6. Cấu trúc luận văn
3.3. Phương pháp tiếp cận nghiên cứu
3.3.1 Bảng câu hỏi
Sau quá trình thảo luận nhóm, bảng câu hỏi được thiết kế gửi đi phỏng vấn chính thức (xem phụ lục 4) 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 cũng như sự hài lòng, trung thành hay phàn nàn đối với NH. Phần này gồm 47 mục hỏi, trong đó 27 mục hỏi đầu tiên được sử dụng đo lường chất lượng dịch vụ NH dựa trên sự tiếp cận mô hình SERVQUAL, 4 mục hỏi kế tiếp để đo lường yếu tố giá, 5 mục hỏi tiếp theo để do lường yếu tố hình ảnh của NH. 13 mục hỏi cuối cùng để đo lường sự hài lòng, lòng trung thành và sự phàn nàn của khách hàng.
Phần 2 bảng câu hỏi được thiết kế để phân loại đối tượng phỏng vấn. Các thông tin về đáp viên như giới tính, tình trạng hôn nhân, nghề nghiệp, thu nhập, trình độ học vấn…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 và trung thành.
3.3.2 Cỡ mẫu và quy cách lấy mẫu
Trong nghiên cứu này có sử dụng phương pháp phân tích nhân tố khám phá EFA. Theo Gorsuch (1983) phân tích nhân tố cần có mẫu ít nhất 200 quan sát.
Theo Hair và cộng sự (1998), để có thể phân tích nhân tố khám phá cần thu thập dữ liệu với kích thước mẫu ít nhất 5 mẫu trên 1 biến quan sát. Mô hình nghiên cứu có số biến quan sát là 47. Nếu theo tiêu chuẩn năm mẫu cho một biến quan sát thì kích thước mẫu cần thiết là n = 235 (47 x 5) [13].
Những quy tắc kinh nghiệm khác trong xác định cỡ mẫu cho phân tích nhân tố EFA, thông thường thì kích thước mẫu ít nhất phải bằng 4 hay 5 lần số biến quan sát [13]. Vậy kích thước mẫu cần thiết cho nghiên cứu này tối thiểu là 235 mẫu.
3.3.3 Kỹ thuật thu thập thông tin
Dữ liệu được thu thập thông qua điều tra trực tiếp những khách hàng đang giao dịch tại các NH thương mại ở Hậu Giang. Bảng câu hỏi được gửi đến các NH được chọn khảo sát, với tỉ lệ phân đều. Để đánh giá một cách toàn diện về dịch vụ NH, bảng câu hỏi cũng được phân đều ở từng phòng nghiệp vụ như: cho vay, tiền gửi, thẻ, thanh toán. Để đảm bảo tính khách quan và bảo mật thông tin của đáp viên, trên bảng hỏi không yêu cầu đáp viên cung cấp thông tin về họ tên.
Đối tượng nghiên cứu chính của đề tài là khách hàng cá nhân. Thời gian thu mẫu điều tra diễn ra trong tháng 9/2012.
Trong số 17 NH đang hoạt động tại Hậu Giang. Nghiên cứu chọn ra 5 NH chiếm thị phần lớn trong hoạt động tín dụng, huy động vốn và thanh toán là NH Nông Nghiệp và Phát Triển Nông Thôn, NH Công Thương, NH Đầu Tư và Phát Triển, NH Bưu Điện Liên Việt và NH Sài Gòn Thương Tín.
3.4 Phương pháp xử lý, phân tích số liệu
3.4.1 Làm sạch số liệu
Trước khi xử lý, phân tích dữ liệu, các phiếu hỏi được kiểm tra để loại bỏ những bảng trả lời cẩu thả, mâu thuẫn. Số liệu sau khi nhập vào máy tính, được kiểm tra lỗi nhập dữ liệu (sai, sót, thừa), loại bỏ những quan sát có điểm số bất thường bằng các phép kiểm định thống kê mô tả (bảng tần số, bảng kết hợp).
