Thống Kê Mô Tả Các Yếu Tố Đánh Giá Mức Độ Hài Lòng Descriptive Statistics

Mẫu khảo sát nhiều nhất là khách hàng lâu năm ( trên 3 năm sử dụng dịch vụ Navibank chiếm 36,7%).

Và khách hàng tương đối hài lòng về dịch vụ ngân hàng của Navibank nên 63,9% đối tượng được khảo sát sẵn lòng giới thiệu dịch vụ Navibank cho người khác và sẽ tiếp tục giao dịch với Navibank khi có nhu cầu trong tương lai.

Bảng 2.7 : Thống kê mô tả các yếu tố đánh giá mức độ hài lòng Descriptive Statistics

Có thể bạn quan tâm!

• Tăng Trưởng Huy Động Vốn Từ Cá Nhân Và Tổ Chức Kinh Tế
• Các Dịch Vụ Ngân Hàng Về Thanh Toán Và Ngân Quỹ
• Khảo Sát Sự Hài Lòng Của Khách Hàng Về Dịch Vụ Ngân Hàng Của Ngân Hàng Tmcp Nam Việt.
• Một Số Giải Pháp Phát Triển Dịch Vụ Ngân Hàng Tại Ngân Hàng Thương Mại Cổ Phần Nam Việt
• Giải Pháp Cho Dịch Vụ Thẻ Và Ngân Hàng Điện Tử
• Phát triển dịch vụ ngân hàng tại ngân hàng thương mại cổ phần Nam Việt - 11

Xem toàn bộ 102 trang tài liệu này.

Qua bảng thống kê mô tả các yếu tố đánh giá mức độ hài lòng, ta thấy các yếu tố được khách hàng hài lòng nhiều nhất là TT4 – Navibank bảo mật tốt thông tin cho khách hàng đạt (3.42), TT1 – Navibank luôn thực hiện đúng cam kết với Anh/Chị về các dịch vụ ngân hàng (3.36).

Bên cạnh đó, yếu tố cảm thông và hữu hình là hai yếu tố mà khách hàng ít hài lòng nhất như CT1 – Navibank có gọi điện hay gửi thiệp chúc mừng đến Anh/Chị vào các ngày sinh nhật, lễ, tết…(2.94), CT4 – Thường xuyên có chương trình rút thăm trúng thưởng hay tặng quà cho Anh/Chị (2.96), HH4 – Nơi để xe thuận tiện cho khách hàng (2.72), HH5 – Mạng lưới giao dịch rộng khắp (2.71)

Tóm lại, qua khảo sát ta thấy yếu tố hữu hình và cảm thông là hai yếu tố ít được khách hàng hài lòng nhất. Để giải thích cho vấn đề này, đó là việc Navibank chưa thực sự quan tâm đến khách hàng, hiện nay tại Navibank chỉ có chính sách quan tâm đến những khách hàng có số dư tiền gửi lớn, gửi kỳ hạn ba tháng trở lên thì sẽ được nhận quà sinh nhật, quà tết…Chính sách đưa ra là vậy, nhưng việc thực hiện là không đồng nhất, có một số PGD vẫn không thực hiện, hoặc quên thực hiện. Còn đối với các đối tượng khách hàng khác, hiện tại Navibank hoàn toàn không có chính sách cũng như chương trình hàng động cụ thể nào để chăm sóc họ.

Hiện tại việc chăm sóc khách hàng tại Navibank chỉ mang tính tự phát, chưa thật sự chuyên nghiệp. Navibank cũng không thường xuyên có các chương trình khuyến mãi, quay số trúng thưởng và nếu có thì cũng rất đơn điệu, chủ yếu dành cho dịch vụ huy động, đôi lúc có chương trình khuyến mãi dành cho dịch vụ thẻ, nhưng khuyến mãi này không mang lại sự thích thú cho khách hàng nhiều. Đặc biệt Navibank rất ít đầu tư tặng quà cho khách hàng. Khách hàng chưa nhận thấy nhu cầu của họ được hiểu rõ, cũng như họ chưa cảm nhận được sự quan về mặt lợi ích của Navibank dành cho họ.

