3.4.1 Mô tả bảng câu hỏi
Sau quá trình thảo luận, bảng câu hỏi được thiết kế gửi đi phỏng vấn chính thức (phụ lục 1) gồm hai phần:
Phần 1 bảng câu hỏi được thiết kế để thu thập sự đánh giá của khách hàng đối với các thành phần chất lượng dịch vụ NH, yếu tố giá, yếu tố hình ảnh, sự thuận tiện cũng như sự hài lòng đối với NH. Phần này gồm 40 mục hỏi, trong đó 24 mục hỏi đầu tiên được sử dụng đo lường chất lượng dịch vụ NH dựa trên sự tiếp cận mô hình SERVQUAL, 3 mục hỏi kế tiếp để đo lường yếu tố giá, 5 mục hỏi về hình ảnh, 5 mục hỏi tiếp theo để do lường yếu tố về sự thuận tiện và 3 mục hỏi cuối cùng để đo lường sự hài lòng.
Phần 2 bảng câu hỏi được thiết kế để phân loại đối tượng phỏng vấn. Các thông tin về đáp viên như giới tính, thu nhập, độ tuổi…theo thang đo danh xưng để đo lường sự khác biệt khi đánh giá mức độ ảnh hưởng của các yếu đến sự hài lòng.
3.4.2 Xây dựng thang đo
Có 9 khái niệm được sử dụng trong nghiên cứu này đó là: độ tin cậy, độ đáp ứng, năng lực phục vụ, đồng cảm, phương tiện hữu hình, giá cả, hình ảnh, thuận tiện, và sự hài lòng,
Các thang đo sử dụng để đo lường những khái niệm trên được xây dựng dựa vào lý thuyết cùng với các công trình nghiên cứu đã được kiểm chứng trong các lĩnh vực dịch vụ, trong đó có cả lĩnh vực NH. Các thang đo được kế thừa có sự chọn lọc và điều chỉnh để phù hợp với bối cảnh, lĩnh vực nghiên cứu của đề tài theo bảng sau:
Bảng 3.1: Bảng mã hóa các thang đo cho nghiên cứu
Stt Mã Thang đo Số lượng biến
1 TC Độ tin cậy 5
2 ĐƯ Độ đáp ứng 6
3 PV Năng lực phục vụ 5
4 ĐC Sự đồng cảm 4
5 HH Phương tiện hữu hình 4
6 GC Giá cả 3
7 HA Hình ảnh 5
8 TT Sự thuận tiện 5
9 HL Sự hài lòng 3
Tổng cộng 40
Nghiên cứu sử dụng thang đo Likert 5 điểm từ “1 = Hoàn toàn không đồng ý; đến 5 = Hoàn toàn đồng ý” để đo lường các thang đo.
Dựa trên các nghiên cứu về Ngân hàng đã được đề ra, kết hợp với mô hình mô hình chất lượng dịch vụ Parasuraman & ctg (1985). Các thang đo được xây dựng và chỉnh sửa cho phù hợp với điều kiện thực tế:
3.4.2.1 Thang đo Độ tin cậy (TC)
Ký hiệu Mục hỏi Nguồn
TC1
Khi anh/chị có thắc mắc/khiếu nại, Ngân hàng Kiên Long (gọi tắt là Ngân hàng) giải quyết thỏa đáng.
