Kết Quả Phân Tích Nhân Tố Sự Hài Lòng Chung Của Khách Hàng

Đánh giá chất lượng dịch vụ thẻ atm của ngân hàng tmcp quốc tế Việt Nam – chi nhánh Thừa Thiên Huế - 6


Bảng 2.12: Kết quả phân tích nhân tố sự hài lòng chung của khách hàng


Biến Quan Sát

Component

Trong thời gian tới, anh/chị vẫn sẽ tiếp tục sử dụng thẻ ATM của ngân hàng


0,871

Anh/chị sẽ giới thiệu dịch vụ thẻ ATM của ngân hàng cho những người khác


0,836

Anh/chị hoàn toàn hài lòng với chất lượng dịch vụ thẻ ATM của ngân hàng


0,684

Eigenvalues = 1,924

Phương sai trích: 64,136%

Có thể bạn quan tâm!

Xem toàn bộ 87 trang: Đánh giá chất lượng dịch vụ thẻ atm của ngân hàng tmcp quốc tế Việt Nam – chi nhánh Thừa Thiên Huế

(Nguồn: Kết quả xử lí SPSS)


Ngoài ra, kết quả kiểm định Kaiser – Meyer – Olkin cho ta hệ số KMO = 0,618 và kết quả kiểm định Bartlett’s – test cũng cho thấy, giá trị kiểm định bằng 109,261 với mức ý nghĩa dưới 5% đã bác bỏ giả thuyết các biến không tương quan với nhau nên việc phân tích nhân tố là phù hợp.

2.2.3. Kiểm tra độ tin cậy thang đo


Bảng 2.13: Hệ số Cronbach Alpha của các nhóm biến cảm nhận của khách hàng về chất lượng dịch vụ thẻ ATM của VIB Huế



Khái niệm


Số biến quan sát


Độ tin cậy Cronbach’s alpha

Hệ số tương quan biến tổng thấp nhất


Giá trị thang đo

Máy và thẻ

7

0,849

0,446

Đạt yêu cầu

Mức độ đáp ứng

4

0,684

0,382

Đạt yêu cầu

Đồng cảm


3


0,665


0,400

Đạt yêu cầu

Sự tin cậy

3

0,653

0,304

Đạt yêu cầu

Năng lực phục vụ

3

0,695

0,353

Đạt yêu cầu

(Nguồn: Kết quả xử lí SPSS)


Các thang đo đều đạt yêu cầu với hệ số tin cậy Cronbach’s alpha cao: thấp nhất là 0,653 và cao nhất là 0,849, tất cả các biến quan sát đều có tương quan biến tổng thấp nhất đều lớn hơn 0,3. Nhìn chung, các thang đo đều đang tin cậy và được sử dụng để đo lường cho nghiên cứu.


Bảng 2.14: Hệ số Cronbach Alpha của nhóm biến Hài lòng chung



BIẾN

Trung bình thang đo nếu loại biến

Phương sai thang đo nếu loại biến


Tương quan tổng biến

Hệ số Cronbach's Alpha nếu loại biến

Xu hướng hành vi = 0.718

Anh/chị hoàn toàn hài lòng với chất lượng dịch vụ thẻ ATM của ngân hàng


7,6562


1,372


0,408


0,770

Trong thời gian tới, anh/chị vẫn sẽ tiếp tục sử dụng thẻ ATM của ngân hàng


7,6812


1,024


0,647


0,489

Anh/chị sẽ giới thiệu dịch vụ thẻ ATM của ngân hàng cho những người khác


7,8125


0,983


0,579


0,579

(Nguồn: Kết quả xử lí SPSS)


Sau khi tiến hành phân tích nhân tố khám phá đối với các chỉ tiêu nghiên cứu đưa ra ban đầu, kết quả thu được 5 nhân tố đại diện cho 5 nhóm biến trong mô hình nghiên cứu. Tiếp theo, để đánh giá độ tin cậy của 5 nhóm biến này, nghiên cứu tiến hành phân tích Cronbach Alpha cho từng nhóm. Trong mỗi nhóm, các biến tương quan có biến tổng <0,3 được xem là biến rác và bị loại. Thang đo được chấp nhận khi hệ số Cronbach Alpha

