3.3.3.1 Thông tin mẫu nghiên cứu
Tác giả đã sử dụng công cụ khảo sát của dịch vụ Google Docs để làm bảng câu hỏi, sau đó sử dụng Email nội bộ của Tập đoàn Bảo Việt để gửi cho các người dùng của Công ty mẹ (Bảo Việt Holdings), Tổng công ty Bảo Hiểm Bảo Việt, Tổng công ty Bảo Việt Nhân thọ và các công ty trực thuộc của 2 Tổng công ty trên toàn quốc, số
lượng Email gửi đi là trên 3000 người. Ngoài ra đối với việc khảo sát Lãnh đạo tập đoàn và Lãnh đạo Tổng công ty cần in bản câu hỏi và trực tiếp phỏng vấn để nhận kết quả. Sau 1 tuần thực hiện gửi yêu cầu qua email đã thống kê được 182 kết quả phản hồi và trực tiếp khảo sát 10 lãnh đạo Tập đoàn và giám đốc khối chức năng, Lãnh đạo Tổng công ty và Trưởng phòng trụ sở chính. Tổng kết quả trả lời là 196 phiếu.
Biểu đồ 3.1. Tỉ lệ số mẫu theo đơn vị sử dụng
(Nguồn: Tác giả thống kê)
Biểu đồ 3.2. Tỉ lệ số mẫu theo vị trí công việc
(Nguồn: Tác giả thống kê)
3.3.3.2 Kiểm định thang đo bằng hệ số tin cậy Cronbach Alpha
Hệ số Cronbach’s alpha là một phép kiểm định thống kê dùng để kiểm tra sự chặt chẽ và tương quan giữa các biến quan sát. Điều này liên quan đến hai khía cạnh là tương quan giữa bản thân các biến và tương quan của các điểm số của từng biến với điểm số toàn bộ các biến của mỗi người trả lời.
Phương pháp này cho phép người phân tích loại bỏ những biến không phù hợp và hạn chế các biến rác trong mô hình nghiên cứu vì nếu không chúng ta không thể biết được chính xác độ biến thiên cũng như độ lỗi của các biến. Theo đó, chỉ những biến có Hệ số tương quan tổng biến phù hợp (Corrected Item-Total Correlation) lớn hơn 0.3 và có Hệ số Alpha lớn hơn 0.6 mới được xem là chấp nhận được và thích hợp đưa vào phân tích những bước tiếp theo (Nunnally và BernStein, 1994). Cũng theo nhiều nhà nghiên cứu, nếu Cronbach’s alpha đạt từ 0,8 trở lên thì thang đo lường là tốt và mức độ tương quan sẽ càng cao hơn. Kết quả thực hiện Cronbach’s alpha trên phần mềm SPSS, chúng ta có thể thấy được kết quả phân tích độ tin cậy như phụ lục 04.
Như vậy, có tất cả 38 biến (không phải loại biến nào) của 5 thang đo đưa vào phân tích nhân tố. Ngoài ra, 3 biến đo lường sự hài lòng của khách hàng cũng được xem xét trong phần phân tích nhân tố
3.3.3.3 Phân tích nhân tố khám phá EFA
Phân tích nhân tố (Exploratory Factor Analysis) là một kỹ thuật phân tích nhằm thu nhỏ và tóm tắt các dữ liệu rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu. Quan hệ giữa các nhóm biến có liên hệ qua lại lẫn nhau được xem xét dưới dạng một số các 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.
Trong phân tích nhân tố, yêu cầu cần thiết là hệ số KMO (Kaiser-Meyer – Olkin (KMO) phải có giá trị lớn (0,5<KMO<1) thể hiện phân tích nhân tố là thích hợp, còn nếu hệ số KMO<0,5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu. Thêm vào đó, hệ số tải nhân tố của từng biến quan sát phải có giá trị lớn hơn 0,50, điểm dừng khi Eigenvalue (đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố) lớn hơn 1 (mặc định của chương trình SPSS), và tổng phương sai dùng để giải thích bởi từng nhân tố lớn hơn 50% mới thỏa yêu cầu của phân tích nhân tố (Gerbing & Anderson, 1988). Khi tiến hành phân tích nhân tố, tác giả đã sử dụng phương pháp trích (Extraction method) là Principal Component Analysisvới phép xoay (Rotation) Promax và phương pháp tính nhân tố là phương pháp Regression.
Quá trình phân tích nhân tố được tiến hành thông qua các bước sau:
Bước 1:
Tập hợp các biến quan sát đã qua kiểm tra về độ tin cậy đưa vào phân tích nhân tố (38 biến nghiên cứu 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). Quá trình này được gọi là phân tích nhân tố lần 1 (PHỤ LỤC 5) với kết quả như sau:
Về các nhân tố tác động đến sự hài lòng của khách hàng: KMO đạt 0,939
và có 8 biến STC01, SHH05, SDU02,SDB05,SDB04,SHH10,STC04,và SHH01 bị loại (Hệ số tải nhân tố < 0,50) và tập hợp các biến quan sát còn lại sẽ được đưa vào phân tích nhân tố lần 2
Về mức độ hài lòng của khách hàng: KMO đạt được là 0,675, Eigenvalue > 1 và tổng phương sai dùng để giải thích nhân tố > 50% (70,189%) thỏa điều kiện của phân tích nhân tố. Như vậy, kết quả phân tích nhân tố về mức độ hài lòng của khách hàng (PHỤ LỤC 5) cho thấy 3 biến quan sát SHL01, SHL02, và SHL03 đều có Hệ số tải nhân tố > 0,50 và dùng để giải thích thang đo mức độ hài lòng khách hàng là hợp lý
Bước 2:
Phân tích nhân tố lần 2 (PHỤ LỤC 5) tập hợp 30 biến quan sát còn lại và đem đến kết quả thu gọn thành 5 nhóm thành phần như sau:
1. Hữu ích của dịch vụ, 2. Liên lạc và sự cảm thông 3. Hệ thống an toàn và sẵn sàng 4. Tuân thủ cam kết
5. Trang thiết bị cho cá nhân
Chi tiết các thang đo chính thức (30 biến quan sát) của 5 thành phần ở phụ lục 08.