Tải bản đầy đủ - 0 (trang)
CHƯƠNG 3. PHƯƠNG PHÁP NGHIÊN CỨU

CHƯƠNG 3. PHƯƠNG PHÁP NGHIÊN CỨU

Tải bản đầy đủ - 0trang

31



chọn kế thừa mơ hình Chất lượng dịch vụ của Parasuraman với bộ thang đo

Servqual (2000).

Xuất phát từ những ưu và nhược điểm kể trên, mơ hình SERVQUAL và

PARASURAMAN là cơ sở tham khảo để tác giả có thể đưa ra mơ hình nghiên cứu

và căn cứ vào lý thuyết và nghiên cứu định tính, kết hợp với phỏng vấn trực tiếp một

số khách hàng đã và đang sử dụng các dịch vụ ngân hàng hiện đại trên địa bàn tỉnh

Quảng Ninh.Với kết quả thu được, tác giả thiết lập mơ hình tổng thể với các biến

ảnh hưởng đến sự hài lòng của khách hàng như sau:



Khơng gian sàn giao

dịch



Cơ sở vật chất



Sự thuận tiện



Sự hài lòng của

khách hàng



Phong cách phục vụ

của nhân viên



Tính đáng tin cậy



Chi phí sử dụng dịch

vụ



(Nguồn: Nghiên cứu của tác giả)



Hình 3.1: Các nhân tố ảnh hưởng tới sự hài lòng của khách hàng

Theo như mơ hình nghiên cứu đề xuất, biến phụ thuộc là sự hài lòng của

khách hàng, các biến độc lập lần lượt là Sự tin cậy của khách hàng, Sự thuận tiện,

Phong cách phục vụ của nhân viên thừa kế từ mơ hình của Parasuraman (1985) và

Cronin & Taylor (1992); Tính đáng tin cậy và Cơ sở vật chất thừa kế từ nghiên cứu

của Dương Vũ Bá Thi &ctg (2013); Chi phí sử dụng dịch vụ kế thừa từ nghiên cứu

của Wilson và cộng sự (2008).



32



3.2. Giả thuyết nghiên cứu

- H1: “Sự tin cậy của khách hàng” có tương quan cùng chiều với sự hài lòng của

khách hàng đối với chất lượng dịch vụ của Ngân hàng thương mại cổ phần Quân

đội.

- H2: “Cơ sở vật chất” có tương quan cùng chiều với sự hài lòng của khách hàng đối

với chất lượng dịch vụ của Ngân hàng thương mại cổ phần Quân đội.

- H3: “Sự thuận tiện” có tương quan cùng chiều với sự hài lòng của khách hàng đối

với chất lượng dịch vụ của Ngân hàng thương mại cổ phần Quân đội.

- H4: “Phong cách phục vụ của nhân viên” có tương quan cùng chiều với sự hài

lòng của khách hàng đối với chất lượng dịch vụ của Ngân hàng thương mại cổ

phần Qn đội.

-H5: “Tính đáng tin cậy” có tương quan cùng chiều với sự hài lòng của khách hàng

đối với chất lượng dịch vụ của Ngân hàng thương mại cổ phần Quân đội.

-H6: “Chi phí sử dụng dịch vụ” có tương quan cùng chiều với sự hài lòng của khách

hàng đối với chất lượng dịch vụ của Ngân hàng thương mại cổ phần Quân đội.

3.3. Thiết kế bảng câu hỏi

Khi câu hỏi được chuẩn bị để sử dụng trong các cuộc khảo sát dựa trên đánh

giá và mục tiêu của nghiên cứu, tiếp theo là thu thập dữ liệu. Các câu hỏi được chia

làm hai phần như sau: Phần đầu tiên của bảng câu hỏi được thiết kế để đánh giá tầm

quan trọng của các yếu tố ảnh đến mức độ hài lòng của doanh nghiệp đối với chất

lượng dịch vụ hải quan điện tử tại Cục hải quan Quảng Ninh. Các biến quan sát

trong các thành phần đều sử dụng thang đo Likert loại quy mơ có tầm quan trọng

khác nhau, từ (5 = quan trọng nhất) đến (1 = không quan trọng).

Danh mục chỉ tiêu dựa trên các nghiên cứu tương tự trước đó (Mokhlis và cộng

sự, 2008; Mokhlis và cộng sự, 2009; Apena Hedayatnia, 2011; Hà Nam Khánh

Giao và Hà Minh Đạt, 2014), và những kinh nghiệm cá nhân.

