CHƯƠNG 3 : PHƯƠNG PHÁP NGHIÊN CỨU
3.1.5. Nghiên cứu định lượng
3.1.5.1. Phương pháp lấy mẫu và quy mô mẫu
- Phương pháp lấy mẫu: nghiên cứu định lượng thường có 2 phương pháp lấy mẫu chính mà nhiều nhà nghiên cứu sử dụng đó là phương pháp lấy mẫu thuận tiện và phương pháp lấy mẫu ngẫu nhiên. Sử dụng phương pháp lấy mẫu thuận tiện có ưu điểm là dễ tiếp cận đối tượng nghiên cứu, tiết kiệm được thời gian và chi phí, nhược điểm là tính đại diện cho tổng thể là không cao. Sử dụng phương pháp lấy mẫu ngẫu nhiên thì tính đại diện cao và có thể khái quát hoá cho tổng thể nhưng lại tốn kém
nhiều về thời gian và chi phí. Do đó, phương pháp được chọn sử dụng cho nghiên cứu này là lấy mẫu thuận tiện để khảo sát vì điều kiện thời gian và tài chính của nghiên cứu có giới hạn.
- Cỡ mẫu: để chọn kích thước mẫu nghiên cứu phù hợp theo Hair & ctg (1998), đối với phân tích nhân tố khám phá (EFA) cỡ mẫu tối thiểu N≥5*x (x: tổng số biến quan sát). Theo Tabachnick & Fidell (1996) để phân tích hồi quy một cách tốt nhất cỡ mẫu tối thiểu được tính N≥8m+50 (trong đó N là cỡ mẫu, m là số biến độc lập của mô hình). Trong nghiên cứu này tác giả chọn kích thước mẫu đủ lớn để thỏa mãn hai điều kiện trên, mô hình nghiên cứu gồm 5 nhân tố độc lập với 25 biến quan sát và nhân tố phụ thuộc có 3 biến quan sát. Do đó số mẫu tối thiểu nghiên cứu cần đạt là N≥max (5x28; 8x5+50) = 140 mẫu. Tuy nhiên trong nghiên cứu cỡ mẫu càng lớn thì sai số thống kê càng giảm, ngoài ra tác giả cũng muốn đề phòng sau khi gạn lọc và làm sạch dữ liệu sẽ đạt được kích thước mẫu như mong muốn. Vậy tác giả chọn số lượng mẫu dùng trong khảo sát là 200 nên tính đại diện của mẫu được đảm bảo cho nghiên cứu.
3.1.5.2. Phương pháp thu thập thông tin
Thông tin được thu thập bằng phương pháp phỏng vấn và bảng trả lời câu hỏi:
Thu thập thông tin sơ bộ: Phỏng vấn thử 10 khách hàng cá nhân gửi tiền tiết kiệm tại ngân hàng, mục đích là để cân chỉnh lại thang đo lần cuối với các ngôn từ, cách trình bày,… sao cho khách hàng được phỏng vấn dễ hiểu, dễ trả lời và các thông tin thu được có hợp lý không. Kết quả cuối cùng của giai đoạn này là hoàn chỉnh thang đo chính thức dùng để thu thập thông tin.
Thu thập thông tin chính thức: Dữ liệu được thu thập thông qua phương pháp phỏng vấn bằng bảng câu hỏi được in ra giấy, sau đó nhóm khảo sát đến Agribank chi nhánh tỉnh Bà Rịa - Vũng Tàu và các điểm giao dịch trực thuộc phát phiếu phỏng vấn, hướng dẫn cách điền phiếu, sau mỗi buổi sẽ được thu lại. Số phiếu khảo sát phát ra là 200.
Dữ liệu sau khi thu thập, được xử lý bằng phần mềm SPSS 22.0.
3.1.5.3 Phân tích mô tả
Lập bảng tần số để làm sạch dữ liệu trước khi đưa vào phân tích. Phân tích mô tả để phân tích các thuộc tính của mẫu.
Đối tượng trả lời câu hỏi: giới tính, độ tuổi, trình độ, nghề nghiệp, thu nhập.
3.1.5.4. Kiểm định và đánh giá thang đo
- Kiểm định Cronbach’s Alpha: Mục đích của kiểm định này là tìm ra những
mục câu hỏi cần giữ lại và những mục câu hỏi cần bỏ đi trong các mục đưa vào kiểm tra hay nói cách khác là giúp ta loại đi những biến quan sát không đạt. Các biến quan sát có hệ số tương quan biến tổng <0,3 sẽ bị loại và tiêu chuẩn chọn thang đo khi hệ số Cronbach’s Alpha ≥0,6. Nhiều nhà nghiên cứu đồng ý rằng khi 0,8>Cronbach’s Alpha<1 thì thang đo lường tốt, từ 0,7 đến gần 0,8 là sử dụng được. Cũng có nhà nghiên cứu đề nghị rằng Cronbach’s Alpha ≥0,6 là có thể sử dụng được trong trường hợp khái niệm đang đo lường là mới hoặc mới đối với người trả lời trong bối cảnh và điều kiện nghiên cứu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
- Phân tích nhân tố EFA: Phân tích này, được sử dụng để xác định độ giá trị
Trong phân tích nhân tố, các nhà nghiên cứu thường quan tâm đến một số các tiêu chuẩn sau:
Trị số KMO (Kaiser-Meyer-Olkin): là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Khi trị số KMO nằm từ khoảng 0,5< KMO<1 thì phân tích nhân tố là thích hợp, nếu trị số KMO < 0,5 thì phân tích nhân tố có khả năng không thích hợp với dữ liệu thu thập. Kiểm định Bartlett (Bartlett’s test): là kiểm định tính tương quan giữa các biến quan sát với nhau trong mỗi nhân tố. Nếu kiểm định này có mức ý nghĩa Sig <0,05 thì các biến quan sát có tương quan với nhau trong tổng thể. (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố ≥0.3 để đảm bảo giá trị phân biệt giữa các nhân tố.
Hệ số tải nhân tố hay trọng số nhân tố (Factor loadings): là hệ số tương quan đơn giữa các biến và các nhân tố, hệ số này ≥0,5 thì được xem là có giá trị thực tiễn. (Hair và ctg, 1998).
Hệ số eigenvalue: đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố và chỉ giữ lại những nhân tố có Eigenvalue >1 trong mô hình phân tích.
Phương sai trích của các yếu tố (% cumulative variance) để kiểm tra mức độ giải thích của các biến quan sát đối với các nhân tố phải đảm bảo >50%.
Sử dụng phương pháp trích nhân tố Principal Component Analysis với phép xoay Varimax điểm dừng trích các yếu tố có eigenvalue>1 với các biến quan sát.
3.1.5.5. Phân tích hồi quy tuyến tính đa biến
Phân tích hồi quy đa biến mục đích là xác định các nhân tố ảnh hưởng, nhận biết mức độ ảnh hưởng của các nhân tố độc lập lên nhân tố phụ thuộc. Trước khi tiến hành phân tích hồi quy, mối tương quan tuyến tính giữa biến phụ thuộc và các biến độc lập cần phải kiểm tra xem nó có tương quan chặt chẽ với nhau hay không. Sau đó mới tiến hành phân tích hồi quy kiểm định mô hình.
* Phân tích tương quan Pearson:
Kiểm định mối tương quan tuyến tính giữa các biến trong mô hình, giữa biến phụ thuộc với từng biến độc lập và giữa các biến độc lập với nhau. Khi mức ý nghĩa của các hệ số hồi quy bé hơn 5% (Sig.<0,05) nghĩa là đạt độ tin cậy 95% có thể kết luận là tương quan có ý nghĩa thống kê giữa biến độc lập và biến phụ thuộc.
* Phân tích hồi quy đa biến:
Sau khi phân tích tương quan xác định hai biến định lượng có tương quan tuyến tính chặt chẽ thì có thể mô hình hóa mối quan hệ nhân quả của hai biến này bằng hồi quy tuyến tính. Nghiên cứu thực hiện hồi quy đa biến bằng phương pháp Enter: tất cả các biến đưa vào một lần và xem xét kết quả thống kê.
Đánh giá sự phù hợp của mô hình hồi quy đa biến; Hệ số R2 điều chỉnh là hệ số xác định tỉ lệ biến thiên của biến phụ thuộc được giải thích bởi các biến độc lập trong mô hình hồi quy. Nếu R2 càng gần 1 mô hình xây dựng càng thích hợp, R2 càng gần 0 mô hình càng kém phù hợp với tập dữ liệu thu thập.
