Luận văn: PPNC Đến khách hàng về dịch vụ ngân hàng số ở BIDV

Đánh giá post

Chia sẻ chuyên mục Đề Tài Luận văn: PPNC Đến khách hàng về dịch vụ ngân hàng số ở BIDV hay nhất năm 2026 cho các bạn học viên ngành đang làm luận văn thạc sĩ tham khảo nhé. Với những bạn chuẩn bị làm bài luận văn tốt nghiệp thì rất khó để có thể tìm hiểu được một đề tài hay, đặc biệt là các bạn học viên đang chuẩn bị bước vào thời gian lựa chọn đề tài làm luận văn thì với đề tài Luận Văn: Các yếu tố tác động đến sự hài lòng khách hàng đối với dịch vụ ngân hàng số tại ngân hàng TMCP Đầu Tư Và Phát Triển Việt Nam dưới đây chắc chắn sẽ giúp cho các bạn học viên có cái nhìn tổng quan hơn về đề tài sắp đến.

3.1. Quy trình nghiên cứu

Quy trình nghiên cứu được thiết kế dựa trên các phương pháp nghiên cứu khoa học do Kumar (2019) đề xuất. Nghiên cứu này sử dụng phương pháp định lượng, với các bước chính được thực hiện như sau:

Bước 1: Xác định vấn đề nghiên cứu và mục tiêu nghiên cứu

  • Xác định vấn đề nghiên cứu xoay quanh các yếu tố tác động đến SHL của KH đối với dịch vụ NHS tại BIDV.
  • Định nghĩa rõ ràng phạm vi nghiên cứu, xác định các biến nghiên cứu chính và những mục tiêu cụ thể cần hoàn thành.

Bước 2: Tổng quan lý thuyết và nghiên cứu trước đây

  • Thu thập và phân tích các tài liệu học thuật, những nghiên cứu trước đây xoay quanh SHL của KH.
  • Xây dựng nền tảng lý thuyết dựa trên các mô hình cơ sở như: Lý thuyết ECT (Oliver, 1980), Lý thuyết SERVQUAL (Parasuraman và cộng sự, 1988), Lý thuyết SERVPERF (Cronin và Taylor, 1992) và Lý thuyết E–SERVQUAL (Parasuraman và cộng sự, 2005).
  • Hệ thống hóa các yếu tố ảnh hưởng đến SHL của KH từ các nghiên cứu trước đây.

Bước 3: Xây dựng mô hình nghiên cứu và giả thuyết nghiên cứu

  • Thiết lập mô hình nghiên cứu đề xuất dựa trên nền tảng lý thuyết và các nghiên cứu trước đó.
  • Xác định các biến nghiên cứu (độc lập và phụ thuộc), từ đó hình thành các giả thuyết về mối quan hệ giữa các biến.
  • Kiểm tra tính hợp lý của mô hình.

Bước 4: Thiết kế nghiên cứu

  • Lựa chọn phương pháp nghiên cứu: Nghiên cứu này sử dụng phương pháp nghiên cứu định lượng.

Xây dựng bảng câu hỏi:

  • Xây dựng bộ câu hỏi khảo sát dựa trên các thang đo đã được xác thực từ những nghiên cứu trước đó.
  • Áp dụng thang đo Likert 7 điểm nhằm đánh giá mức độ hài lòng của KH đối với các yếu tố tác động đến dịch vụ NHS.

Xác định đối tượng khảo sát và tiến hành chọn mẫu:

Đối tượng khảo sát: KH cá nhân đang sinh sống, học tập và làm việc tại TP.HCM đã và đang sử dụng dịch vụ NHS của BIDV được xuất dữ liệu từ hệ thống và từ 18 tuổi trở lên. Khách hàng được phân tầng theo giới tính (nam, nữ) và độ tuổi (18 – dưới 35, 35 – dưới 50, từ 50 tuổi trở lên.

