Kí hiệu Thang đo
HL1 Hạnh phúc với quyết định chọn dịch vụ E-banking HL2 Hài lòng về dịch vụ E-banking đã chọn
HL3 Giới thiệu cho người quen sử dụng dịch vụ E-banking
3.2. Phương Pháp Thu Thập Dữ Liệu
Nghiên cứu định lượng thu thập dữ liệu từ người dùng trên khắp Thành phố Hồ Chí Minh thơng qua bảng hỏi khảo sát trực tiếp theo phương pháp lấy mẫu thuận tiện.
Về kích thước mẫu đạt yêu cầu cho nghiên cứu, nhóm chúng tơi đã dựa vào những tiêu chí sau: thứ nhất đảm bảo mẫu phải đại diện cho các đặc điểm chính của tổng thể; thứ hai, sai số xảy ra phải chấp nhận được; và cuối cùng do bài nghiên cứu của chúng tơi có sử dụng kĩ thuật phân tích nhân tố khám phá EFA, theo (Nguyễn
Đình Thọ, 2013) để có thể phân tích EFA thì kích thước mẫu cần phải đủ lớn, cụ thể là đạt tối thiểu 100. Nhóm đã phân cơng thiết kế và gửi bảng khảo sát đến nhóm đối tượng mục tiêu cho nghiên cứu này thông qua khảo sát trực tiếp tại các trạm ATM của TP bank. Quá trình diễn ra hoạt động thu thâp dữ liệu kéo dài khoảng 4 ngày. Kết quả thu được 175 câu trả lời hợp lệ để phục vụ cho quá trình nghiên cứu.
3.2.1 Dữ liệu nghiên cứu
Bài nghiên cứu sử dụng 2 nguồn dữ liệu:
- Dữ liệu thứ cấp: dữ liệu thứ cấp được thu thập chủ yếu ở các nguồn: Google, Google scholar, Báo cáo kết quả nghiên cứu (KQNC) về thái độ hài lòng về dịch vụ E-banking của Khách hàng trên địa bàn TPHCM
-Dữ liệu sơ cấp: Nguồn dữ liệu sơ cấp được thu thập từ điều tra, khảo sát bảng câu hỏi mà nhóm đã thu thập được 175 mẫu nhằm tìm ra các yếu tố có thể ảnh hưởng tới sự hài về dịch vụ E-banking của ngân hàng Tpbank.
3.3. Thiết Kế Khảo Sát Nghiên Cứu
Phần đặc tính nhân khẩu học (các thông tin cá nhân) của bảng khảo sát bao gồm những câu hỏi về:
- Giới tính: Nam/Nữ
- Độ tuổi: dưới 20 tuổi/ 20-25 tuổi/ 25-40 tuổi/ trên 40 tuổi
- Nghề nghiệp :Học sinh,sinh viên/ Nội trợ/Công nhân/Cán bộ quản lí/Nhân viên văn phịng
- Thu nhập/ tháng: ít hơn 5 triệu VNĐ/ 5-10 triệu VNĐ/ trên 10 triệu 1
2 3 3.1 3.2
3.4. Kĩ Thuật Phân Tích Dữ Liệu
Trên cơ sở dữ liệu thu thập và sử lý sơ bộ, nhóm sẽ tiến hành kiểm định hệ số tin cậy Cronbach’s Anpha để loại các biến có hệ số tin cậy thấp, đảm bảo các câu hỏi phản ánh cùng một nội dung.
Từ đó, làm cơ sở kiểm định qua kỹ thuật phân tích nhân tố khám phá (EFA) để đánh giá và đi đến loại bỏ những câu hỏi không phù hợp hoặc những câu hỏi có yếu tố trùng lặp trong mỗi mục hỏi. Để kiểm định các giả thuyết nghiên cứu sử dụng phân tích hồi quy tuyến tính đa biến.