Phần thứ hai của câu hỏi được hỏi trả lời để có được nền kiến cá nhân của họ,

những câu hỏi liên quan đến tên của doanh nghiệp và địa chỉ.



33



3.4. Phương pháp phân tích dữ liệu

3.4.1. Mã hóa các biến

Từ cơ sở lý thuyết và qua nghiên cứu tổng quan các nghiên cứu về sự hài

lòng, tôi kế thừa các thang đo cho thành phần Không gian sàn giao dịch, Cơ sở vật

chất; Nhận thức về sự thuận tiện; Phong cách phục vụ của nhân viên; Tính đáng tin

cậy; Choi phí sử dụng dịch vụ như sau:

Bảng 3. 1: Mã hóa dữ liệu các biến quan sát

Biến quan sát

Khơng gian sàn giao dịch

Cách bố trí các khu vực chức năng hợp lý

Khu vực dành cho khách hàng thoáng rộng, thuận tiện, lịch sự, dễ tiếp

cận và nhận diện đến SGD khác

Bảng thông báo lãi suất đảm bảo tính chính xác, cập nhật, rõ ràng

Khu vực gửi xe cho khách hàng tiện lợi

Cơ sở vật chất

Bàn, ghế, các vật dụng, trang thiết bị ngăn nắp, gọn gàng

Có sẵn trà/nước uống, cốc uống nước, mẫu biểu/tờ rơi dành cho khách

hàng

Có hòm thư góp ý cho khách hàng

Khu vệ sinh đầy đủ tiện nghi

Nhận thức về sự thuận tiện

Tôi có thể sự dụng các dịch vụ của Ngân hàng mọi nơi.

Tơi có thể sử dụng các dịch vụ của Ngân hàng mọi lúc kể cả khi ngân

hàng đã đóng cửa và trong ngày các ngày nghỉ

Sử dụng Ngân hàng rất thuận tiện cho công việc của tôi

Các kết quả giao dịch luôn được thông báo ngay lập tức đến tôi và đối

tác của tôi

Phong cách phục vụ của nhân viên

CBNV luôn trong tư thế sẵn sàng phục vụ khách hàng

Phục vụ nhanh chóng, khẩn trương và theo đúng thứ tự

Chủ động tươi cười, niềm nở chào và hỏi tên KH

Quan sát, lắng nghe và ghi nhận đầy đủ, chính xác các thông tin và yêu

cầu của khách hàng (tránh trường hợp KH phải nhắc đi nhắc lại yêu

cầu/thông tin KH)

Nhân viên giải quyết nhanh nhất các khó khăn, thắc mắc của khác

hàng.

Tính đáng tin cậy



Ký hiệu

KG

KG1

KG2

KG3

KG4

CSVC

CSVC1

CSVC2

CSVC 3

CSVC 4

STT

STT1

STT2

STT3

STT4

PCPV

PCPV1

PCPV2

PCPV3

PCPV4



PCPV5

DTC



34



Thơng tin của khách hàng luôn được bảo mật tuyệt đối

Các giao dịch thanh tốn trên Ngân hàng diễn ra chính xác.

Các khiếu nại về sản phẩm, dịch vụ sẽ được xử lý ngay lần phản ánh

đầu tiên

An toàn khi thực hiện giao dịch

Các giao dịch diễn ra nhanh chóng , tiền được chuyển chậm nhất có

thể là 1 ngày và nhanh nhất chỉ vài phút

Chi phí sử dụng dịch vụ

Chi phí sử dụng các dịch vụ trong Ngân hàng là phù hợp cho hầu hết

các đối tượng.

Việc thanh toán các chi phí dịch vụ linh hoạt, thuận tiện

Các chi phí khơng biến động nhiều

Sự hài lòng của khách hàng

Tơi sẽ tiếp tục sử dụng dịch vụ của ngân hàng

Tôi sẽ giới thiệu bạn bè sử dụng dịch vụ Ngân hàng

Ngân hàng đáp ứng hồn tồn nhu cầu của bạn

Tơi thích sử dụng dịch vụ của ngân hàng hơn so với các ngân hàng

khác tương tự



DTC1

DTC 2

DTC 3

DTC 4

DTC 5

CP

CP1

CP2

CP3

HL

HL1

HL2

HL3

HL4



3.4.2. Phân tích độ tin cậy của thang đo

Là kiểm định cho phép đánh giá mức độ tin cậy của việc thiết lập một biến

tổng hợp trên cơ sở nhiều biến đơn.

