3.3.1. Thiết kế mẫu nghiên cứu
Trong bài nghiên cứu tác giả sử dụng phương pháp phân tích nhân tố khám phá EFA chính vì thế mẫu tối thiểu tốt nhất là 50 tốt hơn là 100 và tỉ lệ giữa quan sát với biến
đo lường là 5:1, nghĩa là 1 biến đo lường cần tối thiểu là 5 quan sát, tốt nhất là 10:1 trở lên (J. F. Hair, William C Black, Barry J Babin, Rolph E Anderson, and Ronald L Tatham,
2009). Nghiên cứu trên bao gồm 24 biến quan sát chính vì thế kích thước mẫu tối thiểu là 24*5=120 (24*10=240 là tốt nhất). Bên cạnh đó để phân tích hồi quy tuyến tính, quy mô mẫu phải thoả mãn n ≥ 50 + 8p (trong đó: n là kích thước mẫu tối thiểu cần thiết, p là
biến độc lập trong mô hình) (Thọ, 2011). Mô hình nghiên cứu trên gồm có 6 biến độc lập
suy ra mẫu tối thiểu cần là 50+8*6=98. Từ hai điều kiện trên, quy mô mẫu cần cho nghiên
cứu này tối thiểu là 120 quan sát (240 là tốt nhất).
3.3.2. Đối tượng nghiên cứu
Đề tài nghiên cứu tác động của các yếu tố đến quyết định sử dụng dịch vụ Internet
Banking của sinh viên tại TP.HCM chính vì thế đối tượng khảo sát của nghiên cứu chính là những sinh viên hiện nay đang sinh sống và học tập tại TP.HCM.
3.3.3. Phương pháp chọn mẫu
Có nhiều phương pháp chọn mẫu được chia thành hai nhóm chính là phương pháp chọn mẫu theo xác suất và chọn mẫu không theo xác suất. Để thuận tiện cho quá trình nghiên cứu cũng như đảm bảo tiến độ thực hiện và ngân sách cho phép đề tài sử dụng phương pháp chọn mẫu thuận tiện - là phương pháp chọn mẫu phi xác suất trong đó tiếp cận với phần tử mẫu bằng phương pháp thuận tiện nghĩa là chọn bất kì sinh viên nào mà tác giả có thể tiếp cận được không phân biệt giới tính, thu nhập,...
3.3.4. Cách thức thu thập dữ liệu
Sau khi đã xác định kích thước mẫu và phương pháp chọn mẫu, tiến hành nghiên
cứu thu thập dữ liệu thông qua công cụ khảo sát trực tuyến đối với những sinh viên đang sinh sống và học tập tại TP.HCM dựa trên mối quan hệ quen biết giữa tác giả với người khảo sát hoặc thông qua bạn của người tham gia khảo sát.
3.4. PHƯƠNG PHÁP PHÂN TÍCH DỮ LIỆU
Trong nghiên cứu này, tác giả sử dụng phần mềm SPSS 20.0 để hỗ trợ phân tích dữ liệu. Với những dữ liệu thu về từ khảo sát, sau khi loại bỏ những phiếu không đạt yêu cầu, tác giả tiến hành mã hoá, làm sạch dữ liệu và sử dụng một số phương pháp phân tích.
3.4.1. Phương pháp thống kê mô tả
Phân tích thống kê mô tả là quá trình chuyển dịch dữ liệu thô thành những dạng thích hợp hơn cho việc hiểu và giải thích. Cụ thể:
- Với biến định tính (giới tính, độ tuổi, trình độ học vấn, thâm niên làm việc, thu
nhập theo tháng) nghiên cứu dùng công cụ tần suất (frequencies) và phần trăm (percent). - Với các biến định lượng (continuous) sử dụng công cụ tính giá trị trung bình (mean), giá trị nhỏ nhất (minimum), giá trị lớn nhất (maximum).
3.4.2. Phương pháp kiểm định độ tin cậy - Cronbach’s Alpha
Hệ số tin cậy Cronbach’s Alpha chỉ cho biết các đo lường có liên kết với nhau hay không; nhưng không cho biết biến quan sát nào cần bỏ đi và biến quan sát nào cần giữ lại. Khi đó, việc tính toán hệ số tương quan giữa biến - tổng sẽ giúp loại ra những biến quan sát nào không đóng góp nhiều cho sự mô tả của khái niệm cần đo (Hoàng & Chu, 2008). Các tiêu chí được sử dụng khi thực hiện đánh giá độ tin cậy thang đo Cronbach’s Alpha:
- Loại các biến quan sát có hệ số tương quan biến - tổng nhỏ (nhỏ hơn 0,3); tiêu
chuẩn chọn thang đo khi có độ tin cậy Alpha lớn hơn 0,6 (Alpha càng lớn thì độ tin cậy nhất quán nội tại càng cao) (Nunnally & Bernstein, 1994)
- Các mức giá trị của Alpha: lớn hơn 0,8 là thang đo lường tốt; từ 0,7 đến 0,8là sử dụng được; từ 0,6 trở lên là có thể sử dụng trong trường hợp khái niệm nghiên cứulà mới hoặc là mới trong bối cảnh nghiên cứu (Nunnally, 1978)
- Các mức giá trị của Alpha: lớn hơn 0,8 là thang đo lường tốt; từ 0,7 đến 0,8là sử dụng được; từ 0,6 trở lên là có thể sử dụng trong trường hợp khái niệm nghiên cứulà mới hoặc là mới trong bối cảnh nghiên cứu (Nunnally, 1978)
3.4.3. Phân tích nhân tố khám phá (EFA)
Phương pháp phân tích nhân tố EFA thuộc nhóm đa biến phụ thuộc lẫn nhau, nghĩa là không có biến phụ thuộc và biến độc lập mà nó dựa vào mối tương quan giữa các biến với nhau. EFA dùng để rút gọn một tập k biến quan sát thành một tập F (F < k) các yếu tố có ý nghĩa hơn. Cơ sở của việc rút gọn này dựa vào mối quan hệ tuyến tính của các yếu tố với các biến nguyên thuỷ (biến quan sát). Phân tích nhân tố EFA trong đề tài sử dụng phương pháp trích hệ số là Principal Component Analysis và phép quay Varimax để phân nhóm các yếu tố bởi vì các biến quan sát đo lường 6 khái niệm thành phần và khái niệm sự hài lòng đều là thang đo đơn hướng. Nếu các hệ số tương quan nhỏ
hơn 0.30, khi đó sử dụng EFA không phù hợp (Hair, Black, Babin, & Anderson, 2009). Các tiêu chí trong phân tích EFA:
- Hệ số Kaiser - Meyer - Olkin (KMO) là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố thoả mãn 0.5 ≤ KMO ≤ 1. Neu chỉ số này nhỏ hơn 0.5 thì phân tích
nhân tố có khả năng không thích hợp với dữ liệu nghiên cứu. Để sử dụng được hệ số KMO thì chỉ số này phải lớn hơn 0.5 (Hair et al., 2009)
- Bartlett’s test of sphericity: Bartlett là đại lượng thống kê dùng để xem xét các
giả thuyết biến không có tương quan trong tổng thể. Nếu kiểm định Bartlett có ý nghĩa thống kê Sig < 5% (0.05) thì các biến quan sát có mối tương quan với nhau trong tổng thể (Hair et al., 2009).
- Chỉ số Eigenvalue là một tiêu chí sử dụng để xác định số lượng yếu tố trong phân tích EFA. Những yếu tố nào có Eigenvalue ≥ 1 mới được giữ lại trong mô hình phân
tích các yếu tố có Eigenvalue <1 sẽ bị loại khỏi mô hình. Phương sai trích (Variance Explained Criteria): tổng phương sai trích phải lớn hơn 50% (Hair et al., 2009)
- Total Variance Explained (Tổng phương sai trích) ≥ 50% cho thấy mô hình là phù hợp. Coi biến thiên là 100% thì trị số này thể hiện các yếu tố được trích cô đọng được
bao nhiêu % và bị thất thoát bao nhiêu % của các biến quan sát.