Có thể trong quá trình giao tiếp với khách hàng, nhân viên Navibank chưa tìm hiểu cặn kẽ hết các nhu cầu của khách hàng, họ chỉ mới đáp ứng được các nhu cầu cụ thể từ phía khách hàng. Do đó, khách hàng cảm thấy Navibank không có gì khác biệt so với các ngân hàng khác. Về yếu tố hữu hình, nơi để xe chưa thuận tiện, hiện nay ở hầu hết các phòng giao dịch chỗ để xe hơi cho khách hàng không có, dẫn đến bất tiện cho khách hàng, đặc biệt là khi giao dịch số tiền lớn. Yếu tố mạng lưới giao dịch chưa rộng khắp, đây cũng là yếu tố bất lợi về mặt địa lý của Navibank.

2.6.3.2 Đánh giá thang đo bằng hệ số tin cậy Cronbach Alpha:

Các thang đo được đánh giá thông qua hệ số Cronbach’s Alpha và phân tích nhân tố EFA (exploratory factor analysis). Hệ số 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.

Theo kết quả khảo sát thu được thì:

Sự tin tưởng gồm 05 biến quan sát từ TT1 đến TT5. Sau khi kiểm tra hệ số tin cậy Cronbach Alpha lần 1 thì biến quan sát TT5 có hệ số tương quan biến tổng nhỏ hơn 0.3 nên loại khỏi mô hình. Kiểm tra lần 2, các thành phần đều có các biến có hệ số tương quan biến tổng lớn hơn 0.3 nên các biến đều được chấp nhận. Hệ số Cronbach Alpha khá cao từ 0.6 trở lên nên các thang đo đều đạt yêu cầu.

Bảng 2.8 : Hệ số Cronbach Alpha của các thành phần thang đo

Sự tin tưởng (TT) khi chưa loại biến TT5: Cronbach’s Alpha = 0.716

Sự tin tưởng (TT) sau khi loại biến TT5: Cronbach’s Alpha = 0.746

Sự phản hồi (PH): Cronbach’s Alpha = 0.775

Sự đảm bảo (DB): Cronbach’s Alpha = 0.750

Sự cảm thông (CT): Cronbach’s Alpha = 0.750

Sự hữu hình (HH): Cronbach’s Alpha = 0.783

Sự hài lòng (HL): Cronbach’s Alpha = 0.723

2.6.3.3 Đánh giá thang đo bằng phân tích nhân tố khám phá EFA  

Phân tích nhân tố khám phá các biến độc lập:v Điều kiện cần để áp dụng phân tích nhân tố là các biến phải có tương quan với nhau (các biến đo lường phản ánh những khía cạnh khác nhau của cùng một yếu tố chung) nên sử dụng kiểm định Bartlett để xem xét các biến có hay không có tương quan trong tổng thể và điều kiện đủ để tiến hành phân tích nhân tố là trị số KMO (Kaiser-Mayer-Olkin) phải từ 0.5 đến 1 (dẫn theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005). Sự rút trích các nhân tố đại diện bằng các biến quan sát được thực hiện bằng phương pháp trích hệ số Principal components với phép quay Varimax và hệ số tải nhân tố phải > 0,5. Các thành phần với giá trị Eighenvalues > 1 và tổng phương sai trích ≥ 0,5 được xem như những nhân tố đại diện các biến.

Thang đo mức độ hài lòng được đo bằng 22 biến quan sát, sau khi kiểm tra độ tin cậy bằng phân tích Cronbach alpha thì loại bỏ biến TT5, còn lại 21 biến quan sát. Phân tích nhân tố khám phá EFA được sử dụng để đánh giá lại mức độ hội tụ của 21 biến quan sát theo các thành phần

Kết quả phân tích lần 1 cho thấy hệ số KMO khá cao 0.792 và mức ý nghĩa bằng 0 cho thấy phân tích nhân tố là thích hợp. Sau khi sử dụng phương pháp rút trích nhân tố và phép quay, phương pháp phân tích nhân tố cho thấy CT3 có hệ số tải <0.5 (Phụ lục 3.1) nên bị loại khỏi phân tích. chúng ta tiến hành chạy lại EFA.

Bảng 2.9 : Kết quả phân tích nhân tố khám phá thang đo lần 2

KMO and Bartlett’s Test

Rotated Component Matrixa

Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 5 iterations.

