LI MỞ ẦU
8. Kết cấu luận văn
2.4.7.2 Phân tích nhân tố khám phá EFA
Sau khi phân tích độ tin cậy của thang đo, bước tiếp theo nhằm xác định tập hợp biến cần thiết cho vấn đề nghiên cứu, ch ng ta tiếp tục sử dụng phương pháp phân tích nhân tố khám phá EFA nhằm xem xét mức độ hội tụ của các biến quan sát
theo từng thành phần và giá trị phân biệt giữa các nhân tố
Sau khi phân tích nhân tố, chỉ những nhóm nhân tố thỏa mãn điều kiện mới có thể tham gia vào phần chạy hồi quy trong phân tích tiếp theo
Các tham số thống kê quan trọng trong phân tích nhân tố gồm:
Chỉ số KMO (Kaiser – Meyer – Olkin measure of sampling adequacty): là một chỉ số dùng để xem xét mức độ thích hợp của phân tích nhân tố Chỉ số KMO phải đủ lớn (>0 5) (Hair & cộng sự, 2006) thì phân tích nhân tố là thích hợp, còn nếu nhỏ hơn 0 5 thì phân tích nhân tố có khả năng không thích hợp với dữ liệu
Chỉ số Eigenvalue: đại diện cho lượng biến thiên được giải thích bởi nhân tố Chỉ những nhân tố có Eigenvalue lớn hơn 1 mới được giữ lại trong mô hình phân tích, các nhân tố có Eigenvalue nhỏ hơn 1 sẽ bị loại khỏi mô hình (Hair & cộng sự, 2006).
Phương sai trích (Variance Explained Criteria): tổng phương sai trích phải lớn hơn 50% (Hair & cộng sự, 2006)
Hệ số tải nhân tố (factor loadings): là hệ tố tương quan đơn giữa các biến và nhân tố Hệ số này càng lớn cho biết các biến và nhân tố càng có quan hệ chặt chẽ với nhau Với mẫu khoảng 200, hệ số tải nhân tố được chấp nhận là lớn hơn 0 5 (Hair & cộng sự, 2006), các biến có hệ số tải nhân tố nhỏ hơn 0 5 sẽ bị loại khỏi mô hình.
Kiểm định Bartlett: để kiểm tra độ tương quan giữa các biến quan sát và tổng thể, phân tích chỉ só ý nghĩa khi sig có giá trị nhỏ hơn 5% (Hair & cộng sự, 2006)
Kết quả phân tích nhân tố khám phá EF các biến độc lập (lần 1) Yếu tố cần đánh giá Kết quả So sánh
Hệ số KMO 0.652 0.5 < 0.652 < 1
Giá trị Sig trong kiểm định Bartlett 0.000 0.000 < 0.05 Phương sai trích 71.448% 71.448% > 50% Giá trị Eigenvalue 1.380 1.380 > 1
Bảng 2.23: Kết quả phân tích nhân tố khám phá EF các biến độc lập (lần 1) Biến
quan sát
Nhân tố
Biến quan sát Nhân tố 1 2 3 4 5 6 7 8 DV3 .868 DV1 .848 DV2 .797 DV4 .782 CN2 .903 CN1 .900 CN3 .870 TH1 .907 TH2 .853 TH4 .839 NLQT3 .891 NLQT1 .862 NLQT2 .820 NLTC2 .876 NLTC1 .833 NLTC3 .786 ML1 .837 ML2 .818 ML3 .811 VTT2 .882 VTT4 .816 VTT3 .775 SP4 .738 SP3 .737 SP1 .699 SP2 Nhận xét:
Thông qua các kết quả phân tích nhân tố cho các biến độc lập, có thể nhận thấy rằng kết quả chia thành thành 8 nhóm. Các chỉ tiêu đánh giá được thống kê: KMO = 0.652 nên phân tích nhân tố thích hợp với dữ liệu nghiên cứu
Sig. (Bartlett’s Test) = 0.000 (sig. < 0.05) chứng tỏ các biến quan sát có tương quan với nhau trong tổng thể và dữ liệu dùng để phân tích nhân tố là hoàn
toàn thích hợp
Eigenvalues = 1.380 > 1 đại diện cho phần biến thiên được giải thích bởi mỗi
nhân tố, chỉ những nhân tố có Eigenvalue lớn hơn 1 mới được giữ lại trong mô hình phân tích.
