2.2.3.1. Phương pháp thống kê mô tả
Thống kê mô tả là tổng hợp các phƣơng pháp đo lƣờng, mô tả và trình bày số liệu đƣợc ứng dụng vào lĩnh vực kinh tế bằng cách rút ra những kết luận dựa trên những số liệu và thông tin thu thập đƣợc trong điều kiện không chắc chắn. Phƣơng pháp thống kê mô tả đƣợc sử dụng để phân tích các đặc trƣng của mẫu, bao gồm: tỉ lệ, giá trị trung bình, giá trị cao nhất, giá trị thấp nhất,…
2.2.3.2. Kiểm định Chi-Bình Phương
Kiểm định Chi-bình phƣơng (2 ) sử dụng phổ biến trong việc kiểm định mối liên hệ giữa hai biến định danh - định danh hoặc định danh - thứ bậc. Phép kiểm định này
34
cho biết có tồn tại hay không mối liên hệ giữa hai biến trong tổng thể.
Bƣớc 1: Đặt giả thuyết Ho: “Không có mối liên hệ giữa hai biến” hay “Hai biến độc lập với nhau”.
Bƣớc 2: Thực hiện kiểm định 2
Bƣớc 3: So sánh giá trị p-value với giá trị
+ Chấp nhận Ho nếu p-value >
+ Bác bỏ Ho nếu p-value
Trong đó, P-value là xác suất phạm sai lầm khi loại bỏ giả thuyết Ho, xác suất này càng cao thì hậu quả của việc phạm sai lầm khi loại bỏ giả thuyết Ho càng nghiêm trọng và ngƣợc lại. là khả năng tối đa cho phép phạm sai lầm trong kiểm định tức là khả năng ta bác bỏ Ho mặc dù thực tế Ho đúng. Nếu =5% thì khi kiểm định ta chấp nhận khả năng sai lầm tối đa là 5%, từ đó ta có độ tin cậy của phép kiểm định là (1-) = 95%.
Kiểm định Chi-bình phƣơng chỉ có ý nghĩa khi số quan sát đủ lớn, nếu có quá 20% số ô trong bảng chéo có tần suất lý thuyết nhỏ hơn 5 thì giá trị 2 nói chung không còn đáng tin cậy.
Phƣơng pháp này nhằm kiểm định mối liên hệ giữa nhu cầu vay tiêu dùng của các đối tƣợng khách hàng khác nhau theo nghề nghiệp, trình độ học vấn hay thu nhập…Mục đích sử dụng phƣơng pháp kiểm định Chi-Bình phƣơng là xem nhu cầu vay tiêu dùng của khách hàng có bị ảnh hƣởng theo đối tƣợng hay không, hay chỉ chịu tác động các yếu tố thuộc về nhà cung cấp.
2.2.3.3. Phương pháp phân tích hệ số tin cậy Cronbach Alpha
Khi đánh giá thang đo của các yếu tố, cần sử dụng phƣơng pháp Cronbach Alpha để loại bỏ các biến rác trƣớc khi tiến hành phân tích yếu tố khám phá EFA (Exploratory Factor Analysis) để tránh trƣờng hợp các biến rác có thể tạo ra các yếu tố giả và đánh giá độ tin cậy của thang đo.
Hệ số Cronbach Alpha đƣợc sử dụng và các biến có hệ số tƣơng quan biến tổng nhỏ hơn mức quy định (<0,3) sẽ bị loại. Phần lớn các nhà nghiên cứu đồng ý rằng khi Cronbach Alpha từ 0,8 trở lên đến gần 1 thì thang đo lƣờng là tốt, từ 0,7 đến 0,8 là sử dụng đƣợc. Cũng có nhà nghiên cứu đề nghị rằng Cronbach Alpha từ
35
0,6 trở lên là có thể sử dụng đƣợc trong trƣờng hợp khái niệm đang đo lƣờng là mới hoặc mới đối với ngƣời trả lời trong bối cảnh nghiên cứu
2.2.3.4. Phân tích yếu tố khám phá EFA
Phân tích nhân tố khám phá là một phƣơng pháp phân tích thống kê dùng để rút gọn một tập hợp gồm nhiều biến quan sát phụ thuộc lẫn nhau thành một tập biến (gọi là các nhân tố) ít hơn để chúng có ý nghĩa hơn nhƣng vẫn chức đựng hầu hết nội dung thông tin của tập biến ban đầu (Hair và ctv, 1998).
Trong EFA, trị số KMO (Kaiser - Meyer - Olkin) đƣợc dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO phải có giá trị trong khoảng từ 0,5 đến 1 thì phân tích mới thích hợp. Phƣơng pháp trích hệ số đƣợc sử dụng là phƣơng pháp thành phần chính (Principal Components) với các phép quay là Varimax và điểm dừng khi trích các yếu tố có eigenvalue là 1. Các biến quan sát có trọng số trích đƣợc (factor loading) nhỏ hơn 0,5 sẽ tiếp tục bị loại và thang đo đƣợc chấp nhận khi tổng phƣơng sai trích bằng hoặc lớn hơn 50% (Gerbing và Andesson, 1988).
Trong quá trình phân tích EFA, cần phân tích có chọn lọc một vài yếu tố có ảnh hƣởng lớn nhất đến đánh giá của khách hàng đối với dịch vụ CVTD.
Mô hình phân tích EFA: Fi = Wi1X1 + Wi2X2 +…+ WikXk Trong đó:
Fi: ƣớc lƣợng của nhân tố thứ i Wi: trọng số nhân tố k: số biến quan sát NHÂN TỐ ĐỊNH NGHĨA KỲ VỌNG F1 Sản phẩm + F2 Chính sách + F3 Thủ tục vay + F4 Lãi suất + F5 Nhân viên + F6 Cơ sở vật chất +
36
2.2.3.5. Mô hình hồi quy tuyến tính đa biến
Phân tích hồi quy là sự nghiên cứu mức độ ảnh hƣởng của một hay nhiều biến số (biến giải thích hay biến độc lập: Independent Variables) đến một biến số (biến kết quả hay biến phụ thuộc: Dependent Variable) nhằm dự báo biến kết quả dựa vào các giá trị đƣợc biết trƣớc của biến giải thích.
Đề tài sử dụng phƣơng pháp phân tích hồi quy đa biến để ƣớc lƣợng mức độ ảnh hƣởng của các yếu tố (biến giải thích) đến khả năng đáp ứng nhu cầu khách hàng của ngân hàng (biến kết quả). Phƣơng trình hồi quy có dạng:
Y = b0 + b1X1 + b2X2 +…+ bjXj Trong đó:
Y: biến phụ thuộc (mức độ đáp ứng nhu cầu khách hàng của ngân hàng). bj: hệ số ƣớc lƣợng
Xj: biến độc lập (các yếu tố ảnh hƣởng)
Các thành phần tác động (yếu tố ảnh hƣởng) và thành phần mức độ đáp ứng nhu cầu khách hàng của ngân hàng (biến phụ thuộc) đều đƣợc đo lƣờng bằng các biến quan sát, các biến quan sát này đƣợc đo lƣờng bằng thang đo Likert 5 mức độ với mức 1 là hoàn toàn không đồng ý và mức 5 là hoàn toàn đồng ý.
37
CHƢƠNG 3: KẾT QUẢ NGHIÊN CỨU HOẠT ĐỘNG CHO VAY TIÊU DÙNG TẠI VIETINBANK CHI NHÁNH HẢI PHÕNG