3.2.1 Phương pháp thu thập thông tin và cỡ mẫu
Thông tin dữ liệu được thu thập thông qua khảo sát các khách hàng đã và đang gửi tiết kiệm tại BIDV Bà Rịa.
Phiếu khảo sát được thiết kế và thu thập kết quả bằng cách gửi qua mail hoặc gửi trực tiếp cho khách hàng.
Mẫu được chọn theo phương pháp thuận tiện ngẫu nhiên. Phương pháp phân tích dữ liệu được sử dụng trong nghiên cứu này là phương pháp phân tích nhân tố khám phá EFA và hồi quy tuyến tính.
Thông thường, số quan sát (cỡ mẫu) ít nhất phải bằng 4 hoặc 5 lần số biến trong phân tích nhân tố. Thêm một kinh nghiệm nữa để lựa chọn cỡ mẫu thích hợp cho nghiên cứu, theo Hair và cộng sự (1998), để có thể phân tích nhân tố khám phá cần thu thập dữ liệu với kích thước mẫu là ít nhất năm mẫu trên một biến quan sát. Mô hình nghiên cứu có tổng số biến là 26 biến (23 biến dùng để đánh giá các nhân tố ảnh hưởng đến quyết định gửi tiết kiệm tại BIDV Bà Rịa, 3 biến dùng để đánh giá quyết định gửi tiết kiệm của khách hàng tại BIDV Bà Rịa). Nếu như theo tiêu chuẩn năm mẫu cho một biến quan sát thì kích thước mẫu cần thiết là n = 26 x 5 = 130.
3.2.2 Phân tích dữ liệu
Tất cả các biến quan sát trong các thành phần đều sử dụng thang đo Likert 5 điểm. Với lựa chọn số 1 nghĩa là “hoàn toàn phản đối” với câu phát biểu cho đến lựa chọn số 5 nghĩa là “hoàn toàn đồng ý” với câu phát biểu.
Diễn đạt và mã hóa thang đo
UY TÍN THƯƠNG HIỆU
1 BIDV là một trong những ngân hàng danh tiếng tại Việt Nam TH1 2 BIDV là thương hiệu được quảng bá rộng rãi trên các phương
tiện truyền thông: báo chí, TV, internet, áp phích, tờ rơi ..
3 BIDV có lịch sử hoạt động lâu năm TH3 4 BIDV có uy tín trong việc bảo mật thông tin khách hàng TH4 5 BIDV đạt nhiều giải thưởng ngành ngân hàng trong và ngoài
nước
TH5
HÌNH THỨC CHIÊU THỊ
6 BIDV có nhiều chương trình quảng cáo hay và ý nghĩa CT1 7 BIDV có nhiều chương trình khuyến mãi với các phần thưởng
có giá trị lớn
CT2
8 BIDV có tổng đài 24/7 tư vấn và giải quyết khiếu nại cho khách hàng
CT3
9 BIDV luôn đồng hành trong các hoạt động thiện nguyện, tài trợ vì cộng đồng
CT4
ẢNH HƯỞNG CỦA NGƯỜI QUEN
10 Tôi được người thân trong gia đình giới thiệu AH1
11 Tôi được bạn bè, đồng nghiệp giới thiệu AH2
12 Tôi có người quen gửi tiền tại BIDV AH3
13 Tôi có người quen làm việc tại BIDV AH4
NHÂN VIÊN
14 Nhân viên BIDV nắm rõ sản phẩm, tư vấn dễ hiểu, thuyết phục NV1 15 Nhân viên BIDV có trang phục đẹp, gọn gàng và lịch sự NV2 16 Nhân viên BIDV nhiệt tình hướng dẫn cụ thể, rõ ràng về thủ
tục, quy trình
NV3
17 Nhân viên BIDV rất trẻ và nhiệt huyết NV4
18 Nhân viên BIDV luôn niềm nở, vui vẻ, nhiệt tình với khách hàng.
NV5
LÃI SUẤT
20 Lãi suất cạnh tranh với các Ngân hàng khác LS1
22 Có nhiều phương thức trả lãi phù hợp LS3 23 Lãi suất ưu đãi đối với các khách hàng quan trọng LS4
QUYẾT ĐỊNH GỬI TIẾT KIỆM
24 BIDV luôn là lựa chọn đầu tiên khi gửi tiền QD1 25 Tôi hoàn toàn tin tưởng khi gửi tiền tại BIDV QD2 26 Tôi sẽ giới thiệu cho người thân bạn bè của tôi QD3
Làm sạch dữ liệu
Các dữ liệu sau khi thu thập sẽ được làm sạch mới có thể đưa vào phân tích để tránh những sai sót trong quá trình nhập dữ liệu. Quá trình làm sạch dữ liệu được thực hiện bằng cách dùng các bảng tần số và lệnh Find để tìm vị trí của giá trị lỗi rồi chỉnh sửa lỗi.
Đánh giá độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha
Dữ liệu sau khi làm sạch được đưa vào phân tích hệ số tin cậy Cronbach’s Alpha nhằm đánh giá sơ bộ thang đo để xác định mức độ tương quan giữa các mục hỏi, làm cơ sở loại những biến quan sát, những thang đo không đạt yêu cầu.
Loại các biến quan sát có hệ số tương quan biến-tổng nhỏ (nhỏ hơn 0,3); tiêu chuẩn chọn thang đo khi có độ tin cậy Alpha lớn hơn 0,6 (Alpha càng lớn thì độ tin cậy nhất quán nội tại càng cao) (Nunally & Burnstein 1994; dẫn theo Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2009).