Bổ sung
TC2 Ngân hàng cung cấp dịch vụ tiền gửi tiết kiệm
đúng ngay lần đầu tiên. Đỗ Tiến Hòa (2007)
TC3 Ngân hàng thực hiện dịch vụ tiền gửi tiết kiệm đúng vào thời điểm mà Ngân hàng đã hứa
Nguyễn Thị Phương Trâm (2008)
TC4 NH luôn bảo mật thông tin của anh/chị Đổ Tiến Hòa (2007)
TC5 Việc chuyển giao thông tin của Ngân hàng đáng
3.4.2.2 Thang đo Đô đáp ứng (ĐƯ)
Ký hiệu Mục hỏi Nguồn
ĐƯ1 Nhân viên của Ngân hàng phục vụ anh/chị nhanh chóng và
đúng hạn Bổ sung
ĐƯ2 Nhân viên Ngân hàng sẵn sàng giúp đỡ anh/chị Bổ sung
ĐƯ3 Nhân viên của ngân hàng luôn kịp thời giải quyết khó khăn,
tình huống bất thường xảy ra với khách hàng. Bổ sung
ĐƯ4 Ngân hàng sẵn sàng đáp ứng các nhu cầu của anh/chị về
dịch vụ tiền gửi tiết kiệm. Bổ sung
ĐU5 Ngân hàng cung cấp thông tin liên quan đến tài khoản, số
dư, v.v… của anh/chị khi có yêu cầu một cách nhanh chóng. Bổ sung
ĐƯ6 Ngân hàng gởi thông tin, báo cáo đúng lúc. Bổ sung
3.4.2.3 Thang đo Năng lực phục vụ (PV)
Ký hiệu Mục hỏi Nguồn
PV1 Nhân viên Ngân hàng tạo sự tin tưởng đối với
anh/chị Bổ sung
PV2 Anh/chị cảm thấy an toàn khi giao dịch với Ngân
hàng Bổ sung
PV3 Nhân viên Ngân hàng tỏ ra lịch sự, nhã nhặn với
anh/chị. Đỗ Tiến Hòa (2007)
PV4 Nhân viên Ngân hàng có kiến thức trả lời các câu
hỏi của anh/chị. Đỗ Tiến Hòa (2007)
PV5 Anh/chị thực hiện các giao dịch gửi tiền tiết kiệm
dễ dàng tại Ngân hàng. Bổ sung
3.4.2.4 Thang đo Đồng cảm (ĐC)
Ký hiệu Mục hỏi Nguồn
ĐC1 Nhân viên Ngân hàng tạo sự tin tưởng đối với anh/chị
Nguyễn Thị Phương Trâm (2008)
ĐC2 Anh/chị cảm thấy an toàn khi giao dịch với Ngân hàng
Nguyễn Thị Phương Trâm (2008)
ĐC3 Nhân viên Ngân hàng tỏ ra lịch sự, nhã nhặn với anh/chị.
Nguyễn Thị Phương Trâm (2008)
ĐC4 Nhân viên Ngân hàng hiểu được những nhu cầu đặc biệt của anh/chị
Nguyễn Thị Phương Trâm (2008)
3.4.2.5 Thang đo Phương tiện hữu hình (HH)
Ký hiệu Mục hỏi Nguồn
HH1 Ngân hàng có trang thiết bị hiện đại
Nguyễn Thị Phương Trâm
(2008)
HH2 Cơ sở vật chất của Ngân hàng trông hấp dẫn Osman (2005)
HH3 Nhân viên của Ngân hàng có trang phục gọn gàng , lịch sự
Nguyễn Thị Phương Trâm
(2008)
HH4 Các phương tiện, vật chất phục vụ cho hoạt động
gửi tiền của NH rất hấp dẫn. Bổ sung
3.4.2.6 Thang đo giá cả (GC)
Ký hiệu Mục hỏi Nguồn
GC1 Ngân hàng có các chương trình khuyến mãi hấp
dẫn Bổ sung
GC2 Ngân hàng có mức lãi suất tiền gửi cạnh tranh Đỗ Tiến Hòa
GC3 Chi phí vay lại hoặc rút tiền trước hạn của NH có
tính cạnh tranh Bổ sung
3.4.2.7 Thang đo hình ảnh (HA)
Ký hiệu Mục hỏi Nguồn
HA1 Anh/ chị đang giao dịch tiền gửi tiết kiệm tại
Ngân hàng có thương hiệu nổi tiếng/ lâu năm Bổ sung
HA2 Anh/ chị đang giao dịch tại Ngân hàng có khả
năng tài chính tốt Bổ sung
