Áp dụng phương pháp phân tích nhân tố khám phá EFA và hệ số tin cậy Cronbach Alpha.
4.2.1. Kết quả phân tích Cronbach Alpha
Phân tích hệ số Cronbach Alpha được sử dụng để đánh giá độ tin cậy của
thang đo trong nghiên cứu. Tác giả tiến hành kiểm định từng thành phần trước khi phân tích nhân tố. Biến có hệ số tương quan biến - tổng < 0,4 sẽ bị loại. Tiêu chuẩn chọn thang đo phải có độ tin cậy Cronbach Alpha từ 0,6 trở lên (Nunnally & Burnstein, 1994). Kết quả phân tích hệ số Cronbach Alpha của 5 yếu tố tác động
Bảng 4.2: Cronbach Alpha của các khái niệm nghiên cứu
Biến quan sát
Trung bình thang đo nếu loại biến
Phương sai thang đo nếu loại biến
Tương quan biến - tổng
Alpha nếu loại biến Niềm tin (Trust): Cronbach Alpha = 0,691
TR1 7.04 1.833 .533 .564
TR2 7.12 1.617 .557 .530
TR4 7.53 2.024 .434 .684
Cam kết (Bonding): Cronbach Alpha = 0,643
BO1 11.98 3.009 .421 .585
BO2 12.47 2.514 .444 .560
BO3 12.66 2.490 .440 .563
BO4 12.22 2.585 .405 .589
Truyền thông (Communication): Cronbach Alpha = 0,763
CO1 16.58 5.028 .518 .725
CO2 16.70 5.070 .543 .716
CO3 16.85 5.100 .485 .737
CO4 16.57 5.077 .540 .718
CO5 16.54 5.005 .575 .705
Giá trị chia sẻ (Shared value): Cronbach Alpha = 0,726
SV1 11.69 2.102 .543 .648
SV2 12.07 2.283 .470 .691
SV3 11.53 2.232 .552 .645
SV4 11.85 2.182 .498 .675
Sự cảm thông (Empathy): Cronbach Alpha = 0,746
EM1 11.32 2.841 .532 .692 (adsbygoogle = window.adsbygoogle || []).push({});
EM2 11.38 2.679 .565 .673
EM3 11.54 2.655 .550 .682
EM4 11.73 2.838 .513 .702
Sự hợp tác (Reciprocity): Cronbach Alpha = 0,535
RE1 8.17 1.254 .382 .376
RE2 8.05 1.511 .330 .459
RE3 7.68 1.626 .336 .454
Lòng trung thành (Loyalty): Cronbach Alpha = 0,777
LO1 10.18 2.213 .459 .784
LO2 10.37 2.140 .558 .735
LO3 10.30 1.862 .705 .656
LO4 10.35 1.945 .612 .707
4.2.1.1. Cronbach Alpha của các thành phần Thành phần Niềm tin (Trust): Thành phần Niềm tin (Trust):
Kết quả thành phần Niềm tin có Cronbach Alpha là 0,664, ngoại trừ TR3 = 0,281 nên bị loại, các hệ số tương quan biến - tổng của các biến thành phần lớn hơn 0,4.
Chạy lại Cronbach Alpha là 0,691 và các hệ số tương quan biến - tổng của các biến thành phần đều lớn hơn 0,4, biến nhỏ nhất là 0,434 (TR4). Vì vậy, 3 biến đo lường thành phần này được sử dụng trong phân tích EFA tiếp theo (Phụ lục 4).
Thành phần Cam kết (Bonding):
Thành phần Cam kết có Cronbach Alpha là 0,643. Các hệ số tương quan
biến - tổng của các biến đo lường thành phần đều lớn hơn 0,4, biến nhỏ nhất là 0,405 (BO4). Vì vậy, sẽ sử dụng cả 4 biến của thành phần này trong phân tích EFA tiếp theo (Phụ lục 4).
Thành phần Truyền thông (Communication):
Thành phần Truyền thông có hệ số Cronbach Alpha là 0,763. Các hệ số tương quan biến - tổng của các biến đo lường thành phần đều lớn hơn 0,4, trong đó
nhỏ nhất là 0,485 (CO3). Vì vậy, 5 biến thành phần này đều được sử dụng trong phân tích EFA tiếp theo (Phụ lục 4).
