Quy trình nghiên cứu thể hiện trong mục này mở đầu bằng đặt vấn đề nghiên cứu dựa trên cơ sở lý thuyết và kết thúc bằng trình bày kết luận báo cáo nghiên cứu. Trong quy trình này sử dụng hai phương pháp chính: (1) Nghiên cứu định tính để khám phá và xây dựng tới các nhân tố tác động đến hoạt động cho vay tiêu dùng KHCN, (2) Nghiên cứu định lượng để kiểm định thang đo các nhân tố tác động đến hoạt động cho vay tiêu dùng KHCN tại NH TMCP Ngoại Thương Việt Nam (VCB) – CN Bình Tây.
Sơ đồ 1: Quy trình nghiên cứu
(Nguồn: Tác giả tự minh họa) 3.3.3 Phương pháp phân tích dữ liệu
Phần mềm SPSS 20.0 được sử dụng để xử lý và phân tích số liệu, các phương pháp phân tích được sử dụng trong nghiên cứu là:
- Phân tích độ tin cậy Cronbach’s Alpha:
Khi đánh giá thang đo của các yếu tố chúng ta cần sử dụng phương pháp Cronbach Alpha để loại bỏ các biến rác trước khi tiến hành phân tích yếu tố khám phá EFA
Cơ sở lý thuyết
Thang đo nháp Nghiên cứu định tính: PP
thảo luận với CBKH Hiệu chỉnh thang đo lần 1
Khảo sát thử để hiệu chỉnh thang đo: N = 50
Nghiên cứu định lượng: điều tra bằng bảng câu hỏi
Cronbach Alpha
Hiệu chỉnh thang đo lần 2
Thang đo chính thức
1. Loại bỏ các biến có hệ số tương quan biến tổng nhỏ 2. Kiểm tra hệ số Alpha Phân tích nhân tố khám phá EFA 1. Loại bỏ các biến có trọng số EFA nhỏ 2. Kiểm tra các yếu tố trích được
3. Kiểm tra phương sai trích Mô hình hồi quy
Kiểm tra độ thích hợp của mô hình
Kết luận Xác định mô hình
(Exploratory Factor Analysis) để tránh trường hợp các biến rác có thể tạo ra các yếu tố giả và đánh giá độ tin cậy của thang đo.
Hệ số Cronbach Alpha được sử dụng và các biến có hệ số tương quan biến tổng nhỏ hơn mức quy định (<0,3) sẽ bị loại. Phần lớn các nhà nghiên cứu đồng ý rằng khi Cronbach Alpha từ 0,8 trở lên đến gần 1 thì thang đo lường là tốt, 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 đo lường là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu.
- Phân tích nhân tố khám phá EFA:
Sau khi đánh giá độ tin cậy của thang đo những biến quan sát không phù hợp sẽ bị loại ra, tiếp theo sẽ dùng phương pháp phân tích nhân tố EFA để kiểm định giá trị khái niệm thang đo nhằm rút gọn từ tập hợp nhiều biến quan sát thành biến nhỏ hơn nhưng vẫn mang đầy đủ ý nghĩa. Các bước phân tích nhân tố khám phá:
Bước 1:Kiểm định Bartlett’s (Bartlett’s Test of Sphericity).
Bước 2: Tiến hành xác định số lượng các nhân tố được trích ra bằng chỉ số Eigenvalue.
Bước 3:Xác định hệ số tương quan giữa các nhân tố bằng cách xoay các nhân tố.
Bước 4: Sau khi đã trích ra được các nhân tố từ bước 3, chúng ta cần kiểm định lại độ tin cậy của các nhân tố này.
Khi phân tích nhân tố khám phá chú ý đến các điều kiện sau:
Trị số KMO > 0,5 và mức ý nghĩa của kiểm định Bartlett’s < 0,05 (Hair & Cộng sự).
Phương pháp trích hệ số được sử dụng là Principal Components với phép xoay Varimax. Những nhân tố eigenvalue > 1 được giữ lại mô hình ( Gerbing & Anderson, 1998). Đại lượng Eigenvalue đại diện cho lượng biến thiên được giải thích bởi các nhân tố. Thang đo được chấp nhận khi tổng phương sai trích > 0,5 (Gerbing & Anderson, 1998). Các biến quan sát có trọng số factor loading < 0,5 sẽ bị loại (Hair & cộng sự).
-Phân tích hồi quy đa biến MRA (Multiple Regression Analysis):
-Sau khi rút trích được các nhân tố từ phân tích nhân tố khám phá EFA, tiến hành phân tích hồi quy. Đó là một kỹ thuật thống kê có thể được sử dụng để phân tích mối quan hệ giữa một biến phụ thuộc và nhiều biến độc lập.
Để mô hình hồi quy đảm bảo khả năng tin cậy và hiệu quả, ta cần thực hiện các kiểm định sau:
•Kiểm định tương quan từng phần các hệ số hồi quy: mục tiêu của kiểm định này là xem xét các biến độc lập có tương quan ý nghĩa với biến phụ thuộc hay không. Khi mức ý nghĩa của hệ số hồi quy từng phần có độ tin cậy Sig. < 0.05 thì kết luận giữa biến độc lập và biến phụ thuộc có ý nghĩa tương quan với nhau.
•Mức độ giải thích của mô hình: hệ số xác định R2
hiệu chỉnh (Adjusted R Square) được dùng để đánh giá mức độ giải thích của mô hình. R2 hiệu chỉnh càng cao thể hiện mức độ giải thích của mô hình càng cao.
•Mức độ phù hợp của mô hình: mục tiêu của kiểm định này nhằm xem xét có mối quan hệ tuyến tính giữa các biến độc lập và biến phụ thuộc hay không. Mô hình được xem là không phù hợp khi tất cả các hệ số hồi quy đều bằng 0 và mô hình được xem là phù hợp khi có ít nhất một hệ số hồi quy khác 0.
Giả thuyết H0: Các hệ số hồi quy đều bằng 0; H1: Các hệ số hồi quy khác 0
Sử dụng phân tích phương sai (Analysis of variance, ANOVA) để kiểm định mức độ phù hợp của mô hình. Nếu mức ý nghĩa có độ tin cậy ít nhất 95% (Sig.<0.05) thì chấp nhận giả thuyết H1, mô hình phù hợp với tập dữ liệu và có thể suy rộng ra cho toàn tổng thể.
Hiện tượng đa cộng tuyến (Multicollinearity):
đây là hiện tượng các biến độc lập có quan hệ gần như tuyến tính. Việc bỏ qua hiện tượng này sẽ làm cho các sai số cao hơn, giá trị thống kê thấp hơn và có thể không có ý nghĩa. Để kiểm tra hiện tượng này, ta dùng hệ số phóng đại phương sai (Variance Inflation Factor, VIF), VIF < 10 thì không xảy ra hiện tượng đa cộng tuyến.