Sau khi hoàn tất việc phân tích đánh giá độ tin cậy thang đo (Cronbach’s Alpha) và kiểm định giá trị khái niệm của thang đo (phân tích nhân tố khám phá EFA), các biến
không đảm bảo độ giá trị hội tụ tiếp tục bị loại khỏi mô hình cho đến khi các tham số được nhóm theo các nhóm biến. Để mô hình hoá mối quan hệ giữa các biến độc lập và biến phụ thuộc, ta sử dụng phương pháp phân tích hồi quy.
- Nếu rho = 0 : Hai biến không có tương quan tuyến tính
- Nếu rho = 1; rho = -1: Hai biến có mối tương quan tuyến tính tuyệt đối
- Nếu rho > 0: Hai biến có sự tương quan thuận. Nghĩa là nếu giá trị của biến này tăng sẽ làm giá trị của biến kia tăng và ngược lại.
- Nếu rho < 0 : Hai biến có sự tương quan nghịch. Nghĩa là nếu giá trị của biến này
tăng sẽ làm giá trị của biến kia giảm và ngược lại.
■ Đánh giá mức độ phù hợp của mô hình hồi quy
Quy trình thống kê để xây dựng dữ liệu quan trọng nhất là việc đánh giá sự phù hợp của mô hình. Để biết mức độ phù hợp với dữ liệu của mô hình hồi quy tuyến tính được xây dựng trên các mẫu dữ liệu, ta cần biết được hệ số phù hợp của nó.
Theo Green (1991), biện pháp thường đuơc sử dụng phổ biến là xác định hệ số R2
(đối với mô hình hồi quy đơn biến) hoặc R2 hiệu chỉnh (đối với mô hình hồi quy đa biến). Giá trị R2 và R2 hiệu chỉnh giao động từ 0 đến 1. Hai giá trị càng gần 1 thì mô hình đã xây dựng phù hợp với bộ dữ liệu dùng chạy hồi quy hay mô hình hồi quy giải thích tốt sự thay đổi của biến phụ thuộc. Ngược lại, nếu R2 và R2 hiệu chỉnh càng gần 0 thì mô hình đã xây dựng không phù hợp với bộ dữ liệu dùng chạy hồi quy hay mô hình hồi quy không giải thích tốt sự thay đổi của biến phục thuộc.
■ Kiểm định độ phù hợp của mô hình
Theo Green (1991), để kiểm định độ phù hợp của mô hình hồi quy sử dụng phân tích phương sai ANOVA (Analysis of variance) với kiểm định F và kiểm định T. Kiểm định này xem xét mức độ phù hợp của mô hình lựa chọn. Nói cách khác, mô hình hồi quy tuyến tính có phù hợp với dữ liệu thực tiễn không. về tổng thể, biến độc lập có tương quan tuyến tính với biến phụ thuộc.
Sau khi đánh giá sự phù hợp của mô hình thông qua giá trị R2 hiệu chỉnh. Kết quả này chỉ nói rằng mô hình có phù hợp hay không đối với dữ liệu đã thu thập được. Để kiểm tra độ phù hợp của mô hình hồi quy tổng thể, tiến hành kiểm định giả thuyết H0 : R2 = 0. Nếu kết quả thử nghiệm có đủ cơ sở để bác bỏ giả thuyết HO : R2 = 0, thì đây là buớc đầu thành công của mô hình.
Phân tích ANOVA với kiểm định F được sử dụng cho thử nghiệm này. Nếu giá trị F có p-value < 0,1, giả thuyết R2 = 0 bị bác bỏ, mô hình là phù hợp với dữ liệu thu thập
Để đảm bảo cho mô hình có ý nghĩa, ta cần kiểm định thêm đa cộng tuyết tính và tự tương quan của các biến trong mô hình.
Căn cứ vào độ chấp nhận của biến Tolenrance = 1/VIF (hệ số này > 0,5 thì không có hiện tượng đa cộng tuyến tính) và hệ số này phóng đại phương sai Variance Infation factor (VIF), để kiểm định hiện tượng đa cộng tuyến tính (Marquardt, 1970).