≥0,6.[12]


Hệ số Cronbach's Alpha của tất cả các nhân tố sau khi rút trích từ các biến quan sát bằng phương pháp phân tích nhân tố EFA đều lớn hơn 0,6. Cá biệt, nhân tố “Máy và thẻ” (Cronbach's Alpha =0,849 có hệ số Cronbach's Alpha rất cao, điều này là dễ hiểu bởi đây


đều là những nhân tố có số lượng biến khá lớn (7 biến). Ngoài ra, tất cả các hệ số Cronbach's Alpha của nhóm biến “Hài lòng chung” có giá trị Cronbach's Alpha là 0,718 > 0,6 và trong mỗi nhóm biến thì hệ số tương quan tổng của các biến quan sát đều lớn hơn 0,3. Điều này khẳng định thang đo các nhân tố rút trích từ các biến quan sát là phù hợp và đáng tin cậy.

Vậy ta có thể sử dụng 5 nhóm biến này trong các bước phân tích tiếp theo.


2.2.4. Phân tích hồi quy các nhân tố ảnh hưởng đến chất lượng dịch vụ thẻ ATM tại VIB Huế

Sau khi tiến hành phân tích nhân tố khám phá, nhóm các biến theo từng yếu tố, nghiên cứu tiếp tục tiến hành phân tích hồi quy. Mô hình hồi quy mà nghiên cứu áp dụng là mô hình hồi quy đa biến (mô hình hồi quy bội). Nghiên cứu muốn đo lường xem mức độ tác động của các nhân tố cảm nhận chất lượng dịch vụ của khách hàng đến xu hướng hành vi của khách hàng, thông qua hồi quy dựa trên việc đo lường sự ảnh hưởng của các nhân tố được rút trích.

Một biến phụ thuộc thông thường chịu ảnh hưởng của nhiều biến độc lập khác nhau, nhưng không phải khi nào phương trình càng nhiều biến thì càng phù hợp với dữ liệu. Mô hình càng nhiều biến độc lập thì càng khó giải thích và đánh giá ảnh hưởng của mỗi biến độc lập đến biến phụ thuộc. Việc sử dụng phương pháp lựa chọn stepwise trong thiết lập mô hình sẽ giúp nhận ra các biến độc lập có khả năng dự đoán tốt cho biến phụ thuộc. Phương pháp Stepwise là sự kết hợp giữa phương pháp đưa vào dần (forward selection) và phương pháp loại trừ dần (backward emilination). Tại mỗi bước, song song với việc xem xét để đưa dần vào phương trình hồi quy những biến có ý nghĩa nhất với phương trình hồi quy, thủ tục cũng xét để đưa ra khỏi phương trình đó biến độc lập khác theo một quy tắc xác định. Do đó phương pháp này bảo đảm được mức độ tin cậy cao hơn.


Kết quả ở thủ tục chọn biến (Phụ lục – Kết quả xử lí SPSS) cho thấy cho thấy có 4 trong số 5 biến độc lập đưa vào đều đủ tiêu chuẩn xác suất F–vào 0,05 và xác suất F–ra 0,1. Vì vậy mô hình nghiên cứu được biểu diễn dưới dạng phương trình hồi quy như sau:

HL = β0 + β1MT + β2DA + β3DC + β4NL


Trong đó:


- HL: Giá trị của biến phụ thuộc là Sự hài lòng chung của khách hàng


- MT: Giá trị của biến độc lập thứ nhất là Máy và Thẻ ATM


- DA: Giá trị của biến độc lập thứ hai là Mức độ đáp ứng


- DC: Giá trị của biến độc lập thứ ba là Đồng cảm


- NL: Giá trị của biến độc lập thứ năm là Năng lực phục vụ


- Các giả thuyết:

H0: Các nhân tố chính không có mối tương quan với Sự hài lòng của khách hàng H1: Nhân tố “MT” có tương quan với Sự hài lòng của khách hàng

H2: Nhân tố “DA” có tương quan với Sự hài lòng của khách hàng. H3: Nhân tố “DC” có tương quan với Sự hài lòng của khách hàng. H4: Nhân tố “NL” có tương quan với Sự hài lòng của khách hàng.

