Nâng cao chất lượng dịch vụ bảo lãnh ngân hàng đối với khách hàng doanh nghiệp tại Ngân hàng TMCP Ngoại Thương Việt Nam

0,5 sẽ bị loại để đảm bảo tính hợp lệ (validity) của thang đo. Phương pháp trích (extraction method) được sử dụng là phân tích nhân tố chính (principal component analysis) và phương pháp quay quanh trục tọa độ (orthogonal rotation method) là Varimax with Kaiser Normalization (chuẩn Kaiser).

3.3.3.1. Phân tích hệ số Cronbach’s alpha

Chúng ta sẽ lần lượt xem xét hệ số Cronbach’s alpha của thang đo từng nhân tố của sự hài lòng chất lượng dịch vụ bảo lãnh và hệ số Cronbach’s alpha đối với sự hài lòng chất lượng dịch vụ bảo lãnh nói chung. (Phụ lục A.2)

Bảng 3.2: Kết quả kiểm định các nhân tố

Nhân tố

Số lượng biến	Cronbach’s Alpha
Nguồn lực	5	0.865
Kết quả	7	0.875
Quá trình	3	0.861
Quản lý	6	0.856
Hình ảnh và trách nhiệm xã hội	3	0.922
Sự hài lòng chung	5	0.908

Có thể bạn quan tâm!

Xem toàn bộ 128 trang tài liệu này.

(Nguồn: Tổng hợp kết quả kiểm định các nhân tố theo phụ lục A.2)

Thang đo từng nhân tố của chất lượng dịch vụ: Kết quả phân tích Cronbach alpha đối với các nhân tố của sự hài lòng chất lượng dịch vụ bảo lãnh được tóm tắt như sau:

Hệ số Cronbach’s alpha của tất cả các nhân tố đều > 0,8 (thấp nhất là 0,856 và cao nhất là 0,922), chứng tỏ rằng đây là thang đo lường tốt.

Hệ số tương quan biến tổng đều lớn hơn 0,4 (thấp nhất là 0,503 cho biến KQ5) nên tất cả các biến đều được giữ lại vì chúng đảm bảo độ tin cậy của thang đo.

Như vậy, thông qua công cụ phân tích hệ số Cronbach’s alpha ta nhận thấy các biến thể hiện khá tốt nhân tố nó phản ánh.

Thang đo chất lượng dịch vụ nói chung

Hệ số Cronbach’s alpha của thang đo này rất cao (đạt 0,908) cùng với hệ số tương quan biến tổng đều lớn hơn 0,65 cho thấy các nhân tố có liên hệ khá chặt chẽ và phản ánh được cùng một khái niệm, đó là sự hài lòng với dịch vụ bảo lãnh nói chung. (Bảng A-27, Bảng A-29)

3.3.3.2. Phân tích nhân tố‌

Phân tích nhân tố thường được dùng trong quá trình xây dựng thang đo đo lường các khía cạnh khác nhau của khái niệm nghiên cứu, kiểm tra tính đơn hướng của thang đo lường (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005). Như vậy, phân tích nhân tố vừa giúp ta rút gọn tập hợp nhiều biến thành một số biến tương đối ít đồng thời kiểm tra độ kết dính hay độ tin cậy của các biến trong cùng một thang đo.

Trong đề tài nghiên cứu này, phân tích nhân tố sẽ giúp ta xem xét khả năng rút gọn số lượng 25 biến quan sát xuống còn một số ít các nhân tố (biến) dùng để đo lường chất lượng dịch vụ bảo lãnh. Nó cũng giúp ta kiểm định lại lần nữa các chỉ số đánh giá (biến) trong từng nhân tố có thực sự đáng tin cậy và có độ kết dính như chúng đã thể hiện ở phần xác định hệ số Cronbach’s alpha không. Tương tự nó cũng giúp ta kiểm tra xem sáu nhân tố mà chúng ta đã xây dựng ban đầu có thực sự đo lường cùng khái niệm ‘sự hài lòng khách hàng” và có độ kết dính cao không.

