7. Tổng quan tài liệu nghiên cứu
2.3.4. Phương pháp phân tích số liệ u
Phân tích tần số: để làm sạch dữ liệu trước khi đưa vào phân tích và mô tả mẫu theo các tiêu thức như giới tính, tuổi, nghề nghiệp, thu nhập hàng tháng,…
Kiểm định độ tin cậy bằng Cronbach Alpha: phương pháp này nhằm để
loại các biến không phù hợp, hạn chế các biến rác trong quá trình nghiên cứu và đánh giá độ tin cậy của thang đo qua hệ số tin cậy Cronbach Alpha. Hệ số
Cronbach Alpha là một phép kiểm định thống kê về mức độ chặt chẽ mà các mục hỏi trong thang đo tương quan với nhau. Do đó những biến có hệ số
thì một tập hợp các mục hỏi dung đểđo lường được đánh giá là tốt phải có hệ
số cronbach Alpha lớn hơn hoặc bằng 0.8, thang đo có hệ số Cronbach alpha từ 0,7 đến 0,8 là sử dụng được. Cũng có nhà nghiên cứu đề nghị rằng Cronbach alpha từ 0,6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang nghiên cứu là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu (Nunnally, 1978; Peterson, 1994; Slater, 1995).
Phân tích thống kê mô tả: Thống kê mô tả có thể được định nghĩa như
là phương pháp có liên quan đến thu thập số liệu, tóm tắt, trình bày, tính toán các đặc trưng khác nhau để phản ánh một cách tổng quát đối tượng nghiên cứu. Phương pháp này được sử dụng trong bài nghiên cứu này để phân tích thông tin về đối tượng phỏng vấn, tính trị số trung bình Mean, giá trị lớn nhất Max, giá trị nhỏ nhất Min…
Ý nghĩa của từng giá trị trung bình đối với thang đo khoảng: Giá trị khoảng cách = ( Maximum-Minimum)/n = (5-1)/5 = 0,8 Giá trị trung bình Ý nghĩa
1,00-1,80 Rất không đồng ý/Rất không hài lòng/ rất không quan trọng 1,81-2,60 Không đồng ý/ không quan trọng/không hài lòng
2,61-3,40 Không ý kiến/ Trung bình 3,41-4,20 Đồng ý/ Hài lòng/ Quan trọng
4,21-5,00 Rất đồng ý/ Rất quan trọng/ Rất hài lòng
Phân tích nhân tố khám phá (EFA): Sau khi đánh giá độ tin cậy của thang đo bằng hệ số Cronbach alpha và loại đi các biến không đảm bảo độ tin cậy, các biến còn lại sẽ được đưa vào phân tích nhân tố khám phá nhằm mục
đích thu nhỏ và tóm tắt dữ liệu. Phương pháp này rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu và được sử dụng để tìm mối quan hệ giữa các biến với nhau.
- Trong phân tích nhân tố khám phá, trị số KMO (Kaiser-Meyer-Olkin) là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO phải có giá trị trong khoảng 0,5 đến 1 thì phân tích này mới thích hợp, nếu trị
số này nhỏ hơn 0,5 thì phân tích nhân tố có khả năng không phù hợp với các dữ liệu.
- Phân tích nhân tố khám phá còn dựa vào Eigenvalue để xác định số
lượng nhân tố. Đại lượng Eigenvalue đại diện cho lượng biến thiên của mô hình được giải thích bởi nhân tố. Những nhân tố có Eigenvalue lớn hơn 1 sẽ được giữ lại trong mô hình còn những nhân tố có Eigenvalue nhỏ hơn 1 sẽ
không có tác dụng tóm tắt thông tin tốt hơn một biến gốc nên sẽ bị loại khỏi mô hình.
- Một phần quan trọng nữa trong kết quả phân tích nhân tố là ma trận nhân tố (component matrix) hay ma trận nhân tố khi các nhân tố được xoay (rotated component matrix). Ma trận nhân tố chứa các hệ số biểu diễn các biến chuẩn hoá bằng các nhân tố (mỗi biến là một đa thức của các nhân tố). Những hệ số tải nhân tố (factoring loading) biểu diễn tương quan giữa các biến và các nhân tố. Hệ số này cho biết nhân tố và biến có mối tương quan chặt chẽ với nhau. Trong nghiên cứu này sử dụng phương pháp trích nhân tố principal components nên hệ số tải nhân tố phải lớn hơn 0,5 thì mới đạt yêu cầu.
- Kết quả của quá trình phân tích này sẽ cho ra ma trận nhân tố
(component matrix). Ma trận này chứa các hệ số biểu diễn tương quan giữa các biến.
Kiểm định trị trung bình của hai mẫu phụ thuộc: Đây là loại kiểm định dùng cho hai nhóm tổng thể có liên hệ với nhau. Dữ liệu của mẫu thu thập ở
dạng thang đo định lượng, khoảng cách hoặc tỉ lệ. Quá trình kiểm định bắt
sau đó kiểm nghiệm xem chênh lệch trung bình của tổng thể có khác 0 hay không, nếu không khác 0 tức là không có sự khác biệt.
- Lợi thế của phép kiểm định này là loại trừ được những yếu tố tác động bên ngoài vào nhóm thử. Điều kiện để áp dụng Paired-samples T- test là kích cỡ
2 mẫu so sánh phải bằng nhau và chênh lệch giữa các giá trị của 2 mẫu phải có phân phối chuẩn hoặc cỡ mẫu phải đủ lớn ñể xem như xấp xỉ phân phối chuẩn.
Giả thiết:
Ho: Không có sự khác biệt về giá trị trung bình của hai nhóm. H1: Có sự khác biệt về giá trị trung bình của hai nhóm.
- Nếu mức ý nghĩa quan sát Sig. (2 tailed) ≤ α (mức ý nghĩa) thì kiểm
định hoàn toàn có ý nghĩa, bác bỏ giả thuyết Ho, ta kết luận rằng có sự chênh lệch có ý nghĩa thống kê giữa 2 biến.
- Trong bài nghiên cứu này dùng kiểm định so sánh cặp để kiểm định xem có sự khác biệt nào giữa mức độ quan trọng của khách hàng về các thuộc tính chất lượng dịch vụ và mức độ thực hiện của ngân hàng về các thuộc tính
CHƯƠNG 3
ĐÁNH GIÁ KẾT QUẢ NGHIÊN CỨU