Kiểm định giả thuyết về sự phù hợp của mô hình hồi quy tuyến tính tổng thể;
Kiểm định các giả định cần thiết trong hồi quy tuyến tính; Nếu các giả định không bị vi phạm thì các kết quả ước lượng hồi quy là đáng tin cậy và mô hình hồi quy được xây dựng. (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Xác định mức độ ảnh hưởng của các yếu tố dựa vào hệ số Beta chuẩn hóa. Yếu tố nào có hệ số lớn hơn thì có thể nhận xét rằng yếu tố đócó mức ảnh hưởng cao hơn các yếu tố còn lại trong mô hình nghiên cứu.
Phương trình hồi quy tuyến tính các nhân tố ảnh hưởng đến huy động tiền gửi tiết kiệm của khách hàng cá nhân tại Agribank chi nhánh tỉnh Bà Rịa - Vũng Tàu được viết dưới dạng sau:
HDTG = β0 + β1*TH + β2*LS + β3*SPDV + β4*CLDV + β5*STT + εi
Trong đó:
HDTG : Huy động tiền gửi tiết kiệm
β0 : Hằng số TH : Thương hiệu LS : Lãi suất SPDV : Sản phẩm dịch vụ CLDV : Chất lượng dịch vụ STT : Sự thuận tiện
β1, β2, β3, β4, β5: Hệ số hồi quy riêng phần ứng với các biến độc lập
εi : Sai số ngẫu nhiên có phân phối chuẩn trung bình bằng 0, phương sai không đổi và độc lập.
Mong đợi về dấu của các biến độc lập trong mô hình có hệ số β>0, nghĩa là mức ảnh hưởng càng cao thì huy động tiền gửi tiết kiệm càng được khẳng định.
3.1.5.6. Phân tích ANOVA
Phân tích phương sai dùng để kiểm định sự khác biệt giữa các nhóm thành phần đặc điểm nhân khẩu học trong mẫu. Phân tích (Independent-sample T–Test) đối với biến có 2 nhóm; Phân tích ANOVA 1 yếu tố chỉ sử dụng trong trường hợp 1 biến yếu tố để phân loại các quan sát thành các nhóm khác nhau.
Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), một số giả định khi phân tích phương sai ANOVA:
- Các nhóm so sánh phải độc lập và được chọn một cách ngẫu nhiên.
- Các nhóm so sánh phải có phân phối chuẩn và cỡ mẫu phải đủ lớn để được xem như tiệm cận phân phối chuẩn.
- Phương sai của các nhóm so sánh phải đồng nhất. Dựa vào mức ý nghĩa để kết luận:
Nếu Sig <0,05, có sự khác biệt có ý nghĩa thống kê.
TÓM TẮT CHƯƠNG 3
Chương 3 nghiên cứu đã trình về phương pháp nghiên cứu, nội dung đã mô tả quy trình nghiên cứu bao gồm nghiên cứu sơ bộ định tính và nghiên cứu chính thức định lượng. Nghiên cứu sơ bộ thông qua phỏng vấn sâu tham khảo ý kiến chuyên gia để xác định các biến mà khách hàng cá nhân gửi tiền tiết kiệm quan tâm và điều chỉnh bảng câu hỏi về câu từ, ngữ nghĩa cho rõ ràng, dễ hiểu và phù hợp với đều kiện nghiên cứu. Nghiên cứu chính thức được thực hiện bằng phương pháp định lượng, dữ liệu thu thập thông qua bảng câu hỏi khảo sát chính thức với 200 khách hàng cá nhân. Đồng thời đưa ra phương pháp phân tích dữ liệu, thông qua hệ số Cronbach’s Alpha, phân tích nhân tố khám phá (EFA) để kiểm định thang đo các nhân tố ảnh hưởng đến huy động tiền gửi tiết kiệm, sau đó phân tích hồi quy kiểm định mô hình, kiểm định sự khác biệt các nhóm đặc điểm cá nhân của mẫu khảo sát và cuối cùng là kết quả phân tích thống kê mô tả mẫu. Việc phân tích dữ liệu và kết quả nghiên cứu được trình bày ở Chương 4 tiếp theo.