Bảng 3.1. Mô tả mẫu dữ liệu
Thuộc tính | Giá trị | Số lượng phiếu | |
Giới tính | Nam | 54% | 166 |
Nữ | 46% | 142 | |
Tuổi | Từ 20 tuổi đến 30 tuổi | 14% | 43 |
Từ 30 tuổi đến 40 tuổi | 36% | 110 | |
Từ 40 tuổi đến 50 tuổi | 38% | 117 | |
Trên 50 tuổi | 12% | 38 | |
Trình độ học vấn | Trung cấp, cao đẳng | 9% | 27 |
Đại học | 58% | 178 | |
Thạc sỹ | 32% | 98 | |
Tiến sỹ | 1% | 5 | |
Chuyên môn | CNTT | 15% | 46 |
Quan hệ khách hàng | 28% | 86 | |
Marketing | 23% | 70 | |
Tín dụng | 12% | 36 | |
Nguồn vốn | 10% | 30 | |
Giao dịch viên | 8% | 24 | |
Khác | 4% | 16 | |
Thời gian làm việc | Dưới 2 năm | 12% | 36 |
Từ 2 đến 5 năm | 44% | 135 | |
Từ 5 đến 10 năm | 34% | 104 | |
Trên 10 năm | 10% | 33 | |
Chức vụ | Nhân viên | 62% | 190 |
Lãnh đạo cấp trung | 35% | 107 | |
Lãnh đạo cấp cao | 3% | 11 |
Có thể bạn quan tâm!
-
Các Kết Quả Đạt Được Khi Triển Khai Thành Công Giải Pháp -
Chiến Lược Quản Trị Quan Hệ Khách Hàng Điện Tử -
Kết Quả Nghiên Cứu Về Các Nhân Tố Ảnh Hưởng Đến Triển Khai Thành Công Giải Pháp Quản Trị Quan Hệ Khách Hàng Điện Tử -
Các Trọng Số Mô Hình Sem Trong Kiểm Định Bootstrap -
Đề Xuất Giải Pháp Để Triển Khai Thành Công Giải Pháp Quản Trị Quan Hệ Khách Hàng Điện Tử Tại Các Ngân Hàng Thương Mại Việt Nam -
Đánh Giá Triển Khai Thành Công Giải Pháp Ecrm Tại Các Nhtm Vn
Xem toàn bộ 221 trang tài liệu này.
Nguồn: Tổng hợp từ dữ liệu nghiên cứu khảo sát
(Chi tiết mô tả thống kê dữ liệu khảo sát xem thêm tại Phụ lục 5).
3.2.3. Phương pháp phân tích dữ liệu
Tổng hợp các biến và thang đo (chi tiết trong phần 3.3) trong mô hình nghiên cứu ban đầu như sau:
Bảng 3.2. Danh sách mã hóa các biến của mô hình nghiên cứu
Mã hóa | Các thang đo | |
Chiến lược eCRM | CL | CL1, CL2, CL3, CL4, CL5 |
Cam kết của lãnh đạo cấp cao | CK | CK1, CK2, CK3, CK4, CK5 |
Quy trình kinh doanh | QT | QT1, QT2, QT3, QT4, QT5 |
Nhà tư vấn triển khai | TV | TV1, TV2, TV3, TV4, TV5 |
Đội dự án | DA | DA1, DA2, DA3, DA4, DA5 |
Văn hóa NH | VH | VH1, VH2, VH3, VH4, VH5 |
Người sử dụng | SD | SD1, SD2, SD3, SD4, SD5 |
Chất lượng dữ liệu | DL | DL1, DL2, DL3, DL4, DL5 |
Hạ tầng công nghệ | HT | HT1, HT2, HT3, HT4, HT5 |
Kiểm tra, giám sát và đo lường | KT | KT1, KT2, KT3, KT4, KT5 |
Triển khai giải pháp eCRM thành công | TC | TC1, TC2, TC3, TC4, TC5 |
Hiệu quả quan hệ khách hàng | HQ | HQ1, HQ2, HQ3, HQ4, HQ5, HQ6 |
Nguồn: tác giả đề xuất
Sau khi thu thập số liệu khảo sát, tác giả thực hiện mã hóa và nhập số liệu. Sau đó thực hiện phân tích dữ liệu bằng phần mềm SPSS phiên bản 20 và phần mềm AMOS phiên bản 20. Các thang đo trong nghiên cứu này được kiểm định qua đánh giá độ tin cậy Cronbach Alpha và phương pháp phân tích nhân tố khám phá EFA (Exploratory Factor Analysis). Cuối cùng nghiên cứu thực hiện phân tích nhân tố khẳng định CFA (Confirmatory Factor Analysis) và mô hình phương trình cấu trúc SEM (Structural Equation Model) để thực hiện kiểm định các giả thuyết nghiên cứu.