3.4.2 Phân tích độ tin cậy của thang đo - Hệ số Cronbach’s Alpha
Hệ số Cronbach’s alpha là một phép kiểm định thống kê về mức độ chặt chẽ mà các mục hỏi trong thang đo tương quan với nhau [13], hệ số này đánh giá độ tin cậy của phép đo dựa trên sự tính toán phương sai và tính tương quan của từng mục hỏi (item) với điểm của tổng các mục hỏi còn lại của phép đo.
Hệ số Cronbach’s alpha được tính theo công thức sau :
α= (1 ) 1 2 1 2 T k i i k k σ σ ∑ = − − Trong đó: α : Hệ số Cronbach’s alpha
k : Số mục hỏi trong thang đo
2
T
σ
: Phương sai của tổng thang đo
2
i
σ : Phương sai của mục hỏi thứ i
Trong ứng dụng mức α chấp nhận được là 0.6 – 0.7, giá trị xấp xỉ 0.8 được coi là rất tốt, còn giá trị hệ số này trên 0.9 lại báo hiệu rằng có thể bỏ bớt một số biến trong nhóm vì các biến này có thể quan hệ tuyến tính khá chặt chẽ với các biến khác của nhóm. Vì vậy trong nghiên cứu này hệ số α từ 0.6 đến 0.9 là chấp nhận được.
Khi đánh giá độ phù hợp của từng mục hỏi, những mục hỏi nào có hệ số tương quan biến tổng (item-total correlation) lớn hơn hoặc bằng 0.3 được coi là những mục hỏi có độ tin cậy bảo đảm các mục hỏi có hệ số tương quan biến tổng nhỏ hơn 0.3 sẽ bị loại bỏ ra khỏi thang đo [10].
3.4.3 Phân tích nhân tố khám phá (Exploratory Factor Analysis - EFA)
Phân tích nhân tố khám phá là một kỹ thuật phân tích dùng để rút gọn một tập tin 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 (Hair và cộng sự, 1998) (dẫn theo Nguyễn Khánh Duy, 2009) [1].
• Sử dụng phương pháp trích yếu tố Principal Axis Factoring với phép xoay Promax. • Quan tâm đến tiêu chuẩn: Các mục hỏi phải có hệ số tải nhân tố (factor loading) >0.5, tổng phương sai trích ≥ 50% (Gerbing và Anderson 1988).
• Điểm dừng khi trích các yếu tố có eigenvalue = 1.
• Trị số KMO (Kaiser-Meyer-Olkin): dùng để xem xét sự thích hợp của phân tích EFA, 0.5 ≤ KMO ≤ 1 thì phân tích này thích hợp.
• Kiểm định Barlett có ý nghĩa thống kê (Sig<0.05)
3.4.4 Phân tích nhân tố khẳng định (Confirmatory Factor Analysis - CFA)
Phần này sẽ đánh giá lại các thang đo bằng phương pháp phân tích hệ số khẳng định CFA. Vì CFA cho phép kiểm định cấu trúc lý thuyết của các thang đo lường như mối quan hệ giữa một khái niệm nghiên cứu với các khái niệm nghiên cứu khác mà không bị chệch do sai số đo lường. Đồng thời có thể kiểm định giá trị hội tụ và giá trị phân biệt của thang đo mà không cần dùng nhiều nghiên cứu như trong phương pháp truyền thống MHLM (MultiTrait-MultiMethod) do Campbell và Fiske (1958) đề nghị được sử dụng phổ biến để đánh giá giá trị các khái niệm nghiên cứu. Tuy nhiên phương pháp này có nhược điểm là nó đòi hỏi phải thực hiện đồng thời nhiều nghiên cứu và nhiều phương pháp trong cùng một dự án [10].
Để đo lường mức độ phù hợp của mô hình với dữ liệu thị trường, nghiên cứu này sử dụng 4 chỉ tiêu chính, đó là Chi-bình phương, chỉ số thích hợp so sánh CFI (Comparative Fit Index), chỉ số TLI (Tucker và Liwis index) và chỉ số RMSEA (Root Mean Square Error Approximation). Nếu một mô hình nhận được giá trị GFI và CFI từ 0.9 đến 1, RMSEA có giá trị < 0.08 thì mô hình được xem là phù hợp với dữ liệu thị [10].
