Phân tích dữ liệu Tiến hành thu thập Phiếu khảo sát, tiếp tục thực hiện phân tích dữ liệu thu thập được bằng phần mềm SPSS để cho ra kết quả nghiên cứu.
Các bước thực hiện phân tích dữ liệu như sau - Đánh giá thàng đo Cronbach’s alpha
Công cụ Cronbach’s Alpha được sử dụng để đánh giá độ tin cậy của các biến quan sát trong mô hình nghiên cứu, giúp loại bỏ các biến quan sát không đủ độ tin cậy. Nhiều nhà nghiên cứu cho rằng Cronbach’s Alpha từ 0,8 trở lên đến gần 1 thì thàng đo là tốt. Tuy nhiên, trường hợp khái niệm nghiên cứu là mới thì hệ số Cronbach’s Alpha ≥ 0,6 là chấp nhận được (Nunnally và Bernstein, 1994).
Mặt khác, để tránh hiện tượng trùng lắp trong đo lường, bên cạnh hệ số Cronbach’s Alpha, sử dụng kết hợp hệ số tương quan biến-tổng hiệu chỉnh (corrected item-total correlation), nếu một biến đo lường có hệ số tương quan biến tổng ≥ 0,3 thì đạt yêu cầu (Nunnally & Bernstein, 1994).
- Phân tích yếu tố khám phá EFA
Sau khi đánh giá độ tin cậy của thàng đo bằng Cronbach’s Alpha, bước tiếp theo là kiểm định giá trị thàng đo (giá trị hội tụ, giá trị phân biệt) bằng phương pháp phân tích yếu tố khám phá EFA (Exploratory Factor Analysis). EFA dùng để rút gọn một tập k biến quan sát ban đầu thành một tập F (F<k) các yếu tố có ý nghĩa hơn, phù hợp hơn trong mô hình nghiên cứu. Các tiêu chuẩn được áp dụng trong EFA
Hệ số KMO ≥ 0,5 dùng để so sánh độ lớn của hệ số tương quan giữa hai biến với độ lớn của hệ số tương quan từng phần của chúng (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008).
Mức ý nghĩa kiểm định Bartlett (kiểm định sự tương quan giữa các biến trong tổng thể) ≤ 0,05 từ chối giả thuyết Ho (các biến không có tương quan với nhau), nghĩa là các biến có tương quan với nhau trong tổng thể. (Nguyễn Đình Thọ 2013).
Hệ số tải yếu tố (Factor Loading) ≥ 0,5, Eigenvalue ≥1 (đại diện cho phần biến thiên được giải thích bởi mỗi yếu tố), và phương sai trích ≥ 50%.
Sử dụng phương pháp rút trích yếu tố chính (Principal components) với phép xoay vuông góc các yếu tố (Varimax procedure) khi trích các yếu tố có Eigenvalue ≥1.
- Phân tích hồi quy
Các bước thực hiện phân tích hồi quy tuyến tính bội
Kiểm tra sự tương quan giữa các biến độc lập và biến phụ thuộc bằng ma trận hệ số tương quan Pearson, lưu ý hiện tượng đa cộng tuyến.
Xây dựng và đánh giá sự phù hợp của mô hình Phương trình hồi quy tuyến tính có dạng Y= β0+β1X1i+β2X2i+…+ βnXni +ε
- Y Biến phụ thuộc (Quyết định sử dụng DV NHĐT của khách hàng). - Xi Các biến độc lập (là các yếu tố tác động).
- β0 Hằng số hồi quy; βi Hệ số hồi quy riêng phần đo lường sự thay đổi của biến phụ thuộc khi biến độc lập Xi thay đổi trong điều kiện các biến độc lập còn lại không đổi.
- ε là sai số ngẫu nhiên.
- Để ước lượng các tham số trong mô hình, sử dụng phương pháp Enter trong SPSS để đưa cùng lúc các biến độc lập, biến phụ thuộc vào mô hình.
(ii) Đánh giá sự phù hợp của mô hình Sử dụng R2 hiệu chỉnh (Adjusted R square) thay thế cho R2 để đánh giá mức độ phù hợp của mô hình hồi quy (R2 hiệu chỉnh thường < R2 ), dùng nó để đánh giá độ phù hợp của mô hình sẽ an toàn hơn vì nó không thổi phồng mức độ phù hợp của mô hình (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008)
- Để lựa chọn mô hình tối ưu, thực hiện kiểm định F bằng phương pháp phân tích phương sai ANOVA, nếu giá trị Sig<0,05 bác bỏ giả thuyết Ho
(B1=B2=B3=…=Bn=0, hay không có mối liên hệ giữa các biến độc lập với biến phụ thuộc trong mô hình), có nghĩa các biến độc lập Xi trong mô hình giải thích được sự thay đổi của biến phụ thuộc Y.
- Mặt khác, để kiểm tra hiện tượng đa cộng tuyến, sử dụng hệ số phóng đại phương sai VIF (Variance Inflation Factor). Thông thường, nếu VIF của biến độc lập Xi > 10 thì biến này không có giá trị giải thích biến thiên của Y trong mô hình (Hair và cộng sự, 2006). Tuy nhiên, nếu VIF > 2 cần lưu ý vì hiện tượng đa cộng tuyến có thể xảy ra trong mô hình hồi quy.
- Đánh giá tác động khác nhau của các biến nhân khẩu học đến quyết định sử dụng dịch vụ internet banking của khách hàng
Kiểm định T Test dùng để kiểm tra sự tác động khác nhau của biến giới tính đến quyết định sử dụng dịch vụ.
Kiểm tra kiểm định Levene’s ở bảng Independent Samples Test
Nếu sig. của kiểm định này < 0.05 thì phương sai giữa 2 lựa chọn của biến định tính ở trên khác nhau, ta sẽ sử dụng kết quả kiểm định T ở phần Equal variances not assumed. Nếu giá trị sig của kiểm định t ở phần Equal variances not assumed sig. > 0.05 thì kết luận kiểm định T không có sự khác biệt, còn Sig <= 0.05 thì kết luận có sự khác biệt giữa các nhóm của biến định tính.
Thực hiện kiểm tra kiểm định Levene ở bảng Test of Homogeneity of variances, nếu sig ở kiểm định này < = 0.05 thì kết luận phương sai giữa các lựa chọn của biến định tính ở trên khác nhau.
Kiểm định One ANOVA dùng để kiểm tra sự tác động khác nhau của biến nhân khẩu học còn lại đến quyết định sử dụng dịch vụ.
Nếu sig ở kiểm định này >0.05 thì phương sai giữa các lựa chọn của biến định tính ở trên không khác nhau, xem tiếp kết quả ở bảng ANOVA. Nếu sig ở bảng này > 0.05 kết luận không có sự khác biệt giữa các nhóm biến định tính, còn nếu sig ở bảng này < = 0.05 thì kết luận có sự khác biệt giữa các nhóm biến định tính.
Khi có sự khác biệt giữa các nhóm của biến định tính với định lượng trong phần T – Test hoặc ANOVA ta tiếp tục theo dõi giá trị Mean ở bảng Descriptives và kết luận.
Nếu nhóm nào có giá trị Mean cao hơn thì kết luận nhóm đó tác động nhiều hơn với biến định lượng.
TÓM TẮT CHƯƠNG 3
Chương 3, trình bày năm bước của quy trình nghiên cứu, cách thiết kế nghiên cứu, các phương pháp nghiên cứu (kiểm định độ tin cậy, phân tích yếu tố khám phá, phân tích tương quan và phân tích hồi quy) và dữ liệu nghiên cứu.
Chương 4 KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN