3.5. Phƣơng pháp xử lý số liệu
3.5.3. Phƣơng pháp phân tích khám phá nhân tố (EFA)
Phƣơng pháp phân tích nhân tố đƣợc sử dụng để rút gọn và tóm tắt dữ liệu. Sau khi đánh giá độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha và loại bỏ các biến không đủ độ tin cậy sẽ thực hiện việc phân tích nhân tố khám phá (EFA). Phân tích nhân tố khám phá (EFA) là kỹ thuật đƣợc sử dụng để thu nhỏ các tham số ƣớc lƣợng theo từng nhóm biến. Phƣơng pháp này rất hữu ích trong việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu và đƣợc sử dụng để tìm mối quan
hệ giữa các biến với nhau. Phân tích nhân tố khám phá (EFA) đƣợc thực hiện thông qua đánh giá các chỉ tiêu sau để bảo đảm ý nghĩa thống kê:
- Kiểm định trị số KMO (Kaiser- Meyer – Olkin):
Đây là chỉ số dùng để xem xét sự thích hợp của các phân tích nhân tố, trị số KMO có giá trị trong khoảng từ 0,5 đến 1,0 thì phân tích nhân tố là thích hợp với dữ liệu, còn trong trƣờng hợp nhỏ hơn 0,5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu.
- Đánh giá hệ số tải nhân tố (Factor loading –FL):
Đây là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của phân tích nhân tố khám phá EFA, hệ số tải nhân tố (Factor loading –FL) phụ thuộc vào kích thƣớc mẫu quan sát và mục đích nghiên cứu. Nếu FL>0,3 là đạt mức tối thiểu với kích thƣớc mẫu bằng hoặc lớn hơn 350, nếu FL>0,4 là quan trọng và FL>0,5 là có ý nghĩa thực tiễn. Khi kích thƣớc mẫu khoảng 100 thì nên chọn FL>0,55; còn nếu kích thƣớc mẫu bằng 50 thì nên chọn FL>0,75. Do đó để thang đo đạt giá trị hộ tụ thì hệ số tƣơng quan đơn giữa các biến và các nhân tố (Factor loading –FL) phải lớn hơn hoặc bằng 0,5 trong một nhân tố đối với cỡ mẫu nhỏ hơn 350.
- Đánh giá giá trị Eigenvalue:
Đại lƣợng Eigenvalue đại diện cho lƣợng biến thiên đƣợc giải thích bởi mỗi nhân tố, đánh giá hệ số Eigenvalue là một trong những cách để xác định số lƣợng nhân tố. Theo tiêu chuẩn Kaiser chỉ những nhân tố Eigenvalue lớn hơn 1 thì mới đƣợc giữ lại trong mô hình, những nhân tố có Eigenvalue nhỏ hơn 1 sẽ bị loại vì không có tác dụng tóm tắt thông tin tốt hơn một biến gốc (Garson, 2003).
- Kiểm định Bartlett’s xem xét giả thiết H0:
Bartlett’s test of sphericity là một đại lƣợng thống kê dùng để xem xét giả thuyết các biến không có tƣơng quan trong tổng thể với các giả thuyết.
H0: Độ tƣơng quan giữa các biến quan sát bằng không trong tổng thể hay nói cách khác là các biến không có tƣơng quan với nhau trong tổng thể. Điều này cũng chính là nhằm mục đích xem xét việc phân tích nhân tố là có thích hợp hay không. Nếu kiểm định này có ý nghĩa trong thống kê (Sig<0,05) thì ta có khả năng bác bỏ giả thuyết và chấp nhận các biến quan sát trong phân tích nhân tố có tƣơng quan với nhau trong tổng thể. Điều này đồng nghĩa phân tích nhân tố là thích hợp.
H1: Có sự tƣơng quan giữa các biến.
Giá trị p của kiểm định là một số sao cho với mọi α > p thì sẽ bác bỏ giả thuyết H0. Với mức ý nghĩa α = 5%, kiểm định Barlett’s cho các kết quả sau:
Nếu giá trị p > α thì chấp nhận giả thuyết H0
Nếu giá trị p < α thì bác bỏ giả thuyết H0 và chấp nhận giả thuyết H1 - Đánh giá phƣơng sai trích:
Phƣơng sai trích hay là phần trăm biến thiên (cummulative) của dữ liệu đƣợc giải thích bởi các nhân tố. Tiêu chuẩn đạt yêu cầu đối với phƣơng sai trích là tổng phƣơng sai trích phải lớn hơn hoặc bằng 50% trở lên (Hair và cộng sự, 1998).
