Đặc điểm địa bàn và phơng pháp nghiên cứu
2.2.4.2 Phơng pháp toán kinh tế
Các phơng pháp phân tích, xử lý số liệu thống kê đợc thực hiện nhờ vào công cụ tin học. Toàn bộ việc xử lý số liệu đợc tiến hành trên chơng trình SPSS 11.5. Ngoài các phơng pháp phân tích thống kê đã nêu ở trên, trong luận văn còn sử dụng phơng pháp phân tích hồi quy logistic, hàm phân tích phân lập để xác định mức độ ảnh hởng của các nhân tố đến hoạt động sản xuất kinh doanh của DN. Sử dụng phơng pháp phân tích phơng sai ANOVA, sử dụng để kiểm định ANOVA với các yếu tố doanh thu, lợi nhuận trung bình trớc và sau khi vay vốn ngân hàng để tìm hiểu xem vốn vay có tác động nh thế nào.
Sau khi tiến hành điều tra thống kê, ta sẽ thu đợc nhiều dữ liệu ban đầu (sơ cấp) trên mỗi đơn vị điều tra. Những dữ liệu này là dữ liệu thô, phản ánh các đặc trng cá biệt, có tính chất rời rạc nên khó quan sát để rút ra nhận xét, kết luận về hiện tợng nghiên cứu vì vậy cần phân tổ. Do đặc điểm của hiện tợng nghiên cứu biến thiên không đều nên việc phân tổ trong luận văn này có khoảng cách tổ không đều. Toàn bộ việc xử lý số liệu đều đợc thực hiện bằng Phần mềm SPSS.11.5 trên máy tính.
Để xem xét ảnh hởng một yếu tố nguyên nhân (việc tiếp cận vốn vay, tác động của lãi suất, thời hạn, mức vay ...) đến kết quả và hiệu quả hoạt động của DN, tôi sử dụng phơng pháp phân tích phơng sai ANOVA (Analysis of Variance).
Đồng thời, sử dụng phơng pháp phân tích nhân tố (Factor analysis) để phân tích mối liên hệ qua lại giữa nhiều biến và giải thích những biến này dới hình thức các khía cạnh cơ sở chung (gọi là các nhân tố – Factor), nhằm tìm ra một cách cô đọng các thông tin chứa trong nhiều biến gốc thành một tập hợp các
khía cạnh (nhân tố) ít hơn, giúp cho việc tìm ra các nhân tố có ý nghĩa hơn, phục vụ việc phân tích hồi quy tơng quan.
Cuối cùng là mô hình hoá mối liên hệ tín dụng, bao gồm các yếu tố liên quan đến kết quả và hiệu quả SXKD của DN bằng phơng pháp phân tích tơng quan và hồi quy.
Kiểm định phân phối chuẩn:
Để đánh giá tác động của vốn tín dụng đến hoạt động DN, luận văn sử dụng phơng pháp phân tích đa biến (Multivariable data analysis), vì vậy cần kiểm định xem các biến điều tra thoả mãn quy luật phân phối chuẩn bằng tiêu chuẩn Kolmogorov- Smirnov trong SPSS với mức ý nghĩa nhỏ hơn 0,05 hay không. Đồng thời kiểm định giá trị (Significance-Sig), lệch trái (Skewness) và lệch phải (Kurtosis) đều trong giá trị cho phép, tức là dới giá trị chuẩn 1,96. Nguồn [50] và [51].
