Thành phần Sự đảm bảo: có hệ số Cronbach’s Alpha là 0,791 đạt yêu cầu, các hệ số tương quan biến tổng của các biến lớn hơn 0,3 và hệ số Cronbach’s Alpha nếu loại biến (Cronbach’s Alpha if Item Deleted) của các biến đều nhỏ hơn hệ số Cronbach’s Alpha. Do vậy, thang đo thành phần lợi ích nhận được đạt yêu cầu và các biến quan sát SDB1, SDB2, SDB3 được sử dụng cho phân tích EFA.
Thành phần Chi phí: có hệ số Cronbach’s Alpha là 0,705 đạt yêu cầu, các hệ số tương quan biến tổng của các biến lớn hơn 0,3 và hệ số Cronbach’s Alpha nếu loại biến (Cronbach’s Alpha if Item Deleted) của các biến đều nhỏ hơn hệ số Cronbach’s Alpha. Do vậy, thang đo thành phần lợi ích nhận được đạt yêu cầu và các biến quan sát CP1, CP2, CP3 được sử dụng cho phân tích EFA
Số liệu khảo sát được kiểm định độ tin cậy bằng hệ số Cronbach’s Alpha lần 1 với 24 biến quan sát gổm: 5 biến thuộc nhân tố “độ tin cậy:; 3 biến thuộc nhân tố “lợi ích nhận được”; 5 biến thuộc nhân tố “sự đáp ứng”; 5 biến thuộc nhân tố “phương tiện hữ hình”; 3 biến thuộc nhân tố “sự đảm bảo”; 3 biến thuộc nhân tố “chi phí bỏ ra”. Hệ số tương quan biến tổng của tất cả các biến điều > 0,3 và hệ số Cronbach’s Alpha lần lượt là: 0,724; 0,834; 0,742; 0,803; 0,791; 0,857 tất cả điều nằm trong khoảng 0,7 - 0,9. Chứng tỏ rằng, thang đo lường của mẫu nghiên cứu là khá tốt (phụ lục).
Sau khi kiểm định có 2 biến bị loại ra khỏi mô hình là: DTC5 - Máy ATM hoạt động tốt, xử lý giao dịch nhanh chóng do có hệ số Cronbach’s Alpha nếu loại biến (Cronbach’s Alpha if Item Deleted) là 0,724 lớn hơn hệ số Cronbach’s Alpha tổng là 0,699, SDU5 - Có đủ tiền mặt khi giao dịchdo có hệ số Cronbach’s Alpha nếu loại biến (Cronbach’s Alpha if Item Deleted) là 0,742lớn hơn Cronbach’s Alpha tổng là 0,709. Như vậy bảng câu hỏi khảo sát sẽ còn lại 22 biến quan sát là hợp lệ cho các bước tiếp theo (phụ lục).
3.4.3.3. Đánh giá thang đo bằng phân tích yếu tố khám phá (EFA - Exploratory Factor Analysis)
Phân tích yếu tố EFA cho các thang đo thành phần
Phân tích nhân tố khám phá là một phương pháp phân tích thống kê +dùng để rút gọn một tập hợp 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 & ctg, 1998)
Trong phân tích nhân tố khám phá ta quan tâm đến chỉ số KMO (Kaiser Meyer Olkin) để xem xét sự thích hợp của mô hình, qua phân tích nhân tố khám phá và kết quả của chỉ số tổng phương sai rút trích cho ta thấy được khả năng giải thích của các nhân tố mới thay cho tập biến ban đầu. nếu chỉ số KMO nằm trong khoảng < KMO < 1 thì việc phân tích nhân tố khám phá là thích hợp với dữ
liệu nghiên cứu và thang đo chỉ được chấp nhận khi tổng phương sai rút trích > 50%. (Gerbing & Anderson, 1988)
Để tiến hành phân tích nhân tố khám phá có rất nhiều phương pháp áp dụng trong nghiên cứu này tác giả lựa chọn phương pháp thông dụng nhất đó là sử dụng hệ số Eigenvalue (Determintaion based on eigenvalue) là chỉ những nhân tố nào có hệ số Eigenvalue >1 mới được giữ lại trong mô hình phân tích. Tiếp theo, tác giả tiến hành phân tích xoay nhân tố theo phương pháp rút trích các thành phần chính (Principal Compontents) với phép xoay Varimax và phương pháp Regression (Gerbring & Anderson, 1988). Trong phương pháp phân tích nhân tố khám phá thì hệ số tải nhân tố (Factor Loading) là yếu tố được quan tâm nhất, là chỉ tiêu đảm bảo mức ý nghĩa thiết thực của phương pháp phân tích khám phá. Hệ số tải nhân tố >0,3 được xem là đạt được mức tối thiểu với cỡ mẫu nên chọn ít nhất là 350, hệ số tải nhân tố >0,4 được xem là quan trọng với cỡ mẫu khoảng 100 và hệ số nhân tố >0,5 được xem có ý nghĩa với cỡ mẫu 150. (Hair & ctg, 1998)
Sau khi đạt yêu cầu về độ tin cậy, 22 biến quan sát được đưa vào phân tích khám phá EFA như sau:
Đặt giả thuyết:
H0: Không có sự tương quan giữa các biến quan sát trong phạm vi tổng thể H1: Có sự tương quan giữa các biến quan sát trong phạm vi tổng thể.
