phân vị của phân phối của biến phần dư theo các phân vị của phân phối chuẩn. Nếu trên đồ thị Q-Q plot các điểm này khơng nằm quá xa đường thẳng kỳ vọng thì cĩ thể xem như phần dư cĩ phân phối gần chuẩn.
• Giả thuyết khơng cĩ tương quan giữa các biến độc lập (hiện tượng đa cộng tuyến): Cộng tuyến là trạng thái trong đĩ các biến độc lập cĩ
đến biến phụ thuộc, làm tăng độ lệch chuẩn của các hệ số hồi qui, làm
giảm giá trị thống kê t của kiểm định ý nghĩa các hệ số hồi qui. Khi
phân tích Collinearity Diagnotics, hệ số Tolerance càng gần 1 càng tốt, hệ số phĩng đại phương sai VIF càng gần 1 càng tốt và khơng quá 10 thì khơng cĩ hiện tượng đa cộng tuyến.
Chương 3
PHÂN TÍCH KẾT QUẢ NGHIÊN CỨU
Trong chương này, tác giả trình bày kết quả của nghiên cứu. Nội dung trình bày gồm các phần: Mơ tả thơng tin nghiên cứu, trình bày kết quả thơng kê mơ tả, kiểm định độ tin cậy thang đo, phân tích nhân tố, hiệu chỉnh mơ hình nghiên cứu,
kiểm định mơ hình nghiên cứu và các kiến nghị nâng cao chất lượng dịch vụ ngân hàng trực tuyến.
3.1 MƠ TẢ THƠNG TIN
Trên cơ sở mơ hình nghiên cứu, tác giả xây dựng thang đo gồm 21 biến và tiến hành khảo sát, kết quả như sau:
• Tổng số mẫu gửi đi 300 mẫu.
• Số mẫu thu về 276 mẫu
• Số mẫu khơng hợp lệ (do khơng đủ thơng tin) là 8 mẫu
• Số mẫu hợp lệ 268 mẫu
Như vậy, số lượng mẫu thu thập qua điều tra đạt yêu cầu cho phân tích dữ liệu.
3.2 THỐNG KÊ MƠ TẢ 3.2.1 Mơ tả mẫu 3.2.1 Mơ tả mẫu