4.1.2.1 Phân tích độ tin cậy và độ phù hợp của thang đo
Như đã trình bày ở chương cơ sở lý thuyết, 7 nhân tố đã được đưa vào nghiên cứu về khả năng tiếp cận QBLTD của DNNVV trên địa bàn TPHCM đó là: Quy định pháp luật, Hình ảnh của HCGF, Rủi ro trong hoạt động, Các tiêu chuẩn chủ quan, Hiệu quả mong đợi, Mức độ dễ sử dụng, Sự tương thích. Tuy nhiên, các khía cạnh cụ thể (các chỉ số) đánh giá kết quả của từng nhân tố được thể hiện qua các câu hỏi nghiên cứu thì lại được lấy từ định nghĩa của từng nhân tố và tổng hợp từ các nghiên cứu trước đây về khả năng tiếp cận QBLTD của DNNVV. Do đó, việc kiểm định độ tin cậy của các thang đo này đối với các nhân tố mà chúng cấu thành là hết sức cần thiết.
Độ tin cậy của thang đo (các biến) được kiểm định thông qua hai công cụ là hệ số Cronbach’s alpha và phân tích nhân tố. Hệ số Cronbach’s alpha được sử dụng trước nhằm loại các biến không phù hợp. Theo Hoàng Trọng và Chu Thị Mộng Nguyệt (2005) thì nhiều nhà nghiên cứu đồng ý rằng khi Cronbach’s alpha từ 0.8 đến gần 1 thì thang đo lường là tốt, từ 0.6 đến gần 0.8 là sử dụng được. Đối với nghiên cứu này, nhằm đảm bảo độ tin cậy của thang đo chỉ những nhân tố nào có Cronbach’s alpha lớn hơn 0.6 thì mới được xem là thang đo có độ tin cậy và được giữ lại. Ngoài ra, mối quan hệ tương quan biến tổng cũng được xem xét, chỉ những biến nào có hế số lớn hơn 0.4 mới được giữ lại.
Sau phân tích độ tin cậy Cronbach’s sẽ là phân tích nhân tố. Theo Hair et al. (1998, được trích bởi Garson, n.d) thì hệ số tải nhân tố trên 0.6 được xem là cao và dưới 0.4 là thấp. Đối với nghiên cứu này những biến nào có hệ số tải nhân tố nhỏ hơn 0.5 sẽ bị loại để đảm bảo tính hoàn chỉnh (validity) của thang đo. Phương pháp trích (extraction method) được sử dụng là phân tích nhân tố chính (principal component analysis) và phương pháp quay quanh trục tọa độ (orthogonal rotation method) là Varimax with Kaiser Normalization (chuẩn Kaiser).
Bảng 4.1: Kết quả phân tích Cronbach’s alpha đối với các nhân tố ảnh hưởng đến khả năng tiếp cận QBLTD của DNNVV trên địa bàn
TPHCM
Yếu tố Số biến Cronbach’s
Alpha
Kết luận
(1) Quy định pháp luật 3 0,903 Tất cả 3 biến đều có giá trị (2) Hình ảnh của HCGF 5 0,885 Tất cả 5 biến đều có giá trị (3) Rủi ro giao dịch 5 0,791 Tất cả 5 biến đều có giá trị (4) Tiêu chuẩn chủ quan 4 0,813 Tất cả 4 biến đều có giá trị (5) Hiệu quả mong đợi 3 0,899 Tất cả 3 biến đều có giá trị (6) Mức độ dễ dàng 5 0,908 Tất cả 5 biến đều có giá trị (7) Sự tương thích 3 0,919 Tất cả 3 biến đều có giá trị
(Xem chi tiết tại Phụ lục 2)
Thang đo Hiệu quả mong đợi của doanh nghiệp về việc cung cấp hình thức BLTD có 7 yếu tố thành phần công việc với 27 biến quan sát, thông qua kiểm định bằng Cronbanch’s Alpha, kết quả kiểm định cho thấy:
- Yếu tố “Quy định pháp luật” gồm 3 biến, có hệ số Cronbach’s Alpha bằng (0,903). Các biến thành phần đều có hệ số tương quan biến tổng tốt (>0,4).Giá trị các biến đều có ý nghĩa, không có biến nào bị trùng lặp.