Giá trị tổng phƣơng sai trích có ý nghĩa cho biết tổng số phần trăm biến thiên của dữ liệu đƣợc giải thích bởi các nhân tố.
3.5.4. Phân tích tƣơng quan (Pearson)
Hệ số tƣơng quan Pearson (Pearson correlation coefficient, kí hiệu r) đo lƣờng mức độ tƣơng quan tuyến tính giữa hai biến. Về nguyên tắc, tƣơng quan Pearson sẽ tìm ra một đƣờng thẳng phù hợp nhất với mối quan hệ tuyến tính của 2 biến.
Hệ số tƣơng quan Pearson (r) sẽ nhận giá trị từ +1 đến -1. Điều kiện để tƣơng quan có ý nghĩa là giá trị sig. <0.05
r < 0 cho biết một sự tƣơng quan nghịch giữa hai biến, nghĩa là nếu giá trị của biến này tăng thì sẽ làm giảm giá trị của biến kia.
r=0 cho thấy không có sự tƣơng quan.
r > 0 cho biết một sự tƣơng quan thuận giữa hai biến, nghĩa là nếu giá trị của biến này tăng thì sẽ làm tăng giá trị của biến kia.
3.5.5. Phƣơng pháp phân tích hồi quy
Phân tích hồi quy là sự nghiên cứu mức độ ảnh hƣởng của một hay nhiều biến số (biến độc lập hay biến giải thích) đến một biến số (biến kết quả hay biến phụ thuộc) nhằm dự báo biến kết quả dựa vào các giá trị đƣợc biết trƣớc của các biến giải thích. Sau khi hoàn tất việc phân tích đánh giá độ tin cậy thang đo (Kiểm định Cronbach’s Alpha) và kiểm định giá trị khái niệm thang đo (Phân tích nhân tố khám phá EFA), các biến không đảm bảo giá trị hội tụ tiếp tục bị loại bỏ khỏi mô hình cho đến khi các tham số đƣợc nhóm theo các biến. Việc xác định mối quan hệ giữa các nhóm biến này cũng nhƣ xác định mối quan hệ giữa các nhóm biến độc lập (các
nhân tố thành phần) và nhóm biến phụ thuộc trong mô hình nghiên cứu đƣợc thực hiện bằng phƣơng pháp phân tích hồi quy bội. Giá trị của biến mới trong mô hình nghiên cứu là giá trị trung bình của các biến quan sát thành phần của biến đó. Tuy nhiên trƣớc khi tiến hành phân tích hồi quy, cần kiểm tra các giả định về khuyết tật mô hình.
3.5.6. Phƣơng pháp kiểm định Anova
Phƣơng pháp kiểm định ANOVA nhằm xác định ảnh hƣởng của các biến định tính nhƣ: Giới tính, độ tuổi, thu nhập, nghề nghiệp, … Phƣơng pháp sử dụng là phƣơng pháp phân tích phƣơng sai một yếu tố (One–Way–ANOVA). Phƣơng pháp này đƣợc sử dụng trong trƣờng hợp chỉ sử dụng một biến yếu tố để phân loại các quan sát thành các nhóm khác nhau. Việc phân tích nhằm mục đích tìm kiếm xem có sự khác nhau (có ý nghĩa thống kê) hay không về các yếu tố ảnh hƣởng đến việc lựa chọn ngân hàng để giao dịch của khách hàng cá nhân tại Thành phố Hồ Chí Minh giữa các nhóm khách hàng khác nhau. Một số giả định khi thực hiện phân tích ANOVA:
- Các nhóm so sánh phải độc lập và đƣợc chọn một cách ngẫu nhiên.
- Các nhóm so sánh phải có phân phối chuẩn và cỡ mẫu phải đủ lớn để đƣợc xem là tiệm cận phân phối chuẩn.