2.2.4.1. Kiếm định mô hình

a. Kiểm định giá trị độ phù hợp


Kết quả của việc xây dựng mô hình hồi quy đa biến bằng phần mềm SPSS cho ta kết quả ở bảng tóm tắt mô hình dưới đây:


Bảng 2.15: Tóm tắt mô hình hồi quy



Mô hình


R


R2


R2 điều chỉnh

Ước lượng độ lệch

chuẩn


Durbin- Watson

1

0,536a

0,287

0,283

0,4208


2

0,632b

0,399

0,392

0,3874


3

0,671c

0,45

0,44

0,3719


4

0,683d

0,467

0,453

0,3673

1,882

(Nguồn: Kết quả xử lí SPSS)

Độ phù hợp của mô hình được thể hiện qua giá trị R2 điều chỉnh. Kết quả ở bảng trên cho thấy, mô hình 4 biến độc lập có giá trị R2 điều chỉnh cao nhất là 0,453. Như vậy độ phù hợp của mô hình là 45,3%. Hay nói cách khác, 45,3% biến thiên của biến Sự hài lòng chung khách hàng được giải thích bởi 4 biến quan sát trên, còn lại là do tác động của các yếu tố khác ngoài mô hình. Các bước tiếp theo sẽ sử dụng mô hình hồi quy gồm 4 biến

độc lập này để phân tích.


b. Kiểm định F


Bước tiếp theo trong phân tích hồi quy đó là thực hiện kiểm định F về độ phù hợp của mô hình hồi quy tuyến tính tổng thể, xem biến phụ thuộc có liên hệ tuyến tính với toàn bộ biến độc lập hay không.

Giả thuyết H0 đặt ra đó là: β1 = β2 = β3 = β4 = 0.


Bảng 2.16: Kiểm định độ phù hợp của mô hình

ANOVAe

Mô hình

Tổng bình phương

df

Trung bình bình phương

F

Sig.

4

Hồi quy

18,327

4

4,582

33,971

0,000d


Số dư

20,906

155

0,135




Tổng

39,233

159




(Nguồn: Kết quả xử lí SPSS)


Kết quả phân tích ANOVA cho thấy giá trị Sig. = 0,000 rất nhỏ cho phép bác bỏ giả thiết H0. Như vậy mô hình hồi quy thu được rất tốt, vì tổng cộng bình phương sai số ước lượng rất nhỏ so với tổng cộng độ biến động của số liệu. Sự kết hợp các biến độc lập giải thích được tốt các thay đổi của biến phụ thuộc là Sự hài lòng chung của khách hàng.

2.2.4.2. Dò tìm các vi phạm giả định cần thiết


a) Giả định về phân phối chuẩn của phần dư


(Nguồn: Kết quả xử lí SPSS)


Hình 2.4: Biểu đồ tần số Histogram của phần dư chuẩn hoá


Tính chất phân phối của phần dư thể hiện qua biểu đồ tần số Histogram như trên.


Với Mean = 4,52E-15 gần bằng 0 và độ lệch chuẩn Std. Dev = 0,987 tức xấp xỉ bằng 1, có thể kết luận rằng giả thiết phân phối chuẩn không bị vi phạm.

b) Giả định tính độc lập của sai số


Đại lượng Durbin – Watson được dùng để kiểm định tương quan của các sai số kề nhau. Giả thuyết khi tiến hành kiểm định này là:

H0: hệ số tương quan tổng thể của các phần dư bằng 0.

Thực hiện hồi quy cho ta kết quả về trị kiểm định d của Durbin – Watson trong bảng tóm tắt mô hình bằng 1,882. Theo điều kiện hồi quy, giá trị Durbin – Watson phải nàm trong khoảng 1,6 đến 2,6.

Giá trị d tính được rơi vào miền chấp nhận giả thuyết không có tự tương quan.

Như vậy mô hình không vi phạm giả định về hiện tượng tự tương quan.


c) Kiểm định hệ số tương quan


Bảng 2.17: Kết quả kiểm định Pearson’s mối tương quan giữa biến phụ thuộc



MT

DA

DC

NL

Sự lòng chung

hài Hệ số tương quan Sig. (2 phía)

N

0,432**

0,451**

0,536**

0,473**

0,000

0,000

0,000

0,000

160

160

160

160

(Nguồn: Kết quả xử lí SPSS)


Kiểm định mối tuơng quan dùng để xem xét mối quan hệ tuyến tính giữa biến phụ thuộc và từng biến độc lập cũng như giữa những biến độc lập với nhau. Mô hình hồi quy tốt là mô hình có hệ số tuơng quan giữa các biến phụ thuộc và các biến độc lập lớn, thể


hiện mối quan hệ tuyến tính giữa các biến với nhau, và điều này cũng chỉ ra rằng phân tích hồi quy là phù hợp.

Nhìn vào bảng ở trên, ta thấy Hệ số tuơng quan giữa biến độc lập và các biến phụ thuộc khá cao, nằm trong khoảng từ 0,432 đến 0,536. Điều này chỉ ra rằng mô hình có sự tương quan giữa biến phụ thuộc và biến độc lập và việc đưa các biến độc lập vào mô hình là đúng, vì nó có ảnh huởng nhất định đến biến phụ thuộc. Điều này cho ta thấy rằng sự hài lòng chung của khách hàng chủ yếu bị tác động bởi các yếu tố nêu trên, nên trong quá trình phân tích sự ảnh hưởng, đề tài sẽ tập trung nghiên cứu những yếu tố này.

Mặt khác, ta thấy Hệ số tuơng quan giữa các biến độc lập với nhau đều bé hơn 0,05, điều này chứng tỏ không có sự tuơng quan giữa các biến độc lập với nhau, nên không có hiện tuợng đa cộng tuyến xảy ra trong mô hình này. Từ đó ta thấy được yếu tố đánh giá chất lượng dịch vụ này của khách hàng không ảnh hưởng đến yếu tố đánh giá chất lượng dịch vụ khác của khách hàng.

d) Giả định không có hiện tượng Đa cộng tuyến


Bảng 2.18: Kiểm định hiện tượng đa cộng tuyến



Mô hình

Đo lường đa cộng tuyến

Độ chấp nhận

Hệ số phóng đại phương sai

1

(Hằng số)




Đồng cảm

0,812

1,231


Máy và Thẻ ATM

0,710

1,408


Mức độ đáp ứng

0,833

1,201


Năng lực phục vụ

0,643

1,556

(Nguồn: Kết quả xử lí SPSS)


Với độ chấp nhận (Tolerance) lớn và hệ số phóng đại phương sai (Variance Inflation Factor - VIF) của các biến nhỏ, mô hình hồi quy không vi phạm hiện tượng đa cộng tuyến. Mô hình hồi quy vi phạm hiện tượng đa cộng tuyến khi có giá trị VIF lớn hơn hay bằng 10.

e) Giả định phương sai của sai số không đổi


Hiện tượng phương sai sai số thay đổi gây ra các hậu quả tai hại đối với mô hình ước lượng bằng phương pháp OLS. Nó làm cho các ước lượng của các hệ số hồi quy không chệch, nhưng không hiệu quả.

Để kiểm tra xem mô hình xây dựng được có xảy ra hiện tượng phương sai sai số thay đổi hay không, ta tiến hành kiểm định tương quan hạng Spearman. Giả thuyết đặt ra cho kiểm định này là:

H0: hệ số tương quan hạng của tổng thể bằng 0.

Bảng 2.19: Kết quả kiểm định Spearman mối tương quan giữa phần dư và các biến độc lập




Máy và Thẻ ATM


Đáp ứng


Đồng cảm


Năng lực


Spear man's rho


Giá trị tuyệt đối của phần dư

Hệ số tương quan

Sig. (2 phía) N


0,032


-0,212**


-0,009


0,057


0,690


0,007


0,905


0,475

160

160

160

160

(Nguồn: Kết quả xử lí SPSS)


Kết quả cho thấy không có cơ sở bác bỏ giả thuyết H0: hệ số tương quan hạng của tổng thể bằng 0. Như vậy, giả thuyết phương sai sai số thay đổi bị bác bỏ. Mô hình thoả mãn giả định phương sai sai số không đổi.

2.2.4.3. Kết quả phân tích hồi quy đa biến và đánh giá mức độ quan trọng của từng nhân tố

Bảng 2.20: Kết quả phân tích hồi quy đa biến



Mô hình

Hệ số hồi quy chưa


chuẩn hoá


Hệ số hồi quy chuẩn hoá


T


Sig.

B

Độ lệch chuẩn

Beta

4

(Hằng số)

0,733

0,274


2,677

0,008


Đồng cảm

0,329

0,060

0,357

5,482

0,000


Máy và Thẻ ATM

0,183

0,056

0,226

3,255

0,001


Mức độ đáp ứng

0,215

0,061

0,225

3,497

0,001


Năng lực phục vụ

0,132

0,060

0,163

2,224

0,028

(Nguồn: Kết quả xử lí SPSS)


Kiểm định t trong phân tích hệ số hồi quy cho ta thấy: giá trị Sig. của các biến độc lập Máy và Thẻ ATM, Mức độ đáp ứng, Đồng cảm, Năng lực phục vụ đều nhỏ hơn 0,05. Do đó ta có thể nói rằng các biến độc lập này có tác động đến Sự hài lòng chung của khách hàng.

Phương trình hồi quy tổng quát của mô hình như sau:


HL = 0,733 + 0,183 x MT +0,215 x DA +0,329 x DC + 0,132 x NL


Kết quả kiểm định mô hình lý thuyết được mô tả qua hình như sau:



Máy và Thẻ ATM

0,183

Mức độ đáp ứng

0,215

Đồng cảm

0,329

0,132

Sự hài lòng chung của

khách hàng

Năng lực phục vụ


(Nguồn: Kết quả xử lí SPSS)


Hình 2.5: Kết quả xây dựng mô hình nghiên cứu nghiên cứu cuối cùng


Thông qua các hệ số hồi quy chuẩn hoá, ta biết được mức độ quan trọng của các nhân tố tham gia vào phương trình. Cụ thể, nhân tố Đồng cảm có ảnh hưởng nhiều nhất (β = 0,329) và nhân tố Năng lực phục vụ có ảnh hưởng ít nhất (β = 0,132) đến Sự hài lòng chung của khách hàng. Tuy nhiên, nhìn chung thì tất cả 4 nhân tố đều có ảnh hưởng đến biến phụ thuộc. Và bất cứ một sự thay đổi nào của một trong 4 nhân tố trên đều có thể tạo nên sự thay đổi đối với Sự hài lòng chung của khách hàng.

2.2.5. Kiểm định tính phân phối chuẩn của số liệu

Nghiên cứu sử dụng phương pháp phân tích đa biến thông qua công cụ One sample T-test để xác định đánh giá của khách hàng đối với các chỉ tiêu về chất lượng dịch vụ thẻ ATM. Do vậy, kiểm định phân phối chuẩn là điều kiện đảm bảo độ thỏa mãn cho các biến phân tích. Hệ số đối xứng Skewness và hệ số tập trung Kurtosis được sử dụng để kiểm định phân phối chuẩn của các nhân tố. Một phân phối Skewness không được xem là phân phối chuẩn khi Standard error của nó nhỏ hơn -2 hoặc lớn hơn 2. Tương tự, một phân phối Kurtosis không được xem là phân phối chuẩn khi Standard error của nó nhỏ hơn -2 hoặc lớn hơn 2.

Download pdf, tải về file docx

Ngày đăng: 19/04/2022
Đánh giá:
4.4/5 (1 bình chọn)

Gửi tin nhắn


Đồng ý Chính sách bảo mật *

Trang chủ Tài liệu miễn phí Thư viện số
Top