Đây là phương pháp thống kê nghiên cứu mối liên hệ của một biến phụ thuộc với một số biến độc lập (các biến giải thích hay các nhân tố gây ảnh hưởng). Mục đích của phân tích hồi quy là ước lượng giá trị của biến phụ thuộc trên cơ sở giá trị của các biến độc lập đã cho và kiểm định các giả thuyết nghiên cứu
3.4.1. Phân Tích Hệ Sớ Tin Cậy Cronbach’s Alpha
Việc đo lường cả một nhân tố (hay được gọi là một construct) là rất khó khăn và phức tạp vì nó khá trừu tượng và không đưa ra được kết quả chính xác. Vì thế chúng ta thường sử dụng phương pháp là đo lường một tập hợp các biến quan sát (hay được gợi là các items) là những biến con của nhân tố rồi từ đó suy ra tính chất của nhân tố mẹ. Tuy nhiên không phải tất cả các biến quan sát mà chúng ta sử dụng là phù hợp, phản ánh được đặc điểm của nhân tố mẹ nên cần phải sử dụng một công cụ là kiểm định độ tin cậy thang đo Cronbach’s Alpha nhằm mục đích kiểm tra xem trong một tập hợp các biến quan sát của một nhân tố mà chúng ta đã đưa ra thì biến nào là đáng tin cậy, đóng góp vào việc đo lường khái niệm nhân tố và biến nào khơng phù hợp để từ đó chúng ta có thể loại bỏ các biến rác (nếu có) để xây dựng được một thang đo tốt cho nhân tố mẹ trước khi tiến hành bước tiếp theo là phân tích nhân tố khám phá EFA. Chúng ta cũng cần lưu ý rằng hệ số Cronbach’s Alpha chỉ đo lường được độ tin cậy của thang đo (với 3 biến quan sát trở lên) chứ không đo được độ tin cậy cho riêng mỗi biến quan sát.
Hệ số Cronbach’s Alpha có giá trị biến thiên trong khoảng từ 0 đến 1. Hệ số càng lớn thì chứng tỏ thang đo có độ tin cậy càng cao. Theo (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008) thì có 3 khoảng giá trị hệ số Cronbach’s Alpha thể hiện các mức độ tin cậy thang đo khác nhau:
- Từ 0.8 đến cận 1: thang đo có độ tin cậy rất tốt - Từ 0.7 đến cận 0.8: thang đo lường sử dụng tốt - Từ 0.6 trở lên: thang đo đủ điều kiện
Tuy nhiên, theo (Nguyễn Đình Thọ, 2013) khi giá trị hệ số Cronbach’s Alpha quá lớn (α ≥ 0.95) cho thấy có nhiều biến trong thang đo khơng có sự phân biệt, hiện
tượng này được gọi là trùng lắp trong thang đo, trong khi mỗi biến con là phải khác nhau, phải có tính phân biệt nên chúng ta chỉ cần giữ lại một biến đo lường là đủ. Ngoài ra các biến con đo lường cùng một nhân tố thì phải có độ tương quan chặt chẽ với nhau, nên đồng thời chúng ta cũng phải kiểm tra độ tương quan giữa các biến quan sát cùng đo lường một nhân tố bằng cách kiểm định hệ số tương quan biến tổng. Những biến quan sát có hệ số tương quan biến tổng ≥ 0.3 thì đạt yêu cầu (Nunnally, 1978). Ngược lại với các biến < 0.3 thì khi loại những biến quan sát này ra khỏi thang đo sẽ làm cho hệ số Cronbach’s Alpha tăng lên.
3.4.2. Phân Tích Nhân Tớ Khám Phá (EFA)
Sau khi đã đánh giá độ tin cậy thang đo, chúng ta tiếp tục tiến hành kiểm định giá trị hội tụ và giá trị phân biệt của thang đo bằng phương pháp phân tích nhân tố khám phá EFA. EFA được sử dụng nhằm mục đích rút gọn một tập k biến quan sát thành một tập F (F < k) các nhân tố có ý nghĩa hơn, xem xét mối liên hệ giữa các biến quan sát ở tất cả các nhân tố nhằm khám phá ra liệu các biến quan sát này có thật sự chỉ tương tác với một nhân tố hay khơng hay nó có tải lên nhiều nhân tố khác, ngoài ra kết quả của EFA cũng phát hiện ra những biến đo lường bị nhóm sai nhân tố ban đầu.