4.1 Kết quả thống kê kê
CHƢƠNG 4
KẾT QUẢ NGHIÊN CỨU
Bảng 4.1 Đặc điểm mẫu khảo sát
Chỉ tiêu Số lƣợng Giới tính Nam 76 Nữ 128 Tổng 204 Độ tuổi Dƣới 25 tuổi 20
Từ 25 tuổi đến dƣới 30 tuổi 72
Từ 31 tuổi đến 35 tuổi 86 Trên 35 tuổi 26 Tổng 204 Trình độ Lao động phổ thông 17 Trung cấp 27 Cao đẳng 74 Đại học 77 Trên Đại học 9 Tổng 204 Nghề nghiệp
Nhân viên văn phòng 78
Tự doanh 66
Công nhân 10
Học sinh, sinh viên 20
Khác 30
Tổng 204
(Nguồn: Tổng hợp kết quả khảo sát)
Về giới tính: Trong 204 đối tƣợng tham gia khảo sát thì có 76 ngƣời là Nam (chiếm tỷ trọng 37.3%) và 128 ngƣời là Nữ (chiếm tỷ trọng 62.7%).
Về độ tuổi: chiếm tỷ trọng lớn nhất là nhóm tuổi từ 31 đến 35 tuổi, với 86 ngƣời tham gia, chiếm
tỷ trọng 42.2%. Đứng thứ hai là nhóm đối tƣợng có độ tuổi từ 25 đến dƣới 30 tuổi với 72 ngƣời tham gia, chiếm tỷ trọng 35.3%. Kế đến là
nhóm đối tƣợng có độ tuổi trên 35 với 26 ngƣời tham gia, chiếm tỷ trọng 12.7% và cuối cùng là nhóm đáp viên dƣới 25 tuổi chiếm tỷ trọng 9.8%.
Về trình độ học vấn: nhìn chung trình độ học vấn của các đáp viên tham gia khảo sát là tƣơng đối cao, phổ biến nhiều nhất là ở nhóm trình độ Đại học với 77 ngƣời, chiếm tỷ trọng 37.7%. Kế đến là nhóm có trình độ Cao đẳng với 74 ngƣời, chiếm tỷ trọng 36.3%. Đứng thứ ba là nhóm có trình độ trung cấp với 27 ngƣời, chiếm tỷ trọng 13.2%. Kế đến là lao động phổ thông với 17 ngƣời chiếm tỷ trọng 8.3% và cuối cùng là nhóm trình độ trên Đại học với 9 ngƣời, chiếm tỷ trọng 4.4%.
Về nghề nghiệp: nhân viên văn phòng là 78 ngƣời, tỷ trọng 38.2%; Tự doanh là 66 ngƣời, tỷ trọng 32.4%; nghề nghiệp Khác là 30 ngƣời, tỷ trọng 14.7%; Học sinh, sinh viên là 20 ngƣời, tỷ trọng 9.8% và cuối cùng là công nhân với 10 ngƣời, tỷ trọng 4.9%.
4.2 Kiểm định độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha
4.2.1 Kiểm định độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha cho biến độclập lập
Hệ số Cronbach’s Alpha kiểm định độ tin cậy của thang đo, cho phép ta loại bỏ những biến không phù hợp trong mô hình nghiên cứu.
Bảng tổng hợp kết quả kiểm định Cronbach’s Alpha đƣợc trình bày nhƣ sau:
Bảng 4.2: Kết quả kiểm định Cronbach’s Alpha biến độc lập
Các thống kê biến tổng
Biến Trung bình nếu loại biến
Phƣơng sai nếu loại biến
Hệ số tƣơng quan biến tổng
Hệ số cronbach’s alpha khi loại biến Thang đo Vẻ bề ngoài: Cronbach’s Alpha của nhân tố là 0.855
VBN1 7.37 2.442 .733 .792
VBN2 7.26 2.324 .860 .666
VBN3 7.32 2.900 .603 .905
Thang đo Lợi ích từ sản phẩm dịch vụ: Cronbach’s Alpha của nhân tố là 0.830
LISP1 10.67 4.350 .612 .807
LISP2 10.85 4.136 .735 .750
LISP3 10.56 4.799 .581 .818
LISP4 10.71 4.069 .709 .761
ATBM1 6.50 3.108 .564 .848
ATBM2 6.50 2.458 .778 .623
ATBM3 6.43 2.985 .672 .743
Thang đo Danh tiếng: Cronbach’s Alpha của nhân tố là 0.791
DT1 6.76 2.932 .607 .742
DT2 6.79 2.913 .663 .685
DT3 6.66 2.727 .630 .720
Thang đo Nhân viên: Cronbach’s Alpha của nhân tố là 0.799
NV1 13.89 6.968 .627 .745
NV2 13.98 7.064 .725 .717
NV3 14.08 7.304 .528 .779
NV4 13.94 6.533 .835 .678
NV5 14.22 8.870 .255 .852
Thang đo Nhân viên sau khi loại biến: Cronbach’s Alpha của nhân tố là 0.852
NV1 10.58 5.142 .674 .821
NV2 10.67 5.365 .737 .796
NV3 10.77 5.291 .609 .850
NV4 10.63 5.141 .769 .781
Thang đo Sự thuận tiện: Cronbach’s Alpha của nhân tố là 0.830
STT1 10.21 5.645 .667 .782
STT2 10.39 5.845 .623 .801
STT3 10.32 5.333 .732 .751
STT4 10.40 5.866 .612 .806
(Nguồn: Tổng hợp kết quả khảo sát trên phần mềm SPSS)
Căn cứ theo các yêu cầu trong việc kiểm định độ tin cậy của biến độc lập, các biến NV5 có hệ số tƣơng quan biến tổng là 0.255 nhỏ hơn 0.3 và không đảm bảo yêu cầu khi hệ số Cronbach Alpha nếu loại biến cao hơn giá trị hệ số Cronbach’s Alpha hiện tại. Vì thế biến quan sát này sẽ bị loại bỏ khỏi các thang đo. Sau đó, việc kiểm định sẽ đƣợc tiến hành với các biến quan sát còn lại.
Kết quả kiểm định độ tin cậy Cronbach’s Alpha đối với các thành phần nghiên cứu còn lại cho thấy, hệ số Cronbach’s Alpha của tất cả các khái niệm nghiên cứu đều lớn hơn 0.6, tất cả các biến quan sát đều có hệ số tƣơng quan biến
tổng lớn hơn 0.3. Vì vậy, có thể kết luận rằng thang đo đƣợc sử dụng trong nghiên cứu là phù hợp và đáng tin cậy, đảm bảo trong việc đƣa vào các kiểm định, phân tích tiếp theo.
4.2.2 Kiểm định độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha cho biến phụthuộc thuộc
Bảng 4.3: Kết quả kiểm dịnh Cronbach’s Alpha biến phụ thuộc
Các thống kê biến tổng
Biến Trung bình nếu loại biến
Phƣơng sai nếu loại biến
Hệ số tƣơng quan biến tổng
Hệ số cronbach’s alpha khi loại biến
Thang đo Quyết định lựa chọn ngân hàng: Cronbach’s Alpha của nhân tố là 0.797
QDLC1 6.95 .997 .683 .679
QDLC2 6.98 1.039 .653 .711
QDLC3 6.97 1.063 .589 .778
(Nguồn: Tổng hợp kết quả khảo sát trên phần mềm SPSS)
Nhân tố QDLC có hệ số Cronbach’s Alpha = 0.797, hệ số tƣơng quan tổng biến (Corrected Item-Total Correlation) đều lớn hơn 0.3 nên đạt yêu cầu đƣa vào phân tích nhân tố tiếp theo.
4.3 Phân tích khám phá nhân tố EFA
4.3.1. Phân tích nhân tố EFA cho biến độc lập
Thang đo ban đầu của biến độc lập bao gồm 22 biến quan sát, tuy nhiên qua bƣớc kiểm định độ tin cậy bằng hệ số Cronbach’s Alpha đã loại khỏi thang đo 1 biến quan sát. Phân tích nhân tố khám phá EFA đƣợc sử dụng để đánh giá lại mức độ hội tụ và phân biệt của 21 biến quan sát này theo các thành phần.
