Kết Quả Efa Đối Với Các Nhân Tố Ảnh Hưởng Đến Sự Hài Lòng Của Khách Hàng



4


Giá cả

GC1


0,614

0,479

GC2

0,361

GC3

0,432


5


Hình ảnh ngân hàng

HANH1


0,817

0,581

HANH3

0,783

HANH4

0,435

HANH5

0,793

Có thể bạn quan tâm!

Xem toàn bộ 130 trang tài liệu này.

Các nhân tố ảnh hưởng đến sự hài lòng của khách hàng khu vực TPHCM đối với thẻ tín dụng của Ngân hàng TMCP Công Thương Việt Nam - 8

Kết quả kiểm định Cronbach’s Alpha lần 2 cho thấy tất cả các thang đo đều đạt yêu cầu.

2.3.3.3 Phân tích nhân tố khám phá EFA

Phân tích nhân tố EFA được sử dụng để thu nhỏ và tóm tắt các dữ liệu. 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.

Một số điều kiện để phân tích nhân tố EFA:

Hệ số KMO (Kaiser – Mayer – Olkin) là một chỉ tiêu dùng để xem xét sự thích hợp của EFA, phân tích nhân tố khám phá EFA thích hợp khi 0,5 ≤ KMO ≤ 1. Kiểm định Bartlett 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 (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005)

Theo Hair và cộng sự (1998), hệ số tải nhân tố (Factor loading) là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA. Hệ số tải nhân tố > 0,3 được xem là đạt mức tối thiểu, hệ số tải nhân tố > 0,4 được xem là quan trọng và hệ số tải nhân tố ≥ 0,5 được xem là có y nghĩa thực tiễn. Nếu chọn tiêu chuẩn hệ số nhân tố > 0,3 thì cỡ mẫu nghiên cứu tối thiểu là 350.

Thang đo được chấp nhận khi tổng phương sai trích ≥ 50%

Hệ số eigenvalue > 1 (Gerbing và Anderson, 1998)



Khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố ≥ 0,3 để tạo giá trị phân biệt giữa các nhân tố (Jabnoun và Al-Tamimi, 2003)

Phân tích nhân tố khám phá EFA đối với các nhân tố ảnh hưởng đến sự hàilòng của khách hàng

Bảng 2.7: Kết quả EFA đối với các nhân tố ảnh hưởng đến sự hài lòng của khách hàng

Biến quan sát

Nhân tố

1 (HANH)

2 (GDCX)

3 (CLTB)

4 (CLHV)

5 (GC)

HANH5

0,873





HANH3

0,844





HANH1

0,756





HANH4

0,525





GDCX3


0,806




GDCX2


0,750




GDCX4


0,601




GDCX5


0,585




GDCX1


0,574




CLTB3



0,740



CLTB1



0,734



CLTB4



0,702



CLTB2



0,659



CLHV3




0,786


CLHV4




0,771


CLHV2




0,635


GC2





0,780

GC1





0,740

GC3





0,632

Eigenvalue

5,031

2,166

1,627

1,182

1,048

Phương sai trích (%)

13,990

13,877

10,825

10,629

8,863

Cronbach

Anlpha

0,817

0,742

0,674

0,750

0,614

Theo Bảng 2.7 và Phụ lục 05 cho thấy tất cả 19 biến quan sát được phân tán thành 5 nhân tố với hệ số KMO = 0,807 nằm trong khoảng từ 0,5 đến 1 nên EFA phù


hợp với dữ liệu và thống kê Chi-quare của kiểm định Bartlett đạt giá trị 2.470,609 có ý nghĩa thống kê (sig. = 0,000) nên các biến quan sát có tương quan với nhau trong tổng thể. Ngoài ra, phương sai trích = 58,184 cho thấy 5 nhân tố rút ra giải thích 58,184% biến thiên của dữ liệu tại hệ số Eigenvalue = 1,048. Do đó, các thang đo rút ra là chấp nhận được.

Phân tích nhân tố khám phá EFA đối với thang đo sự hài lòng của khách hàng

Bảng 2.8: Kết quả EFA đối với thang đo sự hài lòng của khách hàng


Biến quan sát

Nhân tố (HL)

HL4

0,970

HL2

0,949

HL3

0,840

HL1

0,757

Eigenvalue

3,121

Phương sai trích (%)

78,015

Cronbach Anlpha

0,899

Theo bảng 2.8 , Phụ lục 05 cho thấy 4 biến quan sát thuộc sự hài lòng của khách hàng vẫn giữ nguyên ở 1 nhân tố với hệ số KMO = 0,745, thống kê Chi-quare của kiểm định Bartlett đạt giá trị 1.492,652 có ý nghĩa thống kê (sig. = 0,000). Phương sai trích là 78,015 tại hệ số Eigenvalue 3,121. Do đó, thang đo rút ra là chấp nhận được.

Bảng 2.9: Tóm tắt kết quả kiểm định thang đo


Nhân tố

Số biến quan sát

Cronbach’s Alpha

Phương sai trích (%)

Đánh giá

Chất lượng hành vi phục vụ

(CLHV)

03

0,750


58,184


Đạt yêu cầu

Chất lượng thiết bị (CLTB)

04

0,674

Giao dịch chính xác (GDCX)

05

0,742

Giá cả (GC)

03

0,614

Hình ảnh ngân hàng (HANH)

04

0,817

Sự hài lòng (HL)

04

0,899

78,015


2.3.3.4 Điều chỉnh mô hình nghiên cứu‌

Sau khi tiến hành phân tích dữ liệu thu thập được thông qua các bước phân tích độ tin cậy Cronbach’s Alpha và phân tích nhân tố khám phá EFA, mô hình nghiên cứu được điều chỉnh gồm 5 biến độc lập (chất lượng hành vi phục vụ, chất lượng thiết bị, giao dịch chính xác, giá cả và hình ảnh ngân hàng) để đo lường biến phụ thuộc là sự hài lòng của khách hàng. Theo đó, mô hình nghiên cứu tổng quát sẽ được hiệu chỉnh như sau:


Chất lượng hành vi

phục vụ

Chất lượng

thiết bị

H1

H2

Giao dịch

chính xác

H3

Sự hài lòng của khách

hàng

H4

H5

Giá cả

Hình ảnh ngân

hàng

Hình 2.6: Mô hình nghiên cứu điều chỉnh


Các giả thuyết của mô hình nghiên cứu điều chỉnh là:

H1: Chất lượng hành vi phục vụ càng cao thì thì sự hài lòng của khách hàng càng cao H2: Chất lượng thiết bị càng cao thì sự hài lòng của khách hàng càng cao

H3: Giao dịch chính xác càng cao thì sự hài lòng của khách hàng càng cao H4: Giá cả càng cạnh tranh thì thì sự hài lòng của khách hàng càng cao H5: Hình ảnh ngân hàng càng tốt thì sự hài lòng của khách hàng càng cao

2.3.4 Kiểm định giả thuyết và mô hình nghiên cứu‌‌

2.3.4.1 Phân tích tương quan và hồi quy

Mô hình nghiên cứu điều chỉnh sau khi thực hiện kiểm định Cronbach’s Alpha và EFA, các giả thuyết nghiên cứu cần được kiểm định bằng phương pháp phân tích tương quan và hồi quy. Tác giả sẽ thực hiện phương trình hồi quy nhằm xác định mối quan hệ giữa các biến độc lập (chất lượng hành vi phục vụ, chất lượng thiết bị, giao dịch chính xác, giá cả, hình ảnh ngân hàng) với biến phụ thuộc (sự hài lòng của khách hàng).

Một thước đo sự phù hợp của mô hình tuyến tính thường dùng là hệ số xác định R2 (R-quare). Hệ số xác định R2 đã được chứng minh là hàm không giảm theo số biến độc lập được đưa vào mô hình, tuy nhiên không phải phương trình càng có nhiều biến sẽ càng phù hợp hơn với dữ liệu, R2 có khuynh hướng là một yếu tố lạc quan của thước đo sự phù hợp của mô hình trong trường hợp có 1 biến giải thích trong mô hình. Do đó, trong mô hình hồi quy tuyến tính bội thường sử dụng hệ số R2 điều chỉnh để đánh giá độ phù hợp của mô hình.