Các mức giá trị của Alpha: Lớn hơn 0,8 là thang đo lường tốt; từ 0,7 đến 0,8 là sử dụng được; từ 0,6 trở lên là có thể sử dụng trong trường hợp khái niệm nghiên cứu là mới hoặc là mới trong bối cảnh nghiên cứu (Nunally, 1978; Peterson, 1994; Slater, 1995; dẫn theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
Các biến quan sát có tương quan biến-tổng nhỏ (nhỏ hơn 0,4) được xem là biến rác thì sẽ được loại ra và thang đo được chấp nhận khi hệ số tin cậy Alpha đạt yêu cầu (lớn hơn 0,7).
Dựa theo thông tin trên, nghiên cứu thực hiện đánh giá thang đo dựa theo tiêu chí:
Loại các biến quan sát có hệ số tương quan biến-tổng nhỏ hơn 0,4 (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).
Chọn thang đo có độ tin cậy Alpha lớn hơn 0,6 (các khái niệm trong nghiên cứu này là tương đối mới đối với đối tượng nghiên cứu khi tham gia trả lời).
Phân tích nhân tố khám phá (Exploratory Factor Analysis – EFA)
Sau khi đánh giá độ tin cậy của thang đo bằng hệ số Cronbach’s alpha và loại đi các biến không đảm bảo độ tin cậy. Phân tích nhân tố khám phá là kỹ thuật được sử dụng nhằm thu nhỏ và tóm tắt các dữ liệu. Phương pháp này rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu và được sử dụng để tìm mối quan hệ giữa các biến với nhau.
Phân tích EFA dựa trên cơ sở mối quan hệ giữa các biến đo lường, vì vậy, trước khi quyết định sử dụng EFA, chúng ta cần xem xét mối quan hệ giữa các biến đo lường này. Sử dụng ma trận hệ số tương quan(correlation matrix), chúng ta có thể nhận biết được mức độ quan hệ giữa các biến. Nếu các hệ số tương quan nhỏ hơn 0.30, khi đó sử dụng EFA không phù hợp.
Sau đây là một số tiêu chí đánh giá mối quan hệ giữa các biến:
Kiểm định KMO(Kaiser – Meyer – Olkin) là chỉ số dùng để xem xét sự thích hợp của nhân tố. Trị số của KMO phải đạt giá trị 0.5 trở lên ( 0.5<= KMO <= 1) là điều kiện đủ để phân tích nhân tố là phù hợp. Nếu trị số này nhỏ hơn 0.5, thì phân tích nhân tố có khả năng không thích hợp với tập dữ liệu nghiên cứu.
Kiểm định Bartlett dùng để xem xét các biến quan sát trong nhân tố có tương quan với nhau hay không. Kiểm định này có ý nghĩa thống kê sig < 0.05, chứng tỏ các biến quan sát có tương quan với nhau trong nhân tố.
Trị số Eigen value là tiêu chí để xác định số lượng nhân tố trong phân tích nhân tố khám phá EFA. Với tiêu chí này, những nhân tố nào có giá trị >=1 mới được giữ lại trong mô hình phân tích
Tổng phương sai trích (Tổng Variance Explained) >= 50% cho thấy mô hình EFA là phù hợp. Coi biến thiên là 100% thì trị số này thể hiện các nhân tố được
trích cô đọng được bao nhiêu % và bị thất thoát bao nhiêu % của các biến quan sát. Hệ số tải nhân tố (factor loading) biểu thị mối tương quan giữa biến quan sát với nhân tố. Hệ số tải nhân tố càng cao, nghĩa là tương quan giữa biến quan sát đó với nhân tố càng lớn và ngược lại.
Xây dựng mô hình hồi quy tuyến tính
Dữ liệu sau khi phân tích hệ số tin cậy, phân tích nhân tố khám phá (EFA) sẽ được đưa vào phân tích tương quan và hồi quy nhằm kiểm định sự phù hợp của mô hình nghiên cứu, kiểm định các giả thuyết để xác định được rõ ràng mức độ ảnh hưởng của từng yếu tố tác động đến quyết định gửi tiết kiệm của khách hàng tại BIDV Bà Rịa.
Sau khi xác định được mô hình hồi quy chuẩn hóa, tiến hành dò tìm sự vi phạm của giả thuyết mô hình hồi quy tuyến tính nhằm phát hiện có tồn tại các vi phạm sau hay không: hiện tượng tự tương quan, đa cộng tuyến, phân phối chuẩn, liên hệ tuyến tính, phương sai của sai số không đổi.
Tóm tắt chương 3
Chương 3 tác giả đã trình bày về phương pháp nghiên cứu bao gồm quy trình các bước tiến hành nghiên cứu, cách hình thành thang đo và đánh giá thang đo, cách thức chọn mẫu cho nghiên cứu, cách thức chạy số liệu và phân tích số liệu để đạt được mô hình hồi quy chuẩn hóa.
Tiếp theo tác giả sẽ trình bày chi tiết kết quả nghiên cứu, bao gồm tả mẫu, đánh giá thang đo, phân tích nhân tố và xác định mức độ quan trọng của các nhóm yếu tố có ảnh hưởng đến quyết định gửi tiết kiệm của khách hàng cá nhân tại BIDV Bà Rịa.
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU