Hình 4.2: Quy trình nghiên cứu
(Nguồn: Đề xuất của tác giả)
CÁC BƯỚC NGHIÊN CỨU
Bước 1: Xây dựng bảng câu hỏi
- Giai đoạn 1: Xây dựng bảng câu hỏi thô dựa trên nền tảng các thông tin cần thu thập trong mô hình lí thuyết và các nghiên cứu có liên quan.
- Giai đoạn 2: Chọn lọc và hiệu chỉnh các câu hỏi dựa trên ý kiến đóng góp của chuyên gia. Phỏng vấn thử 20 khách hàng ngẫu nhiên để kiểm tra mức độ rõ
Xây dựng vấn đề nghiên cứu
Cơ sở lý thuyết và nghiên cứu trước
Nghiên cứu sơ bộ
Điều tra sơ bộ
Điều chỉnh bảng câu hỏi sơ bộ
Khảo sát điều tra
Kiểm định phép đo, Cronbach’s Alpha
Phân tích nhân tố EFA
Phân tích hồi quy bội
Kiểm định mô hình Viết báo cáo tổng hợp
Bảng hỏi khảo sát sơ bộ
Bảng hỏi khảo sát chính thức
` 50
ràng của bảng câu hỏi, qua đó ghi nhận ý kiến ban đầu của họ về dịch vụ ngân hàng và các mong muốn của họđối với ngân hàng.
- Giai đoạn 3: Hiệu chỉnh và hoàn tất bảng câu hỏi lần cuối, tiến hành khảo sát chính thức với 26 biến quan sát.
Bước 2: Xác định số lượng mẫu cần thiết và thang đo cho việc khảo sát
- Hiện nay, theo nhiều nhà nghiên cứu, vấn đềkích thước mẫu là bao nhiêu, như thế nào là đủ lớn vẫn chưa được xác định rõ ràng. Tuy nhiên, dựa vào lý thuyết phân phối mẫu lớn, phương pháp phân tích cấu trúc tuyến tính đòi hỏi kích thước mẫu lớn để có được ước lượng tin cậy. Do đó, mẫu sẽđược lựa chọn theo phương pháp thuận tiện, kích thước mẫu còn tùy thuộc vào kỹ thuật phân tích dữ liệu được sử dụng, yếu tố tài chính và khả năng tiếp cận đối tượng. Theo một số nghiên cứu, tính đại diện của số lượng mẫu được lựa chọn khảo sát sẽ thích hợp nếu kích thước mẫu là 5 quan sát cho một ước lượng (Bollen, 1989) và theo Bryant và Yarnold (1995) thì tỷ lệ mẫu/sốlượng các biến quan sát không nên nhỏ hơn 5 lần. Mô hình khảo sát trong luận văn bao gồm 26 biến quan sát (23 biến quan sát của biến độc lập và 3 biến quan sát của biến phụ thuộc). Do đó, sốlượng mẫu tối thiểu là từ 26 x 5 = 130 quan sát trở lên nên tác giả chọn cỡ mẫu là 300 quan sát.
- Một trong những hình thức đo lường sử dụng phổ biến nhất trong nghiên cứu định lượng là thang đo Likert, bao gồm 5 cấp độ phổ biến từ 1 đến 5 để tìm hiểu mức độ đánh giá của người trả lời. Bảng câu hỏi đã được thiết kế với 1 là “hoàn toàn không đồng ý”, 2 là “không đồng ý”, 3 là “bình thường”, 4 là “đồng ý” và 5 là “hoàn toàn đồng ý”.
Bước 3: Gửi phiếu điều tra cho khách hàng
300 phiếu điều tra được gửi cho khách hàng tại quầy giao dịch và thông qua thư điện tử (e-mail) với sự hỗ trợ của bộ phận kế toán. Danh sách khách hàng nhận phiếu điều tra được lựa chọn một cách ngẫu nhiên trên cơ sở dữ liệu của ngân hàng.
` 51
Bước 4: Liên hệ với khách hàng để theo dõi kết quả trả lời
Sau một tuần, nếu không nhận được phản hồi từphía khách hàng thì người gửi sẽ gọi điện thoại lại nhờ khách hàng trả lời. Đối với phiếu điều tra đặt tại quầy thì khách hàng khi đến giao dịch tại ngân hàng có thể trả lời và gửi lại cho nhân viên liền ngay đó.
Bước 5: Thu nhận phản hồi từ phía khách hàng, mã hóa, nhập liệu. Bước 6: Xử lí dữ liệu thông qua việc sử dụng công cụ phân tích SPSS
Các bước phân tích dữ liệu được tiến hành như sau:
• Thống kê mô tả: lập bảng tần sốđể thống kê các đặc điểm của mẫu thu được. • Đánh giá thang đo: Độ tin cậy của thang đo thường được đánh giá bằng phương pháp nhất quán nội tại qua hệ số Cronbach’s Alpha.
