CHƯƠNG 2: PHÂN TÍCH CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN QUYẾT ĐỊNH MỞ TÀI KHOẢN TIỀN GỬI THANH TOÁN CỦA KHÁCH HÀNG CÁ NHÂN TẠI VIETCOMBANK
2.1 Thực trạng tiền gửi thanh toán tại Vietcombank
2.2.2 Phân tích thực nghiệm
2.2.2.5 Phân tích hồi quy
Xem xét mối tương quan giữa các biến
Bảng 2.22: Ma trận hệ số tương quan Pearson giữa các biến
CX XH VC NV CL LP CN CT QD
CX 1 0.375 0.088 0.174 0.162 0.034 0.013 0.422 0.456 XH 0.375 1 0.157 0.437 0.494 0.066 0.295 0.261 0.684 VC 0.088 0.157 1 0.206 0.128 0.153 0.135 0.037 0.400 NV 0.174 0.437 0.206 1 0.469 0.078 0.274 0.026 0.583 CL 0.162 0.494 0.128 0.469 1 0.080 0.361 0.124 0.663 LP 0.034 0.066 0.153 0.078 0.080 1 0.103 -0.012 0.313 CN 0.013 0.295 0.135 0.274 0.361 0.103 1 -0.028 0.467 CT 0.422 0.261 0.037 0.026 0.124 -0.012 -0.028 1 0.351 QD 0.456 0.684 0.400 0.583 0.663 0.313 0.467 0.351 1
(Nguồn: số liệu từ điều tra)
Kiểm định mối tương quan dùng để xem xét mối quan hệ tuyến tính giữa biến phụ thuộc và từng biến độc lập cũng như giữa những biến độc lập với nhau.
Mô hình hồi quy tốt là mô hình có hệ số tương quan giữa các biến phụ thuộc và các biến độc lập lớn, thể hiện mối quan hệ tuyến tính giữa các biến với nhau, và điều này cũng chỉ ra rằng phân tích hồi quy là phù hợp.
Từ bảng ma trận hệ số tương quan 2.22, ta thấy tương quan giữa các biến độc lập và biến phụ thuộc nằm khoảng từ .351 đến 0.684, đây là hệ số tương quan chấp nhận được, đồng thời, tương quan giữa các biến độc lập với nhau cũng đạt yêu cầu.
Ở mô hình này, ta thấycó sự tương quan chặt chẽ giữa biến độc lập và biến phụ thuộc; tương quan giữa các biến độc lập không quá cao và do đó, việc đưa các biến độc lập như đề nghị vào mô hình là phù hợp và có ảnh hưởng nhất định đến quyết định mở tài khoản tiền gửi thanh toán của khách hàng.
Mô hình hồi quy
Sau khi thực hiện phân tích nhân tố, mô hình hồi quy điều chỉnh như sau:
= + ∗ + ∗ + ∗ + ∗ + ∗ + ∗
+ ∗ + ∗
Với βi là các hệ số hồi quy riêng của các biến độc lập.
Kết quả thực hiện hồi quy đa biến bằng phần mềm SPSS cho kết quả như sau:
Bảng 2.23: Model Summary
Model R R
Square
Adjusted R Square
Std. Error of the Estimate 1 0.922 0.850 0.843 0.13575
(Nguồn: số liệu từ điều tra – phụ lục 02)
R2 hiệu chỉnh từ R2 được sử dụng để phản ánh sát hơn mức độ phù hợp của mô hình hồi quy tuyến tính đa biến. R2 hiệu chỉnh không nhất thiết tăng lên khi nhiều biến được thêm vào phương trình, nó là thước đo sự phù hợp được sử dụng cho tình huống hồi quy tuyến tính đa biến vì nó không phụ thuộc vào độ lệch phóng đại của R2 (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008, 239).
Nhìn vào bảng 2.23, ta thấy R2 hiệu chỉnh của mô hình đạt 0.843, một con số khá lớn, thể hiện độ tin cậy cao của mô hình.
Bảng 2.24: ANOVA
Model
Sum of Squares
df Mean
Square
F Sig.
1
Regression 20.081 8 2.5101 136.22 0.000
Residual 3.556 193 0.0184
Total 23.637 201
(Nguồn: số liệu từ điều tra – phụ lục 02)
Bảng kết quả ANOVA cho phép đánh giá độ phù hợp của mô hình thông qua giá trị kiểm định F, với giả thiết H0 là β1 = β2 = … = β8 = 0, nghĩa là kết hợp các biến độc lập trong mô hình không thể giải thích được thay đổi của biến phụ thuộc.