  • Phương pháp chọn mẫu: Thực hiện lấy mẫu ngẫu nhiên phân tầng nhằm đảm bảo sự đại diện của các nhóm KH.
  • Cỡ mẫu: Được tính toán theo công thức của Hair và cộng sự (2019) để đáp ứng kích thước mẫu tối thiểu phục vụ phân tích CFA và hồi quy bội. Luận văn: PPNC Đến khách hàng về dịch vụ ngân hàng số ở BIDV.

Bước 5: Nghiên cứu sơ bộ

  • Tổ chức thảo luận nhóm với 15 chuyên gia làm việc tại các chi nhánh BIDV khu vực TP.HCM. Mục tiêu của nghiên cứu định tính là kiểm tra và hiệu chỉnh các câu hỏi khảo sát cho phù hợp với bối cảnh nghiên cứu.

Bước 6: Nghiên cứu chính thức và thu thập dữ liệu

  • Khảo sát chính thức được triển khai với mẫu gồm 300 KH nhằm thu thập dữ liệu. Dữ liệu sau đó được tổng hợp và làm sạch trước khi tiến hành phân tích.

Bước 7: Phân tích dữ liệu và kiểm định giả thuyết

  • Phân tích mô tả thống kê để tổng quan về mẫu khảo sát. Kiểm định độ tin cậy của thang đo bằng Cronbach’s Alpha.
  • Phân tích CFA để kiểm tra tính hội tụ và tính phân biệt của các nhân tố.
  • Sử dụng MLR để đánh giá tác động của các nhân tố độc lập đối với SHL của KH.
  • Thực hiện kiểm định các giả định hồi quy như: hiện tượng đa cộng tuyến, phân phối chuẩn của phần dư và phương sai phần dư đồng nhất.

Bước 8: Kết luận và đề xuất

  • Hệ thống hóa các kết quả nghiên cứu và đánh giá mức độ ảnh hưởng của các yếu tố đến SHL KH đối với dịch vụ NHS.
  • Đề xuất các giải pháp quản trị nhằm gia tăng SHL của KH đối với dịch vụ NHS thông qua việc cải thiện trải nghiệm và nâng cao giá trị cảm nhận.

Bước 9: Hoàn thiện báo cáo nghiên cứu

  • Biên soạn báo cáo nghiên cứu một cách khoa học, đảm bảo tính logic, rõ ràng và phù hợp với tiêu chuẩn học thuật.
  • Kiểm tra lại nội dung và trình bày trước khi công bố hoặc trình bày trước hội đồng đánh giá.

3.2. Các thang đo trong nghiên cứu Luận văn: PPNC Đến khách hàng về dịch vụ ngân hàng số ở BIDV.

Các thang đo trong nghiên cứu được xây dựng trên cơ sở tổng hợp các lý thuyết nền tảng và tham khảo các công trình nghiên cứu trước đây, qua đó đảm bảo tính nhất quán, độ tin cậy và giá trị đo lường của các biến. Cụ thể, thang đo sự tin cậy được thiết kế nhằm đánh giá mức độ cảm nhận của KH về tính chính xác, ổn định và độ đáng tin của dịch vụ, bao gồm khả năng thực hiện giao dịch đúng cam kết, xử lý thông tin chính xác và duy trì hệ thống vận hành thông suốt. Thang đo sự đảm bảo phản ánh mức độ an tâm của KH khi sử dụng dịch vụ, thể hiện qua tính bảo mật thông tin, độ an toàn trong giao dịch, trình độ chuyên môn và sự chuyên nghiệp của đơn vị cung cấp dịch vụ. Bên cạnh đó, thang đo số hóa được phát triển để đo lường mức độ ứng dụng công nghệ trong cung cấp dịch vụ, bao gồm tính tiện lợi của nền tảng số, khả năng tích hợp các chức năng, tốc độ xử lý giao dịch và trải nghiệm người dùng trên các kênh trực tuyến. Thang đo phương tiện hữu hình phản ánh đánh giá của KH về các yếu tố vật chất và hình ảnh bên ngoài như giao diện ứng dụng, thiết kế website, cũng như mức độ hiện đại và chuyên nghiệp của cơ sở hạ tầng. Cuối cùng, thang đo đội ngũ nhân viên được sử dụng để đo lường mức độ hài lòng của KH đối với thái độ, kỹ năng, sự nhiệt tình và khả năng hỗ trợ của nhân viên trong quá trình tư vấn và xử lý các vấn đề phát sinh. Các thang đo này được xây dựng với hệ thống biến quan sát cụ thể, phù hợp chặt chẽ với mục tiêu nghiên cứu, đồng thời được kiểm định về độ tin cậy và giá trị đo lường thông qua hệ số Cronbach’s Alpha và phương pháp phân tích CFA.