3.2.3.1. Kiểm định độ tin cậy của thang đo
- Đánh giá độ tin cậy của các thang đo
Tác giả tiến hành đánh giá độ tin cậy của thang đo qua Cronbach’s Alpha cho từng nhóm biến quan sát thuộc các nhân tố khác nhau. Đánh giá độ tin cậy để loại các biến rác (là những biến chúng ta nghĩ rằng có thể đo lường được khái niệm nhưng thực chất nó không có quan hệ gì với các biến đo lường khác). Theo Hoàng Trọng (2008), độ tin cậy Cronbach’s Alpha phải nằm trong khoảng từ 0.6 đến 1.0 để đảm bảo các biến trong cùng một nhóm nhân tố có tương quan về ý nghĩa. Hệ số Cronbach’s Alpha càng lớn, thang đo có độ tin cậy càng cao. Tuy nhiên nếu hệ số này quá lớn (> 0.95) lại cho thấy nhiều biến trong thang đo không có gì khác biệt. Hệ số Cronbach’s Alpha từ
0,7 đến 0,8 là thang đo có thể sử dụng được, thang đo có hệ số Cronbach’s Alpha từ 0,8 trở lên là thang đo lường tốt, các thang đo có hệ số Cronbach Alpha từ 6.0 trở lên cũng có thể sử dụng được trong bối cảnh nghiên cứu là mới hoặc mới với người được phỏng vấn. Trong nghiên cứu này tác giả sử dụng các thang đo có hệ số Cronbach Alpha từ 6.0 trở lên.
Nghiên cứu tiến hành kiểm tra ‘hệ số tương quan biến tổng’. Trong mỗi thang đo, hệ số tương quan biến tổng thể hiện sự tương quan giữa 1 biến quan sát với tất cả các biến quan sát khác trong thang đo. Hệ số này càng cao thì sự tương quan của biến quan sát với các biến khác càng cao. Hệ số này cho biết biến quan sát nào cần giữ lại và biến quan sát nào cần bỏ. Nghiên cứu tiến hành loại khỏi thang đo các biến có hệ số tương quan biến tổng nhỏ hơn 0,3 vì các biến quan sát này được coi là biến rác . Thang đo chính thức được xây dựng và cấu trúc lại dựa trên những biến quan sát có đủ độ tin cậy.
- Đánh giá giá trị thang đo bằng phân tích EFA
Tác giả tiến hành kiểm định giá trị của thang đo bằng phân tích nhân tố EFA (Exploratory Factor Analysis). EFA dùng để rút gọn một tập k biến quan sát thành một tập F (F<k) các nhân tố ý nghĩa hơn. Hai phép trích nhân tố được sử dụng phổ biến trong EFA là phép trích nhân tố Principal Component Analysis (PCA) với phép quay vuông góc Varimax và phép trích nhân tố Principal Axis Factoring (PAF) với phép quay không vuông góc Promax. Theo Gerbing & Anderson (1988), trong trường hợp các nhân tố được rút trích ra không có mối tương quan với nhau thì sử dụng phép quay Varimax và Promax đều cho kết quả như nhau, và ngược lại nếu các nhân tố được rút trích ra có thể có mối tương quan với nhau thì phương pháp trích Principal Axis Factoring với phép xoay Promax sẽ phản ánh cấu trúc dữ liệu chính xác hơn phương pháp trích Principal Components với phép xoay Varimax. Do đó trong nghiên cứu này, tác giả tiến hành phân tích EFA cho từng thang đo để kiểm tra tính đơn hướng của từng thước đo, rồi tiến hành kiểm tra đồng thời EFA cho toàn bộ các tiêu chí đo lường với phép quay không vuông góc Promax với tiêu chí Eigenvalue > 1.0 để tìm ra các nhân tố đại diện cho các biến. Tiêu chuẩn kiểm định giá trị hội tụ theo tiêu chuẩn của Hair (2006) bao gồm:
- Chỉ số Kaiser- Meyer-Olkin (KMO) được sử dụng để xác định sự phù hợp khi dùng EFA: kiểm định sự thích hợp của phân tích nhân tố khám phá. Chỉ số KMO phải đủ lớn (>0,5) phân tích nhân tố là thích hợp, còn nếu nhỏ hơn 0,5 phân tích nhân tố có khả năng không thích hợp với dữ liệu.
- Các nhân tố có Eigenvalue (đại diện cho lượng biến thiên được giải thích bởi nhân tố) lớn hơn 1 mới được giữ lại trong mô hình phân tích, các nhân tố có Eigenvalue nhỏ hơn 1 sẽ bị loại khỏi mô hình.
- Những biến quan sát có hệ số tải nhân tố (factor loading) nhỏ hơn 0,4 sẽ bị loại bỏ và chỉ giữ lại những biến có tổng phương sai trích (Variance Explained) phải lớn hơn 50% (Gerbing và Anderson (1988)).
3.2.3.2. Phân tích nhân tố khẳng định và mô hình phương trình cấu trúc
- Phân tích nhân tố khẳng định CFA
Phân tích nhân tố khẳng định (Confirmatory Factor Analysis- CFA) để đánh giá chất lượng của các thang đo của các biến trong mô hình nghiên cứu. Trong phân tích CFA, các chỉ số Chi-bình phương, CFI, TLI và RMSEA được sử dụng để đánh giá độ phù hợp của mô hình đo lường. Mô hình được cho là phù hợp khi phép kiểm định Chi- bình phương có giá trị p>0.05. Mô hình có các giá trị GFI, TLI và CFI >0.9 và RMSEA<0.08 được xem là phù hợp với dữ liệu nghiên cứu hay phù hợp với dữ liệu thị trường. (Hair và cộng sự (1998).
- Mô hình phương trình cấu trúc (Structural equation modeling – SEM)
“Phương pháp phân tích mô hình phương trình cấu trúc được sử dụng để kiểm định mô hình nghiên cứu đã đề xuất. Mô hình cấu trúc chỉ rõ mối quan hệ giữa các biến tiềm ẩn (một khái niệm được đo lường dựa trên nhiều biến quan sát) với nhau. Phương pháp SEM được sử dụng để kiểm định các giả thuyết của nghiên cứu” ). (Hair và cộng sự (1998).. Để đo lường mức độ phù hợp của mô hình với dữ liệu thị trường, nghiên cứu sử dụng Chi-bình phương (CMIN), Chi-bình phương điều chỉnh theo bậc tự do (CMIN/df), chỉ số thích hợp so sánh (CFI - Comparative Fit Index), chỉ số Tucker & Lewis (TLI - Tucker & Lewis Index), chỉ số RMSEA (Root Mean Square Error Approximation). Các chỉ tiêu đánh giá là (1) hệ số tin cậy tổng hợp (composite reliability), (2) tổng phương sai trích được (variance extracted), (3) tính đơn nguyên (unidimensionality), (4) giá trị hội tụ (convergent validity) và (5) giá trị phân biệt (discriminant validity) (Hair và cộng sự (1998).
3.3. Phân tích dữ liệu
3.3.1. Đánh giá thang đo bằng độ tin cậy Cronbach Alpha
Để đánh giá sự phù hợp của các biến khi đưa vào mô hình, nghiên cứu tiến hành kiểm tra độ tin cậy của các thang đo bằng hệ số tin cậy Cronbach Alpha. Kết quả kiểm
định lần 1 cho thấy hệ số Cronbach Alpha của nhân tố Quy trình kinh doanh (α= 0,455), Người sử dụng hệ thống eCRM (α= 0,394), Kiểm tra, giám sát và đo lường (α= 0,419) đều nhỏ hơn 0,6 nên các biến trong 3 thang đo này bị loại.
Ngoài ra, một số biến quan sát có hệ số tương quan biến tổng <0,3 cũng bị loại bao gồm: CL5, CK4, CK5, DA5, DL4, VH3, VH5, HT5, TC5, HQ6. Chi tiết kết quả đánh giá thang đo bằng độ tin cậy Cronbach Alpha lần 1 được thể hiện trong bảng 1 của phụ lục 6.
Thực hiện kiểm tra độ tin cậy của các thang đo bằng hệ số tin cậy Cronbach Alpha lần 2 thu được tất cả các biến quan sát đều có tương quan với biến tổng lớn hơn 0,3 và hệ số Cronbach Alpha của các nhân tố đều lớn hơn 0,6 nên các thang đo của các thành phần CL(CL1, CL2, CL3, CL4); CK(CK1, CK2, CK3); TV (TV1, TV2, TV3, TV4, TV5); DA (DA1, DA2, DA3, DA4); DL (DL1, DL2, DL3, DL5); VH (VH1, VH2, VH4); HT (HT1, HT2, HT3, HT4); TC (TC1, TC2, TC3, TC4); HQ (HQ1, HQ2, HQ3, HQ4,
HQ5) đều được chấp nhận đưa vào phân tích nhân tố tiếp theo. Chi tiết kết quả đánh giá thang đo bằng độ tin cậy Cronbach Alpha lần 2 được thể hiện trong Bảng 2 của phụ lục 6.
3.3.2. Phân tích nhân tố khám phá
Sau khi kiểm tra độ tin cậy của thang đo, phân tích nhân tố khám phá được tiến hành. Phương pháp rút trích được chọn để phân tích nhân tố là phương pháp Principal Axis Factoring (PAF) với phép quay không vuông góc Promax.
3.3.2.1. Phân tích nhân tố khám phá
Thành phần nhân tố ảnh hưởng đến triển khai thành công giải pháp eCRM (TC) được đo bằng 50 biến quan sát. Sau khi đánh giá thang đo bằng độ tin cậy Cronbach Alpha, có 27 biến quan sát đảm bảo độ tin cậy. Phân tích nhân tố khám phá EFA được sử dụng để đánh giá lại mức độ hội tụ của các biến quan sát theo các thành phần.
Kiểm định KMO và Bartlett's trong phân tích nhân tố cho thấy hệ số KMO cao (bằng 0,794 > 0.5) giá trị kiểm định Bartlett’s có mức ý nghĩa (Sig. =0.000 <0.05) cho thấy phân tích nhân tố EFA rất thích hợp. (Bảng 1 - Phụ lục 7)
Tại các mức giá trị Eigenvalues lớn hơn 1 và với phép trích nhân tố được sử dụng là Principal Axis Factoring (PAF) với phép quay không vuông góc Promax, phân tích nhân tố đã trích được 7 nhân tố từ 27 biến quan sát và với phương sai trích là 57,435% (lớn hơn 50%) đạt yêu cầu. (Bảng 2 – Phụ lục 7)
Dựa trên phân tích của bảng Parten Matrixa (Bảng 2 – Phụ lục 7) các biến có trọng số nhỏ hơn 0,4 sẽ bị loại, các biến có trọng số không đạt độ phân biệt cao giữa các nhân tố, cụ thể là nhỏ hơn 0.3 cũng sẽ bị loại.
Thực hiện phân tích nhân tố khám phá EFA lần 1. Kết quả trong bảng 3 – Phụ lục 7
Theo kết quả phân tích EFA lần 1, biến quan sát TV4 có hệ số tải nhân tố là 0,325 < 0,4 nên loại bỏ biến quan sát TV4 và thực hiện phân tích nhân tố khám phá EFA lần 2 (Bảng 4 – Phụ lục 7).
Biến quan sát DL5 có hệ số tải nhân tố là 0,399 < 0,4 nên loại bỏ biến quan sát DL5 và thực hiện phân tích nhân tố khám phá EFA lần 3 (Bảng 5 – Phụ lục 7).
Kết quả phân tích EFA dừng lại ở lần 3 sau khi đã lần lượt loại bỏ 2 biến quan sát: TV4 và DL5 vì có trọng số nhân tố nhỏ hơn 0,4 (Gerbing và Anderson (1988)) ở 2 lần phân tích EFA trước đó. Kết quả EFA lần 3 (bảng 2) có hệ số KMO = 0,792, giá trị kiểm định Bartlett có ý nghĩa (sig < 0,05), 7 nhóm nhân tố được trích với tổng phương sai trích 60,837%.
3.3.2.2. Đánh giá thang đo triển khai thành công giải pháp eCRM
Thang đo TC (Triển khai thành công giải pháp eCRM) được đo bằng 05 biến quan sát. Sau khi kiểm tra mức độ tin cậy bằng Cronbach Alpha, có 4 biến đảm bảo độ tin cậy. Phân tích nhân tố khám phá EFA được sử dụng để đánh giá lại mức độ hội tụ của các biến quan sát theo các thành phần.
Kiểm định KMO và Bartlett’s trong phân tích nhân tố cho thấy hệ số KMO đạt yêu cầu (bằng 0,804) giá trị kiểm định Bartlett’s có mức ý nghĩa (Sig. =0.000 <0.05) cho thấy phân tích nhân tố EFA rất thích hợp. (Phụ lục 8)
Tại các mức giá trị Eigenvalues lớn hơn 1 và với phương pháp rút trích Principal Axis Factoring (PAF) với phép quay không vuông góc Promax, phân tích nhân tố đã trích được 1 nhân tố từ 4 biến quan sát và với phương sai trích là 57,704% (lớn hơn 50%) đạt yêu cầu.
