6. Cấu trúc luận văn:
3.2.1 Quy trình nghiên cứu:
34
3.2.2 Phương pháp nghiên cứu:
- Nghiên cứu định tính: Thảo luận, trao đổi với nhân viên và lãnh đạo ngân hàng tập trung vào vấn đề nghiên cứu sự hài lòng của khách hàng với dịch vụ ngân hàng điện tử tại BIDV Chi nhánh Quy Nhơn. Đồng thời phỏng vấn khách hàng để tìm ra bảng câu hỏi phù hợp với tình hình thực tế.
- Nghiên cứu định lƣợng: Bảng câu hỏi sau khi đƣợc xây dựng xong, ta đƣa vào khảo sát thực tế. Sau khi thu thập thông tin từ bảng câu hỏi khảo sát thì tiến hành nhập dữ liệu vào file Excel và xử lý dữ liệu bằng phần mềm SPSS
Bƣớc 1: Kiểm định chất lƣợng của thang đo:
Đánh giá độ tin cậy và độ giá trị các thang đó. Độ tin cậy của thang đo
Hình 2.3. Quy trình nghiên cứu
Xây dựng cở sở lý thuyết.
Nghiên cứu mô hình và thiết kế mô hình
Thiết kế thang đo và xây dựng bảng khảo sát Phát bảng khảo sát và thu
thập lại. Xử lý số liệu thu thập
Cronbach’s Alpha: Kiểm tra tƣơng quan biến tổng và kiểm tra hệ số Cronbach Alpha
Phân t ch nhân tố EFA, kiểm tra phƣơng sai tr ch
Phân tích hồi quy
35
đƣợc đánh giá qua hệ số Cronbach’s Alpha, qua đó các biến không phù hợp sẽ bị loại nếu hệ số tƣơng quan biến tổng của các biến quan sát (Corrected Item- Total Correlation) lớn hơn 0,3 và tiêu chuẩn để chọn thang đo là có độ tin cậy Alpha từ 0,6 trở lên (Nunnally và Burnstein, 1994)
Bƣớc 2:Phân tích nhân tố khám phá(Exploratory Factor Analysis, EFA):
+ Kiểm định tính thích hợp của EFA:
Sử dụng thƣớc đo KMO (Kaiser – Meyer – Olkin measun) để đánh giá sự thích hợp của mô hình EFA đối với ứng dụng vào dữ liệu thực tế nghiên cứu.
Khi trị số KMO thỏa mãn điều kiện: 0,5 < KMO <1, phân tích nhân tố khám phá là thích hợp cho dữ liệu thực tế.
+ Kiểm định tương quan của các biến quan sát trong thước đo đại diện:
Sử dụng kiểm định Bartlett để đánh giá các biến quan sát có tƣơng quan với nhau trong một thang đo (nhân tố). Khi mức ý nghĩa (Significance, Sig.) của kiểm định Bartlett nhỏ hơn 0,05 thì các biến quan sát có tƣơng quan tuyến tính với nhân tố đại diện.
+ Kiểm định mức độ giải thích của các biến quan sát đối với nhân tố:
Sử dụng phƣơng sai tr ch (% cumulative variance) để đánh giá mức độ giải thích của các biến quan sát đối với nhân tố. Trị số phƣơng sai tr ch nhất thiết phải lớn hơn 50%. V dụ khi phƣơng sai tr ch là 65% có nghĩa là 65% thay đổi của các nhân tố đƣợc giải thích bởi các biến quan sát (thành phần của Factor).
Bƣớc 3: Phân tích hồi quy:
+ Giá trị R2 (R Square), R2 hiệu chỉnh (Adjusted R Square)
36
của các biến độc lập trong mô hình hồi quy. R2 hiệu chỉnh phản ánh sát hơn so với R2. Mức dao động của 2 giá trị này là từ 0 đến 1, tuy nhiên việc đạt đƣợc mức giá trị bằng 1 là gần nhƣ không tƣởng dù mô hình đó tốt đến nhƣờng nào. Không có tiêu chuẩn chính xác R2
hiệu chỉnh ở mức bao nhiêu thì mô hình mới đạt yêu cầu, chỉ số này nếu càng tiến về 1 thì mô hình càng có ý nghĩa, càng tiến về 0 thì ý nghĩa mô hình càng yếu. Thƣờng chúng ta chọn mức trung gian là 0.5 để phân ra 2 nhánh ý nghĩa mạnh/ý nghĩa yếu, từ 0.5 đến 1 thì mô hình là tốt, bé hơn 0.5 là mô hình chƣa tốt.
+ Kiểm định F:
Giá trị sig của kiểm định F đƣợc sử dụng để kiểm định độ phù hợp của mô hình hồi quy. Nếu sig nhỏ hơn 0.05, ta kết luận mô hình hồi quy tuyến tính bội phù hợp với tập dữ liệu và có thể sử đụng đƣợc.
+ Kiểm định t:
Giá trị sig của kiểm định t đƣợc sử dụng để kiểm định ý nghĩa của hệ số hồi quy. Nếu sig kiểm định t của hệ số hồi quy của một biến độc lập nhỏ hơn 0.05, ta kết luận biến độc lập đó có tác động đến biến phụ thuộc. Nếu sig kiểm định t của biến độc lập lớn hơn 0.05, chúng ta kết luận biến độc lập đó không có sự tác động lên biến phụ thuộc.
+ Đa cộng tuyến VIF:
Hệ số phóng đại phƣơng sai VIF dùng để kiểm tra hiện tƣợng đa cộng tuyến. Thông thƣờng, nếu VIF của một biến độc lập lớn hơn 10 nghĩa là đang có đa cộng tuyến xảy ra với biến độc lập đó. Khi đó, biến này sẽ không có giá trị giải thích biến thiên của biến phụ thuộc trong mô hình hồi quy.