  • Bảng 3.1. Thang đo nghiên cứu

3.3. Phương pháp thu thập dữ liệu

3.3.1. Cỡ mẫu Luận văn: PPNC Đến khách hàng về dịch vụ ngân hàng số ở BIDV.

Trong quá trình triển khai nghiên cứu, việc xác định quy mô mẫu được xem là bước then chốt nhằm bảo đảm tính tin cậy cũng như khả năng suy rộng của kết quả. Đối với nghiên cứu này, tác giả đã tham khảo các khuyến nghị từ nhiều tài liệu và nguồn học thuật uy tín để lựa chọn kích thước mẫu phù hợp với mục tiêu và phương pháp nghiên cứu.

Theo Hair và cộng sự (2019), kích thước mẫu tối thiểu cần thiết được xác định dựa trên mức ý nghĩa thống kê và độ lớn của các hệ số đường dẫn trong mô hình. Trong trường hợp giả định các hệ số đường dẫn có giá trị tối thiểu dao động từ 0,11 đến 0,20, nghiên cứu cần ít nhất 155 quan sát để đảm bảo mức ý nghĩa 5%. Ngoài ra, Comrey và Lee (1992) đã đề xuất cách phân loại cỡ mẫu theo mức độ đánh giá như sau: mức 100 được đánh giá là kém, 200 ở mức trung bình khá, 300 được xem là tốt và 500 là rất tốt và từ 1.000 trở lên được đánh giá là xuất sắc.

Tabachnick và Fidell (2007) cho rằng trong phương pháp hồi quy đa biến, kích thước mẫu tối thiểu được tính theo công thức n ≥ 8m + 50, với m là số biến độc lập trong mô hình nghiên cứu.

Trong nghiên cứu này, việc xác định quy mô mẫu tối thiểu được xem xét dựa trên hai cơ sở quan trọng là phân tích MLR và phân tích CFA. Dựa theo Hair và cộng sự (2019), kích thước mẫu tối thiểu phục vụ cho phân tích hồi quy bội được xác định theo công thức n ≥ 8m+50, trong đó m là số lượng nhân tố độc lập trong mô hình, không phải số biến quan sát. Trong mô hình nghiên cứu này, sau khi tiến hành tổng hợp các biến quan sát thành các nhân tố đại diện, số nhân tố độc lập được xác định là 5. Do đó, cỡ mẫu tối thiểu để tiến hành MLR được tính là 5×5+50 = 75 mẫu. Tuy nhiên, để đảm bảo tính đại diện và độ tin cậy của mô hình hồi quy, Hair và cộng sự (2019) cũng khuyến nghị rằng tỷ lệ tốt nhất nên đạt 10:1, nghĩa là mỗi nhân tố độc lập nên có ít nhất 10 quan sát. Với 8 nhân tố, kích thước mẫu phù hợp theo tiêu chí này là 5×10 = 50 mẫu.

Ngoài ra, theo Hair và cộng sự (2019), kích thước mẫu tối thiểu để thực hiện phân tích CFA nên đạt tỷ lệ từ 5:1 đến 10:1 so với tổng số biến quan sát. Trong nghiên cứu này, với 27 biến quan sát, cỡ mẫu tối thiểu cần thiết cho CFA là 27 × 5 = 135 quan sát, trong khi quy mô mẫu được khuyến nghị tối ưu là 27 × 10 = 270 quan sát.