– Sau khi loại biến không đạt yêu cầu, phân tích nhân tố khám phá EFA cho kết quả mức độ hài lòng của khách hàng còn 5 thành phần với 20 biến quan sát. Các điều kiện phân tích EFA đều thỏa mãn: KMO = 0.792>0.5, sig.<0.05, các hệ số tải lên các nhân tố đều >0.5. Tổng phương sai trích = 60.148% (lớn hơn 50%) cho thấy phương sai rút trích đạt yêu cầu . Như vậy, với 5 thành phần TT, PH, DB, CT, HH sẽ giải thích được 60.148% biến thiên của dữ liệu.

Phân tích nhân tố khám phá biến phụ thuộc

Bảng 2.10 : Kết quả phân tích nhân tố khám phá thang đo mức độ hài lòng

 KMO and Bartlett’s Test

Component Matrixa

Extraction Method: Principal Component Analysis. a. 1 components extracted.

Các điều kiện phân tích EFA đều thỏa:

– KMO = 0.671> 0.5, Sig. < 0.05

– Tổng phương sai trích = 64.420> 50%

– Các hệ số tải lên các nhân tố đều > 0.5

Rút trích được 1 nhân tố phụ thuộc duy nhất với ba biến quan sát là HL1, HL2, HL3.

2.6.3.4 Phân tích hồi quy tuyến tính bội, kiểm định các giả thuyết và mô hình nghiên cứu

Kiểm định hệ số tương quan Pearson:

Trước khi tiến hành phân tích hồi quy tuyến tính bội, ta cần kiểm định mối tương quan tuyến tính giữa các biến trong mô hình: giữa biến phụ thuộc với từng biến độc lập và giữa các biến độc lập với nhau. Sử dụng hệ số tương quan Pearson để lượng hóa mức độ chặt chẽ mối liên hệ tuyến tính giữa hai biến định lượng: giá trị tuyệt đối của hệ số Pearson càng gần đến 1 thì hai biến này có mối tương quan tuyến tính càng chặt chẽ (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005).

Phân tích hồi quy tuyến tính:

Các nhân tố được trích ra trong phân tích nhân tố được sử dụng cho phân tích hồi quy tuyến tính để kiểm định mô hình nghiên cứu và các giả thuyết kèm theo. Các kiểm định giả thuyết thống kê đều áp dụng mức ý nghĩa là 5%.

Nghiên cứu thực hiện hồi quy tuyến tính bội theo phương pháp Enter: tất cả các biến được đưa vào một lần và xem xét các kết quả thống kê liên quan.

Phương trình hồi quy bội cho mô hình nghiên cứu được đề nghị sau nghiên cứu sơ bộ như sau:

Y = 5*X5 + Eb4*X4+b3*X3+ b2*X2 + b1*X1+ b0 + b

Trong đó:

+Y là biến phụ thuộc thể hiện giá trị dự đoán về mức độ hài lòng của khách hàng.

5 là các hệ số hồi quyb4, b3, b2, b1, b0 ,b+

+ X1, X2, X3, X4, X5 là các biến độc lập theo thứ tự giả sử là: Sự tin tưởng, Sự phản hồi, Sự đảm bảo, Sự cảm thông, Sự hữu hình, Sự hài lòng.

+E là các yếu tố chưa biết

Kiểm định các giả thuyết:

Để kiểm định sự phù hợp của mô hình, các nhà nghiên cứu sử dụng hệ số xác định R2 (R-square) để đánh giá mức độ phù hợp của mô hình nghiên cứu, hệ số xác định R2 được chứng minh là hàm không giảm theo số biến độc lập được đưa vào mô hình. Bên cạnh đó, cần kiểm tra không có hiện tượng đa cộng tuyến bằng hệ số phóng đại phương sai VIF (Variance inflation factor): VIF<2. Hệ số Beta chuẩn hóa của biến nào càng cao thì mức độ tác động của biến đó vào sự hài lòng của khách hàng càng lớn (dẫn theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).