Bên cạnh đó cũng cần kiểm tra hiện tượng tự tương quan bằng hệ số Durbin – Watson (mô hình không tự tương quan khi 1 < Durbin – Watson < 3). Đồng thời Khi giải thích về phương trình hồi quy, hiện tượng đa cộng tuyến cần được lưu ý các biến mà có sự cộng tuyến cao có thể làm bóp méo kết quả và làm cho kết quả không ổn định và không có tính tổng quát hóa. Nhiều vấn đề rắc rối nảy sinh nếu hiện tượng đa cộng tuyến nghiêm trọng tồn tại như là có thể làm tăng sai số trong tính toán hệ số beta, tạo


ra hệ số hồi quy có dấu ngược với những gì ta mong đợi, và kết quả T-Test không có ý nghĩa thống kê đáng kể trong khi kết quả F-Test tổng quát cho mô hình lại có ý nghĩa thống kê. Để kiểm tra hiện tượng đa cộng tuyến người ta thường sử dụng hệ số phóng đại phương sai VIF. Hệ số VIF là giá trị nghịch đảo của giá trị dung sai, như vậy nếu hệ số VIF càng nhỏ thì khả năng đa cộng tuyến sẽ giảm, trong thực tế nếu VIF > 2 thì chúng ta cần cẩn thận trong diễn giải các hệ số hồi quy (Nguyễn Đình Thọ, 2011, trang 497). Ngoài ra, hệ số Beta chuẩn hóa được dùng để đánh giá mức độ quan trọng của từng nhân tố, hệ số Beta chuẩn hóa của biến nào càng cao thì mức độ tác động của biến đó vào sự hài lòng khách hàng càng lớn (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).

Sau khi thực hiện chạy hồi quy tuyến tính cho mô hình nghiên cứu trên phần mềm SPSS , kết quả cho thấy hệ số xác định R2 (R-quare) là 0,348 và R2 điều chỉnh (Adjusted R-quare) là 0,339 cho thấy các biến độc lập đã giải thích được 33,9% phương sai của biến phụ thuộc (sự hài lòng của khách hàng). Trị số thống kê F = 39,582 được tính từ giá trị R-quare của mô hình đầy đủ tại mức ý nghĩa Sig. = 0,000 nên bác bỏ giả thuyết Ho nghĩa là các biến có mối quan hệ. Hệ số Durbin – Watson = 2,016 ( 1 < 2,016 < 3) nên mô hình nghiên cứu không có tự tương quan. Hệ số phóng đại phương sai của các biến độc lập đều nhỏ hơn 2 cho thấy không có hiện tượng đa cộng tuyến (xem thêm Phụ lục 06).

Kết quả phân tích hồi quy thể hiện trong bảng sau:


Bảng 2.10: Hệ số tương quan của các nhân tố


Hệ số tương quan


SHL

F1_ CLHV

F2_ CLTB

F3_ GDCX

F4_GC

F5_ HANH

SHL

1,000

0,426

0,257

0,438

0,358

0,338

F1_CLHV

0,426

1,000

0,108

0,466

0,261

0,537

Pearson F2_CLTB

0,257

0,108

1,000

-0,006

-0,050

0,088

Correlation F3_GDCX

0,438

0,466

-0,006

1,000

0,384

0,452

F4_GC

0,358

0,261

-0,050

0,384

1,000

0,217

F5_HANH

0,338

0,537

0,088

0,452

0,217

1,000

SHL

.

0,000

0,000

0,000

0,000

0,000

F1_CLHV

0,000

.

0,018

0,000

0,000

0,000

Sig. (1- F2_CLTB

0,000

0,018

.

0,454

0,164

0,044

tailed) F3_GDCX

0,000

0,000

0,454

.

0,000

0,000

F4_GC

0,000

0,000

0,164

0,000

.