Kiểm định độ tin cậy:
Trong nghiên cứu này sử dụng thang điểm Likert gồm 7 mức đợc sử dụng để ngời đợc phỏng vấn lựa chọn. Với thang điểm này, điểm 1 là thấp nhất, thể hiện sự khó khăn nhất và điểm 7 thể hiện mức độ thuận lợi nhất, tốt nhất. Để kiểm định độ tin cậy các biến điều tra, tôi đã chọn phơng pháp hệ số tin cậy Cronbach Alpha cũng nh hệ số tin cậy cho tổng thể kết hợp xem xét hệ số tơng quan (Correlation) của từng biến. Để khẳng định độ tin cậy của biến điều tra, yêu cầu hệ số tin cậy của từng biến (Item Cronbach Alpha) phải lớn hơn 0,5; hệ số t- ơng quan của từng biến phải khá cao; hệ số tin cậy tổng thể (Cronbach Alpha) phải lớn hơn 0,7; đồng thời kết hợp kiểm tra hiện tợng ngoại lai outlier. Nguồn
[50] và [51].
Phơng pháp phân tích nhân tố:
Phân tích nhân tố là tên chung của một nhóm các thủ tục đợc sử dụng chủ yếu để thu nhỏ và tóm tắt các dữ liệu. Phơng pháp này dùng mối liên hệ qua lại giữa nhiều biến và giải thích những biến này dới hình thức các khía cạnh cơ sở chung (gọi là nhân tố - Factor), nhằm tìm ra một cách cô đọng các thông tin chứa trong nhiều biến gốc thành một tập hợp các khía cạnh (nhân tố) ít hơn mà không làm thất thoát thông tin về hiện tợng nghiên cứu trong các biến gốc ban đầu, giúp
xây dựng các nhân tố có ý nghĩa hơn phục vụ việc phân tích. Phơng pháp này bao gồm các bớc:
Bớc 1: Nhận diện các mục tiêu của phân tích nhân tố dựa vào lý luận và thực tiễn. Trong bảng câu hỏi, các biến điều tra đợc lờng bằng thang đo Likert (1- 7). Xác định các nhân tố: tiếp cận tín dụng trớc khi vay, hỗ trợ DN khi đang vay vốn và cảm nhận của DN sau khi vay vốn.
Bớc 2: Xây dựng ma trận tơng quan (Correlation Matrix) của các biến này để tìm các biến có liên hệ nhau. Dùng chỉ số Kaiser - Mayer - Olkin (KMO) để xem xét sự thích hợp của phân tích nhân tố. Chỉ số KMO lớn (từ 0,5 ữ 1) thì phân tích nhân tố là thích hợp, còn chỉ số này nhỏ hơn 0,5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu. Đồng thời sử dụng Bartlett's test of sphericity để kiểm định giả thiết sự t - ơng quan giữa các biến trong tổng thể.
Bớc 3: Xác định số lợng nhân tố. Dựa vào phơng pháp Determination based on eigenvalue. Chỉ những nhân tố nào có Eigenvalue lớn hơn 1 mới đợc giữ lại trong mô hình phân tích. Đại lợng Eigenvalue đại diện cho lợng biến thiên đợc giải thích bởi nhân tố. Những nhân tố có Eigenvalue nhỏ hơn 1 sẽ không có tác dụng tóm tắt thông tin tốt hơn một biến gốc.
Bớc 4: Xoay các nhân tố: Dùng phơng pháp Varimax procedure; xoay nguyên gói các nhân tố để tối thiểu hoá số lợng biến có hệ số lớn tại cùng một biến, vì vậy giúp việc giải thích nhân tố một cách đơn giản và dễ dàng hơn.
Bớc 5: Giải thích các nhân tố: đợc thực hiện trên cơ sở nhận ra các biến có hệ số t- ơng quan (factor loading) lớn hơn 0,4 ở cùng một nhân tố. Nh vậy nhân tố này có thể đợc giải thích bằng các biến có hệ số lớn đối với bản thân nó và đặt tên mới.
Bớc 6: Xác định nhân tố (Factor score) và lu thành biến mới trong file dữ liệu.
