Phương pháp hệ số tin cậy Cronbach’s Alpha và hệ số tương quan cùng với biến tổng được áp dụng vào bài khóa luận nhằm kiểm tra độ tin cậy của thang đo, từ đó tác giả có thể loại bỏ ra các biến không thõa mãn điều kiện (khơng phù hợp) để đưa vào mơ hình vì các biến rác này có thể tạo ra các yếu tố giả hay làm giảm hệ số tin cậy của mơ hình. Qua đó, tác giả sẽ loại các biến quan sát có hệ số tương quan biến - tổng nhỏ hơn 0.3 và tiêu chuẩn để chọn thang đo phù hợp khi hệ số tin cậy Cronbach’s Alpha lớn hơn
0.6 (Alpha càng lớn thì độ tin cậy nhất quán nội tại càng cao, (theo Nunally
& Burnstein, 1994).
3.2.2.2 Phân tích nhân tố khám phá
Sau khi sử dụng hệ số tin cậy Cronbach’s Alpha để loại bỏ các biến không phù hợp. Tiếp theo, tác giả sẽ sử dụng phương pháp phân tích nhân tố khám phá (EFA) để xem mức độ phù hợp của các biến còn lại. Việc đánh giá dựa trên các tiêu chí sau:
• Hệ số tải nhân tố (Factor loading) : là trọng số nhân tố thể hiện mối quan hệ tương quan giữa biến quan sát với nhân tố và phải thõa điều kiện: Factor loading lớn hơn 0.5 thì mới được xem là nó có ý nghĩa thực tiễn.
• Kiểm định Bartlett : có ý nghĩa thống kê khi sig. < 0.05, chứng tỏ các biến quan sát có mối tương quan với nhau trong tổng thể. (Theo Hồng Trọng & Chu Nguyễn Mộng Ngọc, 2008)
• Hệ số KMO (Kaiser - Meyer - Olkin) : được sử dụng để xem xét sự thích hợp của EFA. EFA được cho là thích hợp khi trị số KMO phải đạt giá trị từ 0.5 trở lên (0.5 ≤ KMO ≤ 1) là điều kiện đủ để phân tích nhân tố là phù hợp. Ngược lại, nếu KMO < 0.5 thì phân tích nhân tố có thể khơng phù hợp với dữ liệu.
• Trị số Eigenvalue : dùng để xác định số lượng nhân tố trong phân tích EFA. Trong tiêu chí này, các nhân tố chỉ được rút trích tại Eigenvalue ≥ 1 thì mới được giữ lại trong mơ hình phân tích, điều đó chứng tỏ nhân tố được rút trích ra có ý nghĩa tóm tắt thơng tin tốt hơn biến gốc và được chấp nhận khi tổng phương sai trích lớn hơn hoặc bằng 50%.
(Theo Anderson & Gerbing, 1988)
3.2.2.3 Phân tích hồi quy đa biến
• Phân tích tương quan:
Tác giả sử dụng hệ số tương quan Pearson để kiểm định mối tương quan tuyến tính giữa biến phụ thuộc và các biến độc lập. Với tiêu chí này, khi hệ số Pearson càng tiến về 1 thì tương quan giữa hai biến này càng mạnh, càng chặt chẽ. Đồng thời giá trị Sig. < 0.05 thì hệ số tương quan Pearson mới có ý nghĩa thống kê. Qua đó, tác giả tiếp tục tiến hành điều chỉnh lại các giả thuyết nghiên cứu sao cho nó phù hợp nhất. Trong phân tích tương quan thì các biến có tính chất đối xứng và khơng có sự phân biệt.
• Phân tích hồi quy :
Là việc ước lượng hay dự báo một biến (biến phụ thuộc) trên cơ sở giá trị đã cho của các biến khác (biến độc lập). Trong phân tích hồi quy các biến khơng có tính chất đối xứng : biến phụ thuộc là đại lượng ngẫu nhiên và các biến giải thích cho giá trị biến độc lập sẽ được xác định. Để làm được những điều đó, tác giả đã sử dụng phần mềm SPSS Version 23.0 để xác định kết quả hồi quy cho mơ hình nghiên cứu về các nhân tố tác động đến sự hài lòng của KHDN vay vốn tại MB Độc Lập.