3.3.2.3. Đánh giá thang đo hiệu quả quan hệ khách hàng
Thang đo HQ (Hiệu quả quan hệ khách hàng) được đo bằng 06 biến quan sát. Sau khi kiểm tra mức độ tin cậy bằng Cronbach Alpha, có 5 biến đảm bảo độ tin cậy. Phân tích nhân tố khám phá EFA được sử dụng để đánh giá lại mức độ hội tụ của các biến quan sát theo các thành phần.
Kiểm định KMO và Bartlett's trong phân tích nhân tố cho thấy hệ số KMO đạt yêu cầu (bằng 0,806) giá trị kiểm định Bartlett’s có mức ý nghĩa (Sig. =0.000 <0.05) cho thấy phân tích nhân tố EFA rất thích hợp. (Phụ lục 9)
Tại các mức giá trị Eigenvalues lớn hơn 1 và với phương pháp rút trích Principal Component Analysis với phép quay không vuông góc Promax, phân tích nhân tố đã trích được 1 nhân tố từ 4 biến quan sát và với phương sai trích là 58,683% (lớn hơn 50%) đạt yêu cầu.
3.3.3. Phân tích nhân tố khẳng định
Dựa trên kết quả EFA: có 7 nhân tố (25 biến quan sát) tác động tới triển khai thành công giải pháp eCRM (có 4 biến quan sát), triển khai thành công giải pháp eCRM tác động tới hiệu quả quan hệ khách hàng (5 biến quan sát), nghiên cứu thực thiên phân tích nhân tố khẳng định CFA lần 1 bằng phần mềm AMOS 20 (Hình 3.1).
Kết quả CFA lần 1 có biến quan sát DA2 có trọng số là 0,473 nhỏ hơn tiêu chuẩn cho phép (>=0,5) để thang đo đạt giá trị hội tụ (Gerbing và Anderson (1988)) nên biến này sẽ bị loại và tiến hành CFA lần 2.
Kết quả CFA lần 2 trọng số các biến quan sát đều đạt chuẩn cho phép (>=0,5) và có ý nghĩa thống kê các giá trị p đều bằng 0,000 (thấp nhất là trọng số biến CL2= 0,504) (Hình 3.2). Như vậy có thể kết luận các biến quan sát dùng để đo lường các biến thành phần của thang đo đạt được giá trị hội tụ. CFA lần 2 cho thấy mô hình có 459 bậc tự do, giá trị kiểm định Chi-square=595,205 với p-value = 0,000<0,05; Chi- square/df = 1,297 đạt yêu cầu <2 và các chỉ số chỉ ra mô hình phù hợp với dữ liệu thị trường (CFI = 0,971; TLI = 0,966; GFI=9,01>0,9 và RMSEA = 0,069<0,08). Các
thành phần “Chiến lược eCRM, Cam kết của lãnh đạo cấp cao, Đội ngũ tư vấn triển khai, Đội dự án eCRM của ngân hàng, Văn hóa ngân hàng, Chất lượng dữ liệu, Hạ tầng công nghệ của ngân hàng” đều không có mối tương quan giữa các sai số của biến quan sát nên đều đạt được tính đơn hướng. (Bảng 1,2 - Phụ lục 10)
Hình 3.1. Mô hình CFA lần 1
Nguồn: Tổng hợp từ số liệu nghiên cứu của tác giả
Mặc dù AVE của HQ <0.5 (bảng 3.3) nhưng xấp xỉ 0.5 nên vẫn chấp nhận được. Bảng giá trị phân biệt (Bảng 3 – Phụ lục 10) cho thấy P-value đều <0.05 nên Hệ số tương quan của từng cặp khái niệm khác biệt so với 1 ở độ tin cậy 95%. Do đó, các khái niệm đạt được giá trị phân biệt.
Bảng 3.3. Độ tin cậy tổng hợp và phương sai trích
CR | AVE | |
DL | 0.855 | 0.664 |
VH | 0.832 | 0.563 |
HQ | 0.827 | 0.491 |
CL | 0.855 | 0.596 |
HT | 0.902 | 0.698 |
TV | 0.887 | 0.725 |
TC | 0.845 | 0.578 |
DA | 0.774 | 0.539 |
CK | 0.750 | 0.501 |
Nguồn: Tổng hợp từ số liệu nghiên cứu của tác giả