Do đó, để đảm bảo tính khoa học và độ tin cậy của kết quả nghiên cứu, quy mô mẫu tối thiểu cần đạt 270 quan sát nhằm đáp ứng đồng thời yêu cầu của cả phân tích hồi quy và phân tích CFA. Với 300 mẫu được thu thập, nghiên cứu đã đáp ứng đầy đủ các tiêu chuẩn về kích thước mẫu theo các tiêu chí đề ra. Luận văn: PPNC Đến khách hàng về dịch vụ ngân hàng số ở BIDV.

3.3.2. Phương pháp chọn mẫu

Nghiên cứu áp dụng kỹ thuật chọn mẫu ngẫu nhiên phân tầng để đảm bảo đại diện cho các nhóm KH cá nhân sinh sống, học tập và làm việc tại TP. HCM có sử dụng dịch vụ NHS của BIDV. Để triển khai, bước đầu tiên của nghiên cứu là xác định khung chọn mẫu (Sampling Frame) dựa trên danh sách KH được xuất dữ liệu từ hệ thống. Danh sách này bao gồm độ tuổi (từ 18 – dưới 35 tuổi, từ 35 – dưới 50 tuổi, từ 50 tuổi trở lên) và giới tính (nam, nữ). Việc phân tầng được tiến hành căn cứ vào hai tiêu chí này, nhằm bảo đảm mỗi nhóm KH đều có cơ hội được lựa chọn vào mẫu khảo sát theo tỷ lệ tương ứng với tổng thể.

Cỡ mẫu của mỗi tầng được phân bổ theo tỷ trọng của tầng trong khung, theo công thức nh = n × Nh/N đã trình bày tại Mục 1.6.2. Để lựa chọn ngẫu nhiên trong từng tầng, mỗi KH trong tầng được đánh số thứ tự từ 1 đến Nh. Hàm RAND() của Excel được dùng để lựa chọn ngẫu nhiên trong từng tầng. KH được chọn được mời tham gia khảo sát qua hai kênh là phát bảng hỏi trực tiếp tại chi nhánh/phòng giao dịch và gửi đường dẫn khảo sát trực tuyến cá nhân hóa qua email. Trường hợp KH được chọn không thể tham gia khảo sát, nghiên cứu sẽ thay thế bằng KH kế tiếp trong danh sách nhằm bảo đảm đủ số lượng mẫu theo kế hoạch. Đồng thời, tỷ lệ mẫu của từng tầng được đối chiếu với tỷ lệ trong tổng thể để bảo đảm tính đại diện. Với phương pháp chọn mẫu này, nghiên cứu bảo đảm mỗi nhóm KH tại BIDV đều có cơ hội được tham gia khảo sát một cách công bằng và có cơ sở khoa học, qua đó nâng cao tính khách quan cũng như khả năng khái quát hóa của kết quả phân tích.

Tổng cỡ mẫu của nghiên cứu sau khi xử lý sơ bộ đạt 300 quan sát, được xác định dựa trên yêu cầu về quy mô mẫu tối thiểu phục vụ phân tích CFA và hồi quy bội (Hair và cộng sự, 2019; Tabachnick và Fidell, 2007). Với cách tiếp cận chọn mẫu này, nghiên cứu bảo đảm dữ liệu thu thập có tính đại diện đối với các nhóm KH của BIDV tại TP.HCM, đồng thời đáp ứng điều kiện cho các bước phân tích và kiểm định tiếp theo.

3.3.3. Phương pháp thu thập số liệu

Dữ liệu được thu thập thông qua bảng câu hỏi khảo sát, sử dụng thang đo Likert 7 điểm nhằm đánh giá mức độ hài lòng của người tham gia đối với các biến nghiên cứu. Các biến bao gồm: Sự tin cậy, sự đảm bảo, số hóa, phương tiện hữu hình, đội ngũ nhân viên và SHL (xem phụ lục A).

