CHƢƠNG 2 : PHƢƠNG PHÁP VÀ THIẾT KẾ NGHIÊN CỨU
2.5. Phương pháp phân tích số liệu
2.5.2. Phương pháp phân tích dữ liệu
Sau khi thu thập xong dữ liệu từ khách hàng, tiến hành kiểm tra và loại đi những bảng hỏi không đạt yêu cầu. Tiếp theo là mã hóa dữ liệu, nhập dữ liệu, làm sạch dữ liệu.
Sau đó tiến hành phân tích dữ liệu với phần mềm SPSS 21.0 với các phương pháp sau:
2.5.2.1. Phân tích thống kê mô tả (Descriptive Statistics)
Sử dụng để xử lý các dữ liệu và thông tin thu thập được nhằm đảm bảo tính chính xác và từ đó, có thể đưa ra các kết luận có tính khoa học và độ tin cậy cao về vấn đề nghiên cứu.
2.5.2.2. Đánh giá độ tin cậy của thang đo các nhân tố
Chúng ta cần tính toán Cronbach Alpha xem câu hỏi có đóng góp vào việc đo lường khái niệm lý thuyết mà ta đang nghiên cứu. Hệ số Cronbach Alpha là một phép kiểm định thông kê về mức độ chặt chẽ mà các mục hỏi trong thang đo tương quan với nhau. Hệ số Cronbach Alpha phải có giá trị từ 0,6 đến gần 1 thì mới đảm bảo các
biến trong cùng một nhân tố có tương quan với nhau (theo Hoàng Trọng và Chu
Nguyễn Mộng Ngọc, 2008). Trong mỗi thang đo, hệ số tương quan biến tổng (corrected Item – total Correlation) thể hiện sự tương quan giữa một biến quan sát với tất cả các biến khác trong thang đo. Do đó, hệ số này càng cao thì sự tương quan các biến quan sát này với các biến khác trong than đo càng cao. Theo Nunnally và Burnstein (1994) các biến có hệ số tương quan biến tổng nhỏ hơn 0,3 được xem là
biến rác và bị lọai khỏi thang đo.
2.5.2.3. Phân tích nhân tố khám phá (EFA)
Phân tích nhân tố nhằm rút gọn một tập hợp gồm nhiều biến quan sát phụ thuộc lẫn nhau thành một tập biến ít hơn (nhân tố) để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu (Hair và cộng sự, 1998). Phân tích nhân tố khám phá được cho là phù hợp khi các tiêu chuẩn sau đây được thỏa điều kiện: Tiêu chuẩn quan trọng đối với Factor Loading lớn nhất cần được quan tâm theo lý thuyết của Theo Hair và cộng sự (1998, 111), Multivariate Data Analysis, Prentice- Hall International, Inc, Factor loading là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA (ensuring practical significance). Factor loading > 0,3 được xem là đạt được mức tối thiểu, Factor loading > 0,4 được xem là quan trọng, > 0,5 đƣợc xem là có ý
cỡ mẫu của bạn ít nhất phải là 350, nếu cỡ mẫu của bạn khoảng 100 thì nên chọn tiêu chuẩn factor loading > 0,55, nếu cỡ mẫu của bạn khoảng 50 thì Factor loading phải > 0,75.
- Kaiser-Meyer-Olkin (KMO) là chỉ số dùng để xem xét sự thích hợp của
EFA: 0,5 ≤ KMO ≤ 1 thì phân tích nhân tố là thích hợp.
- Kiểm định Bartlett’s test sphericity xem xét giả thuyết H0: độ tương quan giữa các biến quan sát bằng không trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig < 0,05) thì các biến quan sát có tương quan với nhau trong tổng thể và bác bỏ giả thuyết H0.
- Phương sai trích (cumulative % of variance): phần trăm biến thiên của các biến quan sát (hay dữ liệu) được giải thích bởi các nhân tố phải đảm bảo ≥ 50%.
- Phương pháp trích hệ số được sử dụng là Principal Component Analysis với phép xoay Varimax để tối thiểu hóa số lượng biến có hệ số lớn tại cùng một nhân tố, và các nhân tố không có sự tương quan lẫn nhau.