HA3 Anh/chị lựa chon Ngân hàng vì có bạn bè/ người
thân làm việc trong ngân hàng đó Bổ sung
HA4 Anh/chị lựa chọn Ngân hàng vì có bạn bè/ người
thân làm việc trong ngân hàng Bổ sung
3.4.2.8 Thang đo Sự thuận tiện (TT)
Ký hiệu Mục hỏi Nguồn
TT1 Ngân hàng bố trí thời gian làm việc thuận tiện
cho việc giao dịch với anh/chị Bổ sung
TT2 Địa điểm giao dịch phục vụ rộng khắp Đỗ Tiến Hòa (2007)
TT3 Ngân hàng có nơi đậu xe dễ dàng, thuận tiện Bổ sung
TT4 Ngân hàng có sản phẩm tiền gửi tiết kiệm đa
dạng đáp ứng hầu hết các nhu cầu Bổ sung
TT5 Ngân hàng có quảng cáo để anh/chị biết đến NH
hoặc sản phẩm tiền gửi tiết kiệm của NH Bổ sung
3.4.2.9 Thang đo hài lòng (HL)
Ký hiệu Mục hỏi Nguồn
HL1 Nhìn cung Anh/Chị hoàn toàn hài lòng với chất lượng dịch vụ tiền gửi tiết kiệm của NH Kiên Long
Nguyễn Thị Phương Trâm (2008) (có điều chỉnh)
HL2 Nhìn chung Anh/chị hoàn toàn hài lòng với giá cả dịch vụ tiền gửi tiết kiệm của NH Kiên Long
Nguyễn Thị Phương Trâm (2008) (có điều chỉnh)
HL3 Một cách tổng quát Anh/Chị hoàn toàn hài lòng khi giao dịch gửi tiền tiết kiệm với NH Kiên long
Nguyễn Thị Phương Trâm (2008) (có điều chỉnh)
3.5 Xử lý và phân tích dữ liệu
Toàn bộ dữ liệu thu thập được sẽ được xử lý với sự hỗ trợ của phần mềm SPSS 16.0. Khởi đầu, dữ liệu sẽ được mã hóa và làm sạch, sau đó qua các phân tích sau:
3.5.1 Phân tích mô tả
Phân tích mô tả sử dụng phương pháp phân tích thống kê mô tả trong SPSS. Phân tích mô tả mẫu cho biết các đặc điểm của mẫu như giới tính, độ tuổi, thu nhập và khu vực vào việc sử dụng dịch vụ tiền gừi tiết kiệm của Ngân hàng.
3.5.2 Đánh giá độ tin cậy của các thang đo
Độ tin cậy chỉ sự nhất quán của một công cụ đo lường khi nó được sử dụng trong cùng một điều kiện với cùng một đối tượng. Độ tin cậy của một thang đo được đánh giá qua mức độ tương quan giữa các mục hỏi trong thang đo - hệ số Cronbach Alpha và sự tương quan giữa tổng điểm của từng người và điểm của từng mục hỏi - hệ
số tương quan biến - tổng. Một thang đo đạt được độ tin cậy khi các biến quan sát có hệ số tương quan biến - tổng ≥ 0.3, vì vậy các biến quan sát có hệ số tương quan biến - tổng < 0.3 sẽ bị loại.
Một thang đo được cho là tốt khi hệ số Cronbach alpha từ 0.8 đến gần 1.0, từ 0.7 đến gần 0.8 là sử dụng được1. Một số tác giả đề nghị điều kiện để chọn thang đo là hệ số Cronbach alpha ≥ 0.6, tốt nhất là lớn hơn 0.72. Trong nghiên cứu này, tiêu chuẩn chọn thang đo khi Cronbach alpha ≥ 0.6. Nếu hệ số Cronbach alpha < 0.6 thì sẽ tiếp tục loại bớt biến quan sát có giá trị “Cronbach’s Alpha If Item Delete” lớn nhất. Khi đó thang đo mới được chọn sẽ có hệ số Cronbach alpha chính là giá trị “Cronbach’s Alpha If Item Delete” tương ứng với biến quan sát đã bị loại.