Bảng 2.11 : Kết quả chạy hồi quy tuyến tính bội

Variables Entered/Removedb

a. All requested variables entered.

b. Dependent Variable: HL

Model Summary

a. Predictors: (Constant), PH, HH, CT, TT, DB

ANOVAb

b. Dependent Variable: HL

Phương pháp phân tích hồi tuyến tính quy bội với 5 thành phần của sự hài lòng của khách hàng được đưa vào cùng 1 lúc (enter) cho thấy mô hình hồi quy thích hợp sử dụng để kiểm tra giả thuyết (sig. = 0.000). Mức độ giải thích mối quan hệ giữa các thành phần bằng phương pháp hồi quy này cho kết quả R2 (R-quare) = 0.528 và R2 điều chỉnh (Adjusted R-quare) = 0.513 cho thấy độ tương thích của mô hình là 51.3% hay có khoảng 51.3% phương sai của sự hài lòng được giải thích bởi năm thành phần: sự tin tưởng, sự phản hồi, sự đảm bảo, sực cảm thông, sự hữu hình.

Theo ma trận tương quan (Bảng 2.13) cho thấy hệ số tương quan giữa biến sự hài lòng – HL (biến phụ thuộc) với từng biến độc lập đều lớn hơn 0.3, nên biến phụ thuộc có tương quan tuyến tính với các biến độc lập. Kết quả phân tích cũng cho thấy một số biến độc lập có sự tương quan với nhau, do đó khi phân tích hồi quy cần chú ý đến vấn đề đa cộng tuyến.

Bảng 2.12 : Kết quả kiểm định hệ số tương quan Pearson Correlations

**. Correlation is significant at the 0.01 level (2-tailed).

Bảng 2.13: Kết quả phân tích hệ số hồi quy

Coefficientsa

a. Dependent Variable: HL

Hệ số phóng đại phương sai VIF của tất cả nhân tố (Variance inflation factor – VIF) đều nhỏ hơn 2 cho thấy các biến độc lập này không có quan hệ chặt chẽ với nhau nên không có hiện tượng đa cộng tuyến xảy ra. Do đó, mối quan hệ giữa các biến độc lập không ảnh hưởng đáng kể đến kết quả giải thích của mô hình hồi quy.

Mặt khác, qua phân tích Anova, ta thấy giá trị sig là 0.000 < 0.05 có nghĩa là giả thuyết H0 bị bác bỏ (β1=β2=β3=β4=β5=0)

Các hệ số hồi quy mang dấu dương thể hiện các yếu tố trong mô hình hồi quy ảnh hưởng tỉ lệ thuận đến sự hài lòng của khách hàng. Hệ số hồi quy của nhân tố nào lớn hơn sẽ tác động đến sự thỏa mãn của khách hàng nhiều hơn. Do đó, thứ tự mức độ tác động của các nhân tố đến sự hài lòng của khách hàng như sau :

Bảng 2.14: Thứ tự mức độ tác động của các nhân tố đến sự hài lòng của khách hàng

Như vậy, sau khi thực hiện chạy hồi quy và kiểm định các giả thuyết thống kê, chúng ta rút ra mô hình hồi quy như sau:

Sự hài lòng = 0.345* Sự đảm bảo + 0.262* Sự cảm thông + 0.197 * Sự hữu hình +0.146* Sự phản hồi + 0.132* Sự tin tưởng + E

2.6.3.5 Kiểm định Anova

Phân tích sự khác biệt giữa các thuộc tính của đối tượng nghiên cứu với biến phụ thuộc (Sự hài lòng của khách hàng) trong mô hình nghiên cứu. Bảng phân tích tóm tắt được trình bày bên dưới (chi tiết xem Phụ lục 5 – Phân tích ANOVA)

Bảng 2.15: Phân tích sự khác biệt theo các thuộc tính của đối tượng nghiên cứu

Phân tích sự khác biệt theo giới tính

Kiểm định này cho biết phương sai của sự hài lòng khách hàng có bằng nhau hay khác nhau giữa Nữ và Nam. Sig của thống kê Levene = 0.631 (>0.05) nên ở độ tin cậy 95%, giả thuyết H0: “Phương sai bằng nhau” được chấp nhận, và bác bỏ giả thuyết H1: “Phương sai khác nhau”. Do đó kết quả phân tích ANOVA có thể sử dụng.