3.4. Phương pháp phân tích dữ liệu Luận văn: PPNC Đến khách hàng về dịch vụ ngân hàng số ở BIDV.

3.4.1. Kiểm định độ tin cậy Cronbach’s Alpha

Bước đầu, độ tin cậy của các thang đo được kiểm định thông qua hệ số Cronbach’s Alpha. Phương pháp này dùng để xem xét mức độ nhất quán nội tại giữa các biến quan sát trong cùng một thang đo, qua đó xác định liệu các biến có phản ánh đúng khái niệm nghiên cứu hay không. Theo tiêu chuẩn lý thuyết, mức Cronbach’s Alpha từ 0,7 trở lên được xem là đáp ứng tiêu chuẩn về độ tin cậy. Trường hợp hệ số này thấp hơn 0,7, các biến quan sát trong thang đo cần được xem xét điều chỉnh hoặc loại bỏ nhằm bảo đảm tính nhất quán. Trong nghiên cứu này, những thang đo có giá trị Cronbach’s Alpha vượt 0,8 được đánh giá là rất tốt, còn những thang đo có giá trị từ 0,7 đến dưới 0,8 được xem là chấp nhận được.

3.4.2. Phân tích mô hình đo lường

Phân tích nhân tố khẳng định (CFA) được sử dụng để kiểm định mô hình đo lường, đồng thời đánh giá mức độ phù hợp giữa mô hình lý thuyết và dữ liệu thực nghiệm. Các chỉ số độ phù hợp được xem xét bao gồm CFI, TLI và RMSEA được sử dụng làm tiêu chí đánh giá. Mô hình được đánh giá là phù hợp nếu CFI và TLI lớn hơn 0,9 và RMSEA nhỏ hơn 0,08. Đồng thời, hệ số tải nhân tố được xem xét nhằm đánh giá giá trị hội tụ và phân biệt của các thang đo, góp phần đảm bảo độ tin cậy và giá trị của mô hình đo lường. Luận văn: PPNC Đến khách hàng về dịch vụ ngân hàng số ở BIDV.

Đồng thời, chỉ số Heterotrait–Monotrait Ratio (HTMT) được sử dụng để kiểm định giá trị phân biệt giữa các biến tiềm ẩn trong mô hình. Theo Henseler và cộng sự (2015), điều kiện đảm bảo giá trị phân biệt là hệ số HTMT giữa các cặp biến nhỏ hơn 0,85 hoặc 0,90.

  • Việc thực hiện CFA là cần thiết vì các lý do sau:

Thứ nhất, CFA cho phép kiểm định mức độ phù hợp của mô hình lý thuyết đề xuất với dữ liệu thu thập được, Đảm bảo rằng các biến quan sát đại diện phù hợp cho các biến tiềm ẩn theo giả thuyết nghiên cứu.

Thứ hai, CFA hỗ trợ đánh giá độ tin cậy và giá trị của thang đo. Giá trị hội tụ được xem xét thông qua hệ số tải nhân tố và các chỉ số như AVE, trong khi giá trị phân biệt được kiểm định bằng các chỉ số như HTMT, nhằm bảo đảm sự phân định rõ ràng giữa các khái niệm nghiên cứu.

Thứ ba, CFA giúp xác nhận cấu trúc lý thuyết giữa các biến quan sát và biến tiềm ẩn, đặc biệt quan trọng trong các nghiên cứu sử dụng thang đo đa biến và cấu trúc phức tạp.

Thứ tư, kết quả CFA là cơ sở để triển khai các phân tích nâng cao hơn như mô hình cấu trúc tuyến tính (SEM). Khi mô hình đo lường không đạt chuẩn, các phân tích tiếp theo có thể bị ảnh hưởng về độ tin cậy.

Cuối cùng, CFA hỗ trợ phát hiện các vấn đề tiềm ẩn trong dữ liệu như tải nhân tố thấp, tương quan không phù hợp hoặc sai số đo lường, từ đó giúp nhà nghiên cứu điều chỉnh và hoàn thiện thang đo.