Công thức của hệ số Cronbach alpha: α = Np/[1 + p(N – 1)]

Trong đó p là hệ số tương quan trung bình giữa các mục hỏi.Ký tự Hy Lạp

trong cơng thức tượng trưng cho tương quan trung bình giữa tất cả các cặp mục hỏi

được kiểm tra.

Theo quy ước thì một tập hợp các mục hỏi dùng để đo lường được đánh giá là

tốt phải có hệ số α lớn hơn hoặc bằng 0.8. Mặc dù vậy, nếu có một danh mục quá

nhiều các mục hỏi (N là số mục hỏi) thì sẽ có nhiều cơ hội để có hệ số α cao.

Để đạt được hệ số alpha lớn hơn hoặc bằng 0.8 cho một danh mục ít các mục

hỏi mà các mục hỏi này đi liền với nhau một cách mạch lạc và đo lường cùng một

vấn đề.

Hệ số alpha của Cronbach sẽ cho biết các đo lường có liên kết với nhau hay khơng

nhưng nó sẽ khơng cho biết mục hỏi nào cần được bỏ đi và mục hỏi nào cần được

giữ lại. Để làm được điều này cần phải xác định mục hỏi nào không phân biệt giữa



35



những người cho điểm số lớn và những người cho điểm số nhỏ trong tập hợp toàn

bộ các mục hỏi.

Nhiều nhà nghiên cứu đồng ý rằng Cronbach Alpha từ 0.8 trở lên đến gần thì

thang đo lường là tốt, từ 0.7 đến gần 0.8 là sử dụng được. Cũng có nhà nghiên cứu

đề nghị rằng Cronbach Alpha từ 0.6 trở lên là có thể sử dụng được trong trường

hợp khái niệm đang nghiên cứu là mới hoặc mới đối với người trả lời trong bối

cảnh nghiên cứu.

Các biến quan sát cùng đo lường một biến tiềm ẩn phải có tương quan với

nhau, vì vậy phương pháp đánh giá tính nhất qn nội tại sử dụng hệ số Cronbach

alpha để thể hiện tính đáng tin cậy của thang đo. Theo Nguyễn Đình Thọ (2011,

Tr.350) cho rằng một thang đo có độ tin cậy tốt khi hệ số Cronbach alpha biến thiên

trong khoảng từ 0.7 đến 0.8. Tuy nhiên, nếu Cronbach alpha ≥ 0.6 là thang đo có

thể chấp nhận được về mặt độ tin cậy, nhưng khơng được lớn hơn 0.95 vì bị vi

phạm trùng lắp trong đo lường. Những biến có hệ số tương quan biến tổng hiệu

chỉnh nhỏ hơn 0.3 sẽ bị loại.

Vì vậy, đối với nghiên cứu này thì Cronbach Alpha từ 0.6 trở lên là chấp nhận

được.Tính tốn Cronbach alpha giúp người phân tích loại bỏ các biến không phù

hợp và hạn chế các biến rác trong quá trình nghiên cứu.

3.4.3. Phân tích nhân tố khám phá EFA

Được sử dụng để kiểm định sự hội tụ của các biến thành phần về khái niệm.

Các biến có hệ số tương quan đơn giữa biến và các nhân tố (factor loading) nhỏ

hơn 0.5 sẽ bị loại. Phương pháp trích “Principal Component Analysis” được sử

dụng kèm với phép quay “Varimax”. Điểm dừng trích khi các yếu tố có “Initial

Eigenvalues” lớn hơn 1 (> 1).

Phân tích nhân tố khám phá (EFA) là kỹ thuật chủ yếu để thu nhỏ và tóm tắt dữ

liệu. Phân tích nhân tố khám phá phát huy tính hữu ích trong việc xác định các tập

biến cần thiết cho vấn đề nghiên cứu cũng như rất cần thiết trong việc tìm mối quan

hệ giữa các biến với nhau.



36



Mức độ thích hợp của tương quan nội tại giữa các biến quan sát trong các khái

niệm nghiên cứu được thể hiện bằng hệ số Kaiser-Myer- Olkin (KMO) đo lường sự

thích hợp của mẫu và mức ý nghĩa đáng kể của kiểm định Barlett. KMO có giá trị

thích hợp trong khoảng [0,5;1].

Sự rút trích các nhân tố đại diện bằng các biến quan sát được thực hiện bằng

phân tích nhân tố chính với phép quay vng góc (Varimax). Các thành phần với

giá trị

Eigenvalue lớn hơn 1 (Gerbing và Anderson, 1998) và tổng phương sai trích bằng

hoặc lớn hơn 50% được xem như những nhân tố đại diện các biến.