Hệ số Cronbach’s Alpha là một phép kiểm định thống kê về mức độ chặt chẽ mà biến trong từng thang đo tương quan với nhau. Phương pháp này dùng để loại bỏ những biến không phù hợp ra khỏi thang đo, hạn chế các biến rác trong quá trình nghiên cứu. Theo Nguyễn Đình Thọ (2011), một thang đo có độ tin cậy tốt khi nó biến thiên trong khoảng [0.7 – 0.8]. Nếu Cronbach’s Alpha ≥ 0.6 là thang đo có thể chấp nhận về mặt độ tin cậy. Ngoài ra, các biến đo lường dùng để đo lường cùng một khái niệm nghiên cứu nên chúng phải có sựtương quan chặt chẽ với nhau. Vì vậy, khi kiểm tra từng biến đo lường chúng ta sử dụng hệ số tương quan biến - tổng (item – total correlation). Khi sử dụng công cụ SPSS, chương trình sẽ sử dụng hệ sốtương quan biến - tổng hiệu chỉnh (corrected item – total correlation). Hệ số này sẽ lấy tương quan của biến đo lường xem xét với tổng các biến còn lại của thang đo (không tính biến đang xét). Nếu một biến đo lường có hệ sốtương quan biến - tổng hiệu chỉnh ≥ 0.3 thì biến đó đạt yêu cầu. • Phân tích nhân tố khám phá EFA là kỹ thuật được sửdụng chủ yếu để thu nhỏ và tóm tắt dữ liệu sau khi đã đánh giá độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha và loại đi các biến không đảm bảo độ tin cậy. Theo Nguyễn Đình Thọ (2011), phương pháp phân tích nhân tố khám phá EFA sẽ giúp chúng ta đánh giá hai giá trị quan trọng của thang đo là giá trị hội tụ và giá trị phân biệt. Phương pháp phân tích EFA thuộc nhóm phân tích đa biến phụ thuộc lẫn nhau,
` 52
nghĩa là không có biến phụ thuộc và biến độc lập mà nó dựa vào mối tương quan giữa các biến với nhau. EFA dùng để rút gọn một tập k biến quan sát thành một tập F (F < k) các nhân tốcó ý nghĩa hơn. Cơ sở của việc rút gọn này dựa vào mối quan hệ tuyến tính của các yếu tố với các biến nguyên thủy (biến quan sát).
Quá trình phân tích nhân tố khám phá EFA, tác giả sử dụng phương pháp trích Principal Component Analysis với phép xoay Varimax và kiểm định Bartlett (các biến quan sát có tương quan với nhau trong tổng thể)
- Xem xét hệ số KMO (Kaiser – Meyer – Olkin): Nếu 0.5 ≤ KMO ≤ 1 thì phân tích nhân tố là thích hợp với dữ liệu, ngoài ra mức ý nghĩa của phép kiểm định Bartlett phải bé hơn 5%. (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008).
- Tiến hành loại các biến quan sát có hệ số tải nhân tố (Factor loading) < 0.5 - Thông số Eigenvalues (đại diện cho phần biến thiên được giải thích bởi mỗi
nhân tố) có giá trị> 1 (Điều kiện để dừng xoay và rút trích nhân tố). (Nguyễn Đình Thọ, 2011).
- Giá trị tổng phương sai trích (TVE) ≥ 50%: cho biết các nhân tố được trích giải thích được bao nhiêu phần trăm sự biến thiên của tập dữ liệu. (Nguyễn Đình Thọ, 2011)
• Phân tích hồi qui: dùng phương pháp Enter - RP
2
P
hiệu chỉnh cho biết các biến độc lập giải thích được bao nhiêu % của biến phụ thuộc, hay nói cách khác phản ảnh độ khớp của mô hình.
- Kiểm định F
+ Sig. < 0.05 (bảng ANOVA khi chạy hồi qui) => bác bỏ giả thuyết HR0
+ Có ít nhất một biến độc lập ảnh hưởng đến biến phụ thuộc => mô hình hồi quy tuyến tính xây dựng được phù hợp với tổng thể.
- Xác định mức độảnh hưởng của các biến độc lập lên biến phụ thuộc: biến độc lập có hệ số𝛽𝛽 càng lớn thì càng ảnh hưởng mạnh. (lưu ý sig. < 0.05)
- Kiểm tra vấn đềđa cộng tuyến: VIF < 2.
Mô hình hồi qui bội dùng để kiểm định vai trò quan trọng của các yếu tố trong việc đánh giá các yếu tố ảnh hưởng đến ý định sử dụng dịch vụ IB của
` 53
khách hàng cá nhân. Mô hình bao gồm 1 biến phụ thuộc và 5 biến độc lập, được biểu diễn bằng phương trình hồi qui bội: Y = 𝜷𝜷𝟎𝟎 + 𝜷𝜷𝟏𝟏 X1 + 𝜷𝜷𝟐𝟐 X2 + 𝜷𝜷𝟑𝟑 X3 + 𝜷𝜷𝟒𝟒 X4 + 𝜷𝜷𝟓𝟓 X5 + 𝜺𝜺 Trong đó: Y: là biến phụ thuộc. β0: hằng số hồi qui βi: hệ số hồi qui Xi : là các biến độc lập 𝜀𝜀: phần dư
Trước khi tiến hành phân tích hồi qui bội, ta cần phân tích tương quan để kiểm định mối liên hệ giữa các thành phần. Nghiên cứu sử dụng hệ số tương quan tuyến tính r (Pearson Corelation Coefficient) để kiểm định tính chặt chẽ giữa biến phụ thuộc và các biến độc lập. Nếu hệ sốtương quan trong khoảng 0.3 đến 0.8 chứng tỏ chúng có mối quan hệ với nhau.
• Phân tích ANOVA: thường để phân tích sự khác biệt giữa các nhóm thuộc tính của đối tượng nghiên cứu (giới tính, tuổi, nghề nghiệp…) đối với 1 vấn đềnào đó (thường chọn là biến phụ thuộc).
- Sig. của thống kê Levene > 0.05: có thể sử dụng kết quả phân tích ANOVA (ngược lại thì không đủđiều kiện đểđọc kết quả ANOVA)
- Sig. của phân tích ANOVA
+ Sig. > 0.05: dữ liệu quan sát chưa đủđiều kiện để khẳng định có sự khác biệt.
` 54