Tóm lại, CFA là bước quan trọng nhằm bảo đảm mô hình đo lường không chỉ phù hợp với cơ sở lý thuyết mà còn đảm bảo tính tin cậy và giá trị thực tiễn, từ đó nâng cao chất lượng và độ chính xác của kết quả nghiên cứu.

3.4.3. Phân tích mô hình cấu trúc Luận văn: PPNC Đến khách hàng về dịch vụ ngân hàng số ở BIDV.

Phân tích MLR được áp dụng nhằm kiểm định mối quan hệ giữa các biến độc lập bao gồm: sự tin cậy, sự đảm bảo, số hóa, phương tiện hữu hình, đội ngũ nhân viên với biến phụ thuộc là SHL KH. Mô hình hồi quy được kiểm tra và đánh giá dựa trên các tiêu chí sau: Mô hình MLR được biểu diễn dưới dạng phương trình: 𝑆𝐻𝐿 = 𝛽0 + 𝛽1 ∗ 𝑋1 + 𝛽2 ∗ 𝑋2 + ⋯ + 𝛽𝑛 ∗ 𝑋𝑛 + 𝜖

Trong đó:

  • SHL là sự hài lòng KH (biến phụ thuộc);
  • X1, X2,…, Xn là các biến độc lập, bao gồm: Sự tin cậy, Sự đảm bảo, Số hóa, Phương tiện hữu hình, Đội ngũ nhân viên;
  • β0 là hằng số (intercept);
  • β1, β2,…, βn là hệ số hồi quy của từng biến độc lập, thể hiện mức độ tác động của từng yếu tố đến biến phụ thuộc;
  • ϵ là sai số của mô hình.
  • Các kiểm định quan trọng trong MLR

Hệ số xác định (R²) phản ánh mức độ mà các biến độc lập có thể giải thích được sự biến thiên của biến phụ thuộc. Giá trị R² càng lớn thì mô hình càng thể hiện khả năng giải thích tốt hơn đối với sự thay đổi của mức độ hài lòng dựa trên các yếu tố tác động.

Kiểm định ANOVA (F-test) được áp dụng nhằm đánh giá sự phù hợp tổng thể của mô hình hồi quy. Nếu giá trị F đạt ý nghĩa thống kê (p < 0,05), mô hình được xem là có khả năng giải thích mối quan hệ giữa các biến độc lập và biến phụ thuộc.

Hệ số hồi quy (Beta – β) thể hiện mức độ và chiều hướng tác động của từng biến độc lập lên biến phụ thuộc. Cụ thể, hệ số β dương cho thấy tác động cùng chiều giữa biến độc lập và biến phụ thuộc, trong khi hệ số β âm phản ánh tác động ngược chiều giữa các biến.

Kiểm tra hiện tượng đa cộng tuyến (Variance Inflation Factor – VIF) được sử dụng để đánh giá mức độ tương quan giữa các biến độc lập trong mô hình. Nếu các chỉ số VIF < 10 và Tolerance > 0,1, có thể kết luận rằng không tồn tại hiện tượng đa cộng tuyến nghiêm trọng trong mô hình. Luận văn: PPNC Đến khách hàng về dịch vụ ngân hàng số ở BIDV.

Bên cạnh các kiểm định trên, nghiên cứu cần xem xét một số giả định quan trọng nhằm đảm bảo tính hợp lệ của mô hình: Kiểm tra phân phối chuẩn của phần dư (Residual Normality); Phần dư cần tuân theo phân phối chuẩn để đáp ứng các giả định thống kê. Việc kiểm tra có thể thực hiện thông qua biểu đồ Histogram, Q–Q Plot hoặc kiểm định Shapiro – Wilk; Kiểm tra phương sai phần dư không đổi (Homoscedasticity): được xem xét thông qua biểu đồ Scatter Plot giữa phần dư chuẩn hóa và giá trị dự đoán; nếu các điểm phân tán ngẫu nhiên và đồng đều quanh trục trung bình, giả định phương sai không đổi được đáp ứng.