Để phân tích EFA chúng ta cần phải thỏa mãn các điều kiện sau:
- Kiểm định Bartlett nếu có p-value hay Sig. < 0.05 thì chúng ta bác bỏ giả thuyết H0: các biến khơng có quan hệ với nhau hay nói cách khác chứng tỏ các biến có tương quan với nhau.
- Hệ số KMO (Kaiser – Meyer – Olkin) là tỉ lệ của hệ số tương quan giữa hai biến Xi và Xj với hệ số tương quan riêng phần của Xi và Xj (Norusis, 1994). Chỉ số này càng lớn càng tốt và phải đạt giá trị từ 0.5 trở lên.
- Tổng phương sai trích TVE (Total Variance Explained) là giá trị thể hiện các nhân tố trích được bao nhiêu % từ các biến quan sát và tổng này phải đạt từ 50% trở lên thì mơ hình EFA sẽ đạt u cầu.
- Trị số Eigenvalue là một tiêu chí phổ biến trong xác định số lượng nhân tố trong phân tích EFA. Những nhân tố được giữ lại trong mơ hình phải có Eigenvalue ≥ 1.
- Hệ số tải nhân tố (Factor loading) hay còn gọi là trọng số nhân tố, thể hiện mối quan hệ tương quan giữa biến quan sát và khái niệm. Hệ số này càng cao nói lên rằng biến quan sát đó thật sự đo lường khái niệm đó và ngược lại. Giá trị chấp nhận là ≥ 0.5, nếu
bé hơn chúng ta có thể xóa biến quan sát đó vì mối tương quan giữa nó với nhân tố mà nó đo lường nhỏ.
3.4.3. Phân Tích Tương Quan và Mơ Hình Hời Quy
Q trình phân tích hồi quy tuyến tính trong nghiên cứu được thực hiện theo trình tự sau:
Đầu tiên, kiểm tra tương quan giữa biến độc lập với nhau và biến phụ thuộc thông qua ma trận hệ số tương quan. Trong đó, điều kiện để phân tích hồi quy là phải có sự tương quan giữa các biến độc lập với nhau và với biến phụ thuộc. Tuy nhiên, khi hệ số tương quan nhỏ hơn < 0.85 thì có khả năng đảm bảo giá trị phân biệt giữa các biến ( John & Benet-Martinez, 2000). Nghĩa là nếu hệ số tương quan > 0.85 thì cần xem xét vai trị của các biến độc lập, vì có thể xảy ra hiện tượng đa cộng tuyến.
Sau đó, thực hiện xây dựng và kiểm định mơ hình hồi quy qua các bước: (1) lựa chọn các biến đưa vào mơ hình; (2) Đánh giá độ phù hợp của mơ hình; (3) Kiểm định độ phù hợp của mơ hình; (4) xác định hệ số của phương trình hồi quy.
Đánh giá độ phù hợp mơ hình bằng hệ số xác định R2 ( R Square). Tuy nhiên, R2 có đặc điểm càng tăng khi đưa thêm các biến độc lập vào mơ hình mặc dù khơng phải mơ hình càng có nhiều biến độc lập thì càng phù hợp với tập dữ liệu. Chính vì vậy, R2 hiệu chỉnh (Adjusted R Square) có đặc điểm khơng phụ thuộc vào số lượng biến đưa thêm vào mơ hình được sử dụng thay thế R2 để đánh giá mức độ phù hợp/ mức độ giải thích của mơ hình hồi quy.
