Phân Tích Nhân Tố Khám Phá Efa Của Biến Phụ Thuộc


Bảng 2.10. Kiểm định KMO và Bartlett’s


KMO and Barlett’s Test

Hệ số KMO

0,790


Kiểm định Bartlett’s

Giá trị Chi bình phương xấp xỉ

1408,866

Df

253

Sig.

0,000

Có thể bạn quan tâm!

Xem toàn bộ 140 trang tài liệu này.

Đánh giá sự hài lòng của khách hàng đối với chất lượng dịch vụ bảo hiểm vật chất xe cơ giới tại Công ty Bảo hiểm PJICO Huế - 9

(Nguồn: Kết quả xử lý số liệu SPSS 20)


Nhằm kiểm tra xem mẫu điều tra nghiên cứu có đủ lớn và có đủ điều kiện để tiến hành phân tích nhân tố hay không, tiến hành kiểm định Kaiser - Meyer - Olkin và kiểm dịnh Barlett’s. Với kết quả kiểm định KMO là 0,790 > 0.5 và giá trị Sig. của kiểm định Barlett’s bé hơn 0.05 (các biến quan sát tương quan với nhau trong tổng thể) ta có thể kết luận được rằng dữ liệu khảo sát được đảm bảo các điều kiện để tiến hành phân tích nhân tố khám phá EFA và có thể sử dụng các kết quả đó.

Bảng 2.11. Kết quả phân tích nhân tố khám phá EFA


Biến quan sát

Nhân tố

1

2

3

4

5

Công ty liên kết với các đơn vị sửa

chữa có trang thiết bị hiện đại

0,869





Tác phong của đội ngũ nhân viên, tư

vấn viên văn minh, lịch sự

0,820





Cơ sở vật chất của Công ty Bảo hiểm

PJICO Huế đầy đủ và khang trang

0,812





Cách bố trí phòng giao dịch hợp lý,

đẹp mắt

0,756





Văn phòng của Công ty có điểm giao

dịch thuận lợi đối với khách hàng

0,742





Công ty Bảo hiểm PJICO Huế luôn thực hiện đúng những gì đã giới

thiệu và cam kết



0,850




Chất lượng sửa chữa đảm bảo yêu

cầu của Anh/Chị


0,802




Nhân viên tạo được sự tin tưởng của


0,762





khách hàng






Nhân viên xử lý nghiệp vụ nhanh

chóng và chính xác


0,738




Nhân viên có tinh thần trách nhiệm cao trong việc giải quyết thắc mắc

của khách hàng



0,637




Công tác giám định được thực hiện

nhanh chóng, kịp thời



0,820



Các điều khoản trong hợp đồng bảo hiểm vật chất xe cơ giới được ghi rò

ràng và hợp lý




0,808



Không phải đi lại nhiều lần để hoàn

tất các thủ tục, giấy tờ



0,790



Các quy trình thủ tục hành chính

được công ty công khai minh bạch



0,776



Giải quyết khiếu nại của khách hàng

nhanh chóng, hợp lý



0,574



Đội ngũ nhân viên luôn giải đáp

nhanh chóng, thỏa đáng những thắc mắc của khách hàng





0,780


Nhân viên của Công ty cung cấp các thông tin về bảo hiểm xe cơ giới cho

khách hàng một cách kịp thời





0,779


Nhân viên hướng dẫn các hồ sơ, thủ tục tham gia và giải quyết quyền lợi bảo hiểm cho khách hàng đầy đủ và

dễ hiểu





0,772


Thủ tục giải quyết bồi thường nhanh

chóng và đầy đủ




0,632


Nhân viên Công ty Bảo hiểm PJICO

Huế có nhiều hoạt động hỗ trợ khách hàng phòng ngừa rủi ro






0,810

Nhân viên của Công ty luôn quan

tâm đến mong muốn và quyền lợi của khách hàng






0,734

Công ty làm việc vào giờ thuận tiện

cho khách hàng thực hiện giao dịch





0,689

Nhân viên Công ty luôn cùng khách





0,626


hàng giải quyết những vấn đề hai

bên chưa thống nhất với thái độ hòa nhã, nhiệt tình






Eigenvalue

5,578

2,826

2,590

1,980

1,602

% của phương sai

24,253%

12,288%

11,263%

8,608%

6,965%

Tổng phương sai trích = 63,376%

(Nguồn: Kết quả xử lý số liệu SPSS 20)


Sau khi tiến hành phân tích nhân tố EFA lần 3 với 23 biến quan sát thì tất cả đều có hệ số tải nhân tố lớn hơn 0,5 nên tất cả các biến quan sát được giữ lại.

