Sau khi nhận về các bảng khảo sát đã được điền thông tin, tác giả tiến hành loại bỏ các phiếu không hợp lệ. Kết quả của các phiếu khảo sát được nhập liệu vào phần mềm IBM SPSS Statistics 20 để chuẩn bị cho việc xử lý và phân tích dữ liệu. Các biến được mã hoá theo phụ lục 3 nhằm tạo thuận tiện cho việc nhập liệu, phân tích và trình bày kết quả nghiên cứu.
Để xác định những mục hỏi cần giữ lại và những mục hỏi cần loại bỏ khỏi mô hình dự kiến ban đầu, hệ số tin cậy Cronbach’sAlpha và phương pháp phân tích nhân tố khám phá EFA được sử dụng. Tác giả tiếp tục thực hiện phân tích hồi qui để xác định các yếu tố ảnh hưởng và mức độ ảnh hưởng đến lòng trung thành của KHCN. Kiểm định Levene test, Independent Samples T – test, ANOVA và phân tích sâu ANOVA (thủ tục Post Hoc) được sử dụng để so sánh sự khác nhau trong cảm nhận của KHCN đối với các yếu tốảnh hưởng đến lòng trung thành giữa các nhóm phân biệt bởi nhân khẩu học và lịch sử giao dịch ngân hàng.
Hệ số Cronbach’s Alpha là một phép kiểm định thống kê về mức độ chặt chẽ mà các biến trong thang đo tương quan với nhau. Theo quy ước, một tập hợp các biến dùng để đo lường được đánh giá tốt phải có α ≥ 0,8. Các biến làm giảm sự tương quan giữa các mục hỏi sẽ bị loại bỏ nhằm đảm bảo α ≥ 0,8 (Trọng và Ngọc, 2008). α ≥ 0,6 có thể sử dụng được trong trường hợp khái niệm đang đo lường là mới hoặc đối với người trả lời trong bối cảnh nghiên cứu (Nunnally, 1978; Peterson, 1994; Slater, 1995).
Hệ số Cronbach‘s Alpha chỉ đo lường sự tương quan giữa các biến, từ đó loại bỏ các biến không phù hợp. Phương pháp phân tích nhân tố khám phá EFA được sử dụng để tiếp tục loại bỏ các biến không phù hợp khỏi mô hình, thu nhỏ và tóm tắt dữ liệu (gom nhóm các biến có tương quan với nhau thành một nhân tố). Phân tích nhân tố gồm các tham số chủ yếu sau:
(i) Communality: phần biến thiên được giải thích bởi các nhân tố chung, Communality ≥ 50% thì phân tích nhân tốđược xem là phù hợp.
(ii) Hệ số tải nhân tố: hệ số tương quan đơn giữa các biến và các nhân tố. (iii) Kaiser – Meyer – Olkin (KMO): xem xét sự thích hợp của phân tích
nhân tố. KMO ≥ 0,5 thì phân tích nhân tố có khả năng thích hợp.
(iv) Eigenvalue: đại diện cho phần biến thiên được giải thích bởi một nhân tố. Nhân tố chỉ được giữ lại khi có Eigenvalue > 1.
(v) Component Matrix: xoay nhân tốđể ma trận nhân tố trở nên đơn giản và dễ giải thích hơn do phần trăm phương sai được giải thích bởi từng nhân tố có thay đổi.
Sau khi độ tin cậy của thang đo được kiểm định và mô hình hồi qui được xác định, tác giả tiếp tục thực hiện các kiểm định Levene test, Independent Samples T – test, ANOVA và phân tích sâu ANOVA.
Như vậy, Chương 3 đã mô tả các giai đoạn và giới thiệu các phương pháp phân tích dữ liệu khảo sát mà tác giả sử dụng. Kết quả phân tích này sẽđược trình bày tại Chương tiếp theo.
CHƯƠNG 4
KẾT QUẢ NGHIÊN CỨU