Sau khi giải thích nhân tố, có thể tính toán ra các nhân tố (Factor score). Bản thân phân tích nhân tố là một phơng pháp độc lập trong phân tích có thể sử dụng một mình. Tuy nhiên, mục tiêu ở đây là phân tích nhân tố nhằm biến đổi một tập hợp biến gốc thành một tập hợp các biến tổng hợp (nhân tố) có số lợng ít hơn
để sử dụng vào phơng pháp phân tích hồi quy tơng quan bội nên có thể tính toán các nhân tố (score). Các nhân tố sẽ đợc chứa trong các biến mới trong các file dữ liệu mới đợc máy tính tạo lập sau khi nhấn Save as variables.
Phơng pháp phân tích phơng sai:
Mục đích của phân tích phơng sai (ANOVA) là so sánh trung bình của nhiều nhóm (tổng thể) dựa trên các trung bình mẫu và thông qua kiểm định giả thuyết để kết luận về sự bằng nhau của các trung bình này. Trong nghiên cứu này, phân tích phơng sai đợc dùng nh một công cụ để xem xét ảnh hởng của một yếu tố nguyên nhân này đến một yếu tố kết quả kia. Cụ thể nghiên cứu tác động của tín dụng để kết quả và hiệu quả sản xuất kinh doanh của DNV&N trên địa bàn trong thời gian qua.
Dùng kết quả đợc xử lý bằng Chơng trình SPSS, sử dụng công cụ ANOVA (Analysise of Variance) để phân tích gồm 2 bớc cơ bản sau đây:
Bớc 1: Kiểm định xem có sự tác động của yếu tố nguyên nhân đến yếu tố kết quả hay không? Sử dụng tỷ số F và độ tin cậy Sig.
F= tỷ số 2 phơng sai =
Phơng sai giữa các nhóm (Mean squares beetween group - MSG)
Phơng sai trong nội bộ nhóm (Mean Squares within Group - MSW)
Giá trị F càng lớn thì càng có sự khác biệt (có sự tác động giữa các yếu tố phân tích) và độ tin cậy sig rất nhỏ. Giá trị F càng nhỏ thì càng không có sự khác biệt (không có tác động) và sig > 0,05.
Bớc 2: Phân tích tác động đến mức nào (kiểm định ANOVA sâu ), sử dụng kiểm định t từng cặp để thấy sự khác biệt có ý nghĩa giữa các nhóm.
Trong phạm vi luận văn này, phân tích phơng sai đợc sử dụng để đánh giá tác động của các yếu tố tiếp cận tín dụng đến nguồn vốn DNV&N; các yếu tố chủ yếu của tín dụng gồm mức vốn vay, lãi suất và thời hạn vay tác động đến kết quả sản xuất kinh doanh nh thế nào; và tác động của chính sách hỗ trợ từ phía các TCTD đến hiệu quả của DNV&N trên địa bàn trong thời gian qua.
Phơng pháp phân tích hồi quy:
Phân tích hồi quy trên SPSS 11.5, trớc hết xây dựng ma trận tơng quan để tìm các mô hình thích hợp, bằng các bớc:
Bớc 1: hệ số xác định phân tích, hệ số tơng quan r và hệ số tơng quan bội R2
nhằm xác định sự tồn tại qua hệ tuyến tính biến phụ thuộc và các biến độc lập.
Bớc 2: kiểm định F về sự tồn tại này:
F càng lớn, càng có quan hệ tuyến tính và mức ý nghĩa sig 0 F 0 , sig càng lớn và > 0,05 : Không có quan hệ tuyến tính.
Bớc 3: kiểm tra hiện tợng đa cộng tuyến - Độ chấp nhận (Tolerane) = 1 - R2
Khi Tolerane 0 (R1): tồn tại đa cộng tuyến
Khi Tolerane 1 (R0): không tồn tại đa cộng tuyến
-VIF: hệ số phóng đại phơng sai (variance inflation factor) = 1/(1-R2) Khi VIF có giá trị rất lớn (R1): tồn tại đa cộng tuyến
Khi VIF 1 (R0): không có hiện tợng đa cộng tuyến