- Nếu VIF > 2 thì có dấu hiệu đa cộng tuyến - Nếu VIF > 10 thì chắc chắn có đa cộng tuyến - Nếu VIF < 2 thì không bị đa cộng tuyến
Để kiểm tra tượng tự tương quan, sử dụng quy tắc kiểm định Durbin - Waston. Theo Formby & ctg. (1984), cho rằng:
- Nếu giá trị hệ số từ 0 đến 1 : mô hình có tự tương quan dương - Nếu giá trị hệ số từ 0 đến 4 : mô hình có tự tương quan âm
- Nếu giá trị hệ số này nằm trong khoảng từ 1 đến 3: không có sự tự tương quan trong mô hình
■ Kiểm định phương sai thay đổi
Giả thuyết phương sai không thay đổi (hay còn gọi là phương sai đồng nhất) rất quan
trọng khi sử dụng mô hình hồi quy tuyến tính đa biến. Nếu xảy ra hiện tượng phương sai
thay đổi, kết quả của phương trình hồi quy sẽ không chính xác, làm sai lệch kết quả so với thực tế, từ đó khiến người nghiên cứu đánh giá nhầm chất lượng của phương trình hồi
quy tuyến tính. Để kiểm định giả thuyết, đề tài sử dụng ma trận tương quan Spearman để
thực hiện kiểm định phương sai thay đổi. Theo Zhigang & ctg. (2014) cho rằng:
■ Nếu giá trị p-value (Sig.) tương quan Spearman giữa phần dư chuẩn hoá (ABSRES) với các biến độc lập đều lớn hơn 0,05 ta có thể kết luận rằng không
có hiện
tượng phương sai thay đổi xảy ra.
■ Nếu có ít nhất một giá trị p-value (Sig.) nhỏ hơn 0,05 khi đó mô hình hồi quy đã vi phạm giả định phương sai không đổi.
Tiêu chí Số lượng Tỷ lệ (%) Giới tính Nam 112 50,9 “Nữ 108 49,1 Nhóm tuổi Từ 15-18 tuổi 13 59 18 - 25 tuổi 103 46,8 26 - 40 tuổi 49 2253 Trên 40 tuổi 55 250 Trình độ học vấn PTTH trở xuống 20 9,1 Cao đẳng - Trung cấp 51 23,2 Đai học 114 51,8 Trên đại học 35 159 Thu nhập Dưới 5 triệu 53 24,1 5 - 9 triệu 71 32,3 10 - 20 triệu 62 28,2 Trên 20 triệu 34 15,5 Thời gian sử dụng Dưới 1 năm 73 33,2 1 - 4 năm 63 28,6 5 - 7 năm 58 26,4 7 năm trở lên 26 11,8
dụng phương pháp chọn mẫu thuận tiện, thời gian khảo sát từ tháng 7 năm 2021 đến tháng 8 năm 2021, đối tượng khảo sát là các khách hàng đã và đang sử dụng E-banking tại Agribank CN Đông Sài Gòn. Mẫu thu thập lớn hơn 140 được cho là phù hợp, nghiên
cứu lựa chọn 250 mẫu. Số lượng phiếu hợp lệ thu được là 220 mẫu.
Tác giả cũng đưa ra một số tiêu chuẩn cho phân tích dữ liệu được xử lý bằng phần
mềm SPSS 20.0. Với đánh giá độ tin cậy của thang đo, hệ số Cronbach’s Alpha nằm trong khoảng 0,6 - 0,95 và hệ số tương quan so với biến tổng phải lớn hơn 0,3. Với phân
tích nhân tố khám phá, 0,5 ≤ KMO ≤ 1 với mức ý nghĩa Sig. ≤ 0,5, Eigenvalue ≥ 1, tổng
51
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
Chương 4 trình bày các bước phân tích định lượng áp dụng cho bộ dữ liệu với số mẫu quan sát được thu thập từ việc khảo sát khách hàng tại Agribank CN Đông Sài Gòn,
bao gồm (1) thống kê mô tả; (2) đánh giá Cronbach’s Alpha; (3) phân tích nhân tố khám
phá; (4) phân tích mô hình hồi quy tuyến tính đa biến; (5) thực hiện các kiểm định; v.v. Ket quả phân tích dữ liệu sẽ được thảo luận, trong đó bao gồm đối chiếu và so sánh với các kết quả từ những nghiên cứu thực nghiệm liên quan khác; từ đó, khóa luận đưa ra ý kiến đồng tình, phù hợp hay không đồng tình, không phù hợp với các nghiên cứu thực nghiệm liên quan. Kết thúc nội dung chương 4 là phần tóm tắt chương 4 nhằm đúc kết
4.1. Thống kê mô tả
Số lượng khảo sát thu được thực tế thu được là 220 khách hàng. Thông tin ở bảng 4.1 cho thấy phân phối về giới tính, độ tuổi, trình độ học vấn, thu nhập, thời gian sử dụng và tần suất sử dụng có độ chênh lệch nhất định.
