Phương pháp phân tích, xử lý số liệu được tác giả sử dụng là các phương pháp so sánh, phân tích, tổng hợp và sử dụng các công cụ phần mềm hỗ trợ như phần mềm SPSS, Excel để phân tích hồi quy, tính toán chỉ tiêu. Cụ thể các phương pháp được tác giả sử dụng như sau:
2.4.4.1. Phương pháp logic-lịch sử
Phương pháp logic được sử dụng để xây dựng khung lý thuyết về phát triển dịch vụ ngân hàng bán lẻ tại ngân hàng thương mại. Phương pháp lịch sử được sử dụng để nghiên cứu các thành tựu đã đạt được ở trong và ngoài nước trong quá trình phát triển dịch vụ ngân hàng bán lẻ của ngân hàng thương mại. Phương pháp này được thể hiện trong toàn bộ luận văn, đặc biệt trong phần tổng quan tài liệu chương 1, chương 3 phần phân tích thực trạng.
Trong quá trình nghiên cứu, các thông tin báo cáo về tình hình hoạt động ngân hàng bán lẻ của ngân hàng được tác giả thu thập dưới dạng các báo cáo tổng hợp được đơn vị cung cấp. Trong đó có các nội dung về thu nhập, chi phí, lợi nhuận...của từng loại hình hoạt động dịch vụ ngân hàng bán lẻ. Các số liệu trên được tác giả chọn lọc, xử lý và đưa vào nghiên cứu dưới dạng bảng biểu, biểu đồ.
2.4.4.2. Phương pháp so sánh
Phương pháp so sánh là phương pháp được sử dụng phổ biến trong phân tích tài chính và là công cụ hữu hiệu trong tính toán, tổng hợp các dữ liệu sơ cấp thu thập được.
Tác giả sử dụng phương pháp này với hai nguyên tắc cơ bản:
- Các chỉ tiêu sử dụng:
So sánh bằng số liệu tuyệt đối: để thấy được sự biến động trong quá trình hoạt động của LPB Cầu Giấy qua các thời kỳ.
So sánh bằng số tương đối: để thấy được tốc độ phát triển về mặt quy mô qua các thời kỳ, các giai đoạn khác nhau.
So sánh theo chiều dọc: nhằm xác định tỷ lệ tương quan giữa các chỉ tiêu trong một thời kỳ của từng báo cáo tài chính so với các kỳ trước.
So sánh theo chiều ngang: đánh giá chiều hướng biến động của từng chỉ tiêu qua các kỳ.
2.4.4.3. Phương pháp phân tích tổng hợp
Phương pháp này được sử dụng phổ biến trong toàn bộ luận văn. Từ các thông tin thu thập được, tác giả đã vận dụng phân tích những nhân tố ảnh hưởng đến sự phát triển dịch vụ ngân hàng bán lẻ tại đơn vị.
2.4.4.4. Phương pháp thống kê
Phương pháp thống kê được sử dụng phổ biến trong chương 3 – thực trạng phát triển dịch vụ ngân hàng bán lẻ tại LPB Cầu Giấy. Số liệu thống kê về thu nhập, chi phí, doanh số của dịch vụ ngân hàng bán lẻ và của từng loại hình dịch vụ ngân hàng bán lẻ để từ đó có sự đánh giá đầy đủ nhât về sự phát triển dịch vụ ngân hàng bán lẻ cả về quy mô và chất lượng.
2.4.4.5. Phương pháp phân tích hồi quy
Luận văn sử dụng phương pháp phân tích hồi quy để đo lường sự hài lòng của khách hàng sử dụng dịch vụ ngân hàng bán lẻ.
Cách thức đo lường các biến: Sử dụng thang Likert 5 từ điểm 1 tới điểm 5 tương ứng với mức độ hoàn toàn không đồng ý tới hoàn toàn đồng ý và quy ước sự hài l ng chung như sau:
1 ≤ Mean < 1,8: Mức rất thấp 1,8 ≤ Mean < 2,6: Mức thấp 2,6 ≤ Mean < 3,4: Mức trung bình 3,4 ≤ Mean < 4,2: Mức cao
Bảng câu hỏi sau khi thu thập sẽ được trình bày dưới dạng thang đo được mã hóa, được làm sạch và xử lý bởi SPSS 20, các phương pháp phân tích được sử dụng trong là:
Thứ nhất, sử dụng phương pháp thống kê mô tả
Phương pháp này để phân tích dữ liệu sơ cấp gồm tần số, giá trị trung bình và độ lệch chuẩn.
