Phương pháp so sánh được sử dụng trong luận văn để đánh giá quá trình phát triển dịch vụ TTKDTM trong thanh toán nội địa tại BIDV chi nhánh Cầu Giấy từ năm 2016 đến năm 2018 về tình hình huy động vốn, sử dụng vốn, lợi nhuận của Chi nhánh v.v. So sánh các đối tượng như thị phần dịch vụ TTKDTM của một số các NHTM trên địa bàn Hà Nội để đưa ra những ưu điểm và hạn chế trong hoạt động dịch vụ TTKDTM trong thanh toán nội địa tại BIDV- Cầu Giấy từ đó tìm ra nguyên nhân và đưa ra những giải pháp phát triển dịch vụ.
Phương pháp thống kê mô tả được sử dụng để xử lý các dữ liệu từ biến nhân khẩu học bao gồm đặc điểm của các đáp viên nhằm khái quát chung các biến quan như giới tính, thu nhập bình quân, tần suất giao dịch TTKDTM v.v.
Kiểm định độ tin cậy của các thang đo bằng công cụ Cronbach’s Alpha và hệ số tương quan biến tổng (Iterm-total correclation). Hệ số Cronbach’s Alpha có giá trị biến thiên từ 0 đến 1. Theo Nguyễn Đình Thọ và Nguyễn Thị Mai Trang (2009) về mặt lý thuyết Cronbach’s Alpha càng lớn thì thang đo có độ tin cậy càng cao. Tuy nhiên khi hệ số Cronbach’s Alpha quá lớn (> 0,95) có nghĩa là nhiều câu trong thang đo không có khác biệt gì nhau hoặc chúng cùng đo lường một nội dung nào đó của khái niệm nghiên cứu. Theo J.F.Hair và cộng sự (2006) thì Cronbach’s Alpha có giá trị từ 0,6 trở lên là có thể chấp nhận được.
Mặc dù vậy, hệ số này cho biết các đo lường có liên kết với nhau hay không chứ không quyết định việc nên giữ lại hay bỏ đi một biến quan sát. Khi đó hệ số tương quan biến tổng (item-total correclation) sẽ giúp nhà nghiên cứu
tương quan của một biến với điểm trung bình của các biến khác trong cùng một thang đo, do đó hệ số này càng cao thì sự tương quan của biến này với các biến khác trong nhóm càng cao. Nunnally và Burnstein (1994) cho rằng các biến có hệ số tương quan biến tổng nhỏ hơn 0,3 được coi là biến rác và sẽ bị loại khỏi thang đo (đây là những biến không đóng góp nhiều cho sự mô tả của khái niệm cần đo và nhiều nghiên cứu trước đây đã sử dụng tiêu chí này).
Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) được thực hiện nhằm đánh giá hai loại giá trị quan trọng của thang đo là giá trị hội tụ và giá trị phân biệt. Phương pháp này thuộc nhóm phân tích đa biến phụ thuộc lẫn nhau (interdependence techniques), nghĩa là không có biến phụ thuộc và biến độc lập mà nó dựa vào mối tương quan giữa các biến với nhau (interrelationships). EFA dùng để rút gọn một tập k biến quan sát thành một tập F (F<k) các nhân tố có ý nghĩa hơn. Cơ sở của việc rút gọn này dựa vào mối quan hệ tuyến tính của các nhân tố với các biến quan sát. Các tác giả Mayers, L.S., Gamst, G., Guarino A.J. (2006) cho rằng trong phân tích nhân tố, phương pháp trích Pricipal Components Analysis đi cùng với phép xoay Varimax là cách thức được sử dụng phổ biến nhất. Theo Hair & ctg (1998), Factor loading (hệ số tải nhân tố hay trọng số nhân tố) là chỉ tiêu để đảm bảo mức giá trị phân biệt của EFA:
• Factor loading > 0.3 được xem là đạt mức tối thiểu • Factor loading > 0.4 được xem là quan trọng
• Factor loading > 0.5 được xem là có ý nghĩa thực tiễn Điều kiện để phân tích nhân tố khám phá là phải thỏa mãn các yêu cầu: Hệ số tải nhân tố (Factor loading ) > 0.5
0.5 ≤ KMO ≤ 1: Hệ số KMO (Kaiser-Meyer-Olkin) là chỉ số được dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO lớn có ý nghĩa phân tích nhân tố là thích hợp.
Phân tích hồi quy (regression analysis) là kỹ thuật thống kê dùng để ước lượng phương trình phù hợp nhất với các tập hợp kết quả quan sát của biến phụ
thuộc và biến độc lập. Nó cho phép đạt được kết quả ước lượng tốt nhất về mối quan hệ chân thực giữa các biến số. Từ phương trình ước lượng được này, có thể dự báo về biến phụ thuộc (chưa biết) dựa vào giá trị cho trước của biến độc lập (đã biết). Theo Green W. H (1991), khi số lượng mẫu lớn hơn 100 (n> 100), cần có các thử nghiệm sau
(1) Tương quan từng phần của hệ số hồi quy: Các biến độc lập phải có tương quan đáng kể với biến phụ thuộc (cho mỗi biến độc lập). Thử nghiệm T với mức ý nghĩa của hệ số hồi quy từng phần có độ tin cậy đạt 95% (Sig ≤ 0,05).
(2) Sự tương quan của mô hình: Có một mối quan hệ tuyến tính giữa các biến độc lập và biến phụ thuộc. Kiểm tra F: Phân tích phương sai (ANOVA) với Độ tin cậy (Sig.) Độ tin cậy 95% (Sig. ≤ 0,05).
(3) Tính đa cộng tuyến của các biến độc lập có hệ số phóng đại phương sai (VIF) <10.
Mô hình hồi quy được đề xuất trong nghiên cứu này là Y = b0 + b1 X1 + b2 X2+……+ bk Xk + ε
Trong đó:
Y = ECP là các biến phụ thuộc liên quan đến hoạt động dịch vụTTKDTM tại ngân hàng Đầu tư và phát triển Việt Nam chi nhánh Cầu Giấy.
X1, X2,……, Xk là các nhóm biến độc lập tác động đến hoạt động TTKDTM (X1 = CB; X2 = BP; X3 = CL; X4 = IT; X5 = SQ; X6 = BP)
- b1, b2 ……, bk = hồi quy tuyến tính của các biến phụ thuộc - b0 = hệ số chặn
- ε = phần sai số
Tiểu kết chương 2.
Chương 2 trình bày phương pháp nghiên cứu được thực hiện để đánh giá thang đo các khái niệm và mô hình nghiên cứu. Bảng hỏi được thiết kế với mục đich khảo sát thực trạng hoạt động TTKDTM tại BIDV chi nhánh
nghiên cứu sơ bộ và nghiên cứu chính thức. Kết quả nghiên cứu sơ bộ được sử dụng để đánh giá độ tin cậy của thang đo và tiến hành hiệu chỉnh thang đo phù hợp trước khi đưa vào sử dụng trong nghiên cứu chính thức. Giá trị của thang đo, mối tương quan giữa các biến và giả thuyết nghiên cứu sẽ được kiểm định bằng phân tích nhân tố khám phá EFA và mô hình hồi quy đa biến trong chương 3.
CHƯƠNG 3: THỰC TRẠNG HOẠT ĐỘNG DỊCH VỤ THANH TOÁN KHÔNG DÙNG TIỀN MẶT TẠI NGÂN HÀNG TMCP ĐẦU