Hệ số tải nhân tố | ||||||
Sự đồng cảm | Năng lực phục vụ | Mức độ Đáp ứng | Sự tin cậy | Cơ sở vật chất | ||
RE3 | 0.759 | |||||
RE4 | 0.740 | |||||
RE5 | 0.703 | |||||
PI1 | 0.681 | |||||
PI2 | 0.710 | |||||
PI3 | 0.745 | |||||
PI4 | 0.692 | |||||
PI5 | 0.660 | |||||
KMO | 0.806 | |||||
p-value (Bartlett) | 0.00 | |||||
TVE (%) | 56.488% | |||||
Có thể bạn quan tâm!
-
Kết Quả Nghiên Cứu Đánh Giá Chất Lượng Dịch Vụ Khách Hàng Cá Nhân Tại Ngân Hàng Tmcp Kỹ Thương Việt Nam -
Bảng Chỉ Số Tài Chính Nổi Bật Techcombank Năm 2020 -
Kết Quả Đánh Giá Chất Lượng Dịch Vụ Của Khách Hàng Cá Nhân Tác Động Đến Sự Hài Lòng Của Khách Hàng Tại Tmcp Kỹ Thương Việt Nam -
Kết Quả Thống Kê Về Mức Độ Hài Lòng Theo Từng Nhân Tố -
Giải Pháp Nhằm Nâng Cao Chất Lượng Dịch Vụ Khách Hàng Cá Nhân Tại Ngân Hàng Tmcp Kỹ Thương Việt Nam -
Phạm Thị Mộng Hằng, Nghiênx Cứu Sự Hài Lòng Của Khách Hàng Đối Với Chất Lượng Dịch Vụ Của Các Ngân Hàng Thương Mại Trong Nước Trên Địa
Xem toàn bộ 150 trang tài liệu này.
(Nguồn: Kết quả phân tích của tác giả)
3.3.3.2. Kết quả phân tích nhân tố khám phá (EFA) qua kiểm định KMO and Bartlett’s Test với biến “sự hài lòng”
Kết quả phân tích nhân tố với dữ liệu khảo sát được đối với các biến quan sát đo lường sự hài lòng của khách hàng đối với dịch vụ cho thấy sử dụng phân tích khám phá nhân tố là phù hợp. Hệ số KMO lớn hơn 0.5 (0.677), các hệ số factor loading đều lớn hơn 0.5, phương sai giải thích lớn hơn 50% (66.027%) và các biến quan sát hội tụ thành một nhân tố duy nhất (bảng 3.9). Ba biến quan sát rút trích về 1 nhóm nhân tố chính có Eigenvalues = 1.981 (lớn hơn 1). Điều này cho thấy thang đo nhân tố “sự hài lòng” là một thang đo đơn hướng, không thể hiển thị ma trận xoay.
Bảng 3.9. Kết quả phân tích nhân tố biến “sự hài lòng”
Hệ số tải nhân tố | |
Sự hài lòng | |
SA1 | 0.846 |
SA2 | 0.806 |
SA3 | 0.785 |
KMO | 0.677 |
p-value (Bartlett) | 0.00 |
TVE (%) | 66.027% |
(Nguồn: Kết quả phân tích của tác giả)
Hệ số KMO = 0.677 thỏa điều kiện (lớn hơn 0.5) nên dữ liệu phù hợp phân tích nhân tố EFA. Bartlett’s Test có ý nghĩa thống kê (Sig. <0.05) nên các biến quan sát có tương quan với nhau trong tổng thể.