Các khía cạnh của nhân tố ảnh hưởng đến sự hài lòng khách hàng

Cũng như các phương pháp phân tích thống kê khác, trước khi tiến hành phân tích nhân tố, ta cũng cần kiểm tra xem việc dùng phương pháp này có phù hợp hay không. Việc kiểm tra này sẽ được thực hiện bởi việc tính hệ số KMO and Bartlett’s Test. Trị số của KMO trong trường hợp này đạt 0,862 và Sig. của Bartlett’s Test nhỏ hơn 1/1000 cho thấy 25 biến này có tương quan với nhau và hoàn toàn phù hợp với phân tích nhân tố - (Phụ lục A.3, Bảng A-31, A-32). Bartlett’s Test dùng để kiểm định giả thuyết Ho là

các biến không có tương quan với nhau trong tổng thể, còn KMO dùng để kiểm tra xem với kích thước mẫu ta có được có phù hợp với phân tích nhân tố hay không. Theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc (2005), giá trị KMO nằm giữa 0,5 đến 1 có nghĩa là phân tích nhân tố là thích hợp.

Phương pháp trích trong phân tích nhân tố của nghiên cứu này là phân tích nhân tố chính (Principal component analysis) với giá trị trích Eigenvalue lớn hơn 1. Điều này có nghĩa là chỉ những nhân tố được trích ra có giá trị Eigenvalue lớn hơn 1 mới được giữ lại trong mô hình phân tích.

Bảng kết quả phân tích nhân tố cho thấy có tất cả 25 nhân tố nhưng chỉ có 5 nhân tố có Eigenevalue lớn hơn 1. 5 nhân tố này sẽ được giữ lại tiếp tục phân tích. Ta cũng thấy được với 5 nhân tố này sẽ giải thích được 81,48% biến thiên của dữ liệu (phần trăm của phương sai) và là khá cao trong phân tích nhân tố. (Bảng A-33)

Nhìn vào hệ số tải nhân tố ở ma trận nhân tố (Component matrix) ta khó có thể thấy được những biến nào giải thích nhân tố nào, do vậy ta cần phải xoay các nhân tố. Phương pháp xoay được chọn ở đây là Varimax procedure, xoay nguyên góc các nhân tố để tối thiểu hóa số lượng biến có hệ số lớn tại cùng một nhân tố, vì vậy sẽ tăng cường khả năng giải thích các nhân tố. Sau khi xoay ta cũng sẽ loại bỏ các biến có hệ số tải nhân tố nhỏ hơn 0,5. Chỉ những biến có hệ số tải lớn hơn 0,5 mới được sử dụng để giải thích một nhân tố nào đó.

Sau khi xoay các nhân tố sự tập trung của các biến theo từng nhân tố đã thể hiện rò ràng. Hệ số tải nhân tố thấp nhất là 0,536 nên đáp ứng điều kiện hội tụ, do đó các biến được giữ lại. Tuy nhiên, tồn tại sự khác biệt giữa các hệ số tải nhân tố của các nhân tố trong cùng một biến quan sát của một số biến < 0,3 (không đảm bảo giá trị phân biệt) nên bị loại. Cụ thể là các biến: KQ3, KQ7, H_T3, QL5, QL4, NL4, QT1, QL6 (Bảng A-35).

Sau khi loại bỏ đi 8 biến trên ra khỏi phân tích nhân tố, ta còn lại 17 biến trong thang đo và được chia làm 4 nhân tố với phương sai trích là 80,703% tại mức Eigenvalues 1.181, ta được kết quả như sau (Bảng A-42):

- Nhân tố thứ nhất (F1) bao gồm 06 biến quan sát: NL3, NL5, KQ1, KQ2, KQ4, QT3. Nhân tố này được đặt tên là Nguồn lực và Kết quả

- Nhân tố thứ hai (F2) bao gồm 04 biến quan sát: NL1, NL2, QT2, QT4. Nhân tố này được đặt tên là Năng lực phục vụ

- Nhân tố thứ ba (F3) bao gồm 4 biến quan sát: H_T1, H_T2, KQ5, KQ6. Nhân tố này được đặt tên là Uy tín và Giá cả.

- Nhân tố thứ tư (F4) bao gồm 3 biến quan sát: QL1, QL2, QL3. Nhân tố này được đặt tên là Quản lý

Kết quả cho thấy có một số thay đổi về thành phần so với mô hình gốc :

- Thành phần Nguồn lực bị tách làm hai thành phần được đặt tên là Nguồn lực (bao gồm các biến NL3, NL5) và Năng lực phục vụ (bao gồm các biến NL1, NL2 và kết hợp với các biến QT2, QT4).

- Thành phần Kết quả cũng bị tách làm 2 thanh phần được đặt tên là Kết quả (bao gồm các biến KQ1, KQ2, KQ4) và Giá cả (bao gồm KQ5, KQ6).

- Ngoài ra, cũng có một số thay đổi nhỏ trong danh mục các biến của các thành phần.

Tuy nhiên, những sự thay đổi này không phủ định mô hình gốc vì về cơ bản các biến theo thành phần đặc trưng cũ vẫn hiện diện trong các thành phần nhân tố mới.