2.4.5 Phân tích mô hình cấu trúc (Structural Equation Modelling - SEM)
Mô hình phương trình cấu trúc (SEM) xem xét một loạt các các mối quan hệ phụ thuộc lẫn nhau một cách đồng thời. Phương pháp này đặc biệt hữu dụng khi một biến phụ thuộc trở thành một biến độc lập trong một quan hệ phụ thuộc tiếp theo. Hơn nữa trong kiểm định giả thuyết và mô hình nghiên cứu, mô hình cấu trúc tuyến tính SEM cũng có lợi thế hơn các phương pháp truyền thống như hồi quy đa biến vì nó có thể tính được sai số đo lường. Trong khi những phương pháp phân tích đa biến ở thế hệ thứ nhất thường giả sử các biến độc lập được đo lường chính xác (không có sai số đo lường). Tuy nhiên, giả sử này không có tính hiện thực, vì trong thực tiễn, sai số luôn luôn xuất hiện trong đo lường [10].
Để đo lường mức độ phù hợp của mô hình với dữ liệu thị trường, nghiên cứu này sử sụng chỉ tiêu Chi-bình phương, chỉ số thích hợp so sánh CFI (Comparative Fit Index), chỉ số GFI (Goodness of Fit Index) và chỉ số RMSEA (Root Mean Square Error Approximation).
- Thống kê Chi – bình phương: Thống kê Chi – bình phương là một đo lường về độ phù hợp tuyệt đối, nó cung cấp cơ sở để tin rằng sự khác biệt giữa ma trận dự báo và ma trận đầu vào là không có ý nghĩa. Yêu cầu là mức ý nghĩa (p) phải lớn hơn 0.05 thì mô hình được xem là có thể chấp nhận. Tuy nhiên, thống kê này rất nhạy với kích cỡ mẫu, việc sử dụng nó để đánh giá độ phù hợp chỉ thích hợp khi cỡ mẫu từ 100 đến 200. Khi cỡ mẫu lớn hơn mức này thì thống kê thường có ý nghĩa (p < 0.05) mà nếu căn cứ vào nó để đánh giá thì dẫn đến một kết luận sai lầm là mô hình chung không phù hợp.
- Chỉ số CFI (Comparative Fit Index): Là chỉ số đo lường độ phù hợp tăng thêm của mô hình, nó cho biết một so sánh giữa mô hình đề xuất với một mô hình “null” (có bậc tự do bằng 0) hay một mô hình độc lập (có bậc tự do lớn nhất). Giá trị CFI nằm trong khoảng từ 0 đến 1. Giá trị của CFI càng cao thì mô hình càng phù hợp. Browne và Cudek (1992) đề nghị CFI lớn hơn 0.9 thì mô hình được xem là có thể chấp nhận.
- Chỉ số độ phù hợp tốt GFI (Goodness of Fit Index): GFI là một chỉ số đo lường độ phù hợp tuyệt đối. Nó là một đo lường phi thống kê có giá trị trải dài từ 0 (độ phù hợp tồi) đến 1 (độ phù hợp hoàn hảo). Giá trị của GFI càng cao mô hình càng phù hợp, các nhà nghiên cứu (Browne và Cudek, 1992) đề nghị rằng GFI lớn hơn 0.9 thì mô hình được xem là có thể chấp nhận.
- Chỉ số RMSEA (Root Mean Square Error of Approximation): Chỉ số này dùng để khắc phục cho khuynh hướng bác bỏ mô hình của thống kê Chi – bình phương do kích cỡ mẫu lớn. RMSEA cũng là một chỉ số đo lường độ phù hợp tuyệt đối, giá trị của RMSEA càng nhỏ thể hiện độ phù hợp của mô hình càng cao, thông thường RMSEA rơi vào khoảng 0.05 đến 0.08 thì mô hình dường như có thể chấp nhận được.