3.3.4. Phân tích tương quan tuyến tính và hồi quy đa biến
3.3.4.1. Phân tích tương quan tuyến tính
Để đánh giá mối quan hệ giữa các biến trong mô hình tác giả sử dụng phân tích tương quan bằng hệ số tương quan Pearson. Kết quả phân tích cho thấy giữa 5 nhân tố thuộc mô hình lý thuyết không có sự tương quan cặp đáng kể nào. Biến “sự hài lòng” có tương quan dương với các nhân tố như “sự tin cậy” (r = 0.414, p-value < 0.05), nhân tố “năng lực phục vụ” (r = 0.076, p-value < 0.01) (bảng 2.3.4.1.a) và nhân tố “mức độ đáp ứng” (r = 0.515, p-value < 0.05). Điều này cho thấy các biến trong mô hình có mối quan hệ với nhau, và các biến độc lập có thể đưa vào mô hình để giải thích cho biến “sự hài lòng” của khách hàng.
Bảng 3.10. Kết quả phân tích tương quan giữa các biến trong mô hình
PI | RE | RL | SC | EM | SA | ||
PI | HS tương quan Pearson | 1 | .095 | .300** | .116* | .146* | .414** |
Sig. (2- tailed) | .101 | .000 | .044 | .011 | .000 | ||
RE | HS tương quan Pearson | .095 | 1 | .120* | -.077 | .092 | .414** |
Sig. (2- tailed) | .101 | .038 | .186 | .113 | .000 | ||
RL | HS tương quan Pearson | .300** | .120* | 1 | -.054 | .132* | .515** |
Sig. (2- tailed) | .000 | .038 | .352 | .023 | .000 | ||
SC | HS tương quan Pearson | -.116* | -.077 | -.054 | 1 | .111 | .135* |
Sig. (2- tailed) | .044 | .186 | .352 | .055 | .020 | ||
EM | HS tương quan Pearson | .146* | .092 | .132* | .111 | 1 | .349** |
Sig. (2- tailed) | .011 | .113 | .023 | .055 | .000 | ||
SA | HS tương quan Pearson | .414** | .414** | .515** | .135* | .349** | 1 |
Sig. (2- tailed) | .000 | .000 | .000 | .020 | .000 | ||
**. Hệ số tương quan có ý nghĩa ở mức 0.01 | |||||||
*. Hệ số tương quan có ý nghĩa ở mức 0.05 | |||||||
(Nguồn: Kết quả phân tích của tác giả)
Nhận thấy tất cả các biến độc lập đều có tương quan tuyến tính với biến phụ thuộc (Sig <0.05). Tiến hành đưa các biến độc lập có tương quan với biến phụ thuộc vào mô hình hồi quy tuyến tính ở các bước tiếp theo.
3.3.4.2. Phân tích hồi quy
Theo giả thuyết của mô hình nghiên cứu có một thành phần phụ thuộc là sự hài lòng và 5 nhân tố độc lập. Tiến hành phân tích hồi quy đễ xác định chính xác nhân tố nào tác động đến sự hài lòng của khách hàng, đồng thời xác định mức độ tác động của từng nhân tố đến sự hài lòng. Ta có mô hình hồi quy như sau:
SA = β0 + β1xX1 + β2xX2 + β3xX3 + β4xFX4 + β5xX5
Trong đó:
- SA: Giá trị của biến phụ thuộc “sự hài lòng” về chất lượng dịch vụ KHCN.
- X1: Giá trị biến độc lập thứ 1 là ảnh hưởng của “Phương tiện hữu hình” đến sự hài lòng về chất lượng dịch vụ KHCN.
- X2: Giá trị biến độc lập thứ 2 là ảnh hưởng của “Sự tin cậy” đến sự hài lòng về chất lượng dịch vụ KHCN.
- X3: Giá trị biến độc lập thứ 3 là ảnh hưởng của “Mức độ đáp ứng” đến sự hài lòng về chất lượng dịch vụ KHCN.
- X4: Giá trị biến độc lập thứ 4 là ảnh hưởng của “Năng lực phục vụ” đến sự hài lòng về chất lượng dịch vụ KHCN.
- X5: Giá trị biến độc lập thứ 5 là ảnh hưởng của “Sự đồng cảm” đến sự hài lòng về chất lượng dịch vụ KHCN.