Thành phần Giá trị chia sẻ (Shared value):
Thành phần Giá trị chia sẻ có hệ số Cronbach Alpha 0,726 khá cao. Các hệ
số tương quan biến - tổng các biến đo lường thành phần đều lớn hơn 0,4, trong đó
nhỏ nhất là 0,498 (SV4), 4 biến của thành phần này được sử dụng trong phân tích EFA tiếp theo (Phụ lục 4).
Thành phần Sự cảm thông (Empathy):
Thành phần Sự cảm thông có Cronbach Alpha là 0,777. Các hệ số tương
quan biến tổng của các biến đo lường thành phần đều lớn hơn 0,4, trong đó nhỏ
nhất là 0,513 (EM4). Do vậy 4 biến thành phần này đều thỏa điều kiện để sử dụng trong phân tích EFA (Phụ lục 4).
Thành phần Sự hợp tác (Reciprocity): (adsbygoogle = window.adsbygoogle || []).push({});
Thành phần Sự hợp tác có Cronbach Alpha là 0,535 < 0,6. Các hệ số tương
quan biến tổng của các biến đo lường thành phần đều nhỏ hơn 0,4. Do vậy 3 biến thành phần này không thỏa điều kiện để sử dụng trong phân tích EFA (Phụ lục 4). Thành phần này bị loại không đưa vào phân tích EFA.
4.2.1.2. Cronbach Alpha của thành phần lòng trung thành
Thành phần lòng trung thành có Cronbach Alpha là 0,739. Các hệ số tương
quan biến tổng của các biến đo lường thành phần đều lớn hơn 0,4, trong đó nhỏ
nhất là 0,459 (LO1). Do vậy 4 biến thành phần này đều thỏa điều kiện để sử dụng trong phân tích EFA (Phụ lục 4).
4.2.2. Kết quả phân tích nhân tố khám phá EFA
Phân tích nhân tố khám phá là kỹ thuật được sử dụng nhằm thu nhỏ và tóm tắt các dữ liệu. Phương pháp này rất hữu ích trong việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu và được sử dụng để tìm mối quan hệ giữa các biến với nhau. Khi phân tích nhân tố khám phá EFA, các nhà nghiên cứu thường quan tâm đến một số tiêu chuẩn sau:
- Một là, Hệ số KMO (Kaiser- Meyer-Olkin), đây là một chỉ tiêu dùng
để xem xét sự thích hợp của EFA, nếu 0,5 ≤ KMO ≤ 1 thì phân tích nhân tố là thích hợp. Kiểm định Bartlett để xem xét giả thuyết về độ tương quan giữa các biến quan sát bằng 0 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 (Theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005, 262).
- Hai là, hệ số tải nhân tố (Factor Loading), theo Hair & ctg (1998), hệ
số tải nhân tố là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA. Hệ số tải nhân tố bằng 0,3 được xem đạt mức tối thiểu; nếu đạt từ 0,4 trở lên, hệ số tải nhân tố được xem là quan trọng và đạt từ 0,5 được xem là có ý nghĩa thực tiễn. Ngoài ra, Hair & ctg (1998) cũng đề nghị: Nếu chọn tiêu chuẩn hệ số tải nhân tố ≥ 0,3 thì cỡ mẫu của nghiên cứu ít nhất là 350, nếu cỡ mẫu khoảng 100 thì nên chọn hệ số tải nhân tố≥ 0,55, nếu cỡ mẫu khoảng 50 thì hệ số tải nhân tố phải ≥ 0,75. Do đó, trong nghiên cứu này (với hơn 200 mẫu khảo sát), tác giả đề nghị
áp dụng nếu biến quan sát nào có hệ số tải nhân tố ≤ 0,50 sẽ bị loại.
- Ba là, thang đo được chấp nhận khi tổng phương sai trích ≥ 50% (Gerbing
& Anderson, 1988).
- Bốn là, điểm dừng khi trích các yếu tố phải có hệ số Eigenvalue phải có giá trị≥ 1 (Gerbing & Anderson 1988).
- Năm là, khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố ≥0,30 để đảm bảo giá trị phân biệt giữa các nhân tố (Jabnoun & Al-Tamimi, 2003).