Tần suất 1 lần/ tuần 96 43,6 2-3 lần/ tuần 86 3ỹĩ 7 lần/ tuần 38 173 Tông 220 100 52
Tên biến Kí hiệu Hệ số tương quan biến tổng
Hệ số Cronbach’s Alpha nếu loại biến
Cronbach’s Alpha
STC STCl 0,584 0,658
Nguồn: Trích xuất từ kết quả phân tích dữ liệu của tác giả.
Từ bảng 4.1, tác giả thống kê các đặc điểm cá nhân của khách hàng tham gia khảo sát như sau:
■ Ve giới tính: qua 220 mẫu khảo sát, thì nam và nữ tương đương nhau (nam: 50,9%, nữ: 49,1%). Có thể thấy việc sử dụng E-banking không có sự phân biệt
nam hay
nữ.
■ về độ tuổi: nhóm tuổi từ 18 - 25 tuổi chiếm tỷ lệ nhiều nhất 46,8%, tiếp đến là trên 40 tuổi và từ 26 - 40 tuổi lần lượt chiếm 25%, 22,3%. Chiếm tỷ lệ thấp nhất
là dưới
18 tuổi chiếm 5,9%. Kết quả này là phù hợp vì Việt Nam là đất nước với dân số trẻ.
Điều này là một lợi thế, vì người trẻ tuổi có sự tiếp thu, học hỏi nhanh với
CNTT nói
chung và cụ thể là các dịch vụ ngân hàng điện tử.
■ về trình độ học vấn: qua thống kê cho thấy đối tượng có trình độ đại học chiếm tỷ lệ cao nhất chiếm 51,8 %. Trình độ cao đẳng - trung cấp chiếm tỷ lệ là 23,2%
và trình
độ trên đại học 15,9%. Trình độ THPT trở xuống thì chiếm tỷ lệ thấp nhất chiếm 9,1%.
Có thể thấy phần lớn dân số có trình độ chuyên môn cao, đó là yếu tố thuận lợi
để giúp
ngân hàng khi triển khai những công nghệ điện tử.
■ về thu nhập: có 32,3% đối tượng có thu nhập từ 5-9 triệu/tháng; có 28,2 đối tượng có thu nhập từ 10-20 triệu/tháng; có 24,1% đối tượng có thu nhập dưới 5
triệu và
có 15,5% đối tượng có thu nhập trên 20 triệu. 53
Tác giả nhận thấy mẫu khảo sát trên là phù hợp với đề tài nghiên cứu. Vì vậy tác giả tiếp tục thực hiện các bước nghiên cứu tiếp theo, bao gồm phân tích độ tin cậy thang
đo Cronbach’s Alpha, phân tích nhân tố khám phá EFA và phân tích mô hình hồi quy.