- Hệ số tải yếu tố (Factor loading): Theo (Hair et al., 2009) hệ số tải yếu tố hay còn gọi là trọng số yếu tố (Factor loading) là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA là Factor loading > 0.3 được xem là đạt mức tối thiểu, nếu Factor loading > 0.4 được xem là quan trọng hoặc Factor loading > 0.5 được xem là có ý nghĩa thực tiễn.
3.4.4. Phân tích hồi quy đa biến
3.4.4.1. Xây dựng phương pháp hồi quy
Sau khi kiểm định các thang đo, thì dữ liệu sẽ được xử lý để chạy hồi quy tuyến tính thực hiện bằng cách ước lượng tổng bình phương nhỏ nhất (OLS) với phương pháp đồng thời (Enter).
3.4.4.2. Phân tích tương quan hệ số Pearson
Hệ số tương quan Pearson (Pearson correlation coefficient, kí hiệu r) đo lường mức độ tương quan tuyến tính giữa hai biến. Kiểm định hệ số tương quan Pearson dùng để kiểm tra mối liên hệ tuyến tính giữa các biến độc lập và biến phụ thuộc. Nếu các biến độc lập với nhau có tương quan chặt thì phải lưu ý đến vấn đề đa cộng tuyến khi phân tích hồi quy (giả thuyết H0: hệ số tương quan bằng 0). Hệ số tương quan Pearson (r) có giá trị giao động trong khoảng liên tục từ -1 đến +1:
Nếu r càng tiến về 1, -1: tương quan tuyến tính càng mạnh, càng chặt chẽ. Tiến về 1 là tương quan dương, tiến về -1 là tương quan âm.
Nếu r càng tiến về 0: tương quan tuyến tính càng yếu.
Nếu r = 1: tương quan tuyến tính tuyệt đối, khi biểu diễn trên đồ thị phân tán Scatter, các điểm biểu diễn sẽ nhập lại thành 1 đường thẳng.
Nếu r = 0: không có mối tương quan tuyến tính. Lúc này sẽ có 2 tình huống xảy ra. Một, không có một mối liên hệ nào giữa 2 biến. Hai, giữa chúng có mối liên hệ phi tuyến.
3.4.4.3. Kiểm định sự phù hợp của mô hình
Sau khi kết luận được các biến có mối quan hệ tuyến tính thì có thể mô hình hoá
mối quan hệ nhân quả này bằng hồi quy tuyến tính (Hoàng & Chu, 2008). Đánh giá mức độ phù hợp của mô hình hồi quy đa biến thông qua R2 và R2 hiệu chỉnh, kiểm định ANOVA.
Hệ số R2 (R Square) và R2 hiệu chỉnh. Hai giá trị này dùng đo sự phù hợp của mô hình hồi quy, còn gọi là hệ số xác định (Coefficient of Determination) nghĩa là các biến (nhân tố) độc lập giải thích được bao nhiêu phần trăm (%) biến thiên của biến phụ thuộc. Giá trị R2 dao động từ 0 đến 1. R2 càng gần 1 thì mô hình đã xây dựng càng phù hợp với bộ dữ liệu dùng chạy hồi quy. R2 càng gần 0 thì mô hình đã xây dựng càng kém phù hợp với bộ dữ liệu dùng chạy hồi quy. Thông thường, R2 > 50% mô hình phù hợp.
Kiểm định ANOVA được sử dụng để kiểm định mức độ phù hợp của mô hình tương quan, tức là có hay không có mối quan hệ giữa các biến độc lập hay biến phụ thuộc.
Thực chất của kiểm định ANOVA đó là kiểm định xem biến phụ thuộc có liên hệ tuyến tính với toàn bộ tập hợp các biến độc lập hay không, và giả thuyết H0 được đưa ra là Hệ số xác định R = 0. Giá trị Sig. nhỏ (thường < 5%) hơn mức ý nghĩa kiểm định sẽ giúp khẳng định sự phù hợp của mô hình hồi quy (Hoàng & Chu, 2008). Kết quả kiểm định ANOVA:
Sig. < 0.05: Bác bỏ giả thuyết H0, nghĩa là có sự khác biệt trung bình một cách có ý nghĩa thống kê giữa các nhóm giá trị.
Sig. > 0.05: Chấp nhận giả thuyết H0, nghĩa là không có sự khác biệt trung bình một cách có ý nghĩa thống kê giữa các nhóm giá trị.
3.4.4.4. Kiểm tra sự vi phạm các giả định của mô hình
Mô hình tuyến tính được thực hiện bằng phương pháp OLS với một số giả định và mô hình chỉ thực sự có ý nghĩa khi các giả định này được đảm bảo. Do vậy để đảm bảo độ tin cậy của mô hình, cần dò tìm sự vi phạm các giả định cần thiết.
Kiểm định hiện tượng liên hệ tuyến tính giữa các biến thông qua biểu đồ phân tán Scatterplot. Ta cần chú ý đến phần dư chuẩn hoá (Regression Standardized Residual) và giá trị dự đoán chuẩn hoá (Regression Standardized Predicted Value).
- Kiểm định phân phối chuẩn phần dư thông qua đồ thị Histogram về mặt lí thuyết phân phối chuẩn là phân phối có trung bình bằng 0, phương sai bằng 1.
- Kiểm định hiện tượng tự tương quan: đây là một dạng vi phạm các giả thuyết cơ bản số hạng nhiễu, thông qua Durbin - Watson để kiểm tra tương quan chuỗi bậc nhất.
- Kiểm định hiện tượng đa cộng tuyến: Đa cộng tuyến là một hiện tượng trong có các biến độc lập có tương quan chặt chẽ với nhau. Vấn đề của hiện tượng đa cộng tuyến là chúng cung cấp cho mô hình những thông tin giống nhau và rất khó tách ảnh
hưởng của từng biến một. Thông qua hệ số phóng đại phương sai VIF (Variance Inflation
Factor) để kiểm tra vấn đề trên. Nếu VIF lớn hơn hoặc bằng 10 thì có hiện tượng đa cộng
tuyến (Hoàng & Chu, 2008).
3.4.4.5. Kiểm định các giả thuyết hồi quy
Tiêu chuẩn kiểm định sử dụng thống kê t và giá trị Sig. Giá trị Sig. được so sánh
trực tiếp với giá trị 0.05 để kết luận chấp thuận hay bác bỏ giả thuyết nghiên cứu. Từ đó đưa ra kết luận biến có ý nghĩa thống kê hay không.
3.4.4.6. Kiểm định sự khác biệt trung bình
Ngoài ra, đề tài kiểm định sự khác biệt trung bình giữa các biến định tính và biến
phụ thuộc điều này giúp xác định xem có sự khác biệt trung bình biến định lượng đối với
các giá trị khác nhau của một biến định tính hay không.
Kiểm định sự khác biệt trung bình trong bài luận văn đó là giúp chúng ta xác định xem có sự khác biệt trung bình biến định lượng đối với các giá trị khác nhau của một biến định tính hay không. Ví dụ có sự khác nhau về sự hài lòng công việc giữa các nhân viên có mức lương khác nhau tại công ty hay không.
- Kiểm định sự khác biệt giữa trung bình hai đám đông T-test với trường hợp chọn 2 mẫu độc lập (gồm một biến định lượng và một biến định tính có hai phân loại): trước tiên cần kiểm định phương sai của hai mẫu định tính bằng cách kiểm định Levene. Nếu Sig. trong kiểm định Leneve lớn hơn hoặc bằng 0.05 thì phương sai hai tổng thể bằng nhau vì vậy ta sẽ đọc kết quả ở dòng Equal Variances Assumed. Nếu giả định phương sai đồng nhất không được chấp nhận ( Sig. < 0.05) ta đọc kết quả so sánh ở dòng
Equal variances not assumed. Giá trị Sig T-test nhỏ hơn 0.05 ta kết luận có sự khác biệt mang ý nghĩa thống kê hoặc ngược lại Sig T-test lớn hơn hoặc bằng 0.05 không có sự khác biệt có ý nghĩa thống kê.