2.2.4.2. Phân tích nhân tố khám phá EFA của biến phụ thuộc


Tiến hành phân tích khám phá cho 3 biến phụ thuộc: “Anh/Chị hài lòng về chất lượng dịch vụ tại Công ty Bảo hiểm PJICO Huế”, “Anh/Chị sẽ tiếp tục tham gia bảo hiểm vật chất xe cơ giới tại Công ty Bảo hiểm PJICO Huế” và “Anh/Chị sẽ giới thiệu cho người thân và bạn bè tham gia bảo hiểm vật chất xe cơ giới tại Công ty Bảo hiểm PJICO Huế” theo tiêu chuẩn Eligenvalue lớn hơn 1 và cho thấy hệ số KMO = 0,709 (lớn hơn 0.5), kiểm định Bartlett’s có giá trị Sig. = 0,000 (nhỏ hơn 0.05) thỏa mãn điều kiện.

Bảng 2.12. Kiểm định KMO và Bartlett’s


KMO and Bartlett’s Test

Hệ số KMO

0,709


Kiểm định Bartlett’s

Giá trị Chi bình phương xấp xỉ

129,747

Df

3

Sig.

0,000

(Nguồn: Kết quả xử lý số liệu SPSS 20)


Bảng 2.13. Kết quả phân tích nhân tố khám phá EFA cho biến phụ thuộc


STT

Biến quan sát

Các nhân tố

3

1

Anh/Chị hài lòng về chất lượng dịch vụ tại Công ty Bảo

hiểm PJICO Huế

0,862

2

Anh/Chị sẽ tiếp tục tham gia bảo hiểm vật chất xe cơ giới

tại Công ty Bảo hiểm PJICO Huế

0,839


3

Anh/Chị sẽ giới thiệu cho người thân và bạn bè tham gia

bảo hiểm vật chất xe cơ giới tại Công ty Bảo hiểm PJICO Huế


0,837

Eigenvalue = 2,147

Phương sai trích = 71,561%

(Nguồn: Kết quả xử lý số liệu SPSS 20)


Sử dụng phương pháp phân tích nhân tố khám phá đối với các biến phụ thuộc thu được kết quả cho thấy Eigenvalue = 2,147 >1 thỏa mãn và tổng phương sai trích = 71,561% > 50% đã cho thấy các điều kiện phân tích nhân tố là phù hợp.

2.2.5. Kiểm định độ tin cậy của thang đo sau phân tích nhân tố khám phá EFA


Sau khi phân tích nhân tố khám phá EFA theo phương pháp rút trích các nhân tố chính (Principal Components), nghiên cứu tiến hành kiểm định lại độ tin cậy thang đo nhằm đảm bảo các nhân tố thu được đều có ý nghĩa cho các bước phân tích tiếp theo.

Bảng 2.14. Kết quả kiểm định hệ số tương quan



Hệ số Cronbach’s Alpha

Biến độc lập

Mức độ tin cậy

0,816

Mức độ đáp ứng

0,788

Mức độ đồng cảm

0,746

Năng lực phục vụ

0,833

Phương tiện hữu hình

0,878

Biến phụ thuộc

Mức độ hài lòng

0,798


(Nguồn: Kết quả xử lý số liệu SPSS 20)


Qua bảng kết quả có thể thấy, các nhân tố mới đều có hệ số Cronbach’s Alpha khá cao (lớn hơn 0.7). Vì vậy có thể kết luận rằng các nhân tố mới đều đảm bảo độ tin cậy và có ý nghĩa trong các phân tích tiếp theo.

