Phương pháp phân tích dữ liệu

Sau khi hoàn tất thu thập dữ liệu, phần mềm xử lý dữ liệu thống kê SPSS được sử dụng trong toàn bộ quá trình nghiên cứu. Kết quả phân tích nghiên cứu giải thích các yếu tố ảnh hưởng đến quyết định mua cổ phiếu của các nhà đầu tư cá nhân tại Sở Giao dịch Chứng khoán Tp. Hồ Chí Minh thông qua phân tích thống kê với dữ liệu định lượng tác giả thu thập được. Thang đo sử dụng đối với các câu hỏi cho từng nhóm yếu tố ảnh hưởng là thang đo Likert 5 điểm (1 là hoàn toàn không đồng ý và 5 là hoàn toàn không đồng ý). Toàn bộ dữ liệu sẽ được xử lý theo trình tự nghiên cứu: thống kê và mô tả mẫu, kiểm định thang đo bằng hệ số tin cậy Cronbach’s Alpha, phân tích nhân tố khám phá EFA, phân tích tương quan, phân tích hồi quy đa biến và phân tích ANOVA.

3.3.2.1. Thống kê và mô tả mẫu:

Phương pháp thống kê mô tả là kỹ thuật giúp tác giả nghiên cứu mô tả tổng quát về đặc điểm của mẫu nghiên cứu và kết quả khảo sát có được như: thời gian kinh nghiệm tham gia thị trường chứng khoán, giới tính, trình độ học vấn, độ tuổi, tình trạng gia đình, thu nhập hàng tháng và các yếu tố khác được đề cập chi tiết trong bảng hỏi khảo sát.

Thống kê mô tả đơn giản mô tả khái quát đặc điểm mẫu khảo sát về các nhà đầu tư cá nhân tại Sở Giao dịch Chứng khoán Tp. Hồ Chí Minh, không thể hiện nhiều về ý nghĩa, bản chất của nghiên cứu. Do đó, từ đây tác giả chỉ có thể đưa ra nhận xét sơ bộ ban đầu tổng quan về đối tượng khảo sát. Mọi thông tin dữ liệu sau khi hoàn tất các bước kiểm định định lượng tiếp theo, từ kết quả định lượng đó, tác giả mới có thể đi sâu hơn về diễn giải mô hình và kết hợp với kết quả từ thống kê mô tả để đưa ra các hàm ý quản trị phù hợp với đề tài nghiên cứu.

3.3.2.2. Kiểm định thang đo bằng hệ số tin cậy Cronbach’s Alpha:

Độ tin cậy Cronbach’s Alpha là một thang đo giúp tác giả xác định được các biến quan sát cho một yếu tố có phù hợp hay không, ngoài ra, nó còn chỉ ra được

những biến nào đóng góp trong việc đo lường khái niệm về nhân tố đó và biến nào không.

Đề tài cần kiểm định độ thang đo bằng hệ số tin cậy Cronbach’s Alpha bởi vì trong quá trình nghiên cứu định lượng thì các nhân tố lớn sẽ rất khó để đo lường và cần phải sử dụng những thang đo mang tính phức tạp hơn bằng cách sử dụng nhiều câu hỏi khảo sát để có thể hiểu được bản chất của một yếu tố. Vì vậy, khi cần đo lường một nhân tố nào đó thì cách thực hiện là chia nhỏ các biến của nó ra để được đo lường dễ dàng và chính xác hơn rồi từ đó chỉ ra được bản chất của một nhân tố. Kết quả của Cronbach’s Alpha đối với nhân tố tốt sẽ chỉ ra rằng biến mà đề tài liệt kê có một thang đo tốt. Hay hiểu một cách khác, kiểm định Cronbach’s Alpha có chức năng loại bỏ các biến không phù hợp trước khi thực hiện phân tích nhân tố khám phá EFA.

Theo Hair et al (2006) thì hệ số độ tin cậy Cronbach's Alpha có giá trị càng lớn thì thang đo càng có giá trị, có tiêu chuẩn giá trị trong kiểm định như sau:

 Nhỏ hơn 0,6: Không chấp nhận được

 Từ 0,6 đến 0,7: Chấp nhận được với các nghiên cứu mới, cần xem xét lại

 Từ 0,7 đến 0,8: Chấp nhận được

 Từ 0,8 đến 0,95: Tốt

 Từ 0,95 trở lên: Chấp nhận được nhưng không tốt, nên xét xét các biến quan sát có thể có hiện tượng “trùng biến”. Tức là có khả năng xuất hiện biến quan sát thừa ở trong thang đo. Nó tương tự như trường hợp đa cộng tuyến trong hồi quy, khi đó biến thừa nên được loại bỏ.