- Giá trị t và mức ý nghĩa trong mô hình hồi quy bội xác định 5 biến độc lập có ảnh hưởng đến sự hài lòng của khách hàng đối với chất lượng dịch vụ khách hàng cá nhân với độ tin cậy 95% ( sig < 0.05). Như vậy giả thuyết H1, H2, H3, H4, H5 được chấp nhận ở mức độ tin cậy 95%. Như vậy mô hình thoả mãn các điều kiện đánh giá.
Bảng 3.11. Kết quả phân tích hồi quy
Hệ số hồi quy chưa chuẩn hoá | Hệ số hồi quy chuẩn hoá | Hệ số t | Hệ số Sig | Thống kê đa cộng tuyến | ||||
Hệ sô B | Độ lệch chuẩn | Hệ số Beta | Dung sai điều chỉnh | VIF | ||||
1 | Hằng số | .151 | .215 | .702 | .483 | |||
PI | .204 | .033 | .259 | 6.168 | .000 | .884 | 1.132 | |
RE | .245 | .029 | .339 | 8.458 | .000 | .971 | 1.029 | |
RL | .271 | .030 | .380 | 9.086 | .000 | .894 | 1.118 | |
SC | .145 | .031 | .188 | 4.673 | .000 | .963 | 1.038 | |
EM | .173 | .034 | .209 | 5.151 | .000 | .947 | 1.056 |
(Nguồn: Kết quả phân tích của tác giả)
3.3.4.3. Kiểm tra hiện tượng đa cộng tuyến
Dựa vào Bảng 3.11 hiện tượng đa cộng tuyến sẽ được kiểm định thông qua hệ số phóng đại VIF kết quả cho thấy hệ số phóng đại phương sai (VIF) có giá trị từ
1.029 đến 1.132 đạt yêu cầu ( VIF < 2). Vậy mô hình hồi quy tuyến tính bội không có hiện tượng đa cộng tuyến, mối quan hệ giữa các biến độc lập không ảnh hưởng đến kết quả giải thích của mô hình.
3.3.4.4. Kiểm định độ phù hợp của mô hình
Kết quả phân tích hồi quy cho thấy R2 = 0.541 nghĩa là mức độ phù hợp của mô hình là 54.1% . Như vậy biến thiên của các biến độc lập giải thích được 54.1% sự biến thiên của biến phụ thuộc, mô hình có giá trị giải thích ở mức khá cao.
Bảng 3.12. Kết quả kiểm định mô hình
Giá trị R | Giá trị R2 | R2 điều chỉnh | Sai số chuẩn của ước lượng | Giá trị Durbin- Watson | |
1 | .736a | .541 | .534 | .51628 | 2.163 |
a. Hằng số: EM, RE, SC, RL, PI | |||||
b. Biến phụ thuộc: SA | |||||
(Nguồn: Kết quả phân tích của tác giả)
Kết quả từ ANOVAb cho thấy giá trị thống kê F = 69.399 với giá trị Sig rất nhỏ (Sig = 0.000b < 0.05) cho thấy mô hình có ý nghĩa thống kê. Như vậy có thể kết luận rằng hàm hồi quy là hoàn toàn phù hợp.
Bảng 3.13. Kết quả kiểm định ANOVA
Tổng chênh lệch bình phương | df | Trung bình bình phương | F | Giá trị Sig. | ||
1 | Hồi quy | 92.489 | 5 | 18.498 | 69.399 | .000b |
Phần dư | 78.363 | 294 | .267 | |||
Tổng | 170.852 | 299 | ||||
a. Dependent Variable: SA | ||||||
b. Hằng số: EM, RE, SC, RL, PI | ||||||
(Nguồn: Kết quả phân tích của tác giả)
3.3.4.5. Kiểm định các giả định hồi quy
Giả định không có tương quan giữa các phần dư. Đại lượng thống kê Durbin - Watson được dùng để kiểm định tương quan chuỗi bậc nhất. Kết quả nhận được từ bảng 3.1.2 cho thấy đại lượng thống kê Durbin-Watson có gia trị 2.163 nằm trong khoảng từ 1 đến 3 nên chấp nhận được giả thuyết không có sự tương quan giữa các
phần dư hay không có hiện tượng tương quan.
