Xác Định Kích Cỡ Mẫu Theo Phương Pháp Phân Tích

2.1.3. Quy trình nghiên cứu

Qui trình nghiên cứu cung cấp cái nhìn tổng quát về thứ tự và công việc được thực hiện trong nghiên cứu này. Qui trình nghiên cứu trình bày thông qua sơ đồ sau:

1. Xác định mục tiêu, đối tượng và phạm vi nghiên cứu

2. Xác định dữ liệu cần

thu thập

3. Thu thập dữ liệu thứ

cấp

4. Thiết kế nghiên cứu

8. Điều tra chính thức

7. Hoàn chỉnh phiếu

điều tra

6. Phỏng vấn xin ý

kiến chuyên gia

5. Thiết kế bảng hỏi sơ

bộ

9. Phân tích dự liệu

10. Giải thích kết

quả

11. Kết luận

Hình 2.2. Quy trình nghiên cứu chi tiết đề tài

(Nguồn: Tác giả đề xuất)

Quy trình nghiên cứu đề xuất của tác giả bao gồm 11 bược như sơ đồ trên.

Bước 1: Mục tiêu là nghiên cứu những yếu tố của chất lượng dịch vụ ảnh hưởng đến sự hài lòng của KHCN. Đối tượng là KHCN đã và đang sử dụng dịch vụ của Techcombank. Phạm vi nghiên cứu là KHCN trên toàn hệ thống Techcombank.

Bước 2: Xác định số dữ liệu cần thu thập là 300 mẫu đạt tiêu chuẩn.

Bước 3: Thu thập dữ liệu thứ cấp thông qua báo cáo, tài liệu liên quan trong thời gian từ năm 2018 đến 2020.

Bước 4: Thiết kế nghiên cứu: thiết kế thang đo, thiết kế bảng câu hỏi phỏng vấn,

thiết kế mô hình nghiên cứu.

Bước 5: Thiết kế bảng câu hỏi sơ bộ dựa trên cơ sở mục tiêu cần đạt được của nghiên cứu.

Bước 6: Xin ý kiến chuyên gia như Trưởng bộ phận Quản lý Chất lượng KHCN, Giám đốc Khối…

Bước 7: Căn cứ từ các ý kiến chuyên gia hoàn thành phiếu điều tra chính thức.

Bước 8: Chính thức điều tra qua hình thức phỏng vấn định lượng khách hàng qua các hình thức: trực tiếp tại quầy giao dịch, gọi điện cho khách hàng, gửi email mời khảo sát xin ý kiến.

Bước 9: Thu thập và xử lý 300 số mẫu đạt chuẩn, sử dụng SPSS 20 cũng như mô hình thiết lập ban đầu để phân tích dữ liệu.

Bước 10: Từ phân tích số liệu giải thích các chỉ số, các kết quả thu được. Bước 11: Đánh giá và đưa ra kết luận từ kết quả nghiên cứu.

2.2. Xác định kích cỡ mẫu theo phương pháp phân tích

Chọn mẫu theo mô hình phân tích nhân tố khám phá (EFA)

Theo Hair và cộng sự (2006) cỡ mẫu được xác định được dựa vào: (i) mức tối thiểu và (ii) số lượng biến đưa vào phân tích của mô hình.

Mức tối thiểu (min) = 50

Tỷ lệ của số quan sát so với 1 biến phân tích (k) là: 5/1 hoặc 10/1 Nếu mô hình có m thang đo Pj biến quan sát. Cỡ mẫu được xác định

j 1

n kmp

P: số biến độc lập của mô hình K = 5 quan sát/1 biến hoặc 10/1

Theo bài sẽ xây dựng mô hình 6 thang đo có 5 biến quan sát , chọn k = 10/1

n  10*65  300

Số mẫu tối thiểu cần cho bài nghiên cứu là 300 mẫu.

Dự kiến sẽ phát ra 600 phiếu để đảm bảo tỉ lệ đạt mẫu chuẩn cao. Tiêu chuẩn cho mẫu khảo sát đạt là: Khách hàng cung cấp được đầy đủ thông tin, trả lời khách quan toàn bộ câu hỏi khảo sát. Đối với 600 mẫu chọn ra để khảo sát sẽ loại bỏ khách hàng là CBNV Techcombank, khách hàng nước ngoài, khách hàng ưu tiên và mẫu lọc theo các tiêu chí giới tính, độ tuổi, nghề nghiệp, dịch vụ sử dụng, mức lương theo tiêu chí đã xây dựng đối tượng ban đầu.