Phân tích nhân tố cũng giúp ta xác định được hệ số nhân của các biến đối với từng nhân tố như sau:

Fi = Wi1 X1 + Wi2 X2 + Wi3 X3 + ……. + Wi17 X17

Trong đó:

Fi: nhân tố thứ i được giải thích bởi 17 biến quan sát.

Wik: nhân số của biến thứ k khi giải thích nhân tố thứ i. Xk: biến thứ k.

Các nhân tố ảnh hưởng đến sự hài lòng của khách hàng

Để đảm bảo độ tin cậy và độ kết dính của các nhân tố của sự hài lòng của khách hàng đã đưa ra ở phần cơ sở lý thuyết, ta sẽ phải tiến hành phân tích nhân tố đối với các nhân tố của sự hài lòng của khách hàng. Mong đợi của ta là các nhân tố này sẽ cùng nhau tạo thành một nhân tố (phạm trù) có Eigenevalue lớn hơn 1; đó là sự hài lòng của khách hàng nói chung được tổng hợp từ các nhân tố trên. Điều đó có nghĩa là năm nhân tố của sự hài lòng của khách hàng có độ kết dính cao và cùng thể hiện 1 phạm trù sự hài lòng của khách hàng. (Bảng A-44, Bảng A-46)

Kết quả phân tích nhân tố đối với các nhân tố này cho thấy các nhân tố này cùng phản ánh một phạm trù, và dựa vào cơ sở lý thuyết, ta có thể khẳng định phạm trù đó là sự hài lòng của khách hàng.

Như vậy, sau phần phân tích nhân tố, ta đã chọn ra được 4 nhân tố ảnh hưởng đến sự hài lòng của khách hàng tại VCB Nam Sài Gòn; đó là Nguồn lực và Kết quả, Năng lực phục vụ, Uy tín và Giá cả; Quản lý.

3.3.4. Kiểm định sự hài lòng chung của khách hàng VCB Nam Sài Gòn

Như đã kiểm định ở phần hệ số Cronbach’s alpha cũng như phân tích nhân tố, sự hài lòng của khách hàng chung sẽ được thể hiện thông qua các nhân tố: Nguồn lực, Kết quả, Năng lực phục vụ, Uy tín, Giá cả và Quản lý. Do đó, giá trị sự hài lòng chung sẽ được tính bằng cách trung bình cộng của các giá trị nhân tố này. Tính toán cho kết quả về sự thỏa mãn công việc dữ liệu từ mẫu ta có sự thỏa mãn công việc chung có giá trị trung bình là 3,9115. (Bảng A-48)

Nhưng giá trị này là giá trị của mẫu, nên ta phải kiểm định xem có phải sự hài lòng chung của toàn bộ tổng thể, tức sự hài lòng của toàn bộ khách hàng của VCB Nam Sài

Gòn cũng có giá trị trung bình đạt mức 3,91? Để làm điều này chúng ta sẽ sử dụng phương pháp One-sample T-Test. Kết quả cho thấy, ta không thể bác bỏ giả thuyết Ho: Sự hài lòng của tổng thể có giá trị 3,91 trong thang đo Likert năm mức độ. Nếu ta bác bỏ giả thuyết này thì xác suất mắc sai lầm lên đến 97,9%. (Bảng A-49).

3.3.5. Phân tích hồi quy tuyến tính

Thông qua kiểm định hệ số Cronbach’s alpha cũng như phân tích nhân tố, sự hài lòng của khách hàng tổng thể sẽ được thể hiện thông qua các nhân tố: Nguồn lực và Kết quả, Năng lực phục vụ, Uy tín, Giá cả và Quản lý. Các nhân tố này sẽ được xem xét trong mô hình hồi quy tuyến tính và mô hình mới được điều chỉnh lại trong nghiên cứu như sau:

Năng lực phục vụ (Capacity)

Quản lý (Management)

Kết quả (Outcomes)

Giá cả (Price)

Nguồn lực (Resources)

SỰ HÀI LÒNG (SATISFACTION)

Uy tín (Prestigious)

Hình 3.2: Mô hình nghiên cứu thực tiễn

Phân tích hồi quy tuyến tính sẽ giúp chúng ta biết được cường độ ảnh hưởng của các biến độc lập lên biến phụ thuộc. Phương pháp hồi quy được sử dụng ở đây là phương pháp bình phương bé nhất thông thường OLS với biến phụ thuộc là sự hài lòng của khách hàng còn biến độc lập là các biến thể hiện ở mô hình đã điều chỉnh trên (Phụ lục A.5)

Giá trị của sự hài lòng của khách hàng được tính theo cách đã trình bày như trên. Còn giá trị của các biến độc lập sẽ được tính bằng giá trị trung bình của các biến thành phần của từng nhân tố đã được xác định sau phần phân tích nhân tố (bảng A-50).