4.2. Đánh giá độ tin cậy của thang đo theo Cronbach’s Alpha
Sau khi thu thập dữ liệu, nghiên cứu kiểm tra độ tin cậy thang đo với Cronbach’s Alpha để lấy dữ liệu chuẩn và loại bỏ dữ liệu rác. Tác giả thực hiện lần lượt việc kiểm định thang đo bằng Cronbach’s Alpha cho từng biến quan sát của mỗi biến độc lập và biến phụ thuộc để kiểm tra thang đo sử dụng trong mô hình có đảm bảo độ tin cậy hay không. Bảng 4.2. Kết quả phân tích hệ số Cronbach's Alpha
(Sự tin cậy) STC2 0,527 0,690 0,743 STC3 0,527 0,692 STC4 0,512 0,698 ^^DU DU1 0,577 0,704 (Khả năng đáp DU2 0,569 0,695 0,765 ứng) DU3 0,592 0,699 DU4 0,509 0,739 PTHH PTHH1 0,663 0,790
(Phương tiện hữu PTHH2 0,587 0,812
hình) PTHH3 0,561 0,820 0,833 PTHH4 0,680 0,786 PTHH5 0,683 0,787 ^^NL NL1 0,745 0,827 (Năng lực phục vụ) NL2 0,667 0,858 0,871 NL3 0,761 0,821 NL4 0,727 0,835 SDC SDC1 0,505 0,801 (Sự đồng cảm) SDC2 0,668 0,751 SDC3 0,577 0,780 0,811 SDC4 0,628 0,766 SDC5 0,617 0,768 ^CP ^CP1 0,760 0,739 (Phí dịch vụ) CP2 0,709 0,789 0,846 CP3 0,671 0,824 SHL SHL1 0,683 0,673 0,796
(Sự hài lòng) SHL2 SHL3 0,632 0,602 0,729 0,760 Hệ số KMO (Kaiser-Meyer-Olkin) 0,820 Mô hình kiểm tra của Barlett’s Giá trị Chi-Square 2210,535
Bậc tự do df Nõ
Giá trị p-value (sig.) 0,000
Nhân tố 1 2 3 4 5 6 PTHH1 0,816 PTHH4 0,762 PTHH2 0,738 54
Nguồn: Kết quả phân tích của tác giả trích xuất từ SPSS 20.0.
Kết quả kiểm định độ tin cậy thang đo Cronbach’s Alpha của từng biến quan sát đều đạt yêu cầu. Tất cả các biến đều hệ số tương quan biến tổng của từng biến ≥ 0,3 vì vậy các biến đều được chấp nhận. Ngoài ra hệ số Cronbach Alpha - hệ số Cronbach’s Alpha nếu loại biến ở các thang đo đều từ 0,658 đến 0,871 (≥ 0,6) cho thấy các thang đo đều đạt yêu cầu và có độ tin cậy cao (Nunnally & ctg., 11978). Do đó, các thang đo trong nghiên cứu bao gồm 25 biến quan sát thuộc 6 nhân tố biến độc lập và 3 biến quan sát thuộc nhân tố biến phụ thuộc đều sẽ được giữ lại cho bước phân tích nhân tố khám phá (EFA) để phân tích mối tương quan và giảm kích thuớc biến.
4.3. Phân tích nhân tố khám phá (EFA)
Sau khi phân tích độ tin cậy Cronbach’s Alpha của từng biến, nghiên cứu tiến hành
phân tích các nhân tố khám phá để nhóm các biến quan sát và xem mức độ tương quan giữa các biến.
Nghiên cứu tiến hành phân tích nhân tố khám phá với 6 nhân tố gồm 25 biến quan
sát. Kết quả phân tích nhân tố khám phá EFA như sau:Bảng 4.3. KMO và Ballet’s Test
Nguồn: Trích xuất từ kết quả phân tích dữ liệu của tác giả.
Bảng 4.3 cho thấy kết quả kiểm định của Bartlett là KMO = 0,820 thoả mãn yêu cầu 0,5 ≤ KMO ≤ 1, với mức ý nghĩa là p-value (Sig.) = 0,000 < 0,05. Do đó các biến quan sát tương quan với nhau trên quy mô tổ thể và dữ liệu được sử dụng cho hệ số phân
PTHH5 0,707 PTHH3 0,666 NL1 0,860 NL3 0,844 NL4 0,832 NL2 0,805 SDC2 0,774 SDC5 0,734 SDC4 0,734 SDC3 0,720 SDC1 0,694 DUl 0,802 DU2 0,760 DU3 0,698 DU4 0,606 STC1 0,752 STC2 0,736 STC4 0,715 STC3 0,719 CPĨ 0,866 CP2 0,861 CP3 0,800 Tổng phương sai trích 63,862% Giá trị Eigenvalue thấp nhấp 1,281 Hệ số KMO 0,699 Mô hình kiểm tra của Barlett’s Giá trị Chi-Square 201,843
Bậc tự do df 3
Giá trị p-value (sig.) 0,000
55
Nguồn: Trích xuất từ kết quả phân tích dữ liệu của tác giả.