Trong nghiên cứu này, các nhân tố độc lập (biến tiềm ẩn) được phản ánh qua nhiều biến quan sát. Do đó, để đưa vào mô hình hồi quy, cần xây dựng biến gộp (Composite Variable) đại diện cho từng nhân tố độc lập.

Phương pháp xây dựng biến gộp: biến gộp được xác định trên cơ sở lấy giá trị trung bình của các thành phần cấu thành nên từng nhân tố (phương pháp điểm trung bình – Mean Score Method). Cụ thể, giá trị đại diện cho mỗi nhân tố độc lập được tính bằng trung bình cộng của các biến quan sát thuộc cùng nhân tố đó. Ví dụ:

Lý do lựa chọn phương pháp tính trung bình thay cho Z–values: phương pháp lấy trung bình các biến quan sát giúp giữ nguyên thang đo ban đầu, từ đó thuận lợi hơn cho việc diễn giải kết quả trong mô hình hồi quy. Ngược lại, nếu sử dụng Z–values (giá trị chuẩn hóa), các biến gộp sẽ được chuyển về thang đo chuẩn với khoảng giá trị xấp xỉ từ –3 đến 3, điều này có thể làm giảm tính trực quan và gây khó khăn khi giải thích ý nghĩa thực tiễn của các hệ số hồi quy.

TÓM TẮT CHƯƠNG 3 Luận văn: PPNC Đến khách hàng về dịch vụ ngân hàng số ở BIDV.

Chương 3 trình bày phương pháp nghiên cứu được sử dụng nhằm xác định các yếu tố tác động đến SHL của KH đối với dịch vụ NHS tại BIDV. Dữ liệu được thu thập thông qua khảo sát bằng bảng câu hỏi thiết kế theo thang đo Likert 7 điểm, kết hợp với phương pháp chọn mẫu ngẫu nhiên phân tầng nhằm đảm bảo tính đại diện của các nhóm KH.

Quy mô mẫu tối thiểu được xác định dựa trên các yêu cầu của phân tích MLR và phân tích CFA. Theo đề xuất của Hair và cộng sự (2019), nhằm đảm bảo độ tin cậy của kết quả nghiên cứu, kích thước mẫu tối thiểu được chọn theo tiêu chí cao nhất, tương ứng với 270 mẫu. Vì vậy, mẫu nghiên cứu sau cùng gồm 300 KH được xem là thỏa điều kiện về kích thước mẫu tối thiểu.

Việc phân tích dữ liệu được tiến hành theo các bước sau:

  • Kiểm định độ tin cậy Cronbach’s Alpha để đánh giá mức độ nhất quán nội tại của thang đo.
  • Phân tích CFA nhằm kiểm tra tính hội tụ và tính phân biệt của các thang đo, đảm bảo độ tin cậy của mô hình đo lường.
  • Phân tích MLR được sử dụng nhằm kiểm định mối quan hệ giữa các biến độc lập và biến phụ thuộc là SHL của KH, bao gồm các yếu tố như: sự tin cậy, sự đảm bảo, mức độ số hóa, phương tiện hữu hình và đội ngũ nhân viên.

Phương pháp này cho phép kiểm định các giả thuyết nghiên cứu, đồng thời đánh giá mức độ tác động của từng yếu tố đến SHL của KH đối với dịch vụ NHS tại BIDV. Kết quả phân tích là cơ sở để đề xuất các giải pháp quản trị phù hợp, nhằm nâng cao trải nghiệm thực tế và gia tăng giá trị cảm nhận của KH. Luận văn: PPNC Đến khách hàng về dịch vụ ngân hàng số ở BIDV.

XEM THÊM NỘI DUNG TIẾP THEO TẠI ĐÂY:  

===>>> Luận văn: KQNC Đến khách hàng về dịch vụ ngân hàng số ở BIDV

0 0 đánh giá
Article Rating
Theo dõi
Thông báo của
guest
0 Comments
Cũ nhất
Mới nhất Được bỏ phiếu nhiều nhất
Contact Me on Zalo
0877682993
0
Rất thích suy nghĩ của bạn, hãy bình luận.x