0,000

F5_HANH

0,000

0,000

0,044

0,000

0,000

.


Bảng 2.11: Các thông số từng biến trong phương trình hồi quy


Hệ số (Coefficientsa)


Biến

Hệ số chưa chuẩn hóa

Hệ số

chuẩn hóa


t


Sig.

Hệ số tương quan


VIF


Zero- order


Partial


Part

B

Std.

Error

Beta

(Hằng số)

0,064

0,258


0,249

0,804





F1_CLHV

0,174

0,045

0,205

3,900

0,000

0,426

0,198

0,164

1,568

F2_CLTB

0,223

0,039

0,242

5,716

0,000

0,257

0,285

0,240

1,024

F3_GDCX

0,263

0,057

0,238

4,612

0,000

0,438

0,233

0,193

1,513

F4_GC

0,236

0,051

0,213

4,664

0,000

0,358

0,235

0,196

1,191

F5_HANH

0,055

0,054

0,053

1,024

0,306

0,338

0,053

0,043

1,521

a.Biến phụ thuộc: SHL


Xem xét trọng số hồi quy Beta chúng ta thấy 4 nhân tố (chất lượng hành vi phục vụ, chất lượng thiết bị, giao dịch chính xác và giá cả) có tác động dương (hệ số Beta dương) đến sự hài lòng khách hàng (SHL) với mức ý nghĩa Sig. = 0,000 rất nhỏ. Các hệ số này cho thấy tầm quan trọng tương đối của các biến độc lập khi chúng cùng một lúc được đưa vào mô hình giải thích cho sự hài lòng của khách hàng. Hằng số cũng không có ý nghĩa thống kê. Hệ số tương quan từng phần PCor (Partial Correlation) dao động từ 0,053 đến 0,285 góp phần làm hiểu rõ hơn tầm quan trọng của từng biến khi chúng được sử dụng chung với các biến khác trong mô hình.

Điều đáng chú ý là đối với nhân tố hình ảnh ngân hàng (F5_HANH) mặc dù cũng có tác động dương đến sự hài lòng của khách hàng nhưng không có ý nghĩa thống kê (mức ý nghĩa 0,306 > 0,05). Tuy nhiên, nếu nhìn vào bảng hệ số tương quan chúng ta thấy hệ số tương quan Pearson của F5_HANH với SHL là 0,338 cho thấy F5_HANH và SHL quan hệ cùng chiều với nhau. Nhìn vào hệ số tương quan từng phần PCor (Partial Correlation) = 0,053 và hệ số tương quan bán phần (Part Correlation) = 0,043 giữa biến F5_HANH và SHL ta thấy hai hệ số này dương và có sự chênh lệch khá thấp. Ngoài ra, nhìn vào bảng 2.10 chúng ta thấy hệ số tương quan giữa biến F5_HANH và các biến F1_CLHV, F2_CLTB, F3_GDCX, F4_GC đều có mức ý nghĩa nhỏ hơn 0,05 cho thấy các biến còn lại đã giải thích một phần mà F5_HANH giải thích cho SHL. Nhìn lại hệ số VIF của F5_HANH là 1,521 < 2 nên không xảy ra đa cộng tuyến.

Đồ thị phần dư theo dạng phân phối chuẩn có giá trị trung bình gần bằng 0 (Mean = -1,36E-15) cho thấy có thể bác bỏ giả thuyết Ho. Theo đó, nghiên cứu chấp nhận giả thuyết H1, H2, H3, H4. Theo kết quả hồi quy bội, chỉ trừ nhân tố F5_HANH, bốn nhân tố còn lại đều có ảnh hưởng đáng kể đến sự hài lòng của khách hàng. Như vậy, hệ số beta chuẩn hóa cho thấy mức độ quan trọng của các yếu tố chất lượng dịch vụ ảnh hưởng đến sự hài lòng của khách hàng theo thứ tự sau: F2_CLTB, F3_GDCX, F4_GC, F1_CLHV.

..... Xem trang tiếp theo?
⇦ Trang trước - Trang tiếp theo ⇨

Ngày đăng: 23/11/2022