Cuối cùng, để phân tích nhân tố có ý nghĩa, tất cả các hệ số tải nhân tố (factor

loading) phải lớn hơn hệ số quy ước 0.5 để các khái niệm nghiên cứu đạt giá trị hội

tụ (Hair & ctg, 2006). Bên cạnh đó, khác biệt hệ số tải nhân tố của một biến quan

sát giữa các nhân tố phải lớn hơn hoặc bằng 0.3 để tạo giá trị phân biệt giữa các

nhân tố.

Kỹ thuật phân tích nhân tố (factor analysis) đã được sử dụng trong nghiên cứu

này nhằm rút gọn và gom các yếu tố thuộc tính đó lại thành một nhân tố có ý nghĩa

hơn, ít hơn về số lượng.

Chúng ta có thể chọn các quyền số hay trọng số nhân tố sao cho nhân tố thứ

nhất giải thích được phần biến thiên nhiều nhất trong toàn bộ biến thiên. Sau đó ta

chọn tập hợp các quyền số thứ hai sao cho nhân tố thứ hai giải thích được phần lớn

biến thiên còn lại, và khơng có tương quan với nhân tố thứ nhất.

3.4.4 Phân tích tương quan (Pearson)

Phân tích tương quan tuyến tính (tương quan Pearson) được sử dụng để xem

xét sự phù hợp khi đưa các thành phần vào mơ hình hồi quy.Các hệ số tương quan

giữa các biến được sử dụng để lượng hóa mức độ chặt chẽ của mối quan hệ tuyến

tính giữa hai biến định lượng (Hồng Trọng, 2005).Tất cả các biến được đưa vào

phân tích tương quan (kể cả biến phụ thuộc trong mơ hình). Một hệ số tương quan

tuyệt đối lớn chỉ ra một hiện tượng đa cộng tuyến, nghĩa là các khái niệm nghiên



37



cứu trùng lắp với nhau và có thể chúng đang đo lường cùng một thứ (John và

Benet-Martinez, 2000).

3.4.5 Phân tích hồi quy bội

Sau khi phân tích tương quan để kiểm định mối quan hệ giữa các biến trong mơ

hình, các biến được đưa vào phân tích hồi quy. Hồi quy tuyến tính thường được

dùng để kiểm định và giải thích lý thuyết nhân quả (Cooper và Schindler, 2003).

Ngoài chức năng là một cơng cụ mơ tả, hồi quy tuyến tính cũng được sử dụng như

một công cụ kết luận để kiểm định các giả thuyết và dự báo các giá trị của tổng thể

nghiên cứu.Phương trình hồi quy tuyến tính bội được thực hiện để xác định vai trò

quan trọng của từng yếu tố thành phần trong việc tác động đến biến phụ

thuộc.Phương pháp thực hiện hồi quy bội là phương pháp Enter.

3.4.6 Kiểm định độ phù hợp của mô hình

Hệ số xác định R2: Theo Hồng Trọng (2005), các nhà nghiên cứu sử dụng hệ

số xác định R² (R-square) để đánh giá mức độ phù hợp của mơ hình nghiên cứu, nó

đo lường tỉ lệ tương quan của phương sai biến phụ thuộc mà trị trung bình của nó

được giải thích bằng các biến độc lập. Giá trị của R 2 càng cao thì khả năng giải

thích của mơ hình hồi quy càng lớn và việc dự đốn biến phụ thuộc càng chính xác.

Ngồi ra, hệ số xác định R² được chứng minh là hàm không giảm theo số biến độc

lập được đưa vào mơ hình, tuy nhiên khơng phải phương trình càng có nhiều biến

sẽ càng phù hợp hơn với dữ liệu, R² có khuynh hướng là một yếu tố lạc quan của

thước đo sự phù hợp của mơ hình đối với dữ liệu trong trường hợp có một biến giải

thích trong mơ hình. Như vậy, trong hồi quy tuyến tính thường dùng hệ số R 2 điều

chỉnh để đánh giá độ phù hợp của mơ hình vì nó khơng thổi phồng mức độ phù hợp

của mơ hình. Ngoài ra, kiểm định phương sai của phần hồi quy và phần dư (biến

thiên phần hồi quy và biến thiên phần dư) phải có ý nghĩa thống kê.Vì vậy, phép

kiểm định phân tích phương sai (ANOVA) được tiến hành, ANOVA có sig < 0,05

của Nguyễn Đình Thọ (2011).