Nhìn vào bảng 2.24 ta thấy giá trị Sig. là 0.000 nhỏ hơn 0.05, do đó, có đủ căn cứ
để bác bỏ giả thiết H0 nghĩa là việc kết hợp 8 biến độc lập trong mô hình có thể giải thích được sự thay đổi của biến phụ thuộc. Tức là, mô hình đưa ra là phù hợp.
Bên cạnh đó, để xác định mối quan hệ giữa các biến độc lập và biến phụ thuộc có phải là quan hệ tuyến tính hay không, tác giả dựa vào 3 đồ thị dưới đây
(Nguồn: số liệu từ điều tra )
Đồ thị 2.10: Tần số của phần dư chuẩn hóa
Theo tác giả Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), phần dư không tuân theo phân phối chuẩn vì những lý do như sau: sử dụng sai mô hình, phương sai không phải là hằng số, số lượng các phần dư không đủ nhiều để phân tích, … Như vậy, một mô hình đáng tin cậy là mô hình có phần dư được phân phối gần chuẩn. Chúng ta không thể kỳ vọng các phần dư quan sát có phân phối hoàn
toàn chuẩn vì luôn luôn có những chênh lệch do lấy mẫu. Nhìn vào đồ thị tần số của phần dư chuẩn hóa (đồ thị 2.10), ta thấy phần dư của mô hình được phân phối chuẩn.
Đến đây, hoàn toàn có cơ sở để tin tưởng rằng mô hình đề nghị là đáng tin cậy và có phân phối chuẩn, tuy nhiên, để thuyết phục hơn, tác giả dựa vào 2 đồ thị nữa, là đồ thị tần số P-P plot và đồ thị phân tán giữa các phần dư và giá trị dự đoán của mô hình
(Nguồn: số liệu từ điều tra)
Đồ thị 2.11: Tần số P-P plot
Qua đồ thị 2.9, ta thấy các điểm quan sát phân tán không quá xa đường thẳng kỳ vọng, do đó, có đủ cơ sở để cho rằng giả thiết phần dư có phân phối chuẩn không bị vi phạm.
(Nguồn: số liệu từ điều tra)
Đồ thị 2.12: Phân tán giữa các phần dư và giá trị dự đoán của mô hình
Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), nếu đồ thị của phần dư thay đổi theo một trật tự nào đó (có thể là cong dạng bậc 2 Parabol, cong dạng bậc 3 Cubic, …) thì mô hình hồi quy tuyến tính mô tả quan hệ đường thẳng là không phù hợp với các dữ liệu của mô hình. Do đó, nếu giả định mô hình tuyến tính là phù hợp thì phần dư phải phân tán ngẫu nhiên trong một vùng xung quanh đường đi qua tung độ 0.
Như đồ thị 2.10 ta thấy các dữ liệu của mô hình phân tán ngẫu nhiên không theo một trật tự cụ thể nào xung quanh đường đi ngang trục tung độ 0 (đường màu xanh) trong một vùng được giới hạn bởi đường màu đỏ.
Như vậy, cả 3 đồ thị, đều dẫn đến chung một kết luận là áp dụng mô hình hồi quy tuyến tính cho các dữ liệu đã được thu thập trong đề tài là phù hợp và đáng tin cậy.
Mô hình hồi quy
Sau khi đã xác định được mô hình hồi quy cho dữ liệu, kết quả hồi quy tuyến tính như sau:
Bảng 2.25: Kết quả hồi quy
Model Unstandardized Coefficients
Standardized Coefficients
t Sig. Collinearity Statistics
1
B Std.
Error
Beta
Tolerance VIF
(Constant) 0.161 0.154 1.048 0.296
CX 0.145 0.025 0.187 5.741 0.000 0.737 1.357
XH 0.127 0.019 0.239 6.640 0.000 0.600 1.667
VC 0.119 0.017 0.206 7.106 0.000 0.929 1.076
NV 0.104 0.018 0.195 5.823 0.000 0.695 1.439
CL 0.164 0.020 0.290 8.323 0.000 0.641 1.559
LP 0.151 0.021 0.203 7.150 0.000 0.968 1.034
CN 0.158 0.025 0.191 6.218 0.000 0.822 1.217
CT 0.071 0.013 0.169 5.378 0.000 0.792 1.262
(Nguồn: số liệu từ điều tra – phụ lục 02)
Kiểm định t trong phân tích hệ số hồi quy cho thấy, giá trị Sig. của các biến độc lập đều nhỏ hơn 0.05. Do đó, các biến độc lập đều có ý nghĩa trong mô hình.