Ta có phương trình hồi quy tuyến tính như sau:

Fi = βo + β1 F1i + β2 F2i + β3 F3i + β4 F4i + ei

Trong đó: Fi : giá trị sự hài lòng khách hàng của quan sát thứ i. Fpi : biến độc lập thứ p đối với quan sát thứ i.

βk : hệ số hồi qui riêng phần của biến thứ p. ei : sai số của phương trình hồi quy.

Hệ số tương quan và phương trình hồi quy tuyến tính

Bước đầu tiên khi phân tích hồi quy tuyến tính ta sẽ xem xét các mối quan hệ tương quan tuyến tính giữa biến phụ thuộc và từng biến độc lập, cũng như giữa các biến độc lập với nhau. Nếu hệ số tương quan giữa biến phụ thuộc và các biến độc lập lớn chứng tỏ giữa chúng có quan hệ với nhau và phân tích hồi quy tuyến tính có thể phù hợp. Mặc khác nếu giữa các biến độc lập cũng có tương quan lớn với nhau thì đó cũng là dấu hiệu cho biết giữa chúng có thể xảy ra hiện tượng đa cộng tuyến trong mô hình hồi quy tuyến tính ta đang xét.

Đưa tất cả các biến độc lập trong mô hình hồi quy đã điều chỉnh bằng phương pháp đưa vào cùng một lúc (Enter). Ta có phương trình hồi quy tuyến tính như sau (Bảng A-55): Y = 0.187 F1+ 0.524 F2 + 0.523 F3 + 0.002F4

Trong đó:

Y: sự hài lòng của khách hàng

F1: sự hài lòng đối với nguồn lực và kết quả công việc. F2: sự hài lòng đối với năng lực phục vụ.

F3: sự hài lòng với uy tín và giá cả.

F4: sự hài lòng đối với công tác quản lý

3.3.6. Đánh giá mô hình và kiểm định giả thuyết

Hệ số xác định của mô hình trên là 0,854 thể hiện bốn biến độc lập trong mô hình giải thích được 85,4% biến thiên của biến phụ thuộc sự hài lòng của khách hàng.Với giá trị này thì độ phù hợp của mô hình là khá tốt. (Bảng A-53)

Tiếp theo cần kiểm định giả thuyết mô hình (phân tích phương sai) của tổng thể. Sau khi đánh giá giá trị R2 ta biết được mô hình hồi quy tuyến tính đã xây dựng là phù hợp với mẫu. Tuy nhiên để có thể suy diễn mô hình này thành mô hình của tổng thể ta cần phải tiến hành kiểm định F thông qua phân tích phương sai. Ta có sig. của F < 1/1000 nên ta có thể bác bỏ giả thuyết hệ số xác định của tổng thể R2pop = 0. Điều này có nghĩa là có ít nhất một biến độc lập ảnh hưởng đến biến phụ thuộc. (Bảng A-53)

tiến hành kiểm định t. Với giả thuyết Ho là hệ số hồi quy của các biến độc lập βk = 0 và với độ tin cậy 90% ta có thể bác bỏ giả thuyết Ho. Điều này có nghĩa các nhân tố trong phương trình hồi quy đều có ảnh hưởng đến sự hài lòng của khách hàng (ngoại trừ nhân tố F4, các nhân tố còn lại có độ tin cậy 95%) (Bảng A-55).

3.3.7. Giải thích mô hình

Phương trình hồi quy tuyến tính trên giúp ta rút ra kết luận từ mẫu nghiên cứu: sự hài lòng của khách hàng đối với dịch vụ bảo lãnh tại VCB Nam Sài Gòn phụ thuộc vào bốn nhân tố chính, đó là Nguồn lực và Kết quả, Năng lực phục vụ, Uy tín, Giá cả và Quản lý. Do tất cả các biến độc lập đều được đo lường bằng thang đo mức độ Likert (cùng một đơn vị tính) nên từ phương trình hồi quy này ta cũng thấy được tầm quan trọng của từng nhân tố đối với sự thỏa mãn công việc. Trong đó, sự hài lòng về năng lực phục vụ, uy tín và giá cả có ảnh hưởng mạnh nhất, kế đến là sự hài lòng đối với nguồn lực và kết quả.