4.2.2.1. Phân tích các nhân tố marketing quan hệ
Qua 3 lần rút trích nhân tố lần lượt loại 3 biến TR3, SV2 và SD5 vì có hệ số tải nhân tố không đạt yêu cầu (phụ lục 7), kết quả thể hiện trong Bảng 4.3
cho thấy sau khi loại bỏ biến không tin cậy, thang đo còn lại 20 biến được trích thành 5 nhóm với tổng phương sai trích đạt: 57,322% (đạt yêu cầu >50%),
nghĩa là 5 nhân tố rút ra giải thích được 57,322% biến thiên của dữ liệu; điểm dừng khi trích các yếu tố hệ số Eigenvalue có giá trị >1.
Bảng 4.3: Bảng kết quả phân tích nhân tố marketing quan hệ
Biến quan sát Thành phần 1 2 3 4 5 CO1 .725 CO2 .706 CO5 .700 .261 CO4 .661 .315 CO3 .549 .235 .313 EM2 .216 .765 EM4 .722 .247 EM3 .640 .470 EM1 .299 .598 .242 BO1 .714 BO2 .643 .232 BO3 .341 .621 BO4 .303 .613 SV1 .787 SV3 .254 .731 SV4 .202 .293 .575 TR2 .220 .847 TR1 .261 .760 TR4 .368 .580 Eigenvalue 6.425 1.715 1.596 1.436 1.199 Phương sai trích 27.933 7.458 6.939 6.242 5.211 Cronbach Alpha 0.763 0.752 0.746 0.691 0.626
Hệ số tải nhân tố đều lớn hơn 0,5 nên các biến quan sát đều quan trọng, các khái niệm nghiên cứu đạt giá trị hội tụ. Hệ số KMO là 0,846 (đạt yêu cầu >0,5) thể
hiện sự thích hợp của phân tích nhân tố, kiểm định Bartlett đạt ý nghĩa thống kê (sig<0,05).
Sau đó chạy lại Cronbach Alpha cho thấy 5 nhân tố này đều đạt yêu cầu. Như
4.2.2.2. Phân tích nhân tố lòng trung thành
Qua phân tích nhân tốđối với 4 biến quan sát cho thang đo lòng trung thành theo Bảng 4.4, trích được một nhân tố tại Eigenvalue là 2,812 và phương sai trích là 60,321% (đạt yêu cầu > 50%). Hệ số KMO là 0,749 ( > 0,5) và kiểm định Bartlett đạt ý nghĩa thống kê sig = 0,000 (sig < 0,05). Các hệ số tải nhân tố đều lớn hơn 0,5. Do đó, 4 biến đo lường thành phần này đều được sử dụng trong phân tích tiếp theo.
Bảng 4.4: Kết quả EFA của thang đo lòng trung thành Biến khảo sát Nhân tố
LO3 .866 LO4 .804 LO2 .761 LO1 .662 Eigenvalue 2,413 Phương sai trích 60,321 Cronbach Alpha 0,777 (adsbygoogle = window.adsbygoogle || []).push({});
4.3. Điều chỉnh mô hình nghiên cứu và các giả thuyết
Dựa trên kết quả hệ số tin cậy Cronbach Alpha và phân tích nhân tố khám phá EFA, các thang đo trong nghiên cứu bao gồm 20 biến quan sát độc lập được trích thành 5 nhân tố của các yếu tố marketing quan hệ và 4 biến quan sát phụ thuộc được trích thành 1 nhân tố của thành phần lòng trung thành như ở Bảng 4.5.
Như vậy, sau khi chạy EFA có tất cả 5 thành phần nên các giả thuyết nghiên cứu ban đầu được điều chỉnh như sau:
Giả thuyết H1: Truyền thông sẽ tác động cùng chiều đến lòng trung thành của khách hàng đối với ngân hàng.
Giả thuyết H2: Sự cảm thông sẽ tác động cùng chiều đến lòng trung thành của khách hàng đối với ngân hàng.
Giả thuyết H3: Sự cam kết sẽ tác động cùng chiều đến lòng trung thành
của khách hàng đối với ngân hàng.
Giả thuyết H4: Giá trị chia sẻ sẽ tác động cùng chiều đến lòng trung thành của khách hàng đối với ngân hàng.
