6. Bố cục luận văn
2.2.4. Phương pháp xử lý số liệu
Trong luận văn, tác giả sử dụng các phương pháp phân tích sau: Phương pháp thống kê mô tả
Thống kê mô tả được sử dụng để mô tả những đặc tính cơ bản của dữ liệu thu thập được từ nghiên cứu thực nghiệm qua các cách thức khác nhau. Mục đích nhằm xác định ảnh hưởng của những khác biệt giữa các nhóm khách hàng (loại hình doanh nghiệp, thời gian quan hệ tín dụng, mức độ giao dịch…) liên quan đến sự hài lòng.
Kiểm định độ tin cậy Cronbach’s Alpha
Hệ số Alpha của Cronbach là một đại lượng đo lường độ tin cậy của các nhân tố và để loại ra các biến quan sát không đảm bảo độ tin cậy trong thang đo. Điều kiện tiêu chuẩn chấp nhận các biến phải thỏa mãn 2 điều kiện: Thứ nhất, những biến có hệ số tương quan biến tổng phù hợp (Corrected Item – Total Correlation) > 0.3 trở lên. Thứ hai là các hệ số Cronbach’s Alpha của các biến phải từ 0.7 trở lên và >= Cronbach’s Alpha if Item Deleted. Thỏa mãn 2 điều kiện trên thì các biến phân tích được xem là chấp nhận và thích hợp đưa vào phân tích những bước tiếp theo (Nunnally và BernStein. 1994).
Phương pháp phân tích nhân tố
Các thang đo đạt yêu cầu về độ tin cậy sẽ được sử dụng phân tích nhân tố để rút gọn một tập gồm nhiều biến quan sát thành một tập biến (gọi là nhân tố) ít hơn; các nhân tố được rút gọn này sẽ có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến quan sát ban đầu (Hair.Anderson.Tatham và Black; 1998). Phương pháp phân tích nhân tố EFA được dùng để kiểm định giá trị khái niệm của thang đo (Lê Ngọc Đức. 2008). Kiểm định Bartlett có ý nghĩa thống kê (sig<0.05) chứng tỏ các biến quan sát có tương quan với nhau trong tổng thể. Xem xét giá trị KMO: 0.5 ≤ KMO ≤ 1 thì phân tích nhân tố là thích hợp với dữ liệu; ngược lại KMO ≤ 0.5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu (Hoàng Trọng & Chu Nguyễn Mộng Ngọc,2007). Để phân tích EFA có giá trị thực tiễn thì khi tiến hành loại các biến quan sát có hệ số tải nhân tố < 0.5. Xem lại thông số Eigenvalues (đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố) có giá trị > 1. Việc xem xét giá trị tổng phương sai trích (yêu cầu là ≥ 50%): cho biết các nhân tố được trích giải thích được % sự biến thiên của các biến quan sát.
Đối với tiêu chuẩn đối với hệ số tải nhân tố là phải lớn hơn hoặc bằng 0.5 để đảm bảo mức ý nghĩa thiết thực của EFA. Các mức giá trị của hệ số tải nhân tố: lớn
hơn 0.3 là đạt được mức tối thiểu; lớn hơn 0.4 là quan trọng; lớn hơn 0.5 là có ý nghĩa thực tiễn.
Phương pháp phân tích hồi qui
Phân tích hồi quy sẽ xác định mối quan hệ giữa biến phụ thuộc (hài lòng với chất lượng dịch vụ ngân hàng) và các biến độc lập (độ tin cậy, tính đáp ứng, sự đồng cảm, năng lực phục vụ, phương tiện hữu hình). Mô hình phân tích hồi quy sẽ mô tả hình thức, tính chất của mối liên hệ và qua đó đánh giá được mức độ thay đổi của biến phụ thuộc khi các biến độc lập thay đổi cũng như so sánh mức độ ảnh hưởng của các biến độc lập tới biến phụ thuộc.
Phương pháp phân tích là phương pháp chọn từng bước Stepwise (từng bước) hoặc phương pháp Enter (đưa vào một lượt). Trong luận văn, tác giả sử dụng phương pháp Stepwise, phương pháp này có ưu điểm là đơn giản, dễ dàng giải thích và dễ dàng sử dụng với sự hỗ trợ của rất nhiều phần mềm thống kê như SPSS, STATA, ... Mặt khác, với các biến độc lập xác định và hiểu rõ trong quá trình nghiên cứu, việc sử dụng phương pháp Stepwise sẽ đưa các biến độc lập tương quan mạnh nhất với biến phụ thuộc đưa vào mô hình trước, sau đó lặp lại và đến khi không còn biến nào có ý nghĩa thống kê ngoài mô hình.
Mức ý nghĩa được xác lập cho các kiểm định và phân tích là 5% (độ tin cậy 95%), các kết luận dựa trên hàm hồi quy tuyến tính thu được chỉ có ý nghĩa khi hàm hồi quy đó phù hợp với dữ liệu mẫu và các hệ số hồi quy khác 0 có ý nghĩa. Đồng thời các giả định của hàm hồi quy tuyến tính cổ điển về phương sai, tính độc lập của phần dư… được đảm bảo. Do vậy, trước khi phân tích kết quả hồi quy ta thực hiện các kiểm định về độ phù hợp của hàm hồi quy và kiểm định ý nghĩa của các hệ số hồi quy và đặc biệt là kiểm định các giả định của hàm hồi quy. Tiêu chuẩn chấp nhận sự phù hợp của mô hình tương quan hồi quy là: - Kiểm định F phải có giá trị sigα< 0.05 - Tiêu chuẩn chấp nhận các biến có giá trị Tolerance > 0.0001 - Đại lượng chuẩn đoán hiện tượng đa cộng tuyết với hệ số phóng đại phương sai VIF (Variance Inflation Factor) < 10.
Phương pháp phân tích phương sai ANOVA
Phân tích phương sai ANOVA là phương pháp so sánh trị trung bình của 3 nhóm trở lên. Có 2 kỹ thuật phân tích phương sai: ANOVA 1 yếu tố (một biến yếu tố để phân
loại các quan sát thành các nhóm khác nhau) và ANOVA nhiều yếu tố (2 hay nhiều biến để phân loại). Ở phần cơ bản chỉ đề cập đến phân tích phương sai 1 yếu tố (One- way ANOVA). Một số giả định đối với phân tích phương sai một yếu tố:
- Các nhóm so sánh phải độc lập và được chọn một cách ngẫu nhiên.
- Các nhóm so sánh phải có phân phối chuẩn hoặc cỡ mẫu phải đủ lớn để được xem như tiệm cận phân phối chuẩn.
- Phương sai của các nhóm so sánh phải đồng nhất. Dựa vào mức ý nghĩa (Sigα) để kết luận: Nếu sigα <0.05: có sự khác biệt có ý nghĩa thống kê. Nếu sigα>=
CHƯƠNG 3: KẾT QUẢ NGHIÊN CỨU MỨC ĐỘ HÀI LÒNG CỦA KHÁCH HÀNG DOANH NGHIỆP ĐỐI VỚI CHẤT LƯỢNG DỊCH VỤ TÍN DỤNG TẠI NGÂN HÀNG TMCP CÔNG THƯƠNG VIỆT NAM - CHI NHÁNH QUẢNG NINH