TÓM TẮT CHƯƠNG 3: Chương này đã trình bày phương pháp nghiên cứu. Nghiên cứu được thực hiện theo hai giai đoạn, nghiên cứu sơ bộ được thực hiện bằng phương pháp định tính thông qua kỹ thuật phỏng vấn chuyên gia và thảo luận nhóm, nghiên cứu chính thức được thực hiện bằng phương pháp định lượng thông qua bảng câu hỏi phỏng vấn. Đồng thời xây dựng thang đo để đo lường các yếu tố trong mô
hình. Trong chương này tác giả cũng đã trình bày phương pháp lấy mẫu và thu thập dữ liệu. Dữ liệu thu thập được xử lý trên phần mềm SPSS phiên bản 16.0 và AMOS 7.0 với các phương pháp phân tích như: hệ số tin cậy Cronbach alpha, nhân tố khám phá EFA, nhân tố khẳng định CFA và phân tích SEM.
CHƯƠNG 4: PHÂN TÍCH DỮ LIỆU VÀ KẾT QUẢ
4.1 Kết quả thu thập dữ liệu
Để phù hợp với lý thuyết chọn cỡ mẫu, 500 bảng câu hỏi đã được gửi đến các NH được chọn để điều tra. Kết quả thu được 412 phiếu, khi kiểm tra sơ bộ có 79 bảng câu hỏi bị loại, trong đó có 21 bảng không trả lời, 58 bảng không đạt yêu cầu do bỏ trống nhiều các mục hỏi. Cuối cùng, có 333 bảng câu hỏi được chấp nhận để đưa vào phân tích.
4.1.1 Thống kê đặc điểm nhân khẩu học
Các đặc điểm về nhân khẩu học của đáp viên được trình bày trong bảng 4.1
Bảng 4.1: Thống kê đặc điểm nhân khẩu học
Đặc điểm Số lượng Tỉ lệ (%) Nam 180 54.1 Giới tính Nữ 153 45.9 18 - 30 tuổi 87 26.1 31 - 45 tuổi 159 47.7 46 - 55 tuổi 63 18.9 Độ tuổi Trên 55 tuổi 24 7.2 Phổ thông 89 26.7 Trung cấp, cao đẳng 116 34.8
Đại học, trên đại học 98 29.4
Trình độ học vấn
Khác 30 9
Cán bộ, viên chức 115 34.5
Sản xuất, kinh doanh 135 40.5
Nội trợ 47 14.1
Nghề nghiệp
Khác 36 10.8
Độc thân 136 40.8
Tình trạng hôn nhân Có gia đình 197 59.2
Dưới 2 triệu 43 12.9
2-5 triệu 164 49.2
6-10 triệu 86 25.8
Thu nhập hàng tháng
Trên 10 triệu 40 12
2-3 năm 167 50.2 4-5 năm 61 18.3 ngân hàng Trên 5 năm 25 7.5 1 ngân hàng 130 39 2-3 ngân hàng 157 47.1 4-5 ngân hàng 32 9.6 Số ngân hàng đã giao dịch Trên 5 ngân hàng 14 4.2
(Nguồn: điều tra của tác giả) Theo kết quả điều tra cho thấy cơ cấu giới tính của người tham gia trả lời sấp xỉ 1:1, cụ thể số lượng đáp viên nam là 180 người (54.1%) trên tổng số mẫu điều tra, số lượng đáp viên nữ là 153 người (45.9%).
Về độ tuổi, độ tuổi của những người tham gia trả lời phân bố khá hợp lý. Số lượng đáp viên có độ tuổi từ 18-30 là 87 người (26.1%) trên tổng mẫu khảo sát, độ tuổi 31-45 có 159 người (47.7%) tham gia trả lời, độ tuổi 46-55 có 63 người (18.9%), độ tuổi trên 55 có 24 người (7.2%). Trong đó, số người tham gia khảo sát có độ tuổi 31 đến 45 chiếm tỷ lệ phần lớn so với các nhóm tuổi còn lại.