Phân tích nhân tố khám phá đối với các biến độc lập
Sau khi thực hiện phân tích nhân tố khám phá, có 4 biến quan sát bị loại khỏi mô hình nghiên cứu do có hệ số tải nhân tố <0,5 thuộc các biến sau: PTHH3, CP1, DTC4, DTC3. Kết quả ta được 6 nhóm nhân tố mới với các biến quan sát có hệ số tải nhân tố >0,5 đạt tiêu chuẩn (phụ lục 3).
Kiểm định Barlett’s cho thấy giữa các biến trong tổng thể có mối tương quan với nhau với mức ý nghĩa (sig) = 0,00 <0,05. Ta bác bỏ giả thuyết H0: Không có sự tương quan giữa các biến quan sát trong phạm vi tổng thể và chấp nhận giả thuyết H1: Có sự tương quan giữa các biến quan sát trong phạm vi tổng thể. Hệ số KMO = 0,841 đạt mức cho phép, thỏa điều kiện lý thuyết nên dữ liệu nghiên cứu là phù hợp để đưa vào phân tích tiếp theo. (Bảng 3.13)
Phương sai rút trích = 71,374% chứng tỏ phân tích nhân tố khám phá cho việc nhóm các biến này lại với nhau là thích hợp và 6 nhóm nhân tố mới giải thích được 71,374% cho 18 biến quan sát, còn 28,626% sự biến thiên của tập dữ liệu ban đầu được giải thích bởi các nhân tố khác không trích lập ra được. (Bảng 3.14)
Bảng 3.13.Kết quả phân tích chỉ số KMO
0,841 | ||
Bartlett's Test of Sphericity | Approx. Chi-Square | 1141.862 |
df | 153 | |
Sig | 0,000 | |
(Nguồn: Kết quả chạy SPSS rút từ phụ lục 02) | ||
Có thể bạn quan tâm!
-
Thực Trạng Dịch Vụ Thẻ Ở Ngân Hàng Tmcp Đầu Tư Và Phát Triển Cn Tây Nam -
Quy Trình Và Nghiệp Vụ Phát Hành Thẻ Atm Ở Ngân Hàng Tmcp Đầu Tư Và Phát Triển Cn Tây Nam -
Những Khó Khăn, Bất Tiện Mà Khách Hàng Gặp Phải Khi Sử Dụng Thẻ Atm Của Bidv -
Giải Pháp Nâng Cao Mức Độ Hài Lòng Của Khcn Về Dịch Vụ Thẻ Atm Tại Bidv - Cn Tây Nam -
Kiến Nghị Với Ngân Hàng Nhà Nước -
Rất Không Đồng Ý 2. Không Đồng Ý 3. Trung Bình 4. Đồng Ý 5. Rất Đồng Ý
Xem toàn bộ 146 trang tài liệu này.