Đồng thời, không xảy ra hiện tượng đa cộng tuyến, do giá trị VIF của các biến độc lập đều nhỏ hơn 5. Mô hình hồi quy của đề tài như sau:
QD = 0.161 + 0.145*CX + 0.127*XH + 0.119*VC + 0.104*NV + 0.164*CL + 0.151*LP + 0.158*CN + 0.071*CT.
Trong đó:
QD : là quyết định mở tài khoản tiền gửi thanh toán của khách hàng cá nhân
CX: là giá trị cảm xúc của khách hàng
XH: là giá trị xã hội khách hàng cảm nhận đươc
VC: là giá trị cảm nhận của khách hàng về cơ sở vật chất của ngân hàng NV: là giá trị cảm nhận của khách hàng về nhân viên ngân hàng
CL: là giá trị cảm nhận của khách hàng về chất lượng dịch vụ tiền gửi thanh toán của ngân hàng
LP: là cảm nhận của khách hàng về lãi và phí của ngân hàng.
CN: là cảm nhận của khách hàng về công nghệ của ngân hàng.
CT: là đánh giá của khách hàng về các hình thức chiêu thị của ngân hàng.
Nhìn vào phương trình, ta thấy hệ số β0 = 0.161 nghĩa là khi tất cả các biến độc lập của mô hình có giá trị bằng 0, tức là khách hàng không chịu bất kì tác động nào trong 8 yếu tố của mô hình thì khách hàng vẫn có quyết định mở tài khoản tiền gửi thanh toán, tuy nhiên, β0 = 0.161 là một hệ số không cao.
Tất cả các hệ số hồi quy của các biến độc lập đều lớn hơn 0, cho biết các biến độc lập đều tác động cùng chiều lên biến phụ thuộc. Theo đó, biến chất lượng dịch vụ có hệ số hồi quy cao nhất là 0.164, nghĩa là khi cảm nhận của khách hàng về chất lượng dịch vụ của ngân hàng tăng lên 1 đơn vị thì quyết định mở tài khoản tăng lên 0.164 đơn vị. Các biến có tác động lớn đến quyết định mở tài khoản tiếp theo là biến công nghệ, lãi và phí, giá trị cảm xúc với hệ số hồi quy lần lượt là 0.158, 0.151, 0.145, các biến còn lại có hệ số hồi quy thấp hơn nên tác động đến biến phụ thuộc ít hơn.
Như vậy, có thể thấy khi khách hàng quyết định mở tài khoản tiền gửi thanh toán, khách hàng quan tâm nhất đến chất lượng dịch vụ của của ngân hàng, sau đó là công nghệ, lãi và phí và tiếp theo là giá trị cảm xúc nhận được, các yếu tố giá trị xã hội, cơ sở vật chất, nhân viên và hình thức chiêu thị có tác động ít hơn đến quyết định của khách hàng. Kết quả này hoàn toàn phù hợp với lý thuyết về huy động tiền gửi thanh toán và thực tiễn tại Vietcombank nói riêng và các NHTM ở Việt Nam
nói chung. Rõ ràng, theo tâm lý của khách hàng tại Việt Nam, trước khi quyết định tiêu dùng một sản phẩm nào đó, khách hàng có xu hướng quan tâm đến chất lượng dịch vụ của ngân hàng đầu tiên, khách hàng sẽ ưu tiên chọn giao dịch với ngân hàng mà họ cảm nhận rằng chất lượng dịch vụ của ngân hàng đó tốt hơn và thực tiễn đã cho thấy Vietcombank được đánh giá là một trong những ngân hàng có chất lượng dịch vụ hàng đầu tại Việt Nam. Đồng thời, trong tình hình các ngân hàng thương mại phát triển nhanh chóng như hiện nay, việc cạnh tranh về công nghệ để thu hút khách hàng giữa các ngân hàng ngày càng quyết liệt hơn, khách hàng có nhiều lựa chọn về công nghệ ngân hàng hơn, thì rõ ràng, khách hàng sẽ ưa chuộng những ngân hàng có công nghệ hiện đại hơn, tiên tiến hơn, giúp cho các giao dịch của họ trở nên an toàn, chính xác và nhanh chóng hơn. Và rõ ràng, thế mạnh của Vietcombank là một ngân hàng có vốn lớn, luôn đổi mới công nghệ đã tạo ra lợi thế cạnh tranh cho chính mình.