- Yếu tố “Hình ảnh của HCGF” gồm 05 biến với hệ số Cronbach’s Alpha là (0,885). Các biến thành phần đều có hệ số tương quan biến tổng tốt (>0,4). Giá trị các biến đều có ý nghĩa, không có biến nào bị trùng lặp.
- Yếu tố “Rủi ro giao dịch” gồm 05 biến với hệ số Cronbach’s Alpha là (0,791). Các biến thành phần đều có hệ số tương quan biến tổng tốt (>0,4). Giá trị các biến đều có ý nghĩa, không có biến nào bị trùng lặp.
- Yếu tố “Tiêu chuẩn chủ quan” gồm 04 biến với hệ số Cronbach’s Alpha là (0,813). Các biến thành phần đều có hệ số tương quan biến tổng tốt (>0,4). Giá trị các biến đều có ý nghĩa, không có biến nào bị trùng lặp.
- Yếu tố “Hiệu quả mong đợi” gồm 03 biến với hệ số Cronbach’s Alpha là (0,899). Các biến thành phần đều có hệ số tương quan biến tổng tốt (>0,4). Giá trị các biến đều có ý nghĩa, không có biến nào bị trùng lặp.
- Yếu tố “Mức độ dễ dàng” gồm 05 biến với hệ số Cronbach’s Alpha là (0,908). Các biến thành phần đều có hệ số tương quan biến tổng tốt (>0,4). Giá trị các biến đều có ý nghĩa, không có biến nào bị trùng lặp.
- Yếu tố “Sự tương thích” gồm 03 biến với hệ số Cronbach’s Alpha là (0,919). Các biến thành phần đều có hệ số tương quan biến tổng tốt (>0,4). Giá trị các biến đều có ý nghĩa, không có biến nào bị trùng lặp.
Bảng 4.2: Kết quả phân tích Cronbach’s alpha đối với khả năng tiếp cận QBLTD của DNNVV trên địa bàn TPHCM
Yếu tố Mã hóa Cronbach’s Alpha
DN sẵn sàng sử dụng dịch vụ của HCGF khi
cần tiếp cận nguồn vốn vay KN1 0,782
DN sẽ sử dụng dịch vụ BLTD càng nhiều
càng tốt trong tương lai KN2 0,805
DN sẽ giới thiệu với những DN khác về dịch
vụ của QBLTD KN3 0,849
(Nguồn: Kết quả phân tích của tác giả năm 2017)
Từ bảng trên ta thấy, yếu tố “khả năng tiếp cận QBLTD của DNNVV” gồm 03 biến với hệ số Cronbach’s Alpha là (0,835). Các biến thành phần đều có hệ số tương quan biến tổng tốt (>0,4). Giá trị các biến đều có ý nghĩa, không có biến nào bị trùng lặp.
4.1.2.2 Phân tích nhân tố khám phá
Phân tích nhân tố thường được dùng trong quá trình xây dựng thang đo lường các khía cạnh khác nhau của khái niệm nghiên cứu, kiểm tra tính đơn khía cạnh của thang đo lường (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005). Như vậy, phân tích nhân tố vừa giúp ta rút gọn tập hợp nhiều biến thành một số biến tương đối ít đồng thời kiểm tra độ kết dính hay độ tin cậy của các biến trong cùng một thang đo.
Trong đề tài nghiên cứu này, phân tích nhân tố sẽ giúp ta xem xét khả năng rút gọn số lượng 28 biến quan sát xuống còn một số ít các nhân tố (biến)
dùng để đo lường Khả năng tiếp cận dịch vụ của QBLTD đối với DNNVV trên đại bàn TPHCM. Nó cũng giúp ta kiểm định lại lần nữa các chỉ số đánh giá (biến) trong từng nhân tố có thực sự đáng tin cậy và có độ kết dính như chúng đã thể hiện ở phần xác định hệ số Cronbach’s alpha hay không. Tương tự nó cũng giúp ta kiểm tra xem 7 nhân tố mà chúng ta đã xây dựng ban đầu có thực sự đo lường cùng khái niệm “Khả năng tiếp cận dịch vụ của QBLTD đối với DNNVV trên địa bàn TPHCM” và có độ kết dính cao hay không.