Bảng 3.14. Kết quả phân tích ma trận xoay nhân tố EFA các biến độc lập
Hệ số tải nhân tố | ||||||
1 | 2 | 3 | 4 | 5 | 6 | |
LIND2 LIND3 LIND1 SDU1 PTHH5 PTHH4 PTHH1 PTHH2 SDB2 SDB3 SDB1 SDU3 SDU2 SDU4 CP2 CP3 DTC1 DTC2 | .834 .801 .755 .556 | .743 .734 .708 .684 | .839 .788 .654 | .830 .723 .683 | .754 .691 | .820 .791 |
(Nguồn: Kết quả chạy SPSS rút từ phụ lục 02)
Bảng 3.15. Kiểm định phương sai trích các yếu tố
Total Variance Explained
Initial Eigenvalues | Extraction Sums of Squared Loadings | Rotation Sums of Squared Loadings | |||||||
Total | % of Varian ce | Cumulativ e % | Total | % of Varianc e | Cumulat ive % | Total | % of Varianc e | Cumula tive % | |
1 | 6.450 | 35.834 | 35.834 | 6.450 | 35.834 | 35.834 | 2.835 | 15.749 | 15.749 |
2 | 1.680 | 9.335 | 45.169 | 1.680 | 9.335 | 45.169 | 2.358 | 13.098 | 28.847 |
3 | 1.403 | 7.796 | 52.965 | 1.403 | 7.796 | 52.965 | 2.319 | 12.886 | 41.733 |
4 | 1.195 | 6.642 | 59.607 | 1.195 | 6.642 | 59.607 | 2.046 | 11.364 | 53.097 |
5 | 1.099 | 6.107 | 65.714 | 1.099 | 6.107 | 65.714 | 1.670 | 9.280 | 62.377 |
6 | 1.019 | 5.660 | 71.374 | 1.019 | 5.660 | 71.374 | 1.620 | 8.998 | 71.374 |
7 | .718 | 3.988 | 75.362 | ||||||
8 | .664 | 3.690 | 79.052 | ||||||
9 | .584 | 3.243 | 82.296 | ||||||
10 | .543 | 3.018 | 85.314 | ||||||
11 | .498 | 2.766 | 88.080 | ||||||
12 | .413 | 2.292 | 90.372 | ||||||
13 | .358 | 1.987 | 92.359 | ||||||
14 | .327 | 1.815 | 94.174 | ||||||
15 | .323 | 1.794 | 95.968 | ||||||
16 | .298 | 1.655 | 97.623 | ||||||
17 | .222 | 1.236 | 98.859 | ||||||
18 | .205 | 1.141 | 100.000 |
(Nguồn: Kết quả chạy SPSS rút từ phụ lục 02)
Sau khi chạy phân tích nhân tố khám phá, mô hình được gộp lại gồm 6 nhóm nhân tố mới do các nhóm nhân tố ban đầu không đạt giá trị phân biệt. Ta có bảng xây dựng lại các nhóm nhân tố đạt giá trị phân biệt ảnh hưởng đến chất lượng dịch vụ thẻ ATM tại BIDV - CN Tây Nam như sau:
Bảng 3.16. Phân nhóm và đặt tên nhân tố
LIND2 | Chương trình khuyến mãi hấp dẫn |
LIND3 | Hạn mức rút tiền và chuyển khoản tại ATM cao |
LIND1 | Các dịch vụ thẻ đa dạng, tiện ích |
SDU1 | Các quy định, thủ tục làm thẻ mới, cấp lại thẻ, chuyển đổi thẻ, ... đơn giản, nhanh chóng. |
Phương tiện hữu hình | |
PTHH5 | Máy ATM được trang bị hiện đại, sạch đẹp |
PTHH4 | Diện mạo thẻ đẹp, thu hút, thiết kế bền chắc |
PTHH1 | Ngân hàng có thiết kế đẹp, bố trí quầy giao dịch, bảng biểu, kệ tài liệu hợp lý, bắt mắt |
PTHH2 | Các tiện nghi phục vụ khách hàng tốt |
Sự đảm bảo | |
SDB2 | Thái độ phục vụ của nhân viên tốt |
SDB3 | Nhân viên xử lý nghiệp vụ nhanh, chuyên nghiệp |
SDB1 | Nhân viên hướng dẫn cho khách hàng chi tiết , dễ hiểu, giải quyết thỏa đáng những thắc mắc, khiếu nại của khách hàng |
Sự đáp ứng | |
SDU3 | Mạng lưới giao dịch rộng khắp, được chấp nhận ở nhiều hệ thống thanh toán, máy ATM, máy POS |
SDU2 | Mạng lưới máy ATM rộng khắp, thuận tiện, dễ tìm |
SDU4 | Máy ATM dễ sử dụng |
Chi phí | |
CP2 | Phí dịch vụ thẻ và phí giao dịch hợp lý |
CP3 | Mức ký quỹ hợp lý |
Độ tin cậy | |
DTC1 | Uy tín, danh tiếng của ngân hàng tốt |
DTC2 | Mức độ an toàn, bảo mật thông tin tốt |
(Nguồn: nghiên cứu của tác giả)
3.4.3.4. Mô hình nghiên cứu điều chỉnh
Sau khi phân tích nhân tố khám phá, ta có 6 nhóm nhân tố đánh giá chất lượng dịch vụ thẻ ATM tại BIDV – CN Tây Nam như sau:
- Nhân tố thứ nhất có tên là “Lợi ích nhận được”, ký hiệu LIND gồm 4 biến: LIND = Mean(LIND2, LIND3, LIND1, SDU1).
- Nhân tố thứ hai có tên là “Phương tiện hữu hình”, ký hiệu PTHH gồm 4 biến: PTHH = Mean(PTHH5, PTHH4, PTHH1, PTHH2).
- Nhân tố thứ ba có tên là “Sự đảm bảo”, ký hiệu SDB gồm 3 biến: SDB = Mean(SDB2, SDB3, SDB1).
- Nhân tố thứ tư có tên là “Sự đáp ứng”, ký hiệu SDU gồm 3 biến: SDU = Mean(SDU3, SDU2, SDU4).
- Nhân tố thứ năm có tên là “Chi phí”, ký hiệu CP gồm 2 biến: CP = Mean(CP2, CP3).
- Nhân tố thứ sáu có tên là “Độ tin cậy”, ký hiệu DTC gồm 2 biến: DTC = Mean(DTC1, DTC2).
Đối với biến phụ thuộc có tên là “Sự hài lòng”, ký hiệu SHL chỉ có 1 biến và cũng là SHL.
Ta có mô hình hiệu chỉnh như sau:
SHL = 𝛽0 + 𝛽1LIND + 𝛽2PTHH + 𝛽3SDB + 𝛽4SDU + 𝛽5CP + 𝛽6DTC + 𝜀
3.4.4.Kiểm định mô hình nghiên cứu bằng phương pháp hồi quy bội 3.4.4.1.Phân tích tương quan hệ số Pearson
Trước khi tiến hành phân tích hồi quy tuyến tính, ta cần xem xét các mối tương quan tuyến tính giữa tất cả các biến, đó là xem xét tổng quát mối quan hệ giữa từng biến độc lập với biến phụ thuộc và giữa các biến độc lập với nhau. Người ta sử dụng một hệ số thống kê có tên là hệ số tương quan Pearson (ký hiệu
r) để lượng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến định lượng. trong phân tích tương quan Pearson, không có sự phân biệt giữa các biến độc lập và các biến phụ thuộc mà tất cả đều được xem xét như nhau. Trị tuyệt đối của r cho biết mức độ chặt chẽ của mối liên hệ tuyến tính. Giá trị tuyệt đối của r gần đến 1 khi hai biến có mối tương quan chặt chẽ (khi tất cả các điểm phân tán xếp thành một đường thẳng thì trị tuyệt đối của r = 1). Giá trị r = 0 chỉ ra rằng hai biến không có mối quan hệ tuyến tính.
Từ kết quả phân tích nhân tố khám phá, có 6 nhóm nhân tố tác động đến sự hài lòng của khách hàng và được đưa vào phân tích tương quan để xem xét sự tương quan giữa các nhóm nhân tố trong mô hình nghiên cứu.