- Đối với trường hợp so sánh trung bình từ ba đám đông trở lên ta dùng phương pháp phân tích phương sai ANOVA (Analysis Of Variance). Nghiên cứu dùng phương
pháp ANOVA 1 chiều (One-Way ANOVA). ANOVA (Analysis of Variance) giải quyết trở ngại của Independent Sample T-Test. Phương pháp này giúp so sánh trị trung bình của 3 nhóm trở lên. ANOVA có 3 phương pháp: ANOVA 1 chiều, ANOVA 2 chiều và MANOVA. Nghiên cứu dùng phương pháp ANOVA 1 chiều (One-Way ANOVA).
___________Mẫu N = 190___________ ______Tần số______ Tỷ lệ (%) Giới tính Nam_______________ ________89_______ 35.9 Nữ_________________ _______159 64.1
Sinh viên các năm Năm 1______________ _____16____ 6.5 Năm 2______________ ________38_______ 15.3 Năm 3______________ _____46____ 18.5 Năm 4______________ _______131_______ 52.8 Khác________________ ________17_______ _______6.9_______ Mức chi tiêu hàng tháng Dưới 1 triệu đồng ________50_______ 20.2 Từ 1 - 3 triệu đồng _______133_______ 53.6 Từ 3 - 5 triệu đồng ________55_______ 22.2 Trên 5 triệu đồng _____10___________4.0_______ Số năm sử dụng Dưới 1 năm_________ ________42________ 16.9 Từ 1 - 2 năm_________ ________73_______ 29.4 Từ 2 - 4 năm_________ _______100 40.3 Trên 4 năm__________ ________33_______ 13.3 TÓM TẮT CHƯƠNG 3
Chương 3 đã trình bày cụ thể về quy trình nghiên cứu, cách xây dựng thang đo nháp, thang đo chính thức cũng như thiết kế bảng câu hỏi. Trong chương này cũng đã xây dựng thang đo cho 7 khái niệm nghiên cứu gồm Ảnh hưởng xã hội, Nhận thức dễ sử dụng, Điều kiện thuận lợi, Chi phí sử dụng, Tính bảo mật, Sự hữu ích, Quyết định sử dụng. Bảng câu hỏi được thiết kế hai phần để sàng lọc những đáp viên phù hợp nhất. Quy
mô mẫu trong nghiên cứu chính thức là 250 mẫu nhưng chỉ có 248 bảng câu hỏi phản hồi
đạt yêu cầu được đưa vào phân tích dữ liệu.
41
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU
Chương 4 trình bày kết quả thực hiện nghiên cứu bao gồm mô tả các biến định tính và định lượng, đánh giá và kiểm định các thang đo, kiểm định sự phù hợp của mô hình nghiên cứu, kiểm định các giả thuyết của mô hình, đưa ra mô hình hồi quy đã chuẩn hoá.
4.1. THỐNG KÊ MÔ TẢ
Thống kê mô tả là mô tả tổng quan về đặc điểm của mẫu nghiên cứu và kết quả khảo sát. Nghiên cứu chính thức thu về 250 bảng khảo sát trong đó có 2 bảng khảo sát không hợp lệ đã bị loại. Kết quả là có 248 quan sát đạt yêu cầu để đưa vào mã hoá, làm sạch dữ liệu, nhập liệu và phân tích thông qua phần mềm SPSS 20.0
4.1.1. Thống kê mô tả các biến định tính
Thống kê tần số được áp dụng cho các biến định tính cụ thể giới tính, sinh viên các năm, mức chi tiêu hàng tháng, số năm sử dụng.
Thang đo Biến quan
sát Giá trị nhỏnhất Giá trị lớnnhất trung bìnhGiá trị Độ lệchchuẩn Ảnh hưởng xã hội AHXH1 AHXH2 1 1 5 5 3.64 3.53 0.817 0.862 AHXH3 1 5 3.67 0.912 DKTL1 1 5 4.02 0.844 Điều kiện DKTL2 1 5 4.10 0.848 thuận lợi DKTL3 1 5 4.08 0.919 DKTL4 1 5 4.17 0.780 NTDSD1 1 5 4.06 0.800
về giới tính: trong 248 người tham gia khảo sát thì 35.9% là nam và 64.1% là