Tổng phương sai trích = 71.448% > 50% đạt yêu cầu, khi đó có thể nói rằng 8 nhân tố này giải thích 71.448% biến thiên của dữ liệu
Biến quan sát SP2 (Ngân hàng thường đưa ra các sản phẩm cho vay KHCN mới) có hệ số tải nhân tố (factor loadings) nhỏ hơn 0.5 nên tác giả loại biến quan sát này để tiến hành phân tích nhân tố khám phá EFA (lần 2)
Kết quả phân tích nhân tố khám phá EF các biến độc lập (lần 2)
Yếu tố cần đánh giá Kết quả So sánh
Hệ số KMO 0.643 0.5 < 0.643 < 1
Giá trị Sig trong kiểm định Bartlett 0.000 0.000 < 0.05 Phương sai trích 73.108% 73.108% > 50% Giá trị Eigenvalue 1.360 1.360 > 1
Bảng 2.24: Kết quả phân tích nhân tố khám phá EF các biến độc lập (lần 2) Biến quan sát Nhân tố 1 2 3 4 5 6 7 8 DV3 .872 DV1 .850 DV2 .798 DV4 .780 CN2 .902 CN1 .901 CN3 .871 TH1 .909 TH2 .853 TH4 .844 NLQT3 .894 NLQT1 .860
Biến quan sát Nhân tố 1 2 3 4 5 6 7 8 NLQT2 .825 NLTC2 .877 NLTC1 .835 NLTC3 .786 ML1 .843 ML2 .821 ML3 .814 VTT2 .880 VTT4 .818 VTT3 .775 SP3 .752 SP4 .743 SP1 .719 Nhận xét:
Thông qua các kết quả phân tích nhân tố cho các biến độc lập, ta nhận thấy rằng kết quả chia thành thành 8 nhóm. Các chỉ tiêu đánh giá được thống kê:
KMO = 0.643 nên phân tích nhân tố thích hợp với dữ liệu nghiên cứu
Sig. (Bartlett’s Test) = 0.000 (sig. < 0.05) chứng tỏ các biến quan sát có tương quan với nhau trong tổng thể và dữ liệu dùng để phân tích nhân tố là hoàn toàn thích hợp
Eigenvalues = 1.360 > 1 đại diện cho phần biến thiên được giải thích bởi mỗi
nhân tố, chỉ những nhân tố có Eigenvalue lớn hơn 1 mới được giữ lại trong mô hình phân tích.
Tổng phương sai trích = 73.108% > 50% đạt yêu cầu, khi đó có thể nói rằng 8 nhân tố này giải thích 73.108% biến thiên của dữ liệu
Các biến quan sát đều có hệ số tải nhân tố (factor loadings) lớn hơn 0.5.
Kết quả phân tích nhân tố khám phá EF biến phụ thuộc
Hệ số KMO 0.589 0.5 < 0.589 < 1 Giá trị Sig trong kiểm định Bartlett 0.000 0.000 < 0.05 Phương sai trích 56.950% 56.950% > 50% Giá trị Eigenvalue 1.708 1.708 > 1
Biến quan sát Nhân tố
1
NLCT3 .838
NLCT1 .730
NLCT2 .688
Bảng 2.25: Kết quả phân tích nhân tố khám phá EF biến phụ thuộc
Thông qua kết quả phân tích nhân tố cho biến phụ thuộc, nhận thấy rằng kết quả chia thành thành 1 nhóm Các chỉ tiêu đánh giá được thống kê:
KMO = 0.589 nên phân tích nhân tố thích hợp với dữ liệu nghiên cứu
Sig. (Bartlett’s Test) = 0,000 (sig. < 0,05) chứng tỏ các biến quan sát có tương quan với nhau trong tổng thể và dữ liệu dùng để phân tích nhân tố là hoàn toàn thích hợp
Eigenvalues = 1.708 > 1 đại diện cho phần biến thiên được giải thích bởi mỗi
nhân tố, chỉ những nhân tố có Eigenvalue lớn hơn 1 mới được giữ lại trong mô hình phân tích.
Tổng phương sai trích = 56.950% > 50% đạt yêu cầu, khi đó có thể nói rằng 1 nhân tố này giải thích 56.950% biến thiên của dữ liệu
Các biến quan sát đều có hệ số tải nhân tố (factor loadings) lớn hơn 0.5.
2.4.7.3 Kiểm định thang đo ronbach’s lpha (hiệu chỉnh)
Kiểm định lại thang đo Cronbach’s Alpha đối với nhân tố Sản phẩm có thay đổi so với ban đầu
Nhân tố Sản phẩm (SP)
Bảng 2.26: Kết quả tái phân tích ronbach’s lpha nhân tố Sản phẩm
Cronbach's Alpha = 0.620 Số quan sát = 3
Biến quan sát
Trung bình thang đo nếu
loại biến
Phương sai thang đo nếu
loại biến Tương quan biến tổng Cronbach's Alpha nếu loại biến SP1 8.03 3.457 .395 .568 SP3 7.88 3.367 .488 .442 SP4 8.11 3.251 .409 .553 Nhận xét :
- Hệ số Cronbach’s Alpha nhân tố Sản phẩm là 0.620 lớn hơn 0 6
- Các biến quan sát (SP1, SP3, SP4) có hệ số tương quan biến tổng lớn hơn 0.3. Vì vậy, các biến quan sát này được đưa vào để phân tích ở bước tiếp theo.
2.4.8 Phân tích hồi quy
Phân tích hồi quy sẽ xác định mối quan hệ giữa biến phụ thuộc với các biến độc lập Mô hình phân tích hồi quy sẽ mô tả hình thức của mối quan hệ và qua đó gi p ta dự đoán được mức độ của biến phụ thuộc khi biết trước giá trị của các biến độc lập
Theo Hoàng Trọng & Chu Nguy n Mộng Ngọc (2008), khi chạy hồi quy cần quan tâm đến các thông số sau:
Hệ số Beta: hệ số hồi quy chuẩn hóa cho phép so sánh trực tiếp giữa các hệ số dựa trên mối quan hệ giải thích của ch ng với biến phụ thuộc
Hệ số R2: đánh giá phần biến động của biến phụ thuộc được giải thích bởi các biến dự báo hay biến độc lập Hệ số này có thể thay đổi từ 0 đến 1
Kiểm định ANOVA: để kiểm tra tính phù hợp của mô hình với tập dữ liệu gốc Nếu mức ý nghĩa của kiểm định < 0 05 thì ta có thể kết luận mô hình hồi quy phù hợp với tập dữ liệu
Căn cứ vào mô hình điều chỉnh đã được hiệu chỉnh sau khi phân tích nhân tố khám phá, ta có mô hình hồi quy tuyến tính bội như sau:
NLCT = β0 + β1 * DV + β2 * CN + β3 * TH + β4 * NLQT + β5 * NLTC + β6 * ML + β7 * VTT + β8 * SP + ε
Bảng 2.27: ác thông số thống kê của từng biến trong mô hình Hệ số hồi quy
chƣa chuẩn hóa
Hệ số hồi quy
chuẩn hóa t Sig.