Giả thuyết H5: Niềm tin sẽ tác động cùng chiều đến lòng trung thành của
Bảng 4.5: Thang đo các yếu tố marketing quan hệ tác động đến Lòng trung thành của khách hàng đã điều chỉnh
Truyền thông (Communication)
CO1 Ngân hàng thông báo thường xuyên các thông tin về sản phẩm dịch vụ cung cấp và chính sách khách hàng đến Anh/Chị
CO2
Anh/Chị được tạo cơ hội tham gia ý kiến, phản ánh hoặc góp ý với hoạt động của Ngân hàng thông qua nhiều hình thức trao đổi khác nhau
CO3 Anh/Chị sẵn sàng cung cấp thông tin về hoạt động của mình cho Ngân hàng khi được yêu cầu
CO4 Anh/Chị và Ngân hàng luôn trao đổi thông tin một cách chân thật nhất
CO5 Anh/Chị rất quan tâm về thông tin hoạt động của Ngân hàng
Sự cảm thông (Empathy)
EM1 Ngân hàng luôn lắng nghe, thấu hiểu và giải đáp nhanh chóng, linh hoạt những yêu cầu, đề nghị từ phía Anh/Chị
EM2 Anh/Chị hiểu được sự hỗ trợ và phục vụ của Ngân hàng là cần thiết cho hoạt động kinh doanh của Anh/Chị
EM3 Anh/Chị cho rằng những nguyên tắc mà Ngân hàng áp dụng, giải quyết đối với Anh/Chị là phù hợp thông lệ, quy định
EM4 Ngân hàng sẵn sàng chia sẻ, tư vấn và hỗ trợ khi Anh/Chị có nhu cầu
Sự cam kết(Bonding)
BO1 Anh/Chị và Ngân hàng luôn mong muốn thiết lập mối quan hệ ổn định lâu dài
BO2 Anh/Chị và Ngân hàng hiểu rõ hoạt động kinh doanh của mỗi bên có sự liên hệ và tác động trực tiếp với nhau
BO3 Ngân hàng luôn sẵn sàng hỗ trợ Anh/Chị khi cần trao đổi thực hiện các yêu cầu kinh doanh và sử dụng sản phẩm dịch vụ của ngân hàng
BO4 Anh/Chị và Ngân hàng duy trì mối quan hệ (trao đổi, giao lưu gặp gỡ) thường xuyên
Giá trị chia sẻ (Shared value)
SV1 Ngân hàng luôn hỗ trợ cho các hoạt động kinh doanh của Anh/Chị
SV3 Quan hệ với Ngân hàng đã giúp Anh/Chị có điều kiện mở rộng hoạt động kinh doanh (adsbygoogle = window.adsbygoogle || []).push({});
SV4 Quan hệ của Anh/Chị với Ngân hàng không chỉ giới hạn trong kinh doanh mà còn chia sẻ nhiều vấn đề khác mà hai bên cùng quan tâm
Niềm tin (Trust)
TR1 Anh/Chị tin tưởng Ngân hàng là một tổ chức hoạt động có uy tín
TR2 Anh/Chị đánh giá Ngân hàng mình chọn luôn cung cấp các sản phẩm dịch vụ của Ngân hàng có chất lượng tốt
TR4 Anh/Chị tin Ngân hàng X sẽ luôn tìm cách duy trì và phát triển quan hệ kinh doanh có hiệu quả với Anh/Chị
Lòng trung thành (Loyalty)
LO1 Khi có nhu cầu giao dịch, Anh/Chị sẽ chọn ngân hàng X là đầu tiên
LO2 Anh/Chị sẽ chỉ giao dịch tại ngân hàng X
LO3 Anh/Chị sẽ giới thiệu tốt về ngân hàng X cho người quen biết của mình
LO4 Anh/Chị tiếp tục giữ quan hệ giao dịch với Ngân hàng X trong tương lai dù đang tồn tại quan hệ với những ngân hàng khác
Mô hình nghiên cứu được thiết kế lại như sau:
Hình 4.1: Mô hình điều chỉnh các yếu tố marketing quan hệ ảnh hưởng đến Lòng trung thành của khách hàng
4.4. Phân tích hồi quy
Hồi quy tuyến tính bội thường được dùng để kiểm định và giải thích lý thuyết nhân quả. Mô hình này có một khái niệm phụ thuộc là lòng trung thành và 5 khái niệm
độc lập là các yếu tố tác động đến lòng trung thành bao gồm: Niềm tin (TR), Cam kết (BO), Truyền thông (CO), Giá trị chia sẻ (SV), Sự cảm thông (EM). Trước khi tiến hành phân tích hồi quy bội, cần phân tích tương quan để kiểm định mối liên hệ giữa các thành phần.
