Để kiểm định độ tin cậy của thang đo, luận văn đã tính toán hệ số Cronbach's Alpha và hệ số tương quan biến tổng thể. Nhiều nhà nghiên cứu đồng ý rằng hệ số Cronbach's Alpha từ 0.8 trở lên đến gần 1 thì thang đo lường là tốt, từ 0.7 đến gần 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 (Hoàng Trọng - Chu Nguyễn Mộng Ngọc, 2008). Vì vậy đối với nghiên cứu này thì Cronbach Alpha từ 0.6 trở lên là sử dụng được.
Hệ số tương quan biến tổng là hệ số 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. Theo Nunnally & Bumstein(1994), hệ số tương quan các biến sẽ có các mức độ phân loại như sau:
+/- 0.01 đến +/- 0.1: Mối tương quan quá thấp, không đáng kể +/- 0.2 đến 0.3: Mối tương quan thấp
+/- 0.4 đến +/-0.5: Mối tương quan trung bình +/- 0.6 đến +/-0.7: Mối tương quan cao
+/-0.8 trở lên: Mối tương quan rất cao
Trong đó 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.
3.6.3. Phân tích các nhân tố khám phá
Tác giả thực hiện phân tích nhân tố khám phá để xem xét lại mô hình nghiên cứu, giả thiết, cân nhắc việc liệu có phải điều chỉnh mô hình hay không, thêm, bớt các nhân tố hoặc các giá trị quan sát của các nhân tố hay không?
Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) là kỹ thuật sử dụng để thu nhỏ và tóm tắt dữ liệu. Phân tích nhân tố khám phá phát huy tính hữu ích trong việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu cũng như tìm ra các mối quan hệ giữa các biến với nhau. Phép phân tích nhân tố của các khái niệm nghiên cứu được xem xét để cung cấp bằng chứng về giá trị phân biệt và giá
trị hội tụ của thang đo. Mức độ thích hợp của tương quan nội tại các biến quan sát trong khái niệm nghiên cứu được thể hiện bằng hệ số KMO (Kaiser - Mever - Olkin). Trị số KMO lớn (giữa 0.5 và l) là điều kiện đủ để phân tích nhân tố là thích hợp, còn nếu trị số này nhỏ hơn 0.5 thì phân tích nhân tố có khả năng không thích hợp với dữ liệu.
Đo lường sự thích hợp của mẫu và mức ý nghĩa đáng kể của kiểm định Bartlett's Test of Sphericity trong phân tích khám phá dùng để xem xét sự thích hợp của phân tích nhân tố. Rút trích nhân tố đại diện bằng các biến quan sát được thực hiện với phép quay Varimax và phương pháp trích nhân tố Principle components. Các thành phần với giá trị.
Eigenvalue lớn hơn 1 và tổng phương sai trích bằng hoặc lớn hơn 50% được xem như những nhân tố đại diện các biến. Hệ số tải nhân tố (Factor loading) biểu diễn các tương quan đơn giữa các biến và các nhân tố bằng hoặc lớn 0.5 mới có ý nghĩa.
Kết luận chương 3
Chương 3 mô tả quy trình nghiên cứu bao gồm nghiên cứu định tính và nghiên cứu định lượng. Nghiên cứu định tính thực hiện thông qua phỏng vấn sâu và tham khảo ý kiến chuyên gia là các nhà quản trị ngân hàng và phỏng vấn trực tiếp một nhóm khách hàng để xác định các biến mà khách hàng cá nhân gửi tiền quan tâm và điều chỉnh bảng câu hỏi dễ hiểu, rõ ràng, phù hợp. Nghiên cứu chính thức được thực hiện bằng phương pháp định lượng, dữ liệu thu thập thông qua bảng câu hỏi khảo sát chính thức 200 khách hàng cá nhân. Sau đó sử dụng phần mềm SPSS để lập bảng tần số mô tả mẫu thu thập đánh giá độ tin cậy của thang đo bằng hệ số Cronbach's Alpha, phân tích nhân tố khám phá, phân tích hồi quy bội phục vụ cho việc xây dựng phương trình hồi quy và mô hình nghiên cứu. Đây sẽ là các tiền đề quan trọng trong việc triển khai nghiên cứu và trình bày kết quả nghiên cứu ở chương 4 và đưa ra các khuyến nghị ở chương 5.
CHƯƠNG 4. GIẢI PHÁP THU HÚT KHÁCH HÀNG CÁ NHÂN GỬI TIỀN TẠI CÁC NGÂN HÀNG THƯƠNG MẠI