Bên cạnh đó, đề tài nghiên cứu xét thêm hệ số tương quan biến tổng. Đây là hệ số cho biết mức độ tương quan, liên kết giữa một biến quan sát trong nhân tố với các biến còn lại. Hệ số này phản ánh mức độ đóng góp vào giá trị khái niệm của nhân tố của một biến quan sát cụ thể. Nếu biến quan sát có hệ số tương quan biến tổng nhỏ hơn 0,3 thì biến quan sát đó được loại ra khỏi nhân tố đánh giá. Hệ số tương quan

biến tổng lớn hơn 0,3 là tiêu chuẩn để đánh giá một biến có ý nghĩa đóng góp giá trị vào nhân tố hay không (Nunnally & Bernstein, 1994).

3.3.2.3. Phân tích nhân tố khám phá (EFA):

Sau khi thang đo được kiểm định bằng hệ số tin cậy Cronbach’s Alpha, đề tài nghiên cứu sử dụng phương pháp nhân tố khám phá EFA để thực hiện đánh giá giá trị của thang đo. Có hai giá trị quan trọng của thang đo được xem xét là giá trị hội tụ và giá trị phân biệt.

Phương pháp phân tích nhân tố EFA thuộc nhóm phân tích nhiều nhóm nhân tố phụ thuộc lẫn nhau (interdependence techniques), nghĩa là không có biến phụ thuộc và biến độc lập mà nó dựa vào mối tương quan giữa các biến với nhau (interrelationships). Phương pháp EFA dùng để rút gọn một tập k biến quan sát thành một tập F (F < k) các nhân tố có ý nghĩa hơn. Cơ sở của việc rút gọn này dựa vào mối quan hệ tuyến tính của các nhân tố với các biến nguyên thủy (biến quan sát).

Các tác giả Mayers, L.S., Gamst, G., Guarino A.J. (2000) đề cập rằng: Trong phân tích nhân tố, phương pháp trích Pricipal Components Analysis đi cùng với phép xoay Varimax là cách thức được sử dụng phổ biến nhất.

Theo Hair & ctg (1998), Factor loading (hệ số tải nhân tố hay trọng số nhân tố) là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA:

 Factor loading > 0,3 được xem là đạt mức tối thiểu

 Factor loading > 0,4 được xem là quan trọng

 Factor loading > 0,5 được xem là có ý nghĩa thực tiễn

Khi thang đo có độ tin cậy phù hợp, các yêu cầu sau sẽ được áp dụng cho các biến quan sát sử dụng phân tích nhân tố khám phá EFA:

 Hệ số tải nhân tố (Factor loading ) > 0,5

 0,5 ≤ KMO ≤ 1: Hệ số KMO (Kaiser-Meyer-Olkin) là chỉ số được dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO lớn có ý nghĩa phân tích nhân tố là thích hợp (Garson, 2003).

 Kiểm định Bartlett có ý nghĩa thống kê (Sig. < 0,05): Đây là một đại lượng thống kê dùng để xem xét giả thuyết các biến không có tương quan trong tổng thể. Ngược lại, các biến quan sát trong tổng thể có mối tương quan với nhau nếu như kiểm định này có ý nghĩa thống kê (Sig. < 0,05).

 Phần trăm phương sai trích (Percentage of variance) > 50%: Thể hiện phần trăm biến thiên của các biến quan sát. Nghĩa là xem biến thiên là 100% thì giá trị này cho biết phân tích nhân tố giải thích được bao nhiêu %.

 Trị số Eigenvalue là một tiêu chí sử dụng phổ biến để xác định số lượng nhân tố trong phân tích EFA. Với tiêu chí này, chỉ có những nhân tố nào có Eigenvalue từ 1 trở lên mới được giữ lại trong mô hình phân tích.

3.3.2.4. Phân tích tương quan:

Trước khi thực hiện phân tích hồi quy, tác giả thực hiện phân tích tương quan nhằm kiểm tra mối tương quan giữa các biến độc lập và biến phụ thuộc có chặt chẽ hay không. Bên cạnh đó, góp phần tìm kiếm và nhận diện sớm vấn đề đa cộng tuyến khi các biến độc lập cũng có mối tương quan mạnh với nhau.

Hệ số tương quan Pearson (Pearson correlation coefficient, kí hiệu r) đo lường mức độ tương quan tuyến tính giữa hai biến (Gayen, 1951). Về nguyên tắc, việc phân tích tương quan Pearson sẽ tìm ra một đường thẳng phù hợp nhất với mối quan hệ tuyến tính của 2 biến. Trong đề tài nghiên cứu, biến phụ thuộc và các biến độc lập được kiểm tra mối liên hệ tuyến tính thông qua hệ số tương quan Pearson.