Thống kê đa cộng tuyến
B Sai số chuẩn Beta Hệ số Tolerance VIF Hằng số -.670 .163 -4.119 .000 DV .131 .019 .225 7.075 .000 .972 1.029 CN .084 .015 .176 5.529 .000 .977 1.024 TH .202 .015 .452 13.841 .000 .925 1.081 NLQT .195 .018 .348 10.808 .000 .951 1.051 NLTC .162 .013 .401 12.577 .000 .971 1.030 ML .006 .018 .111 5.329 .000 .931 1.074 VTT .170 .022 .245 7.626 .000 .953 1.049 SP .250 .017 .495 14.953 .000 .900 1.111
Kiểm định độ phù hợp của mô hình
- Kiểm định hiện tượng đa cộng tuyến: Chỉ tiêu nhân tử phóng đại phương sai (VIF) của tất cả các biến độc lập đều nhỏ hơn 10 nên hiện tượng đa cộng tuyến trong mô hình được đánh giá là không nghiệm trọng (theo Hoàng Trọng & Chu Nguy n Mộng Ngọc, 2008)
- Hệ số Durbin – Watson dùng để kiểm định tương quan của các phần dư cho thấy mô hình không vi phạm khi sử dụng phương pháp hồi quy bội vì giá trị Durbin – Watson đạt được là 2.100 (nằm trong khoảng từ 1 đến 3). Hay nói cách khác, mô hình không có hiện tượng tương quan của các phần dư (theo Hoàng Trọng & Chu Nguy n Mộng Ngọc, 2008).
- Kết quả kiểm định ANOVA với mức ý nghĩa sig = 0 000 cho thấy mô hình hồi quy tuyến tính bội đã xây dựng phù hợp với tập dữ liệu và sử dụng được
ánh giá mức độ giải thích bởi các biến độc lập trong mô hình
- Hệ số R2
(R Square) = 0.761, điều này có nghĩa là 76.1% sự biến động của năng lực cạnh tranh trong hoạt động cho vay KHCN tại BIDV Bình Tây Sài Gòn sẽ được giải thích bởi các nhân tố là các biến độc lập được chọn đưa vào mô hình.
- Kết quả mô hình nghiên cứu cho thấy các biến độc lập (DV, CN, TH, NLQT, NLTC, ML, VTT, SP) đều tác động có ý nghĩa thống kê (do Sig. < 5%).
Phƣơng trình hồi quy chuẩn hóa:
NLCT = 0.225 * DV + 0.176* CN + 0.452 * TH + 0.348 * NLQT + 0.401 * NLTC + 0.111 * ML + 0.245 * VTT + 0.495 * SP
- Các nhân tố theo mô hình ban đầu đều tác động đến năng lực cạnh tranh trong hoạt động cho vay khách hàng cá nhân tại BIDV Bình Tây Sài Gòn. Nhân tố tác động mạnh nhất là Sản phẩm, nhân tố Mạng lưới tác động yếu nhất đến năng lực cạnh tranh trong hoạt động cho vay KHCN tại BIDV Bình Tây Sài Gòn
- Các hệ số hồi quy của các nhân tố độc lập đều mang dấu dương, đều này có nghĩa là các biến độc lập trong mô hình tỷ lệ thuận với biến phụ thuộc.
- Mức độ tác động của các nhân tố đến năng lực cạnh tranh trong hoạt động cho vay khách hàng cá nhân tại BIDV Bình Tây Sài Gòn cụ thể như sau:
Nhân tố tác động mạnh nhất: Với hệ số hồi quy lớn nhất 0 495, cho biết rằng nhân tố tác động mạnh nhất đến năng lực cạnh tranh trong hoạt động cho vay khách hàng cá nhân tại BIDV Bình Tây Sài Gòn là Sản phẩm Sản phẩm cho vay khách hàng đa dạng, đáp ứng phù hợp nhu cầu khách hàng vay, lãi suất tốt sẽ nâng cao vị thế cạnh tranh của BIDV Bình Tây Sài Gòn
Nhân tố tác động mạnh thứ hai là Thương hiệu với hệ số hồi quy 0 452 Có thể thấy rằng, trong một môi trường cạnh tranh với rất nhiều ngân hàng thương mại cổ phần đang cùng hoạt động kinh doanh thì việc xây dựng thương hiệu nổi bật, chính sách truyền thông, quảng cáo, marketing có tốt thì năng lực cạnh tranh trong hoạt động cho vay KHCN tại BIDV Bình Tây Sài Gòn mới được nâng cao