2.2.6. Kiểm định sự phù hợp của mô hình


2.2.6.1. Kiểm định mối tương quan giữa biến độc lập và biến phụ thuộc


Trước khi tiến hành phân tích hồi quy tuyến tính, cần xem xét mối quan hệ tuyến tính giữa các biến. Điều này nhằm kiểm định giữa các biến có mối quan hệ tương quan tuyến tính với nhau và các biến độc lập có tương quan với biến phụ thuộc hay không. Từ đó sẽ chọn những nhân tố độc lập thực sự có tương quan với nhân tố phụ thuộc và đưa những nhân tố đó vào hồi quy.

Giả thuyết kiểm định:


H0: Không có mối quan hệ tương quan tuyến tính giữa các biến trong mô hình. H1: Có mối quan hệ tương quan tuyến tính giữa các biến trong mô hình.

Bảng 2.15. Phân tích tương quan Pearson


Correlations


HL

TC

DU

DC

NL

HH


HL

Pearson

Correlation

1

0,478**

0,524**

0,552**

0,510**

0,509**

Sig. (2-tailed)


0,000

0,000

0,000

0,000

0,000

N

140

140

140

140

140

140


TC

Pearson

Correlation

0,478**

1

0,225**

0,190*

0,096

0,156

Sig. (2-tailed)

0,000


0,008

0,025

0,262

0,066

N

140

140

140

140

140

140


DU

Pearson

Correlation

0,524**

0,225**

1

0,367**

0,273**

0,281**

Sig. (2-tailed)

0,000

0,008


0,000

0,001

0,001

N

140

140

140

140

140

140


DC

Pearson

Correlation

0,552**

0,190*

0,367**

1

0,260**

0,294**

Sig. (2-tailed)

0,000

0,025

0,000


0,002

0,000


Correlations


HL

TC

DU

DC

NL

HH


N

140

140

140

140

140

140


NL

Pearson

Correlation

0,510**

0,096

0,273**

0,260**

1

0,258**

Sig. (2-tailed)

0,000

0,262

0,001

0,002


0,002

N

140

140

140

140

140

140


HH

Pearson

Correlation

0,509**

0,156

0,281**

0,294**

0,258**

1

Sig. (2-tailed)

0,000

0,066

0,001

0,000

0,002


N

140

140

140

140

140

140

(Nguồn: Kết quả xử lý số liệu SPSS 20)


Dựa vào bảng kết quả ta thấy giá trị Sig. (2-tailed) của biến phụ thuộc với các biến độc lập đều < 0.05 nên đủ cơ sở bác bỏ giả thuyết H0, chấp nhận giả thuyết H1, tức là có mối quan hệ tuyến tính giữa các biến độc lập trong mô hình và việc đưa các biến độc lập vào mô hình là đúng vì nó ảnh hưởng nhất định đến biến phụ thuộc. Dựa vào hệ số tương quan Pearson, ta có thể thấy mức độ tương quan giữa biến độc lập với biến phụ thuộc. Trong đó, biến DC (Pearson = 0,552) có tương quan chặt chẽ nhất với biến phụ thuộc, tiếp theo là biến DU (Pearson = 0,524), NL (Pearson = 0,510), HH (Pearson = 0,509) và thấp nhất là biến TC (Pearson = 0,478). Như vậy, các biến độc lập đều có ý nghĩa và có thể đưa vào mô hình hồi quy để giải thích cho biến “Mức độ hài lòng” trong bước tiếp theo.

2.2.6.2. Xây dựng mô hình hồi quy


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 tuyến tính bội) được rút trích ra từ các biến quan sát từ phân tích nhân tố EFA để xem xét mối liên hệ giữa biến phụ thuộc “Mức độ hài lòng chung” với các biến độc lập: “Phương tiện hữu hình”, “Mức độ đáp ứng”, “Mức độ đồng cảm”, “Năng lực phục vụ”, “Phương tiện hữu hình” tương ứng với các hệ số Bê-ta lần lượt là 1, 2, 3, 4, 5.

