Trên cơ sở dữ liệu thu thập đƣợc, tác giả triển khai quá trình phân tích thông qua 2 giai đoạn: (1) Giai đoạn phân tích sơ bộ dữ liệu sơ cấp nhằm có đƣợc “bức tranh” chung về mẫu nghiên cứu; (2) Phân tích chính thức dữ liệu sơ cấp để phát hiện ra các kết quả nghiên cứu cho đề tài. Cụ thể nhƣ sau:
Thống kê mô tả số liệu
Tính toán các chỉ tiêu thông kê của dữ liệu để ngƣời đọc biết đƣợc tổng quan về các mẫu đã thu thập ra sao, có các thông số gì. Nó bao gồm các thông tin về trung bình, độ lệch, phƣơng sai, quy luật dữ liệu .
Trung bình mẫu (mean) trong thống kê là một đại lƣợng mô tả thống kê, đƣợc tính ra bằng cách lấy tổng giá trị của toàn bộ các quan sát trong tập chia cho số lƣợng các quan sát trong tập.
Số trung vị (median) là một số tách giữa nửa lớn hơn và nửa bé hơn của một mẫu, một quần thể, hay một phân bố xác suất. Nó là giá trị giữa trong một phân bố, mà số số nằm trên hay dƣới con số đó là bằng nhau. Điều đó có nghĩa rằng 1/2 quần thể sẽ có các giá trị nhỏ hơn hay bằng số trung vị, và một nửa quần thể sẽ có giá trị bằng hoặc lớn hơn số trung vị.
35
Độ lệch chuẩn, hay độ lệch tiêu chuẩn, là một đại lƣợng thống kê mô tả dùng để đo mức độ phân tán của một tập dữ liệu đã đƣợc lập thành bảng tần số. Có thể tính ra độ lệch chuẩn bằng cách lấy căn bậc hai của phƣơng sai. Nếu gọi X là giá trị của công cụ tài chính, m = E(X) là trung bình động của X, S là phƣơng sai, d là độ lệch chuẩn thì độ lệch chuẩn sẽ đƣợc tính toán nhƣ sau: S = E[(X – m)2] d = Căn bậc hai của S
Tần suất và biểu đồ phân bổ tần suất, tần suất là số lần suất hiện của biện quan sát trong tổng thể, giá trị các biến qua sát có thể hội tụ, phân tán, hoặc phân bổ theo một mẫu hình nào đó, quy luật nào đó.
Kiểm định độ tin cậy Cronbach’s Alpha
Kiểm định độ tin cậy của thang đo tác giả đã tính toán hệ số Cronbach‟s Alpha và hệ số tƣơng quan biến tổng thể. Nhiều nhà nghiên cứu đồng ý rằng hệ số Cronbach Alpha từ 0.8 trở lên đến gần 1 thì thang đo lƣờng là tốt, từ 0.7 đến gần 0.8 là sử dụng đƣợc. Cũng có nhà nghiên cứu đề nghị rằng Cronbach Alpha từ 0.6 trở lên là có thể sử dụng đƣợc trong trƣờng hợp khái niệm đang nghiên cứu là mới hoặc mới đối với ngƣời trả lời trong bối cảnh nghiên cứu (Hoàng Trọng - Chu Nguyễn Mộng Ngọc, 2008). Vì vậy đối với nghiên cứu này thì Cronbach Alpha từ 0.6 trở lên là sử dụng đƣợc.
Phân tích nhân tố khám phá
Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) là kỹ thuật sử dụng 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 hợp biến cần thiết cho vấn đề nghiên cứu cũng nhƣ tìm ra các mối quan hệ giữa các biến với nhau.
Phép phân tích nhân tố của các khái niệm nghiên cứu đƣợc xem xét để cung cấp bằng chứng về giá trị phân biệt và giá trị hội tụ của thang đo. Mức độ thích hợp của tƣơng quan nội tại các biến quan sát trong khái niệm nghiên cứu đƣợc thể hiện bằng hệ số KMO (Kaiser – Mever – Olkin). Trị số KMO
36
lớn ( giữa 0.5 và 1) là điều kiện đủ để phân tích nhân tố là thích hợp, còn nếu trị số này nhỏ hơn 0.5 thì phân tích nhân tố có khả năng không thích hợp với dữ liệu.
Bartlett‟s Test of Sphericity, Đo lƣờng sự thích hợp của mẫu và mức ý nghĩa đáng kể của kiểm định Bartlett‟s Test of Sphericity trong phân tích khám phá dùng để xem xét sự thích hợp của phân tích nhân tố. Rút trích nhân tố đại diện bằng các biến quan sát đƣợc thực hiện với phép quay Varimax và phƣơng pháp trích nhân tố Principle components.
Các thành phần với giá trị Eigenvalue lớn hơn 1 và tổng phƣơng sai trích bằng hoặc lớn hơn 50% đƣợc xem nhƣ những nhân tố đại diện các biến. Hệ số tải nhân tố (Factor loading) biểu diễn các tƣơng quan đơn giữa các biến và các nhân tố bằng hoặc lớn 0.5 mới có ý nghĩa.
Từ kết quả phân tích nhân tố khám phá, tác giả sẽ xem xét lại mô hình nghiên cứu giả thiết, cân nhắc việc liệu có phải điều chỉnh mô hình hay không, thêm, bớt các nhân tố hoặc các giá trị quan sát của các nhân tố hay không?
Hồi quy tuyến tính bội
Kỹ thuật này thƣờng đƣợc dùng để kiểm định và giải thích lý thuyết nhân quả. Ngoài chức năng là công cụ mô tả, hồi quy tuyến tính bội đƣợc sử dụng nhƣ công cụ kết luận để kiểm định các giả thuyết và dự báo các giá trị của tổng thể nghiên cứu. Nhƣ vậy, đối với nghiên cứu này, hồi quy tuyến tính bội là phƣơng pháp thích hợp để kiểm định các giả thuyết nghiên cứu.
Phƣơng pháp lựa chọn biến Enterđƣợc tiến hành. Hệ số xác định R2 điều chỉnh đƣợc dùng để xác định độ phù hợp của mô hình, kiểm định F dùng để khẳng định khả năng mở rộng mô hình này áp dụng cho tổng thể cũng nhƣ kiểm định t để bác bỏ giả thuyết các hệ số hồi quy của tổng thể bằng 0.
37
CHƢƠNG 3: THỰC TRẠNG QUẢN TRỊ RỦI RO HOẠT ĐỘNG TẠI NGÂN HÀNG TMCP VIỆT NAM THỊNH VƢỢNG