4.4.1. Phân tích tương quan
Tiếp theo, nghiên cứu sử dụng hệ số tương quan tuyến tính r (Pearson
Corelation Coefficient) để kiểm định sự tương quan giữa 5 yếu tố marketing quan hệ tác động đến lòng trung thành.
Đối với mối quan hệ tương quan giữa các biến CO, EM, BO, SV, TR và biến LO, dễ dàng nhận thấy hệ số tương quan tuyến tính của các biến khá tốt, nằm trong khoảng từ 0,235 đến 0,440. Tương quan này có thể xem là chặt chẽ. Kiểm định bằng hệ số tương quan Pearson với tất các các giá trị sig. đều nhỏ hơn 0,05, cho
thấy, các tương quan chặt chẽ này phản ánh một hiệp biến thiên thật sự trong tổng
H1+ H2+ H3+ H4+ H5+ Truyền thông Sự cảm thông Cam kết Giá trị chia sẻ Niềm tin Lòng trung thành của khách hàng
thể, chứ không phải là sự tình cờ ngẫu nhiên trong mẫu, do vậy chúng đều có ý nghĩa về mặt thống kê. Nhìn sơ bộ, có thể kết luận các biến độc lập cấu thành nên
thang đo marketing quan hệ (CO, EM, BO, SV, TR) có thể đưa vào mô hình để giải thích cho biến phụ thuộc lòng trung thành (LO).
Bảng 4.6: Phân tích hệ số tương quan Pearson
CO EM BO SV TR LO
Tương quan Pearson 1 .440** .354** .429** .353** .235**
Sig. (2-tailed) .000 .000 .000 .000 .001
CO
N 213 213 213 213 213
Tương quan Pearson 1 .326** .471** .340** .443** (adsbygoogle = window.adsbygoogle || []).push({});
Sig. (2-tailed) .000 .000 .000 .000
EM
N 213 213 213 213
Tương quan Pearson 1 .413** .344** .332**
Sig. (2-tailed) .000 .000 .000
BO
N 213 213 213
Tương quan Pearson 1 .313** .297**
Sig. (2-tailed) .000 .000
SV
N 213 213
Tương quan Pearson 1 .357**
Sig. (2-tailed) .000
TR
N 213
Tương quan Pearson 1
Sig. (2-đuôi)
LO
N
**. Tương quan chặt chẽ tại mức 0.01 (2 đuôi).
4.4.2. Mô hình hồi quy tuyến tính bội
Giả sử các yếu tố marketing quan hệ theo mô hình 4.1 đều có quan hệ tuyến tính với lòng trung thành. Phân tích hồi quy tuyến tính sẽ giúp biết được cường độ ảnh hưởng của các biến độc lập: Niềm tin (TR), Cam kết (BO), Truyền thông (CO), Giá trị chia sẻ (SV), Sự cảm thông (EM) lên biến phụ thuộc (lòng trung thành). Do vậy, mô hình hồi quy tuyến tính bội được phát triển như sau:
Lòng trung thành = β0 + β1 * Truyền thông + β2 * Sự cảm thông + β3 * Mối ràng buộc + β4 * Giá trị chia sẻ + β5 * Niềm tin + ei
Hay: LO = β0 + β1*CO + β2*EM + β3*BO + β4*SV + β5*TR + ei
Lệnh hồi quy tuyến tính trong chương trình SPSS 16.0 được sử dụng để chạy phân tích phần mềm hồi quy bằng phương pháp Enter. Hệ số xác định (R2) đo lường tỷ
lệ tổng biến thiên của biến phụ thuộc, được giải thích bởi các biến độc lập trong mô hình. Giá trị R2 càng cao thì khả năng giải thích của mô hình hồi quy tuyến tính bội