Bảng 4.4: Phân tích nhân tố với các biến độc lậpMa trận xoay nhân tố Ma trận xoay nhân tố Nhân tố 1 2 3 4 5 6 NV4 .886 NV2 .877 NV1 .808 NV3 .749 STT3 .823 STT4 .815 STT1 .776 STT2 .717 LISP4 .845 LISP2 .844 LISP1 .778 LISP3 .734 VBN1 .880 VBN2 .874 VBN3 .692 DT3 .855 DT2 .759 DT1 .753 ATBM3 .894 ATBM2 .881 ATBM1 .677
Tổng phƣơng sai trích lũy tiến (%) 23.068 39.137 50.122 59.739 67.354 72.692
Eigenvalues 4.844 3.375 2.307 2.020 1.599 1.121
KMO 0.761
Hệ số Sig của Bartlett's Test 0.000
(Nguồn: Tổng hợp kết quả khảo sát phần mềm SPSS)
- Hệ số KMO trong phân tích bằng 0.761 > 0.5, cho thấy rằng kết quả phân tích yếu tố là đảm bảo độ tin cậy.
- Kiểm định Bartlett's Test có hệ số Sig là 0.000 < 0.05, thể hiện rằng kết quả phân tích yếu tố đảm bảo đƣợc mức ý nghĩa thống kê.
- Phƣơng sai trích bằng 72.692 , thể hiện rằng sự biến thiên của các yếu tố đƣợc phân tích có thể giải thích đƣợc 72.692% sự biến thiên của dữ liệu khảo sát ban đầu, đây là mức ý nghĩa ở mức khá.
- Hệ số Eigenvalues của yếu tố thứ 6 bằng 1.121 > 1, thể hiện sự hội tụ của phép phân tích dừng ở yếu tố thứ 6, hay kết quả phân tích cho thấy có 6 yếu tố đƣợc trích ra từ dữ liệu khảo sát.
- Hệ số tải yếu tố của mỗi biến quan sát thể hiện các yếu tố đều lớn hơn 0.5, cho thấy rằng các biến quan sát đều thể hiện đƣợc mối ảnh hƣởng với các yếu tố mà các biến này biểu diễn.
Nhƣ vậy, sau khi tiến hành phân tích nhân tố khám phá EFA, số biến quan sát đƣợc giữ lại là 21 biến quan sát.
4.3.2 Phân tích nhân tố EFA cho biến phụ thuộc
Bảng 4.5 Phân tích nhân tố với biến phụ thuộc
Biến Hệ số tải Kiểm định Giá trị
QDLC1 .870 KMO 0.697
QDLC2 .853 Sig 0.000
QDLC3 .808 Tổng phƣơng sai tríchEigenvalues 71.241%2.137
(Nguồn: Kết quả phân tích SPSS)
- Hệ số KMO trong phân tích bằng 0.697 > 0.5, cho thấy rằng kết quả phân tích yếu tố là đảm bảo độ tin cậy.
- Kiểm định Bartlett's Test có hệ số Sig là 0.000 < 0.05, thể hiện rằng kết quả phân tích yếu tố đảm bảo đƣợc mức ý nghĩa thống kê.
- Phƣơng sai trích bằng 71.241, thể hiện rằng sự biến thiên của các yếu tố đƣợc phân tích có thể giải thích đƣợc 71.241% sự biến thiên của dữ liệu khảo sát ban đầu, đây là mức ý nghĩa ở mức khá cao.
- Hệ số Eigenvalues của yếu tố thứ 1 bằng 2.137 > 1, thể hiện sự hội tụ của phép phân tích dừng ở yếu tố thứ 1, hay kết quả phân tích cho thấy có 01 yếu tố đƣợc trích ra từ dữ liệu khảo sát.
- Hệ số tải yếu tố của mỗi biến quan sát thể hiện các yếu tố đều lớn hơn 0.8, cho thấy rằng các biến quan sát đều thể hiện đƣợc sự ảnh hƣởng với các yếu tố mà các biến này biểu diễn.
Từ các kết quả phân tích yếu tố trên, các yếu tố lần lƣợt đƣợc tính toán giá trị trung bình của điểm đánh giá các biến quan sát thể hiện thang đo, để có thể xác định
đƣợc một yếu tố đại diện cho các biến quan sát sử dụng trong việc phân tích hồi quy và tƣơng quan.
4.4 Phân tích hồi quy đa biến4.4.1 Phân tích Pearson