Giải pháp nâng cao chất lƣợng dịch vụ của trung tâm dịch vụ khách hàng 24 7 tại ngân hàng tmcp v (9)

53
Trị số KMO (Kaiser-Meyer- Olkin) dùng để xem xét sự thích hợp của phân
tích nhân tố. Trị số KMO phải đạt giá trị trong khoảng [0.5;1] là điều kiện đủ để
phân tích nhân tố là phù hợp. Nếu trị số này nhỏ hơn 0.5, thì phân tích nhân tố có
khả năng khơng thích hợp với tập dữ liệu nghiên cứu. Kiểm định Bartlett (Bartlett’s
test of sphericity) dùng để xem xét các biến quan sát trong nhân tố có tương quan
với nhau hay không, điều kiện cần để áp dụng phân tích nhân tố là các biến quan sát
phản ánh những khía cạnh khác nhau của cùng một nhân tố phải có mối tương quan
với nhau. Do đó trong trường hợp kiểm định Bartlett cho thấy khơng có ý nghĩa
thống kê thì khơng nên áp dụng phân tích nhân tố cho các biến đang xem xét. Kiểm
định Bartlett có ý nghĩa thống kê khi giá trị Sig Bartlett’s Test < 0.05, điều này
chứng tỏ các biến quan sát có tương quan với nhau trong nhân tố.
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 (Varimax). Các thành phần với giá trị
Eigenvalua lớn hơn hoặc bằng 1 (Gerbing và Anderson, 1998) mới được giữ lại
trong mơ hình phân tích và tổng phương sai trích (Total Variance Explained) bằng
hoặc lớn hơn 50% thì mơ hình EFA được xem như là phù hợp.
Cuối cùng, để phân tích nhân tố có ý nghĩa, tất cá 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 (Jabnoun và Al-Tamimi, 2003). Kỹ thuật phân tích nhân tố (factor analysis)
đã được sử dụng trông 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.
 Phương pháp tương quan Pearson
Mục đích chạy tương quan Pearson là để kiểm tra mối tương quan tuyến tính
chặt chẽ giữa biến phụ thuộc với các biến độc lập và sớm nhận diện vấn đề đa cộng
tuyến khi các biến độc lập cũng có tương quan mạnh với nhau. Tiêu chí trong tương
quan Pearson là giá trị tương quan r, hệ số này có giá trị dao động từ -1 đến 1, hệ số
này chỉ có ý nghĩa khi Sig nhỏ hơn 0.05.

54
+, Nếu r càng tiến về 1 hoặc -1 thì tương quan tuyến tính càng mạnh, càng chặt chẽ,
tiến về 1 là tương quan dướng, tiến về -1 là tương quan âm.
+, Nếu r tiến về 0 thì tương quan tuyến tính càng yếu.
+, Nếu r =0 thì khơng có tương quan tuyến tính, lúc nãy sẽ có hai tình huống xảy
ra, một là khơng có mối quan hệ nào giữa 2 biến, hai là giữa chúng có mối liên hệ
phi tuyến tính.
+, Nếu r =1 thì tương quan tuyến tính tuyệt đối.
 Phương pháp Hồi quy đa biến
Hồi quy đa biến giúp chúng ta xác định được nhân tố nào đóng góp nhiều/ ít/
khơng đóng góp vào sự thay đổi của biến phụ thuộc, để từ đó đưa ra các giải pháp
cần thiết và kinh tế nhất.
Để mơ hình hồi quy có ý nghĩa thì giá trị Sig kiểm định F phải nhỏ hơn 0.05.
Giá trị R bình phương hiệu chỉnh phản ánh mức độ ảnh hưởng của các biến độc lập
lên biến phụ thuộc. Thường thì giá trị này từ 50% trở lên là nghiên cứu được đánh
giá tốt.
Trong hồi quy đa biến sẽ có hai hệ số hồi quy đó là hệ số hồi quy chuẩn hóa
Beta và hệ số hồi quy chưa chuẩn hóa B. Cả hai hệ số hồi quy này đều có thể sử
dụng để viết phương trình hồi quy.
Đối với hệ số hồi quy chưa chuẩn hóa, phương trình hồi quy sẽ có dạng:
Y = B0 + B1X1 + B2X2 + B3X3 + BnXn
Trong đó:
Y là biến phụ thuộc;
B0 chính là giá trị Constant trong bảng hệ số hồi quy;
B là hệ số hồi quy chưa chuẩn hóa trong bảng hệ số hồi quy;
X là biến độc lập.
Đối với phương trình dạng này, các hệ số hồi quy phản ánh sự thay đổi của
biến phụ thuộc khi một biến độc lập thay đổi và các biến độc lập còn lại được giữ
nguyên.

