1 Xem chi tiết bảng hỏi tại phụ lục của luận văn
3.5.2 Kiểm định độ tin cậy của thang đo
Một trong những mục tiêu của đề tài này là xây dựng và kiểm định độ tin cậy của thang đo từng nhân tố ảnh hưởng tới rủi ro tín dụng tại Agribank Quảng Trị. Việc kiểm định thang đo sẽ giúp tác giả nhìn nhận lại các nhân tố đánh giá, nhân tố nào hợp lệ, nhân tố nào bị loại bỏ trước khi tiến hành các phân tích tiếp theo. Để kiểm định độ
tin cậy của thang đo tác giả đã tính toán hệ số Cronbach’s Alpha và hệ số tương quan biến tổng thể.
Các thang đo được đánh giá độ tin cậy qua hệ số Cronbach Alpha, qua đó các biến không phù hợp sẽ bị loại nếu hệ số tương quan tổng biến < 0,3 và thang đo được chấp nhận khi hệ số đạt yêu cầu > 0,6 (Nunnally và Burnstein, 1994). Cronbach Alpha là một phép kiểm định thống kê về mức độ chặt chẽ mà các mục hỏi trong thang đo tương quan với nhau. Một trong những phương pháp kiểm tra tính đơn khía cạnh của thang đo được gọi là kiểm định độ tin cậy chia đôi. Công thức của hệ số Cronbach Alpha là: C = N. / [1+ .(N- 1)]. Trong đó: C là hệ số tương quan trung bình giữa các câu hỏi, N là số câu hỏi.
3.5.3 Phân tích các nhân tố khám phá
Phân tích nhân tố khám phá là một phương pháp phân tích thống kê dùng để rút gọn một tập 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 nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu (Hair & ctg, 1998). Phân tích nhân tố được sử dụng với mục đích như sau:
+ Nhận diện các khía cạnh hay nhân tố để giải thích được các kiên hệ tương quan trong một tập hợp biến.
+ Nhận diện tập hợp gồm một số lượng biến mới tương đối ít không có tương quan với nhau để thay thế tập hợp biến gốc có tương quan với nhau để thực hiện một phân tích tiếp theo (phân tích qui hồi). Phân tích nhân tố thường có 4 bước:
• Bước 1: Tính ma trận các mối liên quan cho tất cả các biến (correlation
matrix)
- Tạo correlation matrix cho tất cả các biến
- Xác định các biến mà không có liên quan với biến khác
- Nếu mối liên quan giữa các biến nhỏ, chúng có thể không chung một nhân tố- FA không phù hợp
- Correlation coefficients ≥ 0.3
- KMO là một chỉ tiêu để xem xét sự thích hợp của FA Nếu 0.5 ≤KMO ≤1 thì phân tích nhân tố là thích hợp
- Kiểm định Bartlett xem xét giả thuyết H0: Độ tương quan giữa các biến số quan sát bằng 0. Nếu kiểm định này có ý nghĩa thống kê (sig <0.05) thì các biến có tương quan với nhau trong tổng thể
• Bước 2 : (Xác định nhân tố ) Factor extraction
- Mục đích chính của bước này là xác định các nhân tố.
- Thường dùng phương pháp Principal components analysis để xác định các nhân tố.
- The 1st principal component là phức hợp giải thích được nhiều biến thiên nhất trong quần thể (1st extracted factor), sau đó giảm dần ở nhân tố thứ 2, 3…
- Để xác định giữ lại bao nhiêu nhân tố, căn cứ vào 2 yếu tố:
Eigen Values >1
The Scree Plot.
• Bước 3 : (Sử dụng phép quay các nhân tố) Factor rotation
- Ở bước này các nhân tố được sử dụng phép quay để nó có ý nghĩa hơn
- Có nhiều phương pháp quay, phương pháp hay dùng nhất là Varimax rotations.
• Bước 4 : Ra quyết định cuối cùng về số nhân tố cần giữ lại
- Chọn các nhân tố có ý nghĩa thực tiễn nhất
- Chọn các nhóm biến số có chỉ số lớn cho cùng một nhân tố - Đặt tên cho nhân tố theo ý nghĩa của các biến
Sau đó:
-Các factor này có ý nghĩa không? Có phù hợp với y văn trước đây không? - Nên dùng chỉ số factor hay chỉ số thường trong các phân tích tiếp theo?