• Kiểm định các giả thuyết và độ phù hợp của mơ hình :
- Hiện tượng đa cộng tuyến: theo Hair & cộng sự (2006), nếu hệ số phóng đại phương sai VIF (variance inflation factor) của một biến độc lập bất kì lớn hơn 10 thì chắc chắc có đa cộng tuyến, nhưng biến này hầu như là khơng có giá trị giải thích biến phụ thuộc có trong mơ hình nghiên cứu. - Xem xét mức độ phù hợp của mơ hình: theo Hoàng Trọng & Chu
Nguyễn Mộng Ngọc (2008), thì hệ số R cho thấy độ lớn giữa mối liên hệ của các biến độc lập và biến phụ thuộc với nhau. Trong khi hệ số R2sẽ chỉ ra tỉ lệ biến thiên của biến phụ thuộc được giải thích bằng các biến độc lập, đồng thời R2 càng cao thì khả năng giải thích của mơ hình hồi quy càng lớn và việc dự đốn sẽ càng chính xác hơn. Chính vì vậy, tác giả đã sử dụng R2 hiệu chỉnh để phản ánh sát hơn mức độ phù hợp của
mơ hình hồi quy đa biến do nó khơng phụ thuộc vào cái độ phóng đại của R2.
3.3 Dữ liệu nghiên cứu
Nguồn số liệu sơ cấp phục vụ cho kiểm định mơ hình đựợc thu thập thơng qua khảo sát khách hàng.
• Đối tượng khảo sát: là khách hàng doanh nghiệp đã và đang sử dụng sản phẩm cho vay của Ngân hàng TMCP Quân Đội - PGD Độc Lập.
• Phương pháp khảo sát: khảo sát thuận tiện bằng hình thức trực tuyến thơng qua bảng câu hỏi được thiết kế dựa trên thang đo chính thức và thang đo Likert 5 điểm.
• Thời gian khảo sát: từ 3/2021 đến 5/2021.
• Kích thước mẫu: Theo Hair và cộng sự (2006) thì phương pháp phân tích nhân tố EFA có kích thước mẫu tối thiểu là 5 mẫu cho mỗi tham số cần ước lượng. Do nghiên cứu này có 24 biến quan sát nên kích thước mẫu là n = 5 x 24= 120.
Để đạt được kích thước mẫu như trên, tác giả đã phát ra số lượng bảng câu hỏi khảo sát là 200, thu về được 150 bảng. Sau khi kiểm tra các thông tin cần thiết, tác giả phải loại bỏ thêm 15 bảng nữa vì có những thơng tin bị bỏ trống. Do đó, số lượng bảng khảo sát hợp lệ, đủ điều kiện để đưa vào xử lý chỉ còn lại 135 bảng và đã đáp ứng được yêu cầu về kích thước mẫu.
Kết luận chương 3
Nội dung chương này trình bày mơ hình nghiên cứu, mơ tả các biến và phương pháp nghiên cứu, cách thức xây dựng thang đo, phương pháp chọn mẫu, q trình thu thập thơng tin, cơng cụ xử lý dữ liệu và các kỹ thuật phân tích dữ liệu được sư dụng trong quá trình nghiên cưu nhằm mục tiêu đánh giá thang đo các khái niệm nghiên cứu và kiểm định mơ hình. Dựa trên
Biến quan sát Trung bình thang đo nếu loại bỏ biến Phương sai thang đo nếu loại bỏ biến Hệ số tương quan biến - tổng Hệ số Cronbach's Alpha nếu loại bỏ biến
Sự tin cậy (REL), Alpha=
0.795
REL 1 7,70 1,228 ,654 ,704
REL 2 7,67 1,251 ,633 ,726