Kiểm định độ phù hợp mơ hình để lựa chọn mơ hình tối ưu bằng cách sử dụng phương pháp phân tích ANOVA để kiểm định giả thuyết H0 : khơng có mối liên hệ tuyến tính giữa biến phụ thuộc với tập hợp các biến độc lập (β1 = β2 =β3 = βn = 0). Nếu trị thống kê F có Sig. Rất nhỏ (< 0.05) thì giả thuyết H0 bị bác bỏ, khi đó ta kết luận tập hợp các biến độc lập trong mơ hình có thể giải thích cho sự biến thiên của biến phụ thuộc. Như vậy, mơ hình được xây dựng phù hợp với tập dữ liệu nên có thể sử dụng được.
Xác định các hệ số của phương trình hồi quy, là xác định các hệ số hồi quy, riêng phần βk nhằm đo lường sự thay đổi trung bình của biến phụ thuộc kjhi biến độc lập Xk thay đổi một đơn vị, trong khi các biến độc lập khác được giữ nguyên. Tuy nhiên, độ lớn của βk phụ thuộc vào đơn vị đo lường của các biến độc lập nên việc so sánh trực tiếp là khơng có ý nghĩa. Vì vậy, để so sánh các hệ số hồi quy với nhau nhằm xác định
tầm quan trọng/ mức độ giải thích ý nghĩa của các biến độc lập cho biến phụ thuộc, người ta biểu diễn số đo của tất cả các biến độc lập bằng đơn vị đo lường lệch chuẩn β (Beta).
Cuối cùng, kiểm tra vi phạm của các giả định trong hồi quy bằng cách kiểm tra các vi pham giả định như: (1) tồn tại liên hệ tuyến tính giữa các biến độc lập với các biến phụ thuộc; (2) phần dư của biến phụ thuộc có phân phối chuẩn; (3) phương sai của sai số khơng đổi; (4) khơng có tương quan giữa các phần dư và (5) khơng có tương quan giữa các biến độc lập (khơng có hiện tượng đa cộng tuyến).
Trong đó:
- Sử dụng đại lượng thống kê D (Durbin - Watson) hoặc đồ thị phân tán phần dư chuẩn hóa (Scatter) để kiểm tra giả định khơng có tương quan giữa các phần dư. Nếu các phần dư khơng có tương quan chuỗi bậc nhất với nhau, giá trị D sẽ nằm trong khoảng từ 1 đến 3.
- Sử dụng độ chấp nhận của biến (Tolerance) hoặc hệ số phóng đại phương sai (Variance Inflation Factor - VIF) để phát hiện sự tồn tại của đa cộng tuyến. Theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc (2008), quy tắc chung là VIF > 10 là dấu hiệu đa cộng tuyến.
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU4.1. Thống kê mô tả mẫu nghiên cứu 4.1. Thống kê mô tả mẫu nghiên cứu
Sau khi thu thập mẫu từ các khách hàng tại TP.HCM , số mẫu thu thập được là 211 mẫu trong đó có 36 mẫu bị loại bỏ do thiếu dữ liệu, do vậy số mẫu để nhóm sử dụng là 175 mẫu Nhóm tác giả sử dụng phần mềm SPSS 20 để thống kê mơ tả cấu trúc mẫu nhằm có cái nhìn khái qt về thơng tin của mẫu nghiên cứu. Điều này sẽ thể hiện qua các con số thống kê mô tả các yếu tố bao gồm: nghề nghiệp, giới tính và thu nhập.
Chỉ tiêu Số lượn g (người) Tỷ lệ (%) Chỉ tiêu Số lượn g (người) Tỷ lệ (%) 1. Giới tính Nam 71 40,6% 3. Nghề nghiệp Học sinh - s inh viên 124 70,86% Nữ 104 59,4% Nội trợ 1 0,57%
2. Tuổi Dưới 20 23 13,14% Công nhân 20 11,43% 20-25 138 78,86% Cán bộ quả n lí 3 1,71% 25-40 12 6,86% Nhân viên v ăn phòng 27 15,43% Trên 40 2 1,14% 4. Mức t hu nhập (tháng) Dưới 5 triệu 96 54,86% Từ 5-10 triệ u 42 24% Trên 10 triệ u 37 21,14%