Dựa vào bảng ma trận xoay nhân tố Rotated Component Matrix ở trên ta thấy các hệ số tải nhân tố Factor loading đều lớn hơn 0,5 đảm bảo ý nghĩa, cho nên không có biến nào bị loại (Hair & ctg., 1998). Hệ số Eigenvalue = 1,281 > 1 đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố, thì nhân tố rút ra có ý nghĩa tóm tắt thông tin
tốt nhất (Garson, 2003). Tổng phương sai trích Extraction Sums of Squared Loadings (Cumulative %) = 63,862% > 50%. Điều này chứng tỏ 6 nhân tố độc lập giải thích được
Biến quan sát Nhân tô SHL1 0,870 SHL2 0,839 SHL3 0,818 Tổng phương sai trích = 71,007% Eigenvalue = 2,130 56
Nguồn: Trích xuất từ kết quả phân tích dữ liệu của tác giả. Dựa vào kết quả phân tích nhân tố phụ thuộc cho thấy:
Hệ số KMO = 0,699 đạt điều kiện (0,5 ≤ KMO ≤ 1) từ đó kết luận phân tích nhân tố là phù hợp (Howard, 2016).
Hệ số Sig. của kiểm định Bartlett’s với sig. = 0,000 (< 0,05) thì các biến quan sát có tương quan với nhau trong tổng thể (Howard, 2016).
SHL STC DU PTHH NL SDC CP
Nguồn: Kết quả phân tích của tác giả trích xuất từ SPSS 20.0.
Kết quả phân tích EFA, hệ số tải nhân tố của các biến quan sát đều thỏa điều kiện khi phân tích nhân tố, hệ số tải của các biến quan sát đều lớn hơn 0.5 (Hair & ctg., 1998).
Hệ số Eigenvalue = 2,130 > 1 đại diện cho phần biến thiên được giải thích bởi mỗi nhân
tố, thì nhân tố rút ra có ý nghĩa tóm tắt thông tin tốt nhất (Garson, 2003). Tổng phương sai trích Extraction Sums of Squared Loadings (Cumulative %) = 71,007% > 50%. Điều
này chứng tỏ rằng 71,007% sự biến thiên của các yếu tố được giải thích (Howard, 2016).
Tóm lại, từ các kết quả trên cho thấy, các điều kiện đều thoả mãn nên phân tích nhân tố khám phá EFA là phù hợp với dữ liệu nghiên cứu và không có sự thay đổi về mặt số lượng các biến quan sát so với ban đầu. Theo đó, có 7 nhân tố (6 nhân tố độc lập và 1 nhân tố phụ thuộc) được rút ra sau khi phân tích EFA:
■ Nhân tố đầu là Phương tiện hữu hình (PTHH) gồm 5 biến: PTHH1, PTHH2, PTHH3, PTHH4, PTHH5.
■ Nhân tố thứ 2 là Năng lực phục vụ (NL) gồm 4 biến: NL1, NL2, NL3, NL4.
■ Nhân tố thứ 3 là Sự đồng cảm (SDC) gồm 5 biến: SDC1, SDC2, SDC3, SDC4,
SDC5. 57
4.4. Phân tích mô hình hồi quy tuyến tính đa biến
4.4.1. Hệ số tương quan
SHL Pearson Correlation 1 0,392 0,477 0,452 0,471 0,425 0,518 Sig. (2-tailed) 0,000 0,000 0,000 0,000 0,000 0,000 STC Pearson Correlation 0,392 1 0,140 0,244 0,186 0,283 0,283 Sig. (2-tailed) 0,000 0,037 0,000 0,006 0,000 0,000 DU Pearson Correlation 0,477 0,140 1 0,476 0,228 0,258 0,309 Sig. (2-tailed) 0,000 0,037 0,000 0,001 0,000 0,000 PTHH Pearson Correlation 0,452 0,244 0,476 1 0,191 0,314 0,220