4.3.2.1 Phân tích khám phá đối với các biến độc lập
Ket quả phân tích nhân tố khám phá đối với yếu tố độc lập cho thấy:
Bảng 4.11 KMO and Bartlett's Test
KMO and Bartlett's Test
Nguồn: Kết quả phân tích số liệu bằng SPSS
Chỉ số KMO là 0,755 lớn hơn 0,5 và mức ý nghĩa của kiểm định Bartlett là 0,00 nhỏ hơn 0,05, chứng tỏ dữ liệu nghiên cứu phù hợp để phân tích EFA.
33 biến quan sát được trích vào 08 yếu tố tại Eigenvalue = 1,124 và phương sai trích đạt 74,08%. Các biến quan sát rút trích vào các yếu tố có trọng sổ tải nhân tố (Factor Loading) lớn hơn 0,5 nên được giữ lại trong thang đo. Kết quả phân tích nhân tố khám phá đối với yếu tố độc lập được trình bày ở phụ lục 3.
4.3.2.2 Phân tích khám phá đối với biến phụ thuộc
Bảng 4.12 KMO and Bartlett's Test cho biến phụ thuộc
QD1 0,826 2,358 78,601 0,864 QD2 0,794 QD3 0,738 ________________________________________Correlations______________________________________ QD UT LS TD TT CL PC CT CN QD Pearson Correlation ______1 Sig. (2-tailed)_____ Pearson Correlation -.071 ______1 UT Sig. (2-tailed)_____ . 238 Pearson Correlation 537. 059-. ______1 LS Sig. (2-tailed)_____ . 000 327. Pearson Correlation 304. 048-. 148. ______1 TD Sig. (2-tailed)_____ . 000 429. 013. Pearson Correlation 644. 131-. 593. .282 ______1 TT Sig. (2-tailed)_____ . 000 029. 000. .000
Nguồn: Kết quả phân tích số liệu bằng SPSS
Kết quả phân tích nhân tố khám phá đối với yếu tố phụ thuộc cho thấy:
Chỉ số KMO là 0,724 lớn hơn 0,5 và mức ý nghĩa của kiểm định Bartlett là 0,000 nhỏ hơn 0,05, chứng tỏ dữ liệu nghiên cứu phù hợp để phân tích EFA.
03 biến quan sát được trích vào 01 yếu tố tại Eigenvalue = 2,358 và phương sai trích đạt 78,601%. Các biến quan sát đều có hệ số tải nhân tố lớn hơn 0,05 và giải thích cho yếu tố Quyết định. Kết quả phân tích nhân tố khám phá đối với yếu tố phụ như sau:
Bảng 4.13 Kết quả phân tích EFA đối với yếu tố phụ thuộc
Nguồn: Kết quả phân tích số liệu bằng SPSS 4.3.3 Mô hình nghiên cứu
Mô hình hồi quy tuyến tính được thể hiện như sau:
QD = βo + β1.UT + β2.LI + β3.TD + β4.TT + β5.CL + β6.PC+ β7.CT + β8.CN + ɛ
PC Pearson Correlation 288. 071-. -.036 -.037 -.057 -.011 ______1 Sig. (2-tailed)_____ . 000 234. .550 .542 .341 .853 CT Pearson Correlation 627. 032-. .644 .173 .627 .868 .068 ______1 Sig. (2-tailed)_____ 000. 598. .000 .004 .000 .000 .259 CN Pearson Correlation 626. 008-. .583 .189 .830 .591 .017 .707 ______Ị- Sig. (2-tailed)_____ 000. 899. .000 .001 .000 .000 .775 .000
Model ____________Collinearity Statistics_________ _______Tolerance_____ ________VIF________ (Constant) UT .948 1.055 LS .482 2.075 1 TD .909 1.100 TT .241 4.145 CL .192 5.207 ____ PC .955 1.047
**. Correlation is significant at the 0.01 level (2-tailed).
*. Correlation is significant at the 0.05 level
Nguồn: Kết quả phân tích số liệu bằng SPSS
Ma trận hệ số tương quan Pearson cho thấy có mối quan hệ với nhau giữa các biến độc lập, tức là các biến độc lập giải thích ý nghĩa cho nhau thông qua giá trị Sig. giữa các biến độc lập là 0,00 (nhỏ hơn 0,05) và hệ số tương quan giữa các biến độc lập không quá lớn (nhỏ hơn 0,46) cho thấy khó có thể xảy ra hiện tượng đa cộng tuyến. Ma trận hệ số tương quan Pearson trong bảng 4.14 cũng cho thấy mối quan hệ chặt chẽ giữa biến độc lập và biến phụ thuộc, các biến độc lập giải thích ý nghĩa cho biến phụ thuộc với hệ số tương quan khá cao. Biến UT (Uy tín ngân hàng) có hệ số Sig. lớn hơn 0,1 nhiều khả năng sẽ không có ảnh hưởng đến biến QD, cần có các kiểm định tiếp theo để khẳng định điều này. Đồng thời, hệ số tương quan giữa CN (Ứng dụng công nghệ) và TT (Sự thuận tiện); CT (Hình thức chiêu thị) và CL (Chất lượng dịch vụ) lớn hơn 0,8 nên có khả năng xảy ra hiện tượng đa cộng tuyến.