38



Hệ số Durbin-Watson: dùng để kiểm tra hiện tượng tự tương quan. Mô hình hồi

quy phù hợp khi giá trị Durbin-Watson có giá trị từ 1 đến 3, tức là mơ hình khơng

có tự tương quan.

Hệ số phóng đại phương sai VIF (Variance inflation factor): dùng để kiểm tra

hiện tượng đa cộng tuyến và với nghiên cứu này, Nếu VIF>10 R2 >0,9 có hiện

tượng đa cộng tuyến cao giữa các biến X.

Hệ số ước lượng Beta (β): là hệ số hồi quy chuẩn hóa cho phép so sánh trực

tiếp giữa các hệ số, được xem như là khả năng giải thích biến phụ thuộc. Trị tuyệt

đối của một hệ số beta chuẩn hóa càng lớn thì tầm quan trọng tương đối của nó

trong dự báo biến phụ thuộc càng cao.

Mối quan hệ tuyến tính giữa biến phụ thuộc và các biến độc lập: cũng như hiện

tượng phương sai thay đổi, chúng ta xây dựng mối quan hệ (trong mẫu) giữa phần

dư và giá trị quy về hồi quy. Mối quan hệ này phù hợp khi phần dư và giá trị quy về

hồi quy độc lập nhau và phương sai của phần dư không thay đổi, khi đó mơ hình

hồi quy là phù hợp.

Phân tích hồi quy bội dùng để chứng minh sự phù hợp của mơ hình nghiên

cứu mà tác giả đã đề nghị trong chương 2.

3.5 Xây dựng mơ hình nghiên cứu

Kỹ thuật phân tích nhân tố (factor analysis) đã được sử dụng trong nghiên cứu

này nhằm rút gọn và gom các yếu tố thuộc tính đó lại thành một nhân tố có ý nghĩa

hơn, ít hơn về số lượng.

Mơ hình nhân tố được thể hiện bằng phương trình:

Xi =Ai1F1 + Ai2F2 +Ai3F3 +...+AimFm +ViUi

Trong đó:

Xi : biến thứ i chuẩn hóa

Aij : hệ số hồi quy bội chuẩn hóa của nhân tố j đối với biến i

F : các nhân tố chung

Vi : hệ số hồi quy chuẩn hóa của nhân tố đặc trưng i đối với biến i

Ui : nhân tố đặc trưng của biến i



39



m : số nhân tố chung

Các nhân tố đặc trưng có tương quan với nhau và với các nhân tố chung. Bản

thân các nhân tố chung cũng có thể được diễn tả như những kết hợp tuyến tính của

các biến quan sát:

Fi =wi1 X1 + wi2 X 2 + wi3 X 3 + ...+ wik Xk

Trong đó:

Fi : ước lượng trị số của nhân tố thứ i

wi : quyền số hay trọng số nhân tố

k : số biến

Chúng ta có thể chọn các quyền số hay trọng số nhân tố sao cho nhân tố thứ

nhất giải thích được phần biến thiên nhiều nhất trong tồn bộ biến thiên. Sau đó ta

chọn tập hợp các quyền số thứ hai sao cho nhân tố thứ hai giải thích được phần lớn

biến thiên còn lại, và khơng có tương quan với nhân tố thứ nhất.

Phương trình mơ hình nghiên cứu của tác giả:

Y =f(KG, CSVC, STT, PVNV, DTC, CP)

Ta có mơ hình phương trình hồi quy tuyến tính như sau:

Y = α+β1KG+β2CSVC + β3STT + β4PVNV + β5DTC+ β6CP

Trong đó:

Y: Mức độ hài lòng của khách hàng đối với ngân hàng Quân đội

KG: Không gian sàn giao dịch

CSVC: Cơ sở vật chất

STT: Nhận thức về sự thuận tiện

PVNV: Phong cách phục vụ củ nhân viên

DTC: Tính đáng tin cậy

CP: Chi phí sử dụng dịch vụ

Với ε: sai số ngẫu nhiên thể hiện ảnh hưởng của các yếu tố khác

đến Y

βi, i: 1÷ 6, là các tham số chưa biết, được gọi hệ số hồi quy riêng

α: là hằng số chưa biết, được gọi là giá trị ước lượng của Y



40



Tài liệu bạn tìm kiếm đã sẵn sàng tải về

CHƯƠNG 3. PHƯƠNG PHÁP NGHIÊN CỨU

Tải bản đầy đủ ngay(0 tr)

×