Về trình độ học vấn, số lượng người khảo sát có trình độ phổ thông là 89 người (29.4%); trình độ trung cấp, cao đẳng là 116 người (34.8%); đại học, trên đại học là 98 người (29.4%); trình độ khác là 30 người (9%).
Về nghề nghiệp, có 115 người (34.5%) là cán bộ, viên chức tham gia khảo sát; 135 người (40.5%) tham gia lĩnh vực sản xuất, kinh doanh; 47 người (14.1%) là nội trợ; ngành nghề khác là 36 người (10.8%).
Về tình trạng hôn nhân, có 136 người độc thân chiếm tỷ lệ 40.8% tổng số người được khảo sát, 197 đã lập gia đình chiếm tỷ lệ 59.2%.
Về thu nhập, 43 người (12.9%) tham gia khảo sát có thu nhập dưới 2 triệu/tháng, 164 người (49.2%) có thu nhập từ 2-5 triệu/tháng, 86 người (12%) có thu nhập từ 6-10 triệu/tháng, 40 (12%) người có nhập trên 10 triệu/tháng. Thu nhập của đáp viên theo kết quả này khá cao so với thu nhập bình quân đầu người ở Hậu Giang. Song lại phù hợp khi đối tượng khảo sát là những người giao dịch với NH.
Về thời gian giao dịch, có 80 người (24%) tham gia giao dịch với NH được 1 năm, 167 người (50.2%) có thời gian giao dịch từ 2-3 năm, 61 người (18.3%) có thời gian giao dịch từ 4-5 năm, 25 người (7.5%) có thời gian giao dịch trên 5 năm.
Về số lượng NH đã giao dịch, có 130 người (39%) đang giao dịch với 1 NH, 157 người (47.1%) đã từng giao dịch với 2-3 NH, 32 người (9.6%) đã từng giao dịch với 4- 5 NH, 14 người (4.2%) đã từng giao dịch trên 5 NH.
4.1.2 Các thông số thống kê mô tả của các biến quan sát
Một trong những yêu cầu của phương pháp phân tích SEM là các biến quan sát phải có phân phối chuẩn. Điều này yêu cầu rằng các biến quan sát có các giá trị thống kê liên quan đến hai thông số Skewness và Kurtosis phải nằm trong khoảng [-1,1].
Bảng 4.2: Các thông số thống kê mô tả của các biến quan sát
Descriptive Statistics Mục
hỏi N Minimum Maximum Mean Skewness Kurtosis
DC1 333 1 5 3.84 -1.059 1.173 DC2 333 1 5 3.76 -.829 .301 DC3 333 1 5 3.88 -.770 .476 DC4 333 1 5 3.95 -.915 .834 TC1 333 1 5 3.88 -.554 .043 TC2 333 1 5 3.91 -.353 -.313 TC3 333 1 5 3.30 .022 -.450 TC4 333 1 5 4.14 -.618 .418 TC5 333 1 5 4.01 -.607 .338 TC6 333 1 5 3.58 -.201 -.348 STC1 333 1 5 3.91 -.530 .624 STC2 333 1 5 3.32 -.138 -.516 STC3 333 1 5 4.00 -.814 .959 STC4 333 1 5 4.04 -.656 .372 STC5 333 1 5 3.94 -.648 .728 STC6 333 1 5 3.97 -.798 .830 HH1 333 1 5 3.96 -.515 .534 HH2 333 1 5 4.11 -.808 .763 HH3 333 2 5 4.01 -.234 -.550 HH4 333 2 5 3.93 -.099 -.863 HH5 333 1 5 3.30 .063 -.605 TT1 333 1 5 3.51 -.222 -.337
TT2 333 1 5 3.67 -.275 -.112 TT3 333 1 5 3.54 -.381 .115 TT4 333 1 5 3.47 -.198 -.422 TT5 333 1 5 3.56 -.376 -.187 YTG1 333 1 5 3.85 -.263 -.379 YTG2 333 1 5 3.95 -.568 -.128 YTG3 333 2 5 3.94 -.361 -.797 YTG4 333 1 5 3.85 -.454 -.522 HA1 333 1 5 3.55 -.280 -.416