Sau khi quá trình thu thập dữ liệu hoàn tất, tác giả sẽ làm sạch, mã hóa dữ liệu. Tiếp theo dữ liệu được đưa vào phần mềm SPSS 28.0 để tiến hành phân tích dữ liệu qua các bước sau:
Thống kê mô tả mẫu nghiên cứu: Mô tả tổng quát về đặc điểm của mẫu nghiên cứu và kết quả khảo sát có được bằng các công cụ như: tần số, tỷ lệ phần trăm,...
Kiểm định hệ số tin cậy Cronbach’s Alpha: Trích dẫn nghiên cứu của Nunnally và Bernstein vào năm 1994: “Hệ số tương quan biến tổng hiệu chỉnh (corrected item-
total correlation) lấy tương quan của biến đo lường xem xét với tổng các biến còn lại của thang đo (không tính biến đang xem xét). Nếu một biến đo lường có hệ số tương quan biến tổng (hiệu chỉnh) ≥ 0.30 thì biến đó đạt yêu cầu. Một thang đo có độ tin cậy tốt khi nó biến thiên trong khoảng [0.75 - 0.95]2. Nếu Cronbach α ≥ 0.60 là thang
đo có thể chấp nhận được về mặt độ tin cậy” (Nguyễn Đình Thọ, 2013, trang 365).
Phân tích nhân tố khám phá EFA: Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008b) có đề cập đến các tham số thống kê trong phân tích nhân tố bao gồm:
Chỉ số KMO (Kaiser-Meyer-Olkin measure of sampling adequacy): dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO lớn (giữa 0.5 và 1) thì đủ điều kiện để phân tích nhân tố là thích hợp. Còn nếu trị số KMO nhỏ hơn 0.5 thì phân tích nhân
tố có khả năng không thích hợp với các dữ liệu.
Kiểm định Bartlett: dùng để xem xét giả thuyết các biến không có tương quan trong tổng thể, phân tích chỉ có nghĩa khi giá trị của Sig nhỏ hơn 0.05 (Hair và ctg 2006).
Chỉ số Eigenvalue: đại diện cho phần biến thiên được giải thích của mỗi nhân tố. Những nhân tố có chỉ số Eigenvalue lớn hơn 1 mới được giữ lại trong mô hình, những
nhân tố có chỉ số Eigenvalue nhỏ hơn 1 sẽ bị loại khỏi mô hình (Hair và ctg 2006). Hệ số tải nhân tố (Factor loading): là những hệ số tương quan giữa các nhân tố và các
biến. Các biến có hệ số tải nhân tố được chấp nhận khi lớn hơn 0.5 và bị loại khỏi mô
hình khi nhỏ hơn 0.5 (Hair và ctg 2006).
Kiểm định hệ số tương quan: Kiểm định hệ số tương quan Pearson nhằm mục đích lượng hoá mức độ chặt chẽ của mối quan hệ tuyến tính giữa các biến độc lập và biến phụ thuộc. Nếu Sig. ≤ 0.05 thì giữa các biến độc lập và biến phụ thuộc có tương quan với nhau. Hệ số tương quan Pearson được ký hiệu là r: -1 ≤ r ≤ +1 (Hoàng Trọng và Chu Nguyễn Mộng Ngọc 2008a).
Giá trị tuyệt đối của r càng tiến gần đến 1 khi hai biến có mối tương quan tuyến tính chặt chẽ.
Giá trị r = 1: khi tất cả điểm phân tán xếp thành một đường thẳng trên đồ thị Scatter.
Giá trị r = 0: khi hai biến không có mối quan hệ tuyến tính. Khi đó sẽ xảy ra hai trường hợp, một là không có mối quan hệ giữa hai biến, hai là hai biến có mối quan hệ nhưng hệ số r nhỏ gần bằng 0 gọi là phi tuyến.
Phân tích hồi quy tuyến tính:
Hệ số phóng đại phương sai (Variance Inflation Factor - VIF): để kiểm tra hiện tượng
đa cộng tuyến của các biến độc lập. Nếu VIF của một biến độc lập > 10 sẽ xảy ra hiệnTự tương quan dương: 0 < d < 1
40
Tự tương quan âm: 3 < d < 4
Phân tích sự khác biệt của các biến:
Kiểm định trung bình hai mẫu độc lập (Independent-Sample T-Test): kiểm định sự khác biệt trung bình trong trường hợp biến định tính có hai giá trị (Hoàng Trọng và Chu Nguyễn Mộng Ngọc 2008a):
Nếu giá trị Sig. của kiểm định Levene < 0.05 thì phương sai sẽ khác nhau, ta sẽ sử dụng kết quả kiểm định T-Test ở mục giả định phương sai không bằng nhau. Nếu giá trị Sig. của kiểm định Levene ≥ 0.05 thì phương sai sẽ không khác nhau, ta sẽ sử dụng kết quả kiểm định T-Test ở mục giả định phương sai bằng nhau.
Nếu giá trị Sig. của kiểm định T-Test < 0.05 thì ta kết luận có sự khác biệt có ý nghĩa thống kê. Nếu giá trị Sig. của kiểm định T-Test ≥ 0.05 thì ta kết luận không có sự khác biệt có ý nghĩa thống kê.
Phương pháp phân tích phương sai một yếu tố (ANOVA): kiểm định sự khác biệt trung bình trong trường hợp các biến định tính có từ 3 nhóm trở lên (Hoàng Trọng và
Chu Nguyễn Mộng Ngọc 2008a):
Nếu giá trị Sig. ≥ 0.05 thì ta kết luận không có sự khác biệt có ý nghĩa thống kê giữa các nhóm trong biến quan sát.
Nếu giá trị Sig. < 0.05 thì ta kết luận có sự khác biệt có ý nghĩa thống kê giữa các nhóm trong biến quan sát.
TÓM TẮT CHƯƠNG 3 (adsbygoogle = window.adsbygoogle || []).push({});
Trong chương này tác giả đã trình bày về quy trình nghiên cứu và xây dựng khái niệm
cho các giả thuyết bao gồm Hữu ích mong đợi, Dễ sử dụng mong đợi, Ảnh hưởng xã hội, Điều kiện thuận lợi, Khả năng tương thích, Nhận thức kiểm soát hành vi và Ý định sử dụng. Bên cạnh đó, tác giả đã hoàn chỉnh được thang đo chính thức nhằm đến
Tần số Tỷ lệ (%) Giới tính Nam 65 33.0 % ^Nu 132 67.0 % Tổng 197 100 %
Độ tuổi Dưới 20 tuổi 25 12.7
%
Chương tiếp theo, tác giả sẽ trình bày về kết quả của nghiên cứu: thống kê mô tả mẫu
nghiên cứu, kiểm định thang đo, kiểm định mô hình hồi quy và phân tích sự khác biệt
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
Trong chương 4 sẽ tiến hành phân tích dữ liệu thu được nhằm đưa ra kết quả nghiên cứu: kiểm định thang đo bằng hệ số tin cậy Cronbach’s Alpha, phân tích nhân tố khám phá EFA, kiểm định hệ số tương quan, phân tích hồi quy tuyến tính, phân tích sự khác biệt giữa các biến. Bên cạnh đó, tác giả cũng kiểm định mô hình hình nghiên
cứu và các giả thuyết nghiên cứu đã đề xuất về các nhân tố ảnh hưởng đến ý định sử dụng VĐT của SV trường Đại học Ngân hàng TP. Hồ Chí Minh.