Sau khi các kiểm tra sự phù hợp của nhân tố và ta thấy các nhân tố đều được giữ lại trong thang đo, phân tích nhân tố được tiến hành. Như vậy, số biến quan sát ban đầu là 28 biến. Mong đợi của chúng trước khi tiến hành phân tích nhân tố này là 28 biến này sẽ được rút gọn thành 7 nhân tố là Quy định pháp luật, Hình ảnh của HCGF, Rủi ro giao dịch, Tiêu chuẩn chủ quan, Hiệu quả mong đợi, Mức độ dễ dàng, Sự tương thích.
Cũng như các phương pháp phân tích thống kê khác, trước khi tiến hành phân tích nhân tố, ta cũng cần kiểm tra xem việc dùng phương pháp này có phù hợp hay không. Việc kiểm tra này sẽ được thực hiện bởi việc tính hệ số KMO and Bartlett’s Test.
Bảng 4.3: Kết quả hệ số KMO and Bartlett's Test
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. ,640
Bartlett's Test of Sphericity
Approx. Chi-Square 7698,166
Df 351
Sig. ,000
(Nguồn: Kết quả phân tích của tác giả năm 2017)
Trị số của KMO trong trường hợp này khá lớn đạt 0.640và Sig. của Bartlett’s Test nhỏ hơn 1/1000 cho thấy 28 biến này có tương quan với nhau và hoàn toàn phù hợp với phân tích nhân tố. Bartlett’s Test dùng để kiểm định giả thuyết H0 là các biến không có tương quan với nhau trong tổng thể còn KMO dùng để kiểm tra xem với kích thước mẫu ta có được có phù hợp với phân tích nhân tố hay không. Theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc (2005), giá trị KMO nằm giữa 0.5 đến 1 có nghĩa là phân tích nhân tố là thích hợp.
Phương pháp trích trong phân tích nhân tố của nghiên cứu này là phân tích nhân tố chính (Principal component analysis) với giá trị trích Eigenvalue lớn hơn 1. Điều này có nghĩa là chỉ những nhân tố được trích ra có giá trị Eigenvalue lớn hơn 1 mới được giữ lại trong mô hình phân tích.
Bảng 4.4: Bảng kết quả phân tích nhân tố
Component
Initial Eigenvalues
Total % of Variance Cumulative %
1 6,038 22,365 22,365 2 4,425 16,389 38,753 3 4,098 15,177 53,930 4 2,640 9,777 63,707 5 2,095 7,759 71,465 6 1,749 6,476 77,941 7 ,907 3,359 81,301 8 ,835 3,091 84,392
((Xem chi tiết tại Phụ lục 2)
Bảng kết quả phân tích nhân tố cho thấy có tất cả 28 nhân tố nhưng chỉ có 6 nhân tố có Eigenevalue lớn hơn 1. Sáu nhân tố này sẽ được giữ lại tiếp tục phân tích. Ta cũng thấy được với sáu nhân tố này sẽ giải thích được 77,94% biến thiên của dữ liệu (phần trăm của phương sai). Tỉ lệ này là khá cao trong phân tích nhân tố.
Nhìn vào hệ số tải nhân tố ở ma trận nhân tố (component matrix) ta khó có thể thấy được những biến nào giải thích nhân tố nào, do vậy ta cần phải xoay các nhân tố. Phương pháp xoay được chọn ở đây là Varimax procedure, xoay nguyên góc các nhân tố để tối thiểu hóa số lượng biến có hệ số lớn tại cùng một nhân tố, vì vậy sẽ tăng cường khả năng giải thích các nhân tố. Sau khi xoay ta cũng sẽ loại bỏ các biến có hệ số tải nhân tố nhỏ hơn 0.5. Chỉ những biến có hệ số tải lớn hơn 0.5 mới được sử dụng để giải thích một nhân tố nào đó.