Thứ hai, sử dụng hệ số Cronbach’s α
Thể hiện có sự tương quan hay không các mục hỏi trong thang đo, mức độ chặt chẽ như nào, tức là kiểm định độ tin cậy của thang đo. Theo tác giả Hoàng Trọng (2013): “Công thức của hệ số Cronbach’s alpha: α = Nρ / [1 + ρ(N – 1)]với ρ là hệ số tương quan trung bình giữa các mục hỏi. α 0,6 được chấp nhận trong trường hợp nghiên cứu mới hoặc mới trong bối cảnh nghiên cứu; 0,7 α 0,8: thang đo sử dụng được; α > 0,8: thang đo tốt”
Cronbach’s α càng lớn thì độ nhất quán càng cao, nhưng không chỉ ra được biến nào cần loại bỏ, biến nào cần giữ lại, vì vậy cần kết hợp với hệ số tương quan giữa biến và tổng để loại ra những biến không có ý nghĩa đối với mô hình. Với tiêu chuẩn chọn α 0,6 loại các biến có ρ < 0,3; với tiêu chuẩn chọn α 0,7 loại biến có ρ < 0,4.
Trong phạm vi đề tài này, nhằm đảm bảo độ tin cậy cao tiêu chuẩn chọn α > 0,750 loại biến có ρ < 0,4.
Thứ ba, sử dụng phương pháp phân tích nhân tố khám phá EFA.
Phương pháp này đánh giá giá trị hội tụ và giá trị phân biệt, giúp người dùng biết được số lượng nhân tố ảnh hưởng tới biến phụ thuộc, loại biến và nhóm các biến có mối liên hệ với nhau thành một nhân tố đại diện. Tuy nhiên cần kiểm định việc có nên phân tích nhân tố hay không bằng Bartlett’test và KMO. Cặp giả thiết của Bartlett’test là Ho: Không tương quan giữa các biến trong tổng thể (ma trận tổng thể là đồng nhất, mỗi biến tương quan hoàn toàn với chính nó - tất cả các giá trị trên đường chéo chính r = 1, không tương quan với biến khác - các giá trị còn lại r = 0). Nếu bác bỏ H chấp nhận H khi (Sig. < 0,05) thì áp dụng phân tích nhân tố cho
biến đang xem xét vì điều kiện thực hiện EFA là các biến có sự tương quan. Hệ số KMO dùng để kiểm định sự thích hợp của phân tích nhân tố. Theo tác giả Hoàng Trọng (2013): “ KMO < 0,5 phân tích nhân tố có khả năng không thích hợp; 0,5 KMO 1 thì phân tích nhân tố thích hợp. Như vậy điều kiện cần để phân tích nhân tố khám phá là 0,5 KMO 1; Sig. Bartlett’test < 0,05” (với mức ý nghĩa 5%).
Sau đó xác định số lượng nhân tố dựa vào phương pháp Eigenvalue, những nhân tố có Eigenvalue > 1, cumulative % trên 50% mới được giữ lại. Trong EFA các biến được giữ lại phải thỏa mãn hai điều kiện: (i) thỏa mãn giá trị hội tụ tức là các biến quan sát hội tụ về cùng một nhân tố; (ii) đảm bảo giá trị phân biệt giữa các biến thuộc các nhân tố với nhau. Hai điều kiện này được thể hiện bởi Factoring loading là chỉ tiêu đảm bảo mức ý nghĩa của thống kê trên ma trận Component Matrix. Theo Hair và cộng sự (1998) thì “Factoring loading > 0,3 đạt mức tối thiểu, Factoring loading > 0,4 đạt mức quan trọng, Factoring loading > 0,5 được xem có ý nghĩa được đánh giá là cao”.
Trong phạm vi đề tài này Factoring loading của biến được giữ tối thiểu là 0,5. Đồng thời để đảm bảo giá trị phân biệt thì các Factoring loading của cùng một biến quan sát khi tải lên các nhân tố phải chênh lệch tối thiểu 0,3.
Thứ tư, sử dụng phương pháp phân tích hồi quy
Phân tích tương quan: Một trong những điều kiện phân tích hồi quy là có sự tương quan giữa biến độc lập và biến phụ thuộc. Pearson là hệ số kiểm định giả thiết Ho: Hệ số tương quan bằng 0 tức là không có sự tương quan. Nếu Sig. Pearson nhỏ hơn 0,05 thì giả thiết Ho bị bác bỏ, chấp nhận H1 tức là có sự tương quan. Mô hình tuyến tính có dạng:
Y = β0 + β1X1 + β2X2 + β3X3 + β4X4 + … + βiXi
Kết quả từ mô hình sẽ là căn cứ để hoàn thiện phân tích chất lượng dịch vụ và đạt được mục tiêu nghiên cứu.