Nhân tố tác động mạnh thứ ba: Năng lực tài chính với hệ số hồi quy 0 401, năng lực tài chính là khả năng tạo lập và sử dụng nguồn vốn, thẩm quyền cho vay khách hàng cá nhân cao là những hoạt động cốt lõi của chi nhánh ngân hàng sẽ ảnh hưởng mạnh đến năng lực cạnh tranh của ngân hàng nói chung và năng lực cạnh tranh trong hoạt động cho vay KHCN nói riêng tại BIDV Bình Tây Sài Gòn
Nhân tố tác động mạnh thứ tư: Năng lực quản trị với hệ số hồi quy 0 348 Quản trị là một hoạt động không thể tách rời với bất kỳ doanh nghiệp nào, với sự cạnh tranh ngày cành khốc liệt trong lĩnh vực Ngân hàng, Ngân hàng nào có hoạt động quản trị tốt sẽ có ưu thế trong việc chiếm lĩnh thị trường và lợi thế cạnh tranh trong hoạt động cho vay khách hàng cá nhân
Nhân tố tác động mạnh thứ năm là Vốn trí tuệ với hệ số hồi quy 0 245, đội ngũ nhân viên của chi nhánh BIDV Bình Tây Sài Gòn có trình độ nghiệp vụ, chuyên môn tốt, tận tình chăm sóc khách hàng, bên cạnh đó, ngân hàng có chính sách thu h t nhân tài tốt sẽ góp phần nâng cao năng lực cạnh tranh trong hoạt động
cho vay khách hàng cá nhân.
Nhân tố tác động mạnh thứ sáu là Dịch vụ với hệ số hồi quy 0 225: Ngày nay bên cạnh việc sản phẩm cho vay khách hàng cá nhân ngày càng được chuẩn hóa thì việc nâng cao chất lượng dịch vụ hỗ trợ sẽ mang lại lợi thế cạnh tranh cho chi nhánh trong hoạt động cho vay khách hàng cá nhân
Nhân tố tác động mạnh thứ bảy là Công nghệ với hệ số hồi quy 0 176, tuy công nghệ góp phần lớn trong hoạt động ngân hàng, nâng cao năng suất lao động, nâng cao năng lực cạnh tranh trong hoạt động ngân hàng hiện nay, tuy nhiên đối với hoạt động cho vay khách hàng cá nhân tại BIDV Bình Tây Sài Gòn công nghệ chưa phải là nhân tố tác động mạnh nhất đến năng lực cạnh tranh nhưng nó cũng góp phần nâng cao năng lực cạnh tranh trong hoạt động cho vay khách hàng cá nhân của chi nhánh so với các ngân hàng khác
Nhân tố tác động mạnh thứ tám là Mạng lưới với hệ số hồi quy 0 111, điều này có thể lý giải khách hàng cá nhân có nhu cầu vay vốn trên địa bàn chi nhánh tr đóng quan tâm nhiều yếu tố khác hơn là mạng lưới, vì địa bàn không quá lớn nên khả năng di chuyển và tiếp cận chi nhánh thuận tiện, d dàng, bên cạnh đó, vào thời điểm hiện tại, việc mở rộng mạng lưới của các ngân hàng thương mại nói chung và BIDV nói riêng đang bị Ngân hàng Nhà nước hạn chế và kiểm soát chặt chẽ, khả năng mở rộng mạng lưới trong thời gian gần của BIDV gần như rất khó
Từ kết quả trên cho thấy mức độ ảnh hưởng của các nhân tố là phù hợp với thực ti n hoạt động và thực trạng cạnh tranh trong hoạt động cho vay cá nhân tại BIDV Chi nhánh Bình Tây Sài Gòn.
KẾT LUẬN HƢƠNG 2
Chương 2 trình bày tổng quan về lịch sử hình thành và tình hình hoạt động kinh doanh của BIDV nói chung và chi nhánh BIDV Bình Tây Sài Gòn nói riêng. Bên cạnh đó, tác giả cũng nêu lên thực trạng năng lực cạnh tranh trong hoạt động cho vay khách hàng cá nhân tại BIDV Bình Tây Sài Gòn, từ đó tạo tiền đề đưa ra các giải pháp nâng cao năng lực cạnh tranh tại Chương 3 sau khi chạy xong mô hình