2.3. Khảo sát thực tế về dịch vụ thanh toán không dùng tiền mặt tại Ngân hàng
2.3.4. Phương pháp phân tích định lượng
- Kiểm định Cronbach’s Alpha
Cronbach (1951) đã đưa ra hệ số tin cậy Cronbach’s Alpha cho thang đo. Phương pháp này cho phép người phân tích đánh giá sơ bộ thang đo, loại bỏ các biến không phù hợp và hạn chế các biến rác trong quá trình nghiên cứu và đánh giá độ tin cậy của thang đo thông qua hệ số Cronbach’s Alpha.
Thang đo có hệ số Cronbach’s Alpha từ 0.6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang nghiên cứu mới. Thông thường, thang đo có hệ số Cronbach’s Alpha từ 0.7 đến 0.8 là sử dụng được. Vì thế, thang đo có độ tin cậy càng gần đến 01 là thang đo lường tốt.
Ngoài ra, những biến có hệ số tương quan biến tổng (Corrected Item – Total Correlation) nhỏ hơn 0.3 sẽ bị loại.
- Phân tích nhân tố khám phá EFA (Exploratory factor analysis)
Sau khi 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, tiến hành phân tích nhân tố khám phá EFA. Phương pháp này cho phép rút gọn nhiều biến thành một nhóm biến để đo lường cho một nhân tố cụ thể phù hợp với ý nghĩa của biến khảo sát. Kết quả phân tích giúp tìm ra được những nhân tố phù hợp cho việc phân tích hồi quy và phương sai một yếu tố sau này; nó còn được sử dụng để tìm mối quan hệ giữa các biến với nhau.
Trong phân tích EFA, trị số KMO (Kaiser - Meyer – Olkin Measure of
Sampling Adequacy) là chỉ số được quan tâm để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO càng lớn càng tốt và phải có giá trị trong khoảng từ 0.5 đến 1 thì phân tích này mới thích hợp, còn nếu như trị số này nhỏ hơn 0.5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu.
Ngoài ra, phân tích nhân tố còn dựa vào tiêu chí Eigenvalue để xác định số lượng nhân tố. Chỉ những nhân tố có Eigenvalue ≥ 1 thì mới được giữ lại trong mô hình. Đại lượng Eigenvalue đại diện cho lượng biến thiên của tập biến quan sát được giải thích bởi mỗi nhân tố rút ra so với biến thiên còn lại của tập biến quan sát sau khi nhân tố được rút ra. Những nhân tố có Eigenvalue < 1 sẽ không có tác dụng tóm tắt thông tin tốt hơn 1 biến gốc và sẽ bị loại khỏi mô hình nghiên cứu (Garson, 2003).
Phương sai trích (Variance Explained Criteria): Tổng phương sai trích phải lớn hơn 50%.
Một phần quan trọng trong bảng kết quả phân tích nhân tố là ma trận nhân tố (Component Matrix) hay ma trận nhân tố khi các nhân tố được xoay (Rotated Component Matrix). Ma trận nhân tố chứa các hệ số biểu diễn các biến chuẩn hóa bằng các nhân tố (mỗi biến là 1 đa thức của các nhân tố). Những hệ số tải nhân tố (Factor loading) biểu diễn tương quan giữa các biến và các nhân tố. Hệ số này cho biết nhân tố và biến có liên quan chặt chẽ với nhau. Nghiên cứu sử dụng phương pháp trích nhân tố (Principal components) nên các hệ số tải nhân tố phải có trọng số ≥ 0.5 thì mới đạt yêu cầu.
Độ giá trị hội tụ: Để thang đo đạt giá trị hội tụ thì hệ số tương quan đơn giữa các biến và các hệ số chuyển tải nhân tố (Factor Loading) phải lớn hơn hoặc bằng 0.4 trong một nhân tố (Garbing & Anderson, 1988). Độ giá trị phân biệt: Để đạt độ giá trị phân biệt thì khác biệt giữa các hệ số chuyển tải Factor Loading phải lớn hơn hoặc bằng 0.3 (Jabnoun, 2003)
Sau khi rút trích được các nhân tố từ phân tích EFA, tiến hành kiểm định mô hình giả thuyết bằng hồi qui tuyến tính.