Trong phương trình hồi quy chưa chuẩn hóa thì các biến giữ nguyên đơn vị
gốc của mình và phương trình hồi quy chưa chuẩn hóa mang ý nghĩa tốn học nhiều


55
hơn là ý nghĩa kinh tế, bởi nó chỉ phản ánh sự thay đổi của biến phụ thuộc khi từng
biến độc lập thay đổi trong điều kiện các biến độc lập còn lại phải cố định.
Đối với hệ số hồi quy chuẩn hóa, phương trình hồi quy sẽ có dạng:
Y = B1X1 + B2X2 + B3X3 + BnXn
Trong phương trình hồi quy chuẩn hóa, các hệ số hồi quy phản ánh mức độ,
thứ tự ảnh hưởng của mình đến biến phụ thuộc. Từ phương trình hồi quy chuẩn hóa,
căn cứ vào hệ số hồi quy Beta chúng ta sẽ biết được biến X nào ảnh hưởng mạnh,
biến nào ảnh hưởng yếu đến biến phụ thuộc Y. Biến nào có hệ số hồi quy chuẩn hóa
Beta càng lớn thì biến đó có sức ảnh hưởng càng mạnh tới biến phụ thuộc Y.
Có thể thấy, các biến trong phương trình hồi quy chuẩn hóa đã được quy về
cùng một đơn vị, và phương trình hồi quy chuẩn hóa mang ý nghĩa kinh tế nhiều
hơn là toán học. Dựa vào hệ số hồi quy chuẩn hóa Beta trong phương trình hồi quy,
nhà kinh tế học xác định được rằng các yếu tố nào quan trọng nhất, yếu tố nào ít
quan trọng hơn để dành thời gian và tiền bạc đầu tư một cách hợp lý. Trong phạm vi
nghiên cứu của đề tài này, tác giả đề xuất sử dụng phương trình hồi quy chuẩn hóa
để tiến hành phân tích.
Giá trị tiếp theo đó là giá trị Sig của kiểm định t từng biến độc lập, sig nhỏ
hơn hoặc bằng 0.005 có nghĩa là biến độc lập đó có ý nghĩa trong mơ hình, ngược
lại sig lớn hơn 0.05 biến độc lập đó cần được loại bỏ.
Cuối cùng là giá trị VIF, giá trị này dùng để kiểm tra hiện tượng đa cộng
tuyến. Đa cộng tuyến là hiện tượng các biến độc lập có mối tương quan rất mạnh
với nhau, mơ hình hồi quy xảy ra đa cộng tuyến sẽ khiến nhiều chỉ số sai lệch, dẫn
đến kết quả của việc phân tích định lượng khơng cịn mang lại nhiều ý nghĩa. Nếu
VIF nhỏ hơn 10 thì sẽ khơng có hiện tượng đa cộng tuyến.
2.3. Các nội dung cần phân tích

Đối với mục tiêu 1: để thực hiện mục tiêu này, đề tài áp dụng phương pháp
nghiên cứu trực tiếp, thơng qua mơ hình để nghiên cứu chất lượng dịch vụ thông
qua 300 phiếu phỏng vấn xử lý qua phần mềm SPSS 20.0.
Đối với mục tiêu thứ 2: Từ kết quả nghiên cứu, số liệu thu thập được xử lý và
phân tích bằng các phương pháp: thống kê mô tả, kiểm định Cronbach’s alpha,