Bảng 4.5: Kết quả xoay nhân tố
Rotated Component Matrixa
Component 1 2 3 4 5 6 TT3 ,916 TT2 ,909 HQ1 ,901 TT1 ,895 HQ2 ,881 HQ3 ,866 DD4 ,893 DD5 ,879 DD2 ,843 DD1 ,836 DD3 ,772 HA2 ,903 HA5 ,818 HA3 ,817 HA4 ,775 HA1 ,730 TC3 ,901 TC2 ,863 TC4 ,794 TC1 ,562 RR5 ,856 RR2 ,796 RR4 ,649 RR3 ,630 RR1 ,552 ,587 QD1 ,936 QD2 QD3 ,920 ,903
Bảng 4.6: Đặt tên và giải thích các nhân tố mới
Các nhân tố Mã Các biến thuộc nhân tố Tên nhân
tố mới
Nhân tố 1
TT3
Yêu cầu về hồ sơ, chứng từ khi đề nghị cấp bảo lãnh là phù hợp Sự tương thích và hiệu quả mong đợi TT2
Yêu cầu về tài sản bảo đảm khi được bảo lãnh tín dụng là phù hợp
HQ1
Giúp tiếp cận vốn vay từ ngân hàng dễ dàng hơn
TT1
Yêu cầu về năng lực tài chính khi đề nghị bảo lãnh tín dụng là phù hợp
HQ2
Vượt qua khó khăn về yêu cầu tài sản bảo đảm của ngân hang
HQ3
Giúp cải thiện tình hình tài chính, nâng cao năng lực cạnh tranh
Nhân tố 2
DD4 Hồ sơ đề nghị bảo lãnh tín dụng là đơn giản
Mức độ dễ dàng
DD5
Thông tin trong các thông báo, văn bản hướng dẫn, tư vấn của HCGF là dễ hiểu
DD2 Dễ dàng hiểu được thủ tục bảo lãnh tín dụng
DD1 Dễ dàng được thực hiện bảolãnh
DD3
Dễ dàng tiếp cận thông tin trên website HCGF
Nhân tố 3
HA2
HCGF sẽ cung cấp đầy đủ thông tin cần thiết cho doanh nghiệp
Hình ảnh của HCGF
HA5
HCGF là tổ chức thực hiện BLTD cho DNNVV tốt hơn so với việc NHTM trực tiếp thực hiện
bảo lãnh tíndụng
HA4
HCGF là tổ chức tài chính có uy tín, danh tiếng
HA1
Các nhân viên của HCGF sẽ tư vấn cụ thể cho doanh nghiệp
Nhân tố 4
TC3
Cơ quan quản lí nhà nước đã có các chính sách tốt để khuyến khích doanh nghiệp sử dụngbảo lãnh tín dụng choDNNVV Tiêu chuẩn chủ quan TC2 DN sẽ luôn cố gắng để có thể được HCGF BLTD TC4
Lãnh đạo trong doanh nghiệp ủng hộ thực hiện bảo lãnh tín dụng
TC1
Kinh tế tại TP.HCM nhất thiết phải có hoạt động bảo lãnh tín dụng cho DNNVV
Nhân tố 5
RR5
Phải tuân thủ các quy định mà doanh nghiệp không mong muốn
Rủi ro giao dịch
RR2 Phải cung cấp thông tin không muốn tiết lộ
RR4 Mất nhiều thời gian hoàn thành thủ tục
RR3
Chịu phí và lãi cao hơn so với vay vốn thông thường tại các ngân hàng thương mại
RR1
DN có thể bị gây khó khăn trong quy trình thực hiện
Nhân tố 6
QD1
Doanh nghiệp hiểu rõ quy định của Chính phủ và NHNN đối với hoạt động bảo lãnh tín
dụng Quy định
pháp luật
QD2
DN hiểu rõ quy định của HCGF đối với hoạt động bảo lãnh tín dụng
QD3
Năng lực của đơn vị/cá nhân phụ trách pháp lí trong doanhnghiệp hiện tại
(Nguồn: Kết quả phân tích của tác giả năm 2017)
Kết quả cuối cùng sau khi phân tích nhân tố, ta còn đầy đủ 28 biến trong thang đo và được chia làm 6 nhân tố gồm Sự tương thích và Hiệu quả mong đợi, Mức độ dễ dàng, Hình ảnh của HCGF, Tiêu chuẩn chủ quan, Rủi ro giao dịch và Quy định pháp luật.
Để đảm bảo độ tin cậy và độ kết dính của các nhân tố của Khả năng tiếp cận dịch vụ của QBLTD đối với DNNVV trên địa bàn TPHCM, chúng ta đã đưa ra ở phần cơ sở lý thuyết, chúng ta cũng sẽ phải tiến hành phân tích nhân tố đối với các nhân tố của Khả năng tiếp cận dịch vụ của QBLTD đối với DNNVV trên địa bàn TPHCM. Mong đợi của chúng ta là các nhân tố này sẽ cùng nhau tạo thành một nhân tố (phạm trù) có Eigenevalue lớn hơn 1, đó là Hiệu quả mong đợi của doanh nghiệp về việc cung cấp hình thức BLTD nói chung được tổng hợp từ các nhân tố trên. Điều đó cũng có nghĩa là 6 nhân tố của Khả năng tiếp cận dịch vụ của QBLTD đối với DNNVV trên địa bàn TPHCM và cùng thể hiện 1 phạm trù của Khả năng tiếp cận QBLTD.
Như vậy, mô hình mới được điều chỉnh lại trong nghiên cứu này như sau đây:
Hình 4.1: Mô hình Khả năng tiếp cận dịch vụ của QBLTD đối với DNNVV trên địa bàn TPHCM và các yếu tố đã được điều chỉnh
4.1.2.3 Kết quả phân tích hồi quy
Ở phần trước bằng hệ số Cronbach’s alpha và phân tích nhân tố ta đã xác định được 6 nhân tố ảnh hưởng đến Hiệu quả mong đợi của doanh nghiệp về việc cung cấp hình thức BLTD. Đó là: Sự tương thích và Hiệu quả mong đợi; Mức độ dễ dàng; Hình ảnh của HCGF; Tiêu chuẩn chủ quan; Rủi ro giao dịch; Quy định pháp luật như được lấy từ các biến của các nhân tố tương ứng được xây dựng như phần phân tích nhân tố.
Phân tích hồi quy tuyến tính sẽ giúp chúng ta biết được cường độ ảnh hưởng của các biến độc lập lên biến phụ thuộc. Phương pháp hồi quy được sử dụng ở đây là phương pháp bình phương bé nhất thông thường OLS với biến phụ thuộc là sự hài lòng trong chất lượng dịch vụ còn biến độc lập là các biến thể hiện ở mô hình đã điều chỉnh ở trên.
Giá trị của các biến độc lập (Sự tương thích và Hiệu quả mong đợi; Mức độ dễ dàng; Hình ảnh của HCGF; Tiêu chuẩn chủ quan; Rủi ro giao dịch; Quy định pháp luật) sẽ được tính bằng giá trị trung bình của các biến thành phần của từng nhân tố đã được xác định sau phần phân tích nhân tố.
• Sự tương thích và hiệu quả mong đợi (X1)
• Mức độ dễ dàng (X2) • Hình ảnh của HCGF (X3) • Tiêu chuẩn chủ quan (X4) • Rủi ro giao dịch (X5) • Quy định pháp luật (X6) Khả năng tiếp cận dịch vụ của QBLTD đối với DNNVV trên địa bàn TPHCM (Y)
Ta có phương trình hồi quy tuyến tính như sau: Yi = β0+ β1 X1i + β2X2i +….+ β6X6i + ei Trong đó:
Yi : Hiệu quả mong đợi của doanh nghiệp về việc cung cấp hình thức BLTD của quan sát thứ i.
Xpi : biến độc lập thứ p đối với quan sát thứ i. βk : hệ số hồi qui riêng phần của biến thứ k. ei : sai số của phương trình hồi quy.
4.1.2.4 Ma trận hệ số tương quan giữa các biến
Bước đầu tiên khi phân tích hồi quy tuyến tính ta sẽ xem xét các mối quan hệ tương quan tuyến tính giữa biến phụ thuộc và từng biến độc lập, cũng như giữa các biến độc lập với nhau. Nếu hệ số tương quan giữa biến phụ thuộc và các biến độc lập lớn chứng tỏ giữa chúng có quan hệ với nhau và phân tích hồi quy tuyến tính có thể phù hợp. Mặc khác nếu giữa các biến độc lập cũng có tương quan lớn với nhau thì đó cũng là dấu hiệu cho biết giữa chúng có thể xảy ra hiện tượng đa cộng tuyến trong mô hình hồi quy tuyến tính ta đang xét.
Bảng 4.7: Ma trận hệ số tương quan giữa các biến
Correlations X1 X2 X3 X4 X5 X6 Y X1 Pearson Correlation 1 -,115 ,147* -,100 -,158* ,050 -,068 Sig. (2-tailed) ,093 ,031 ,145 ,021 ,462 ,321 N 215 215 215 215 215 215 215