QĐSD 2 Tơi thấy chi phí dịch vụ thẻ của Agribank hợp lý.
QĐSD3 Tôi cảm thấy sử dụng thẻ của Agribank an tồn, thuận tiện.
QĐSD4 Tơi quyết định giới thiệu cho bạn bè người thân sử dụng dịch vụ thẻ của ngân hàng này trong thời gian tới.
Nguồn: Đế xuất của tác giả
Tất cả các thang đo được đo lường trong nghiên cứu định lượng là dạng thang đo Likert 5 mức độ:
Hồn tồn khơng đồng ý
Khơng đồng ý Bình thường Đồng ý Hồn tồn đồng ý 2.4. CÁC PHƯƠNG PHÁP PHÂN TÍCH
Để thực nghiên cứu chính thức cho luận văn này tác giả sử dụng các phương pháp phân tích sau:
2.4.1. Phương pháp thống kê mô tả
2.4.1.1. Khái niệm thống kê mô tả
Thống kê mô tả được sử dụng để mơ tả những đặc tính cơ bản của dữ liệu thu thập được từ nghiên cứu thực nghiệm qua các cách thức khác nhau. Thống kê mơ tả cung cấp những tóm tắt đơn giản về mẫu và các thước đo. Cùng với phân tích đồ hoạ đơn giản, chúng tạo ra nền tảng của mọi phân tích định lượng về số liệu. Bước đầu tiên để mô tả và tìm hiểu về đặc tích phân phối của một bảng số liệu thô là lập bảng phân phối tần số. Sau đó, sử dụng một số hàm để làm rõ đặc tính của mẫu phân tích. Để hiểu được các hiện tượng và ra quyết định đúng đắn, cần nắm được các phương pháp cơ bản của
mơ tả dữ liệu. Có rất nhiều kỹ thuật hay được sử dụng, có thể phân loại các kỹ thuật như sau:
Biểu diễn dữ liệu bằng đồ hoạ trong đó các đồ thị mơ tả dữ liệu hoặc giúp so sánh các dữ liệu,
Biểu diễn dữ liệu thành các bảng số liệu tóm tắt về dữ liệu,
Thống kê tóm tắt (dưới dạng các giá trị thống kê đơn nhất) mô tả dữ liệu.
2.4.1.2. Các đại lượng thống kê mơ tả
Mean: Số trung bình cộng
Sum: Tổng cộng
Std.deviation: Độ lệch chuẩn
Minimum, maximum: Giá trị nhỏ nhất, giá trị lớn nhất
DF: Bậc tự do
Std error: Sai số chuẩn
Median: Là lượng biến của tiêu thức của đơn vị đứng ở vị trí giữa trong dãy số lượng biến, chia số lượng biến thành hai phần (phần trên và phần dưới) mỗi phần có cùng một số đơn vị bằng nhau.
Mode: Là biểu hiện của tiêu thức được gặp nhiều nhất trong tổng thể hay trong dãy phân phối. Trong dãy lượng biến, mode là lượng biến có tần số lớn nhất.
2.4.2. Phân tích độ tin cậy Cronbach’s Alpha
Phân tích độ tin cậy của thang đo bằng hệ số tin cậy Cronbach’s Alpha cho phép loại bỏ các biến không phù hợp và bỏ các biến rác để hoàn chỉnh bảng câu hỏi cho các nghiên cứu tiếp theo. Các biến có hệ số tương quan biến tổng (item-total correlation) nhỏ hơn 0.3 sẽ bị loại. Các thang đo có hệ số Cronbach’s Alpha từ 0.6 trở lên là sử dụng được. Thơng thường, thang đo có
Cronbach’s Alpha từ 0.7 đến 0.8 là sử dụng được. Nhiều nhà nghiên cứu cho rằng khi thang đo có độ tin cậy từ 0.8 trở lên đến gần 1 là thang đo lường tốt. Tuy nhiên nếu hệ số này quá lớn (>0.95) cho thấy có nhiều biến trong thang đo lường trùng nhau (Redundancy) tức là đo lường cùng một khái niệm nghiên cứu. (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
2.4.3. Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis)
Phương pháp phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) được sử dụng để đánh giá độ giá trị của thang đo.