Hệ số tương quan Pearson r có giá trị dao động từ -1 đến 1 (lưu ý, hệ số r chỉ có ý nghĩa khi sig nhỏ hơn 0,05):

 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 như hình vẽ ở trên, 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

Theo Andy Field (2009), khi đã xác định hai biến có mối tương quan tuyến tính, tác giả sẽ xét đến độ mạnh/yếu của mối tương quan này thông qua giá trị tuyệt đối của r (Giá trị tuyệt đối của một số có thể hiểu là khoảng cách của số đó đến số 0):

 Giá trị tuyệt đối r < 0,1: mối tương quan rất yếu

 Giá trị tuyệt đối r < 0,3: mối tương quan yếu

 Giá trị tuyệt đối r < 0,5: mối tương quan trung bình

 Giá trị tuyệt đối r ≥ 0,5: mối tương quan mạnh

3.3.2.5. Phân tích hồi quy đa biến:

Với phân tích này, có sự khác biệt với phân tích tương quan, các biến sẽ không có tính chất đối xứng như phân tích tương quan. Để mô hình hồi quy đảm bảo khả năng tin cậy, tác giả thực hiện 3 kiểm định sau:

(1) Kiểm định tương quan từng phần của hệ số hồi quy:

Mục tiêu của tác giả là xem xét biến độc lập tương quan có ý nghĩa với biến phụ thuộc hay không, tác giả xét riêng từng biến độc lập. Tương quan sẽ có ý nghĩa thống kê giữa biến phụ thuộc và các biến độc lập tại độ tin cậy ít nhất 95% (Sig. =< 0,05) của mức ý nghĩa của hệ số hồi quy từng phần.

(2) Mức độ phù hợp của mô hình:

Giữa biến phụ thuộc và các biến độc lập được tác giả thực hiện kiểm định này để xác định có mối quan hệ tuyến tính hay không. Nếu tất cả hệ số hồi quy bằng không thì mô hình sẽ được kết luận là không phù hợp. Mô hình sẽ được xem là phù hợp nếu có ít nhất một hệ số hồi quy khác không. Tác giả đưa ra giả thuyết sau để hiểu rõ hơn về vấn đề này:

 H0: Các hệ số hồi quy đều bằng không

 H1: Có ít nhất một hệ số hồi quy khác không

Phân tích phương sai (analysis of variance, ANOVA) được tác giả sử dụng để kiểm định. Nếu mức ý nghĩa đảm bảo có độ tin cậy ít nhất 95% (Sig. < 0,05), tác giả kết luận chấp nhận giả thuyết H1, mô hình được xem là phù hợp.

(3) Hiện tượng đa cộng tuyến:

Đây là hiện tượng các biến độc lập có quan hệ gần như tuyến tính. Các trường hợp có thể xảy ra như sai số chuẩn thường cao hơn, giá trị thống kê thấp hơn và có thể không có ý nghĩa nếu như tác giả bỏ qua hiện tượng đa cộng tuyến.

Trong đề tài nghiên cứu, để kiểm tra hiện tượng này, tác giả sử dụng thước đo độ phóng đại phương sai (Variance Inflation Factor, VIF) để kiểm định hiện tượng tương quan giữa các biến độc lập. Điều kiện là VIF < 2 là không có hiện tượng đa cộng tuyến.

Hồi quy đa biến mô tả mối quan hệ giữa biến phụ thuộc và các biến độc lập. Mô hình dự kiến như sau:

QUYETDINH = β + β1*HINHANH + β2*CHATLUONGTT + β3*TUVAN + β4*TUTIN + β5*DAMDONG

Trong đó:

 QUYETDINH: Quyết định mua cổ phiếu (biến phục thuộc)

 HINHANH: Hình ảnh doanh nghiệp (biến độc lập)

 CHATLUONGTT: Chất lượng thông tin báo cáo tài chính (biến độc lập)

 TUVAN: Ý kiến từ các nhà tư vấn (biến độc lập)

 TUTIN: Sự quá tự tin (biến độc lập)

 DAMDONG: Hiệu ứng đám đông (biến độc lập)

3.3.2.6. Phân tích ANOVA

Phân tích phương sai (Analysis of Variance) hay còn gọi là kiểm định ANOVA là một kỹ thuật thống kê tham số được sử dụng để so sánh các bộ dữ liệu. Phân tích ANOVA có chức năng đánh giá sự khác biệt tiềm năng trong một biến phụ thuộc mức quy mô bằng một biến mức danh nghĩa có từ 2 loại trở lên (Ronald Fisher, 1918). Tác giả sử dụng thử nghiệm ANOVA để xác định ảnh hưởng của các biến độc lập đối với biến phụ thuộc trong nghiên cứu hồi quy. Trong phạm vi đề tài nghiên cứu, tác giả sử dụng phân tích phương sai một yếu tố (còn gọi là oneway anova) dùng để kiểm định giả thuyết trung bình bằng nhau của các nhóm mẫu với khả năng phạm sai lầm chỉ là 5%.

Phương sai một yếu tố so sánh ba hoặc nhiều hơn ba nhóm phân loại để xác định xem có sự khác biệt giữa chúng hay không. Trong mỗi nhóm nên có ba hoặc nhiều quan sát và phương tiện của các mẫu được so sánh. Tác giả thực hiện kiểm định như sau:

Bước 1: Kiểm định phương sai đồng nhất. Sử dụng Levene test dùng để kiểm định phương sai bằng nhau hay không giữa các nhóm. Đặt giả thuyết H0: “Phương sai bằng nhau”, nếu kết quả cho ra:

 Sig. ≤ 0,05: bác bỏ H0

 Sig. > 0,05: chấp nhận H0, đủ điều kiện để tiếp tục phân tích ANOVA

Bước 2: Kiểm định ANOVA, nếu:

 Sig. ≤ 0,05: bác bỏ H0, đủ điều kiện để khẳng định có sự khác biệt giữa các nhóm đối với biến phụ thuộc.

 Sig. > 0,05: chấp nhận H0, chưa đủ điều kiện để khẳng định có sự khác biệt giữa các nhóm đối với biến phụ thuộc.

Tóm tắt chương 3

Chương 3, tác giả trình bày các bước thực hiện đề tài thông qua thiết kế quy trình nghiên cứu chi tiết. Có hai phương pháp nghiên cứu định tính và phương pháp nghiên cứu định lượng được sử dụng để nghiên cứu. Với phương pháp nghiên cứu định tính bằng hai hình thức phỏng vấn chuyên gia và thảo luận nhóm, tác giả tổng hợp, xây dựng mô hình nghiên cứu dựa trên sự đồng ý của phần đông các nhà đầu tư cá nhân tại Sở Giao dịch Chứng khoán Tp. Hồ Chí Minh bao gồm năm yếu tố ảnh hưởng đến quyết định mua cổ phiếu là ý kiến từ các nhà tư vấn, sự quá tự tin, hiệu ứng đám đông, hình ảnh doanh nghiệp và chất lượng thông tin báo cáo tài chính. Với phương pháp nghiên cứu định lượng, kích thước mẫu là 209 bảng hỏi hợp lệ sử dụng trong đề tài nghiên cứu được chọn mẫu theo phương pháp thuận tiện. Kết quả phân tích nghiên cứu giải thích các yếu tố ảnh hưởng đến quyết định mua cổ phiếu của các nhà đầu tư cá nhân tại Sở Giao dịch Chứng khoán Tp. Hồ Chí Minh thông qua phân tích thống kê bằng phần mềm SPSS với dữ liệu định lượng tác giả thu thập được. Thang đo sử dụng đối với các câu hỏi cho từng nhóm yếu tố ảnh hưởng là thang đo Likert 5 điểm (1 là hoàn toàn không đồng ý và 5 là hoàn toàn không đồng ý). Toàn bộ dữ liệu sẽ được xử lý theo trình tự nghiên cứu: thống kê và mô tả mẫu, kiểm định thang đo bằng hệ số tin cậy Cronbach’s Alpha, phân tích nhân tố khám phá EFA, phân tích tương quan, phân tích hồi quy đa biến và phân tích ANOVA. Kết quả nghiên cứu sẽ được tác giả trình bày lần lượt theo trình tự trên trong Chương 4 tiếp theo.

CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN 4.1. Thống kê và mô tả mẫu

Tác giả tiến hành gửi bảng câu hỏi khảo sát gửi đến các nhà đầu tư cá nhân tại Sở Giao dịch Chứng khoán Tp. Hồ Chí Minh, số bảng câu hỏi thu về hợp lệ để phân tích là 209 bảng được sử dụng cho đề tài nghiên cứu.

4.1.1.Thông tin về thời gian kinh nghiệm đầu tư chứng khoán

Trong số 209 đối tượng nhà đầu tư cá nhân được phỏng vấn, thời gian kinh nghiệm đầu tư chứng khoán được thể hiện như sau:

(Nguồn: Nghiên cứu của tác giả)

Hình 4.1: Biểu đồ phân bổ thời gian kinh nghiệm đầu tư chứng khoán trong mẫu

Thống kê về thời gian kinh nghiệm đầu tư tham gia thị trường chứng khoán trong mẫu phân bổ rõ rệt các nhà đầu tư cá nhân tham gia TTCK hiện nay chiếm phần lớn có kinh nghiệm từ 1 đến 3 năm với tỷ lệ 36,8%. Số nhà đầu tư cá nhân từ 3 đến 5 năm và dưới 1 năm không có sự chênh lệnh với tỷ lệ lần lượt là 27,8% và 25,4%. Chỉ