Kiểm định đa cộng tuyến: Đa cộng tuyến là hiện tượng các biến độc lập
có tương quan chặt chẽ với nhau. Vấn đề của hiện tượng đa cộng tuyến là các biến độc lập cung cấp cho mô hình những thông tin rất giống nhau và rất khó tách rời ảnh hưởng của từng biến độc lập đến biến phụ thuộc. Hiệu ứng khác khi có hiện tượng tương quan chặt chẽ giữa các biến độc lập là làm tăng độ lệch chuẩn của các hệ số hồi quy và làm giảm giá trị thống kê t của kiểm định ý nghĩa của các biến độc lập nên các hệ số có khuynh hướng kém ý nghĩa hơn khi có đa cộng tuyến trong khi hệ số xác định R2 vẫn khá cao. Trong quá trình phân tích hồi quy bội, đa cộng tuyến được SPSS chuẩn hóa bằng tiêu chí Collinearity Diagnostics (Chuẩn đoán hiện tượng đa cộng tuyến) với hệ số phóng đại phương sai VIF (Variance Inflation Factor) của các biến độc lập trong mô hình. Nếu VIF đều nhỏ hơn 10 tức là mô hình không có đa cộng tuyến.
Kiểm định tự tương quan: Tự tương quan được hiểu là sự tự tương quan
giữa các thành phần của dãy số thời gian hoặc không gian. Tuy nhiên trong thực tế có thể xảy ra hiện tượng mà thành phần nhiễu của các biến có thể phụ thuộc lẫn nhau. Hậu quả của sự tự tương quan có thể kể đến như là ước lượng bình quân bé nhất không phải là ước lượng hiệu quả, phương sai ước lượng được của các ước lượng bình phương bé nhất thường là chệch, kiểm định t và F không đáng tin cậy, giá trị ước lượng R2 có thể không tin cậy khi dùng để thay thế cho giá trị thật của R2, phương sai và độ lệch chuẩn của giá trị dự đoán đã tính được không hiệu quả.
Nếu các giả định không bị vi phạm, mô hình hồi quy tuyến tính bội được ước lượng. Và hệ số R2
đã được điều chỉnh cho biết mô hình hồi quy được ước lượng phù hợp đến mức nào.
Kiểm định giả thuyết về mức độ phù hợp của mô hình: Để xem xét mức
định là R2 và đại lượng F. Để kiểm định độ phù hợp của mô hình hồi quy tổng thể và mức độ biến thiên của biến phụ thuộc vào các biến độc lập có ý nghĩa thống kê, giả thuyết hệ số R2 = 0 được đặt ra với ý nghĩa thống kê thường được sử dụng
là 5%. Đại lượng F được sử dụng cho kiểm định này với giả thuyết đặt ra là tất cả các hệ số hồi quy đều bằng 0 và giải thuyết đối là không có hệ số hồi quy nào bằng 0 với mức ý nghĩa là 5%.
Kiểm định giả thiết về ý nghĩa của hệ số hồi quy: Đây là kiểm định đối
với từng hệ số β. Giá trị thống kê dùng để kiểm định giả thuyết là t, phân phối của đại lượng thống kê này là Student với (N-2) bậc tự do với mức ý nghĩa là 5%.
Kết quả phương trình hồi quy: Phương trình hồi quy sẽ đưa ra được nhân
tố ảnh hưởng quan trọng đến biến phụ thuộc thông qua giá trị của hệ số hồi quy. Hệ số hồi quy có giá trị càng lớn, chứng tỏ sự tác động càng nhiều. Phương trình hồi qui đa biến có dạng:
Chấp nhận TTKDTM của
khách hàng =
β0 + β1Môi trường kinh tế - xã hội + β2Khoa học công nghệ + β3Yếu tố nhân sự Eximbank + β4Quy trình hoạt động TTKDTM của ngân hàng + β5Yếu tố từ phía khách hàng
Trong đó:
+ Biến phụ thuộc: Chấp nhận TTKDTM của khách hàng.
+ Biến độc lập gồm 5 biến: Môi trường kinh tế - xã hội, Khoa học công nghệ, Yếu tố nhân sự Eximbank, Quy trình hoạt động TTKDTM của ngân hàng và Yếu tố từ phía khách hàng.
+ β0,β1, β2, β3, β4, β5 lần lượt là hệ số hồi quy của các nhân tố: Nhân tố chưa quan sát, đo lường được do các yếu tố khách quan, được mặc định với giá trị là 1; nhân tố “Môi trường kinh tế - xã hội”; nhân tố “Khoa học công nghệ”, nhân tố “Yếu tố nhân sự Eximbank”, nhân tố “Quy trình hoạt động TTKDTM của ngân hàng” và nhân tố “Yếu tố từ phía khách hàng”.
- Phân tích phương sai một yếu tố (Oneway Anova) để kiểm định sự khác
nhau về mức độ hài lòng của khách hàng đối với chất lượng dịch vụ ATM theo đặc điểm đối tượng khách hàng, giới tính, thu nhập, độ tuổi, nghề nghiệp.