3.5.3 Phân tích nhân tố khám phá (EFA)
Phân tích nhân tố khám phá là một phương pháp phân tích thống kê dùng để rút gọn một tập gồm nhiều biến quan sát phụ thuộc lẫn nhau thành một tập biến (gọi là các nhân tố) ít hơn để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu. Trong nghiên cứu, phân tích nhân tố được sử dụng như một công cụ giúp nhóm các biến quan sát thành một số ít nhân tố có thể sử dụng được và mỗi nhân tố đại diện cho phần lớn ý nghĩa của các biến sát trong nhân tố đó. Mỗi biến quan sát sẽ được tính một tỷ số được gọi là hệ số tải nhân tố (trọng số nhân tố) và nhân tố trội ẩn dưới những biến quan sát nào thì các biến quan sát đó sẽ tải mạnh lên nhân tố đó3.
Tập hợp các biến quan sát từ các khái niệm lý thuyết (1) Độ tin cậy (TC), (2) Độ đáp ứng (ĐƯ), (3) Năng lực phục vụ (PV), (4) Sự đồng cảm (ĐC), (5) Phương tiện hữu hình, (6) Giá cả (GC), (7) Hình ảnh ngân hàng (HA), (8) Sự thuận tiện (TT), sẽ được đưa vào phân tích nhân tố khám phá. Phân tích nhân tố khám phá được sử dụng để nhóm các biến quan sát này thành các nhân tố và nhận diện các yếu tố theo các nhân tố trích được. Các nhân tố mới có thể có sự khác biệt so với các yếu tố (khái niệm) trong mô hình lý thuyết, vì vậy mô hình nghiên cứu lý thuyết cùng với các giả thuyết sẽ được điều chỉnh theo kết quả phân tích EFA.
Điều kiện của các tham số thống kê khi thực hiện phân tích nhân tố bao gồm: KMO là một chỉ tiêu dùng để xem xét sự thích hợp của EFA, 0.5≤KMO≤1 thì phân tích nhân tố là thích hợp. Kiểm định Bartlett xem xét giả thuyết H0: độ tương
1 Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005
2
Nunnally & Bernstein, 1994
quan giữa các biến quan sát bằng không trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig ≤ 0.05) thì các biến quan sát có tương quan với nhau trong tổng thể 4
Chỉ số Eigenvalue: đại diện cho lượng biến thiên được giải thích bởi nhân tố. Do mỗi biến riêng biệt có Eigenvalue là 1 nên chỉ những nhân tố có Eigenvalue lớn hơn 1 mới được xem là có ý nghĩa và được giữ lại5.
Chỉ số phần trăm phương sai trích (Percentage of Variance Criterion): đại diện cho phần trăm lượng biến thiên được giải thích bởi các nhân tố. Tổng phương sai trích của tất cả các nhân tố phải lớn hơn 50% thì phân tích nhân tố mới đảm bảo giải thích được hầu hết ý nghĩa của các biến quan sát6.
Trọng số nhân tố (factor loading): hệ số tương quan giữa mỗi biến quan sát và nhân tố, trong đó biến có trọng số nhân tố cao hơn sẽ mang ý nghĩa đại diện cao cho nhân tố. Trọng số nhân tố > 0.3 được xem là đạt được mức tối thiểu vì vậy các biến có trọng số nhân tố ≤ 0.3 sẽ bị loại. Tiêu chuẩn chọn thang đo là các biến quan sát có trọng số nhân tố ≥ 0.5 (Hair & ctg, 2006), vì vậy các biến có trọng số nhân tố < 0.5 sẽ bị loại và mỗi lần chỉ loại một biến. Biến bị loại theo nguyên tắc dựa trên trọng số nhân tố lớn nhất của từng biến quan sát không đạt, biến nào có trọng số nhân tố này không đạt nhất sẽ bị loại trước và sau đó tiến hành chạy phân tích nhân tố với các biến còn lại.
Phương pháp trích nhân tố Principle Component với phép quay vuông góc Varimax sẽ được sử dụng. Với phép quay Varimax, các biến sẽ có trọng số nhân tố rất cao hoặc rất thấp lên một nhân tố nào đó. Do đó, Varimax giúp phân biệt rõ hơn giữa các nhân tố và tăng cường khả năng giải thích nhân tố.
Mô hình nhân tố được chọn là mô hình đáp ứng các điều kiện: KMO ≥ 0.5; giá trị Eigenvalue >1; tổng phương sai trích >50%; trọng số nhân tố ≥ 0.5. Các nhân tố được hình thành trong phân tích EFA thỏa mãn các điều kiện trên sẽ được sử dụng trong các bước tiếp theo như phân tích hồi quy.
Thang đo sự hài lòng (HL) sẽ được phân tích EFA riêng biệt. Điều kiện để thang đo của các khái niệm đạt yêu cầu cũng tương tự như trên (KMO ≥ 0.5; giá trị Eigenvalue >1; tổng phương sai trích >50%; trọng số nhân tố ≥ 0.5).
Các nhân tố sẽ được lưu lại thành các biến mới với các nhân số được tính như sau:
4 Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005
5
Anderson & Gerbing, 1988
Fi = = βi1*F1 + βi2* F2 +…+ βik*Fk
Trong đó: βik: Hệ số nhân tố của biến quan sát thứ k trong nhân tố i (hệ số này được trình bày trong ma trận hệ số nhân tố); Fk: giá trị của biến quan sát đó.
Các biến mới này sẽ được sử dụng thay cho tập hợp biến gốc để đưa vào phân tích hồi quy, kiểm định mô hình nghiên cứu và các giả thuyết.
3.5.4 Phân tích hồi quy đa biến
Phân tích hồi quy đa biến nhằm chỉ ra mối quan hệ giữa các biến độc lập và biến phụ thuộc. Kết quả phân tích đa biến là một hàm số biểu thị giá trị của biến phụ thuộc thông qua các biến độc lập.
Mô hình hồi quy cần được kiểm định thông qua các loại kiểm định sau:
Kiểm nghiệm mức ý nghĩa của hệ số hồi quy riêng phần (β) dựa vào T- test: khi mức ý nghĩa của hệ số hồi quy có độ tin cậy ít nhất là 95% (Sig ≤ 0.05), kết luận tương quan có ý nghĩa thống kê giữa biến độc lập và biến phụ thuộc. Đây cũng là cơ sở để kết luận các giả thuyết của nghiên cứu là chấp nhận (hay bác bỏ trong trường hợp tương quan không có ý nghĩa thống kê, sig > 0.05).
Mức độ giải thích của mô hình hồi quy thể hiện thông qua hệ số R2 và hệ số R2 điều chỉnh. Hệ số R2 biểu thị phần trăm giải thích cho biến phụ thuộc bởi biến độc lập, hệ số này nhận giá trị từ 0 đến 1. Hệ số này có giá trị càng gần 1 thì mức độ giải thích càng cao, dự báo càng có giá trị. Tuy nhiên, mô hình càng nhiều biến độc lập thì giá trị R2 càng cao dù biến đó không có ý nghĩa (Hair & cộng sự, 2006). Vì vậy sử dụng hệ số R2 điều chỉnh để kiểm tra mức độ giải thích của mô hình nghiên cứu.
Mức độ phù hợp của phương trình hồi quy được kiểm định nhằm xem xét có mối quan hệ tuyến tính giữa các biến độc lập với biến phụ thuộc hay không. Mô hình hồi quy được cho là phù hợp khi tồn tại ít nhất một hệ số hồi quy khác không. Kiểm định này được thực hiện thông qua phân tích phương sai (ANOVA) với giả thuyết H0: các hệ số hồi quy đều bằng không. Nếu kiểm định có ý nghĩa thống kê (Sig ≤ 0.05) thì giả thuyết này bị bác bỏ và mô hình hồi quy được cho là phù hợp với độ tin cậy 95%.
Hệ số tương quan Pearson và hệ số phóng đại phương sai VIF dùng để kiểm định hiện tượng đa cộng tuyến của các biến độc lập. Nếu các biến độc lập trong mô hình hồi quy có hệ số tương quan thấp (<0.6) và hệ số phóng đại phương sai VIF <1 thì mô hình hồi quy không có hiện tượng cộng tuyến giữa các biến độc lập.