- Xác định số nhân tố bằng phương pháp dựa vào eigenvalue (Determination based on eigenvalue): chỉ giữ lại những nhân tố có eigenvalue lớn hơn 1 trong mô hình phân tích.
Sau khi phân tích EFA, các giả thuyết nghiên cứu được điều chỉnh lại theo các nhân tố mới. Phương pháp phân tích hồi quy tuyến tính bội sẽ được ứng dụng trong việc đánh giá mức độ ảnh hưởng của các nhân tố đến sự hài lòng của người dân.
2.5.2.4. Phân tích hồi quy tuyến tính đa biến
Phân tích hồi qui đa biến: là một phương pháp được sử dụng dùng để phân tích mối quan hệ giữa một biến phụ thuộc với nhiều biến độc lập. Phương trình hồi quy tuyến tính đa biến có dạng:
Yi= β0 + β1X1i + β2 X2i + ... + βp Xpi + ei
Mục đích của việc phân tích hồi qui đa biến là dự đóan mức độ của biến phụ thuộc (với độ chính xác trong phạm vi giới hạn) khi biết trước giá trị của biến độc lập. Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008) các tham số quan trọng trong phân tích hồi quy đa biến bao gồm:
Hệ số hồi quy riêng phần Bk: là hệ số đo lường sự thay đổi trong giá trị trung bình Y khi Xk thay đổi một đơn vị, giữa các biến độc lập còn lại không đổi.
Hệ số xác định R2 điều chỉnh: Hệ số xác định tỉ lệ biến thiên của biến phụ thuộc được giải thích bởi biến độc lập trong mô hình hồi quy. Đó cũng là thông số đo lường độ thích hợp của đường hồi quy theo quy tắc R2 càng gần 1 thì mô hình xây dựng càng thích hợp, R2 càng gần 0 mô hình càng kém phù hợp với tập dữ liệu mẫu. Tuy nhiên, R2 có khuynh hướng là một ước lượng lạc quan của thước đo sự phù hợp
của mô hình đối với dữ liệu trong trường hợp có hơn 1 biến giải thích trong mô hình. Trong tình huống này R2 điều chỉnh (Adjusted R square) được sử dụng để phản ánh sát hơn mức độ phù hợp của mô hình tuyến tính đa biến vì nó không phụ thuộc vào độ lệch phóng đại của R2.
Kiểm định F trong phân tích phương sai là một phép kiểm định giả thuyết về độ phù hợp của mô hình tuyến tính tổng thể. Nếu giả thuyết Ho của kiểm định F bị bác bỏ thì có thể kết luận mô hình hồi qui tuyến tính đa biến phù hợp với tập dữ liệu và có thể sử dụng được.
Kiểm định Independent-samples T-test, và kiểm định One way ANOVA được dùng để xem xét ảnh hưởng của các biến liên quan đến đặc điểm cá nhân người khảo sát đến mức độ hài lòng chung của người dân và một số phân tích khác.
2.5.2.5. Các kiểm định các giả thuyết của mô hình
Mức độ thỏa mãn của khách hàng đối với dịch vụ thanh toán thẻ tại Techcombank Thăng Long được đánh giá thông qua giá trị trung bình, phương sai, độ lệch chuẩn. Kiểm định One Sample T- Test được sử dụng để kiểm định về mức độ thỏa mãn trung bình của các thành phần chất lượng dịch vụ, của tổng thể và kiểm định Independent Sample T -Test, One Way Anova về sự khác nhau về mức độ thỏa mãn giữa các nhóm giới tính, thu nhập, nghề nghiệp trong tổng thể…
H0: Không có sự khác biệt về các yếu tố đánh giá của các nhóm đối tượng khác nhau.
H1: Có sự khác nhau về các yếu tố đánh giá của các nhóm đối tượng khác nhau. Với mức ý nghĩa 95%,
- Nếu giá trị Sig. < 0,05: Có đủ cơ sở thống kê bác bỏ giả thiết H0, chấp nhận giả thiết H1.
CHƢƠNG 3
THỰC TRẠNG PHÁT TRIỂN DỊCH VỤ THANH TOÁN THẺ TẠI NGÂN HÀNG TMCP KỸ THƢƠNG VIỆT NAM
CHI NHÁNH THĂNG LONG