3.3.4.6. Kiểm tra giả thuyết
- Giả thuyết H1: Phương tiện hữu hình với sự hài lòng của khách hàng có mối quan hệ cùng chiều. Giả thuyết này phù hợp với mô hình vì hệ số beta của nhân tố này = 0.204 > 0. Do đó khi nhân tố này tăng lên 1 đơn vị thì sự hài lòng của khách hàng tăng lên 0.204 (trong điều kiện giữ nguyên nhân tố độc lập còn lại)
- Giả thuyết H2: Sự tin cậy với sự hài lòng của khách hàng có mối quan hệ cùng chiều. Giả thuyết này phù hợp với mô hình vì hệ số beta của nhân tố này = 0.245 <0. Do đó khi nhân tố này tăng lên 1 đơn vị thì sự hài lòng của khách hàng tăng lên 0.245 đơn vị (trong điều kiện giữ nguyên nhân tố độc lập còn lại)
- Giả thuyết H3: Mức độ đáp ứng với sự hài lòng của khách hàng có mối quan hệ cùng chiều. Giả thuyết này phù hợp với mô hình vì hệ số beta của nhân tố này = 0.271 > 0. Do đó khi nhân tố này tăng lên 1 đơn vị thì sự hài lòng của khách hàng tăng lên 0.271 đơn vị (trong điều kiện giữ nguyên các nhân tố độc lập còn lại).
- Giả thuyết H4: Năng lực phục vụ với sự hài lòng của khách hàng có mối quan hệ cùng chiều. Giả thuyết này phù hợp với mô hình vì hệ số beta của nhân tố này =
0.145 > 0. Do đó khi nhân tố này tăng lên 1 đơn vị thì sự hài lòng của khách hàng tăng lên 0.145 đơn vị (trong điều kiện giữ nguyên các nhân tố độc lập còn lại).
- Giả thuyết H5: Sự đồng cảm với sự hài lòng của khách hàng có mối quan hệ cùng chiều. Giả thuyết này phù hợp với mô hình vì hệ số beta của nhân tố này = 0.173 > 0. Do đó khi nhân tố này tăng lên 1 đơn vị thì sự hài lòng của khách hàng tăng lên 0.173 đơn vị (trong điều kiện giữ nguyên các nhân tố độc lập còn lại).
3.3.4.7. Kiểm tra hiện tượng phương sai sai số thay đổi
Dùng Đồ thị phân tán giữa giá trị dự đoán và phần dư từ hồi quy. Nhận thấy các giá trị phần dư phân tán một cách ngẫu nhiên trong một phạm vi quanh trục 0 (giá trị trung bình của phần dư), kết luận giả định phần dư có phân phối chuẩn không bị vi phạm.
Hình 3.10. Đồ thị phân tán giữa giá trị dự đoán và phần dư từ hồi quy
(Nguồn: Kết quả phân tích của tác giả)
3.3.4.8. Kiểm tra giả định phần dư có phân phối chuẩn
Dùng biểu đồ tần số của phần dư chuẩn hóa. Nhận xét thấy: Giá trị trung bình của các quan sát Mean = 0, độ lệch chuẩn Std.Dev = 0.992 (hình 3.11). Do đó có thể kết luận rằng giả định phần dư phân phối chuẩn không bị vi phạm. Qua đồ thị phân tán cho (hình 3.11) cho thấy các phần dư chuẩn hoá được được phân tán ngẫu nhiên xung quanh tung độ 0 nghĩa là phần dư chuẩn hoá không tuân theo một quy luât (hình dạng) nào. Do đó có thể kết luận rằng giả định liên kết tuyến tính không bị vi phạm.