Bảng 3.17. Ma trận hệ số tương quan
SHL | LIND | PTHH | SDB | SDU | CP | DTC | ||
SHL | Hệ số tương quan | 1 | .597** | .594** | .679** | .446** | .545** | .456** |
Mức ý nghĩa | .000 | .000 | .000 | .000 | .000 | .000 | ||
Mẫu (N) | 150 | 150 | 150 | 150 | 150 | 150 | 150 | |
LIND | Hệ số tương quan | .597** | 1 | .469** | .388** | .465** | .498** | .438** |
Mức ý nghĩa | .000 | .000 | .000 | .000 | .000 | .000 | ||
Mẫu (N) | 150 | 150 | 150 | 150 | 150 | 150 | 150 | |
PTHH | Hệ số tương quan | .594** | .469** | 1 | .513** | .431** | .337** | .366** |
Mức ý nghĩa | .000 | .000 | .000 | .000 | .000 | .000 | ||
Mẫu (N) | 150 | 150 | 150 | 150 | 150 | 150 | 150 | |
SDB | Hệ số tương quan | .679** | .388** | .513** | 1 | .368** | .409** | .341** |
Mức ý nghĩa | .000 | .000 | .000 | .000 | .000 | .000 | ||
Mẫu (N) | 150 | 150 | 150 | 150 | 150 | 150 | 150 | |
SDU | Hệ số tương quan | .446** | .465** | .431** | .368** | 1 | .303** | .346** |
Mức ý nghĩa | .000 | .000 | .000 | .000 | .000 | .000 | ||
Mẫu (N) | 150 | 150 | 150 | 150 | 150 | 150 | 150 | |
CP | Hệ số tương quan | .545** | .498** | .337** | .409** | .303** | 1 | .293** |
Mức ý nghĩa | .000 | .000 | .000 | .000 | .000 | .000 | ||
Mẫu (N) | 150 | 150 | 150 | 150 | 150 | 150 | 150 | |
DTC | Hệ số tương quan | .456** | .438** | .366** | .341** | .346** | .293** | 1 |
Mức ý nghĩa | .000 | .000 | .000 | .000 | .000 | .000 | .000 | |
Mẫu (N) | 150 | 150 | 150 | 150 | 150 | 150 | 150 |
(Nguồn: Kết quả chạy SPSS rút từ phụ lục 02)
Qua ma trận hệ số tương quan giữa các biến, ta thấy nhân tố sự hài lòng có mối tương quan với từng biến độc lập cũng như tương quan giữa các biến độc lập với nhau. Như vậy, giữa các biến có sự tương quan với nhau và được đưa vào phân tích hồi quy tiếp theo.
3.4.4.2. Phương pháp phân tích hồi quy
Từ kết quả trong mẫu, ta sẽ xác định mối quan hệ nhân quả giữa các biến phụ thuộc (SHL) với các biến độc lập (LIND, PTHH, SDB, SDU, CP, DTC). Mô hình phân tích hồi quy sẽ mô tả hình thức của mối liên hệ và qua đó giúp ta dự đoán được mức độ của biến phụ thuộc khi biết trước giá trị của các biến độc lập.
Bảng 3.18. Phân tích hệ số hồi quy
R | R2 | R2 hiệu chỉnh | Sai số chuẩn ước tính | |
1 | .809a | .655 | .641 | .383 |
(Nguồn: Kết quả chạy SPSS rút từ phụ lục 02)
Mô hình có R2 = 0,655 và R2 hiệu chỉnh = 0,641 có nghĩa là 64,1% sự thay đổi của SHL được giải thích bởi 6 nhóm nhân tố là LIND, PTHH, SDB, SDU, CP, DTC còn lại 35,9% sự thay đổi cuar SHL là do những yếu tố khác không có trong mô hình nghiên cứu.
Bảng 3.19. Phân tích phương sai – ANOVA
Tổng bình phương | df | Sai số chuẩn ước lượng | F | Mức ý nghĩa | ||
1 | Mô hình hồi quy | 39.769 | 6 | 6.628 | 45.297 | .000b |
Số dư | 20.925 | 143 | .146 | |||
Tổng | 60.693 | 149 |
(Nguồn: Kết quả chạy SPSS rút từ phụ lục 02)
Ta có giả thuyết như sau:
- H0: 𝛽1 = 𝛽2 = 𝛽3 = 𝛽4 = 𝛽5 = 𝛽6 = 0 Mô hình không phù hợp
- H1: ít nhất có một 𝛽j ≠ 0 (𝛽12 + 𝛽22 + 𝛽32 + 𝛽42 + 𝛽52 + 𝛽62 ≠ 0)
Mô hình phù hợp
Kiểm định:
Dựa vào kết quả ở bảng trên ta thấy mức ý nghĩa = 0,000 < 0,05 nên ta bác bỏ giả thuyết H0, chấp nhận giả thuyết H1. Kết luận mô hình phù hợp.