6. Kết cấu đề tài:
3.1.2.4 Phương pháp phân tích dữ liệu
Phần mềm SPSS được sử dụng để xử lý và phân tích số liệu. Các phương pháp phân tích được sử dụng trong nghiên cứu là:
Mẫu thu thập theo các thuộc tính như nghề nghiệp, mục đích vay vốn của khách hàng…được mô tả bởi bảng mô tả tần số.
Để đánh giá mức độ tin cậy và giá trị của thang đo sử dụng phương phân tích Cronbach alpha: phương pháp này cho phép người phân tích loại bỏ các biến không phù hợp và hạn chế các biến rác trong quá trình nghiên cứu và đánh giá độ tín cậy của thang đo bằng hệ số thông qua hệ số Cronbach alpha. Những biến cố có hệ số tương quan biến tổng (item-total correlation) nhỏ hơn 0,3 sẽ bị loại. Các mức giá trị của Alpha: lớn hơn 0,8 là thang đo lường tốt; từ 0,7 đến 0,8 là sử dụng được; từ 0,6 trở lên là có thể sử dụng trong trường hợp khái niệm nghiên cứu là mới hoặc là mới trong bối cảnh nghiên cứu (Nunally, 1978; Peterson, 1994; Slater, 1995; dẫn theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
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. Sau đó phương pháp phân tích nhân tố khám EFA được dùng để rút gọn một tập k biến quan sát thành một tập F (F<k) các nhân tố có ý nghĩa hơn. 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. Khi phân tích nhân tố khám phá cần chú ý một số điều kiện sau:
0,5 KMO 1 là chỉ số được dùng để xem xét sự thích hợp của phân tích nhân tố và mức ý nghĩa của kiểm định Bartlett’s < 0,05. Kiểm định Bartlett có ý nghĩa đánh giá xem các biến quan sát có tương quan với nhau trong tổng thể.
Phương pháp trích hệ số được sử dụng là Principal Compoments với phép xoay Varimax. Những nhân tố có eigenvalue >1 được giữ lại mô hình (Gerbing & Anderson, 1988; dẫn theo Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2009). Đại lượng eigenvalue đại diện cho lượng biến thiên được giải thích bởi các nhân tố.
Phần trăm phương sai toàn bộ (Percentage of variance) > 50%: Thể hiện phần trăm biến thiên của các biến quan sát. Nghĩa là xem biến thiên là
100% thì giá trị này cho biết phân tích nhân tố giải thích được bao nhiêu %..
Các biến quan sát có trọng số factor loading < 0,5 sẽ bị loại (Hair và cộng sự, 2006).
Xây dựng phương trình hồi quy tuyến tính bội:
Sau khi rút trích được các nhân tố từ phân tích nhân tố khám phá EFA, tiến hàng dò tìm các vi phạm giả định cần thiết trong mô hình hồi quy tuyến tính bội như kiểm tra sự tương quan giữa bến độc lập và các biến phụ thuộc, dò tìm hiện tượng đa cộng tuyến thông qua kiểm tra hệ số đại phương sai VIF (Variance inflation factor – VIF). Điều kiện để không có hiện tượng đa cộng tuyến xẩy ra trong mô hình hồi quy thì các hệ số VIF phải nhỏ hơn 10. Nếu các giả định không bị vi phạm, mô hình hồi quy tuyến tính bội được xây dựng.