Bảng 4.15 Kiểm định đa cộng tuyến
_________________
Model Unstandardized
Coefficients zedStandardi Coefficie nts t Sig. B Std. Error Beta (Constan t) UT .020 .052 .015 .398 .692 LS .098 .049 .110 2. 003 .046 TD .181 .050 .142 3. 595 .000 1 TT .415 .107 .301 3. 856 .000 CL .179 .101 .165 1. 792 .074 PC .252 .032 .307 7. 931 .000 CT .135 .112 .109 1. 211 .228 __________CN ________.1 45 ________.105 ________.112 398 1. ________.164
Nguồn: Kết quả phân tích số liệu bằng SPSS
Bảng 4.15 cho thấy hệ số VIF nhỏ hơn 10 nên mô hình không tồn tại hiện tượng đa cộng tuyến. Theo nghiên cứu Hair và cộng sự (1995), họ đã chứng minh rằng hệ số VIF nhỏ hơn 10 là chấp nhận được. Từ đó, nguyên tắc chung được đưa ra trong nghiên cứu đối với kiểm định hiện tượng đa cộng tuyến: trường hợp VIF nào vượt quá 10, điều đó có nghĩa là các hệ số hồi quy liên quan được ước lượng không hiệu quả kém do hiện tượng đa cộng tuyến (Montgomery và cộng sự, 2001). Mặc dù các hệ số VIF đều thoả nhưng hệ số tương quan vẫn vi phạm, nên tác giả thực hiện hồi quy nhiều lần, với mỗi lần hồi quy sẽ loại bỏ các biến có hệ số tương quan lớn hơn 0,8.
Bảng 4.16 Kết quả hồi quy lần 1
B Std.
Error Beta ceToleran VIF (Constant ) 1.654- 288 . 5.763- 000. LS . 100 . 048 . 112 2.038 . 043 . 483 2.0 72 TD . 178 050 . 143 . 3.578 000. 909 . 00 1.1 1 TT . 381 102 . 274 . 3.816 000. 254 . 83 3.7 CL . 273 065 . 245 . 4.188 000. 455 . 91 2.1 PC . 256 031 . 312 . 8.168 000. 980 . 21 1.0 CN ________________ _______.2 13 _______.090 _______.165 2.335 020. _______.280 50 3.4 a. Dependent Variable: QD
Nguồn: Kết quả phân tích số liệu bằng SPSS
Kết quả hồi quy lần 1 có sự hiện diện của tất cả 8 nhân tố, và kết quả có 4 nhân tố mang ý nghĩa thống kê ở mức 5% bao gồm Lãi suất, Tác động, Thuận tiện, Phong cách. Tuy nhiên, vì mô hình nghi ngờ có hiện tượng đa cộng tuyến và số lượng nhân tố có ý nghĩa thống kê ít, nên tác giả tiến hành hồi quy lần 2, bằng cách loại bỏ hai nhân tố UT và CT vì hai nhân tố này mang ý nghĩa thống kê ở mức cao tại kết quả hồi quy lần 1. Kết quả hồi quy lần 2 được thể hiện ở bảng 4.17.
Bảng 4.17 Ket quả hồi quy lần 2
Nguồn: Kết quả phân tích số liệu bằng SPSS
Kết quả hồi quy lần 2 ở bảng 4.17 cho thấy tất cả biến đều có ý nghĩa thống kê ở mức 5%. Trong đó, yếu tố PC (Phong cách nhân viên) có tác động mạnh nhất đến QD (quyết định gửi tiền của khách hàng); trong khi yếu tố LS (Lãi suất) có ảnh hưởng yếu nhất đến quyết định gửi tiền của khách hàng.
Kết quả phân tích hồi quy tuyến tính cho thấy mô hình bao gồm 06 yếu tố độc lập bao gồm LS, TD, TT, CL, PC, CN là phù hợp nhất với hệ số R2 điều chỉnh đạt 60,5% và các yếu tố độc lập hoàn toàn phù hợp mô hình với khả năng giải thích cho yếu tổ phụ thuộc là 60,5%. Kết quả kiểm định độ phù hợp của mô hình cho thấy mô hình có giá trị kiềm định F = 71,541 có ý nghĩa thống kê (Sig = 0,000 < 0,05). Nghĩa là, giả thuyết: Tập hợp các biến độc lập không có mối liên hệ với biến phụ thuộc bị bác bỏ.
Giả định về phân phối chuẩn của phần dư: Quan sát biểu đồ tần số phần dư chuẩn hóa Histogram cho thấy, giá trị trung bình của các quan sát Mean ≈ 0 và độ lệch chuẩn Std. Dev = 0,985 (xấp xỉ 1). Vì thế, cho phép kết luận giả định phần dư có phân phối chuẩn không bị vi phạm (Hình 4.2).
Dependent Variable; QD
Regression Standardized Residual
Mawi--STSE-16
Std fj=37Bi*1--=i a≈
Hình 4.2 Biểu đồ tần số phần dư chuẩ hóa Histogram
Giả định không có hiện tượng tương quan giữa các sai số ngẫu nhiên: Kết quả kiểm định giá trị Durbin -Watson thông qua phân tích hồi quy cho thấy giá trị Durbin -Watson nằm trong khoảng chấp nhận 1 < d = 2,135< 3; do đó ta có thể kết luận không có hiện tượng tự tương quan giữa các sai số ngẫu nhiên.
Giả định không có hiện tượng đa cộng tuyến giữa các biến độc lập: Công cụ được sử dụng để phát hiện tồn tại hiện tượng đa cộng tuyến là độ chấp nhận của biến (Tolérance) hoặc hệ số phóng đại phương sai (Variance inflation factor -VIF). Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), qui tắc chung là VIF > 10 là dấu hiệu đa cộng tuyến. Kết quả đánh giá mức độ đa cộng tuyến thông qua phân tích hồi quy cho thấy hệ số phóng đại phương sai của các yếu tổ đều nhỏ hơn 10; do đó ta có thể kết luận không có hiện tượng đa cộng tuyến giữa các biến độc lập.
4.3.4 Kiểm định các giả thuyết mô hình4.3.4.1 Giả thuyết H1