Phiếu điều tra được thực hiện thông qua các kênh: Gửi email cho khách hàng, gọi điện khảo sát khách hàng, thu thập khảo sát tại quầy khi khách hàng đến giao dịch, qua callbot. Đối với hình thức: email, gọi điện và callbot dựa trên cơ sở dữ liệu chọn lọc từ hệ thống đạt các tiêu chí đã trình bày chọn mẫu phía trên, đối với khách hàng đến quầy CBNV dựa trên thông tin cơ bản trên hệ thống phù hợp tiêu chí thực hiện khảo sát. Khảo sát được thực hiện trong thời gian quy định, kết quả được tổng hợp gửi trả về Bộ phận Quản lý Chất lượng dịch vụ - Khối KHCN để tiến hành chọn lọc những phiếu hợp lệ đủ với số lượng 300 mẫu và phân tích.

2.3. Xây dựng thang đo

Từ những nghiên cứu trước đó được đề cập ngắn gọn ở các phần trên của nghiên cứu cùng với những đặc điểm tổ chức và hình thức dịch vụ khách hàng thang đo sơ bộ được xây dựng gồm 25 biến quan sát kế thừa từ mô hình SERVQUAL và một số mô hình nghiên cứu trước đó của Abdullah và cộng sự (2005), Mohammad A. Khan (2018). Các biến quan sát được thay đổi cho phù hợp với đặc biểm của dịch vụ khách hàng cá nhân tại Ngân hàng TMCP Kỹ thương Việt Nam. Sau khi xem xét và chỉnh sửa, các biến quan sát được hoàn chỉnh như trong bảng

Bảng 2.1: Bảng mô tả các biến trong thang đo

Tên

biến

Mô tả các biến trong thang đo
PI	Phương tiện hữu hình
PI1	Đồng phục của nhân viên gọn gàng, sạch sẽ, lịch sự
PI2	Ngân hàng có trang thiết bị máy móc hiện đại, cơ sở vật chất đầy đủ
PI3	Không gian giao dịch bài trí hợp lý, rộng rãi, sạch sẽ
PI4	Hệ thống máy ATM hiện đại, rộng khắp đáp ứng được nhu cầu khách hàng
PI5	Ngân hàng có mạng lưới CN, PGD rộng khắp, dễ tìm kiếm.
RE	Sự tin cậy
RE1	Ngân hàng luôn bảo mật thông tin cá nhân, giao dịch với khách hàng
RE2	Ngân hàng luôn minh bạch thông tin về thủ tục, biểu phí, quy định và các điều kiện chính sách cho khách hàng
RE3	Các sản phẩm dịch vụ được ngân hàng cung cấp đúng luôn giữ đúng như đã cam kết
RE4	Quy trình thủ tục giao dịch chính xác
RE5	Nhân viên thực hiện dịch vụ đúng thời gian đã cam kết
RL	Mức độ đáp ứng
RL1	Nhân viên cung cấp thông tin cho khách hàng đầy đủ, chính xác, kịp thời
RL2	Thủ tục và quy trình giao dịch đơn giản dễ hiểu
RL3	Nhân viên sẵn sàng giải quyết các yêu cầu của khách hàng một cách nhanh nhất
RL4	Sản phẩm dịch vụ của ngân hàng đáp ứng được nhu cầu của khách hàng
RL5	Các kênh online như hotline 247, email, website…hỗ trợ kịp thời cho khách hàng.
SC	Năng lực phục vụ
SC1	Nhân viên phục vụ khách hàng có kỹ năng giao tiếp lịch thiệp, ân cần, luôn hỗ trợ giúp đỡ khách hàng
SC2	Nhân viên sẵn sàng chăm sóc khách hàng và hỗ trợ ngay cả ngoài giờ làm việc

Có thể bạn quan tâm!

Xem toàn bộ 150 trang tài liệu này.

SC3

Nhân viên có đủ trình độ kiến thức trả lời các thắc mắc của khách hàng
SC4	Nhân viên linh hoạt, luôn cải tiến để tư vấn và có những giải pháp hiệu quả nhất cho khách hàng
SC5	Nhân viên nắm rõ quy trình, thủ tục, nghiệp vụ giao dịch chính xác và nhanh chóng
EM	Sự đồng cảm
EM1	Ngân hàng luôn chú trọng, hướng mục tiêu vào những nhu cầu của khách hàng
EM2	Ngân hàng quan tâm đến lợi ích của khách hàng
EM3	Nhân viên hiểu rõ nhu cầu của khách hàng
EM4	Nhân viên tận tâm và xử lý tận gốc những vấn đề của khách hàng
EM5	Ngân hàng luôn lắng nghe và đánh giá cao góp ý của khách hàng
SA	Sự hài lòng
SA1	Khách hàng có hài lòng với chất lượng dịch vụ của ngân hàng không?
SA2	Khách hàng sẽ tiếp tục sử dụng dịch vụ tại ngân hàng không?
SA3	Khách hàng sẵn sàng giới thiệu dịch vụ sản phẩm của Ngân hàng cho những người khác không?

(Nguồn: Tác giả đề xuất)

Từ thang đo đã hiệu chỉnh, phiếu khảo sát được hoàn thiện gồm hai phần. Phần đầu tiên là phần thông tin cá nhân của người khảo sát nhằm phân loại mẫu. Các thông tin thu thập bao gồm giới tính, độ tuổi, nghề nghiệp, thu nhập. Phần thứ hai là phần câu hỏi về mức độ hài lòng của khách hàng về những yếu tố thuộc chất lượng dịch vụ tại Ngân hàng TMCP Kỹ thương Việt Nam. Phần này gồm có các câu hỏi thuộc 6 thang đo: Phương tiện hữu hình, sự tin cậy, mức độ đáp ứng, năng lực phục vụ, sự đồng cảm và sự hài lòng. Để đo lường mức độ tác động, các biến quan sát được sử dụng thang đo Likert 5 điểm đo lường mức độ đồng ý của khách hàng.

5 = Hoàn toàn đồng ý 4 = Đồng ý

3 = Bình thường 2 = Không đồng ý

1 = Hoàn toàn không đồng ý

2.4. Phương pháp xử lý thông tin số liệu

2.4.1. Thống kê mô tả:

Thống kê mô tả là việc phân tích dữ liệu giúp mô tả, hiển thị hoặc tóm tắt dữ liệu theo một cách có ý nghĩa sao cho các đặc điểm của mẫu có thể xuất hiện từ dữ liệu. Tuy nhiên, thống kê mô tả không thể đưa ra những kết luận ngoài dữ liệu hiện có hoặc đưa ra kết luận về bất kỳ giả thuyết nào. Thống kê mô tả chỉ đơn giản là một cách để mô tả dữ liệu.

Thống kê mô tả rất quan trọng bởi vì nếu dữ liệu chỉ được trình bày dưới dạng thô, sẽ có rất ít thông tin được dữ liệu hiển thị. Do đó, thống kê mô tả được trình bày dữ liệu theo cách có ý nghĩa hơn, cho phép hiểu dữ liệu một cách đơn giản hơn. Có hai loại thống kê chung được sử dụng để mô tả dữ liệu:

Đo lường giá trị trung tâm: đây là những phương pháp mô tả vị trí trung tâm của sự phân bố tần số của một nhóm dữ liệu. Có thể mô tả vị trí trung tâm này bằng cách sử dụng một số công cụ thống kê, bao gồm tần suất xuất hiện nhiều nhất (mode), trung vị (median) và trung bình (mean). Trong đó mean thường được sử dụng phổ biến nhất.

Đo lường giá trị biến thiên: đây là cách tóm tắt một nhóm dữ liệu bằng cách mô tả mức độ phân tán của điểm số. Các phép đo mức độ biến thiên giúp xác định mức độ phân tán của các điểm số này, từ đó có thể thấy mức độ đồng đều hay không đồng đều của điểm số. Để mô tả sự chênh lệch này, một số thống kê có sẵn bao gồm phạm vi (range), tứ phân vị (interquartile range), độ lệch tuyệt đối (absolute deviation), phương sai (variance) và độ lệch chuẩn (standard deviation).

Thống kê mô tả có thể được thực hiện thông qua cách sử dụng kết hợp mô tả được lập bảng (tức là bảng), mô tả bằng đồ họa (tức là đồ thị và biểu đồ) và bình luận thống kê (tức là thảo luận về kết quả).

2.4.2. Kiểm định độ tin cậy của thang đo

Cronbach’s alpha, α (hay hệ số alpha), được phát triển bởi Lee Cronbach vào

năm 1951, đo lường độ tin cậy hay tính nhất quán nội tại. “Độ tin cậy” là mức độ tốt mà một bài khảo sát đo lường nên đạt được.

Kiểm định Cronbach’s alpha mục đích để xem liệu các cuộc khảo sát thang đo Likert nhiều câu hỏi có đáng tin cậy hay không. Những câu hỏi này đo lường các biến tiềm ẩn - các biến ẩn hoặc không thể quan sát được. Cronbach’s alpha sẽ loại bỏ những biến không phù hợp trong tổng thể mẫu. Việc loại bỏ các biến rác sẽ giúp cho quá trình phân tích khám phá nhân tố chính xác hơn. Hệ số tin cậy Cronbach’s Alpha chỉ cho biết các đo lường có liên kết với nhau hay không mà không đưa ra kết luận biến nào cần bỏ đi và biến nào giữ lại.

Khi tiến hành kiểm định độ tin cậy của thang đo, có một số tiêu chí đánh giá được áp dụng. Đầu tiên, loại bỏ các biến quan sát có hệ số tương quan biến tổng nhỏ (< 0,3); lựa chọn các biến có hệ số Cronbach’s alpha đáp ứng đủ tiêu chuẩn, cụ thể là lớn hơn 0.6. Ở bài nghiên cứu này thì Crobach Alpha từ 0.6 trở mới được giữ lại.

2.4.3. Phân tích nhân tố khám phá (EFA)

Trong thống kê đa biến, phân tích nhân tố khám phá (EFA) là một phương pháp thống kê được sử dụng để khám phá cấu trúc cơ bản của một tập hợp các biến tương đối lớn. EFA là một kỹ thuật trong phân tích nhân tố có mục tiêu bao quát là xác định các mối quan hệ cơ bản giữa các biến được đo lường. Phương pháp này thường được sử dụng khi phát triển thang đo và dùng để xác định một tập hợp các cấu trúc tiềm ẩn bên dưới một loạt các biến được đo lường. EFA nên được sử dụng khi nghiên cứu không có các giả thuyết tiên nghiệm về các yếu tố hoặc mẫu của các biến đo lường. EFA được tiến hành dựa trên mô hình nhân tố chung. Trong mô hình này, các biến biểu hiện được biểu thị dưới dạng một hàm của các yếu tố chung, yếu tố duy nhất và sai số đo lường.

Một số tiêu chí được áp dụng khi tiến hành phân tích nhân tố khám phá EFA, đầu tiên là hệ số tải nhân tố, factor loading. Factor loading lớn hơn 0.4 được xem là nhân tố quan trọng, factor loading lớn hơn 0.5, nhân tố được xem là có ý nghĩa thực tiễn. Đồng thời hệ số KMO (Kaiser-MeyerOlkin) phải lớn hơn 0.5. Đây là chỉ số được dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO lớn có ý nghĩa phân

tích nhân tố là thích hợp. Và kiểm định Bartlett phải có ý nghĩa thống kê, tức là p- value nhỏ hơn 0.05. Đây là một đại lượng thống kê dùng để kiểm tra các biến không có tương quan trong tổng biến thống kê. Nếu kiểm định này có p-value nhỏ hơn 0.05 thì các biến quan sát có mối tương quan với nhau. Cuối cùng là tổng phương sai giải thích (TVE) phải nhỏ hơn 50%. Đây là đại lượng thể hiện phần trăm biến thiên của các biến quan sát.

2.4.4. Phân tích tương quan tuyến tính

Phân tích tương quan tuyến tính được thực hiện trước khi tiến hành phân tích hồi quy đa biến. Phân tích tương quan tuyến tính giúp kiểm định mối tương quan giữa các biến độc lập và biến phụ thuộc đồng thời sớm nhận diện ra các vấn đề về đa cộng tuyến khi các biến độc lập cũng có tác động lên nhau. Nghiên cứu tiến hành phân tích tương quan tuyến tính thông qua hệ số Pearson (Pearson correlation coeficient, kí hiệu là r). Nguyên tắc của phân tích tương quan Pearson là tìm ra một đường thẳng phù hợp nhất mô tả mối quan hệ giữa các biến.

Điều kiện để tương quan có ý nghĩa là giá trị p-value nhỏ hơn 0.5. Khi đó hệ số tương quan r sẽ nhận giá trị từ -1 đến 1. Trong đó tương quan càng chặt chẽ khi hệ số càng tiến gần về -1 hoặc 1. Hệ số âm thể hiện mối tương quan âm, hệ số dương thể hiện mối tương quan dương. Tương quan càng yếu khi càng tiến gần về 0. Hệ số tương quan bằng 0 sẽ có hai tình huống xảy ra: một là giữa các biến không có mối liên hệ nào và hai là giữa các biến có quan hệ phi tuyến. Hệ số r không biểu thị mối quan hệ phi tuyến.

2.4.5. Phân tích hồi quy đa biến

a. Kiểm định đa cộng tuyến: Đa cộng tuyến là trạng thái trong đó các biến độc lập có tương quan chặt chẽ với nhau. Vấn đề của hiện tượng đa cộng tuyến là chúng cung cấp cho mô hình những thông tin rất giống nhau, và rất khó tách rời ảnh hưởng của từng biến một đến biến phụ thuộc. Hiệu ứng khác của sự tương quan khá chặt chẽ giữa các biến độc lập là nó làm tăng độ lệch chuẩn của các hệ số hồi quy và làm giảm giá trị thống kê t của kiểm định ý nghĩa của chúng nên các hệ số có khuynh hướng kém ý nghĩa hơn khi không có đa cộng tuyến trong khi hệ số xác định R2 vẫn khá

Xem toàn bộ nội dung bài viết ᛨ