Mô hình hồi quy xây dựng như sau:


MDHL = β0 + β1*STC + β2*MDDU + β3*MDDC + β4*NLPV + β5*PTHH + ei


Trong đó:


+β0: Hằng số

+ βi: Hệ số hồi quy riêng từng phần (i > 0)

+ ei: Sai số của phương trình hồi quy

+ MDHL: Giá trị biến phụ thuộc “Mức độ hài lòng”

+ STC: Giá trị biến độc lập “Sự tin cậy”

+ MDDU: Giá trị biến độc lập “Mức độ đáp ứng”

+ MDDC: Giá trị biến độc lập “Mức độ đồng cảm”

+ NLPV: Giá trị biến độc lập “Năng lực phục vụ”

+ PTHH: Giá trị biến độc lập “Phương tiện hữu hình”


Các giả thuyết nghiên cứu:


+ H0: Các nhân tố chính không có mối tương quan với Mức độ hài lòng về chất lượng dịch vụ bảo hiểm vật chất xe cơ giới tại Công ty Bảo hiểm PJICO Huế.

+ H1: Nhân tố “STC” có tương quan với Mức độ hài lòng về chất lượng dịch vụ

bảo hiểm vật chất xe cơ giới tại Công ty Bảo hiểm PJICO Huế.


+ H2: Nhân tố “MDDU” có tương quan với Mức độ hài lòng về chất lượng dịch

vụ bảo hiểm vật chất xe cơ giới tại Công ty Bảo hiểm PJICO Huế.


+ H3: Nhân tố “MDDC” có tương quan với Mức độ hài lòng về chất lượng dịch

vụ bảo hiểm vật chất xe cơ giới tại Công ty Bảo hiểm PJICO Huế.


+ H4: Nhân tố “NLPV” có tương quan với Mức độ hài lòng về chất lượng dịch vụ

bảo hiểm vật chất xe cơ giới tại Công ty Bảo hiểm PJICO Huế.


+ H5: Nhân tố “PTHH” có tương quan với Mức độ hài lòng về chất lượng dịch vụ

bảo hiểm vật chất xe cơ giới tại Công ty Bảo hiểm PJICO Huế.


2.2.6.3. Phân tích hồi quy


Phương pháp hồi quy tuyến tính bội với toàn bộ các biến độc lập được đưa vào cùng lúc (Phương pháp Enter) cho thấy mô hình hồi quy thích hợp sử dụng để kiểm định mô hình lý thuyết.

Kết quả phân tích hồi quy được thể hiện rò qua bảng sau:

Bảng 2.16. Kết quả phân tích hồi quy



Mô hình


Hệ số hồi quy chưa chuẩn hóa

Hệ số hồi quy

chuẩn hóa


T


Sig.


Thống kê cộng tuyến


B

Độ

lệch chuẩn


Beta


Tolerance


VIF


1

Hằng số

-1,453

0,315


-4,612

0,000



STC

0,301

0,048

0,314

6,215

0,000

0,931

1,074

MDDU

0,197

0,052

0,207

3,764

0,000

0,791

1,264

MDDC

0,257

0,052

0,268

4,912

0,000

0,801

1,249

NLPV

0,303

0,054

0,290

5,555

0,000

0,872

1,147

PTHH

0,228

0,049

0,248

4,685

0,000

0,850

1,176

(Nguồn: Kết quả xử lý số liệu SPSS 20)


Hồi quy không có nhân tố nào bị loại bỏ do Sig. đều nhỏ hơn 0.05; chứng tỏ các biến độc lập này đều có ý nghĩa thống kê trong mô hình.

Dựa vào hệ số Beta chưa chuẩn hóa, có thể viết lại phương trình hồi quy như sau:

MDHL = -1,453 + 0,301STC + 0,197MDDU + 0,257MDDC + 0,303NLPV + 0,228PTHH


Kết quả nghiên cứu cho thấy yếu tố “Năng lực phục vụ” có hệ số β = 0,303 lớn nhất nên ảnh hưởng lớn nhất đến sự hài lòng của khách hàng đối với chất lượng dịch vụ bảo hiểm vật chất xe cơ giới, tiếp theo là nhân tố “Sự tin cậy” với hệ số β = 0,301, nhân tố “Mức độ đồng cảm” với hệ số β = 0,257, nhân tố “Phương tiện hữu hình” với hệ số β = 0,228 và nhân tố có ảnh hưởng ít nhất đến sự hài lòng là “Mức độ đáp ứng” với hệ số β = 0,197.

Xem tất cả 140 trang.

Ngày đăng: 05/07/2022
Trang chủ Tài liệu miễn phí