Cronbach’s Alpha chỉ dùng đểđ ánh giá độ tin cậy thang đo,vấn đề tiếp theo là thang đo phải được đánh giá giá trị của nó. Hai giá trị quan trọng của thang đo là giá trị hội tụ và giá trị phân biệt. Phương pháp EFA giúp chúng ta đánh giá hai giá trị này.
Sau khi loại các biến có độ tin cậy thấp, các biến cịn lại sẽ tiếp tục được sử dụng để tiến hành phân tích nhântố. Phương pháp EFA dùng để rút gọn một tập kbiến quan sát thành một tập F(F <k) các nhân tố có ý nghĩa hơn. Cơ sở của việc rút gọn này là dựa vào mối quan hệ tuyến tính của các nhân tố với các biến nguyên thủy (biến quan sát).
Chỉ tiêu được dùng đểxem xét sự thích hợp của phương pháp phân tích nhân tố là kết quả phân tích KMO, là chỉ số dùng để so sánh độ lớn của hệ số tương quan giữa 2 biến Xi và Xj với độ lớn của hệ số tương quan riêng phần của chúng(Norusis,1994). Kaiser(1974) đề nghị KMO>0,90: rất tốt; 0,9>KMO>0,80: tốt; 0,8>KMO>0,70: được; 0,7>KMO>0,60: tạm được; 0,6>KMO>0,50: xấu; và KMO<0,5: khơng thể chấp nhận (Nguyễn Đình Thọ, 2011, tr.397). Phương pháp trích hệ số sử dụng là principalaxisfactoring với phép quay promax và điểm dừng khi trích các yếu tố có eigenvalue=1. Thang đo được chấp nhận khi tổng phương sai trích> 50%.Các biến nào có Factor loading nhỏ hơn 0,5 sẽ bị loại(Hairetal,2006) vì biến này thật sự khơng đo
lường khái niệm chúng ta cần đo lường (Nguyễn ĐìnhThọ, 2011tr.402). Các kết quả này sẽ được sử dụng để hiệu chỉnh mơ hình và các giả thuyết nghiên cứu. Q trình hiệu chỉnh mơ hình và các giả thuyết nghiên cứu sẽ được trình bày bước tiếp theo.
2.4.4. Phân tích hồi quy đa biến
Nghiên cứu sử dụng phương pháp hồi quy đa biến để dự đoán cường độ tác động của các yếu tố ảnh hưởng đến quyết định sử dụng dịch vụ thẻ của Agribank Mỹ Lâm Kiên Giang.
Mơ hình dự đốn có thể là:
F = β0 + β1F1 + β2F2 + β3F3 + … + βkFk + i
Trong đó: F: biến phụ thuộc F1,F2, F3,...Fk: các biến độc lập β0: hằng số
β1, β2, β3 ,....βk: các hệ số hồi quy
i
: thành phần ngẫu nhiên hay yếu tố nhiễu
Biến phụ thuộc là thành phần “Quyết định sử dụng” và biến độc lập là các yếu tố ảnh hưởng đến quyết định sử dụng thẻ tại AgribankMỹ Lâm Kiên Giang được rút ra từ q trình phân tích EFA và có ý nghĩa trong phân tích hệ số tương quan Pearson.
Tóm tắt chương 2
Chương này tác giả giới đề xuất mơ hình và giả thuyết nghiên cứu dựa trên cơ sở lý thuyết vá các nghiên cứu liên quan. Bên cạnh đó tác giả đưa ra phương pháp chọn mẫu và cách xây dựng các thang đo, phương pháp phân tích số liệu đồng thời đưa ra quy trình nghiên cứu bao gồm: Nghiên cứu sơ bộ thông qua kỹ thuật thảo luận nhóm, tham khảo ý kiến chuyên gia để xây dựng thang đo sơ bộ với kích thước mẫu cho nghiên cứu sơ bộ là 50 mẫu được thu thập từ phiếu câu hỏi phát ra cho khách hàng đang sử dụng thẻ tại Agribank
Mỹ Lâm Kiên Giang. Nghiên cứu chính thức được thực hiện với kích thước n=182 mẫu. Kết quả nghiên cứu chính thức thể hiện trong chương ba.