3.1 Phương pháp nghiên cứu.
3.118 Để thực hiên nghiên cứu đề tài, em đã sử dụng kết hợp nhiều phương pháp nghiên
cứu như: nghiên cứu định tính, nghiên cứu định lượng, nghiên cứu mô tả, nghiên cứu phân tích... trên cơ sở tìm hiểu lý thuyết và các nghiên cứu điển hình về các nhân tố ảnh hưởng cùng với các thang đo chi tiết được thiết lập.
3.1.1 Nghiên cứu định tính:
3.119 Quá trình nghiên cứu định tính được thực hiện chủ yếu bằng việc phỏng
vấn, trao đổi, thảo luận với nhân viên, lãnh đạo Ngân hàng NN & PTNTVN - CN Châu Thành để xác định các yếu tố tác động đến hoạt động cho vay đối tượng khách hàng cá nhân tại Ngân hàng. Mục đích của quá trình này là kiểm tra lại tính phù hợp của các yếu tố rút ra từ lý thuyết để kịp thời bổ sung, sửa đổi cho phù hợp.
3.1.2 Nghiên cứu định lượng:
♦ Phương pháp thu thập thông tin: dữ liệu định lượng được thu thập thông qua phỏng vấn khách hàng bằng bảng câu hỏi khảo sát được thiết kế phù hợp với mục tiêu nghiên cứu.
♦ Phương pháp phân tích dữ liệu:
- Phương pháp thống kê mô tả: thực hiện thống kê mô tả cho tất cả
các biến quan sát, các nhóm khách hàng, tính tần số cho từng biến và cho cả mẫu.
- Phương pháp hệ số tin cậy Cronbach’s Alpha và phân tích nhân tố khám phá EFA: được sử dụng để kiểm định thang đo các nhân tố tác
động đến hoạt động cho vay KH cá nhân. Các thang đo trong nghiên cứu này được đánh giá thông qua hai phương pháp: Hệ số Cronbach’s Alpha và phân tích nhân tố EFA (Exploratory factor analysis). Phân tích độ tin cậy hệ số Cronbach’s Alpha để loại các biến không phù hợp. Các biến có hệ số tương quan biến tổng (Item - total correlation) nhỏ hơn 0.3 sẽ bị loại và tiêu chuẩn chọn thang đo khi có độ tin cậy Alpha từ 0.6 trở lên (Nunnally & Burnstein 1994). Tiếp theo phương pháp phân tích nhân tố khám phá EFA được sử dụng. Các biến có hệ số tải nhân tố factor loading nhỏ hơn 0.5trong EFA tiếp tục bị loại bỏ. Trong phân tích nhân tố khám phá phương pháp trích hệ số sử dụng là phương pháp Principal component Analysis và phép xoay Varimax để phân nhóm các yếu tố; sau mỗi lần phân nhóm, ta phải tiến hành xem xét hai chỉ tiêu là hệ số KMO (Kaiser - Mayer - Olkin) lớn hơn 0.5 và nhỏ hơn 1 ( Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2005), “ Phân tích dữ liệu nghiên cứu với SPSS”, NXB Thống Kê.) và hệ số tải nhân tố trong bảng Rotated Component Matrix phải có giá trị lớn hơn 0.5 để đảm bảo mức ý nghĩa thực tế và sự hội tụ giữa các biến trong một nhân tố (Theo Hair & ctg (1998,111), Multivariate Data Analysis, Prentice- Hall International); và điểm dừng khi trích các nhân tố có Eigenvalue lớn hơn 1 (mặc định của SPSS, những nhân tố có Eigenvalue nhỏ hơn 1 sẽ không có tác dụng tóm tắt thông tin tốt hơn một biến gốc, vì sau mỗi lần chuẩn hóa mỗi biến gốc có phương sai là 1). Thang đo được chấp nhận với tổng phương sai trích bằng hoặc nhỏ hơn 50% (Gerbinh&Andessen (1998)).
3.120 - Mô hình hồi quy đa biến: được sử dụng để nhận diện các
nhân tố
ảnh hưởng và đánh giá mức độ tác động của các yếu tố này đến hoạt động cho vay KH cá nhân tại Ngân hàng. Mô hình hồi quy đa biến mở rộng mô hình hồi quy hai biến bằng cách thêm vào một số biến độc lập để giải thích tốt hơn cho biến phụ thuộc. Mô hình có dạng như sau:
3.121...Yi = 3 0 + 3 1 Xii+ 3 2 X2i+ + 3 p Xpi+ ei
3.123 Yi : biến phụ thuộc
3.124 Xpi : biểu hiện giá trị của biến độc lập thứ p tại quan sát thứ i. 3.125 3 p : được gọi là hệ số hồi quy riêng phần
3.126 ei : là một biến độc lập ngẫu nhiên có phân phối chuẩn với trung bình
là 0