KHCN
Thang đo Ký hiệu Biến quan sát
Ý định lựa chọn ngân hàng vay
vốn
(F)
F1 Tôi quyết định chọn ngân hàng này để vay
F2 Trong tương lai, tôi vẫn sẽ tiếp tục vay vốn tại ngân hàng này khi có nhu cầu
F3 Tôi sẽ giới thiệu cho người thân, bạn bè, đồng nghiệp vay vốn tại ngân hàng này khi họ có nhu cầu.
Nguồn: Tổng hợp của tác giả
3.3.3. Phương pháp xử lý số liệu
Sử dụng phần mềm SPSS 20.0 để xử lý số liệu.
- Thống kê mô tả: sử dụng để mô tả các biến định tính và định lượng, đánh giá thuộc tính của đối tượng nghiên cứu. Khi thu thập, tác giả sẽ quan tâm đến sự phân bổ số liệu tập trung ở giá trị nào, mức độ phân tán ra sao.
- Giá trị định lượng của các nhân tố được tính bằng trung bình giá trị các biến đo lường của nó. Cụ thể, giá trị định lượng của nhân tố:
Quyết định chọn ngân hàng để vay vốn là F = (F1+F2+F3)/3 Thái độ sở thích là A = (A1+A2+A3+A4+A5)/5
Ảnh hưởng xã hội là C = (C1+C2+C3)/3
Nhận thức về kiểm soát hành vi là D = (D1+D2+D3)/3 Nhân viên là E = (E1+E2+E3+E4)/4
- Kiểm tra độ tin cậy của thang đo: Độ tin cậy của thang đo được đánh giá bằng phương pháp nhất quán nội tại (internal connsistentcy) thông qua hệ số Cronbach alpha và hệ số tương quan biến tổng (item-total correclation). Cronbach (1951) giới thiệu hệ số tin cậy Cronbach alpha để đo lường độ tin cậy của thang đo. Để tính Cronbach alpha cho một thang đo thì thang đo phải có tối thiểu là ba biến đo lường. Hệ số Cronbach alpha có giá trị biến thiên trong khoản từ [0,1]. Về lý thuyết, Cronbach alpha càng cao thì càng tốt, nghĩa là thang đo có độ tin cậy cao. Nếu Cronbach alpha α ≥ 0.6, thì thang đo có thể chấp nhận được về mặt tin cậy (Nunnally & Bernstein 1994). Tuy nhiên, nếu hệ số Cronbach alpha quá lớn (α > 0.95), thì cho thấy nhiều biến quan sát trong thang đo không có sự khác biệt. Các biến đo lường dùng để đo lường cùng một khái niệm nghiên cứu nên chúng phải có tương quan chặt chẽ với nhau. Vì vậy khi kiểm tra từng biến đo lường chúng ta sử dụng hệ số tương quan biến tổng. Hệ số tương quan này được tính như sau:
1
( , k )
i t r i i ii
r
Trong đó, ri-1 là hệ số tương quan biến tổng của biến đo lường i với tổng k biến đo lường của thang đo. Trong SPSS chúng ta sử dụng hệ số tương quan biến tổng hiệu chỉnh. Hệ số này lấy tương quan của biến đo lường xem xét với tổng các biến còn lại của thang đo (thông tin biến đang xem xét). Nếu một biến đo lường có hệ số tương quan biến tổng (hiệu chỉnh) lớn hơn hoặc bằng ≥ 0.3 thì biến đó đạt yêu cầu (Nunnally & Bernstein 1994).
- Phân tích nhân tố khám phá EFA: Phương pháp phân tích 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 hợp k biến
quan sát thành một tập hợp F (F < k) các nhân tố có ý nghĩa hơn. Cơ sở của việc rút gọn này dựa vào mối quan hệ tuyến tính giữa các nhân tố và biến quan sát.
EFA dựa trên cơ sở mối quan hệ giữa các biến đo lường. Vì vậy trước khi quyết định sử dụng phương pháp EFA chúng ta cần xem xét mối tương quan giữa các biến đo lường này. Một số kiểm định được sử dụng để đánh giá mối quan hệ giữa các biến như kiểm định Barlett và KMO.
- Kiểm định Bartlett dùng để xem xét ma trận tương quan có phải là ma trận đơn vị I là ma trận có các thành phần bằng không và đường chéo bằng 1. Nếu phép kiểm định Barlett có p < 5%, chúng ta từ chối giả thuyết H0 (ma trận tương quan là ma trận đơn vị), nghĩa là các biến có quan hệ nhau.
- Kiểm định KMO là chỉ số dùng để so sánh độ lớn của hệ số tương quan giữa hai biến Xi và Xj với độ lớn của hệ số tương quan từng phần của chúng (Norusis 1994). KMO càng lớn thì càng tốt vì phần chung giữa các biến càng lớn. Để sử dụng cho phân tích EFA thì KMO phải lớn hơn 0.5.
- Lựa chọn số lượng nhân tố dựa trên tiêu chí eigenvalue và phương sai trích: Tiêu chí eigenvalue là một tiêu chí sử dụng phổ biến trong xác định số lượng nhân tố trong phân tích EFA. Với tiêu chí này số lượng nhân tố được xác định ở nhân tố có eigenvalue tối thiểu bằng 1 và tổng phương sai trích được của số nhân tố này phải lớn hơn 50% (Hair & ctg 2006).
- Xây dựng mô hình hồi bội (MLR): Mô hình hồi quy bội là một trong những mô hình thống kê được sử dụng phổ biến trong kiểm định lý thuyết khoa học (kiểm định mô hình nghiên cứu và các giả thuyết nghiên cứu). Kết quả của mô hình sẽ giúp ta xác định chiều hướng cũng như mức độ ảnh hưởng của các yếu tố tác động đến quyết định lựa chọn ngân hàng để vay vốn của KHCN. Khi sử dụng mô hình hồi quy bội chúng ta cần chú ý đến sự phù hợp của mô hình và kiểm trả các giả định của nó.
- Trong mô hình hồi quy bội, chúng ta có nhiều biến độc lập, với giả định là các biến độc lập này không có tương quan hoàn toàn với nhau. Điều này có nghĩa là hệ số
tương quan r của các cặp biến độc lập với nhau khác 1, nếu không chúng có nghĩa là không có quan hệ với nhau. Trong thực tiễn nghiên cứu các biến (khái niệm nghiên cứu) trong một mô hình thường có quan hệ với nhau nhưng chúng cần phải đạt được giá trị phân biệt nhất định. Theo Benet-Martinez & John (2000), hệ số tương quan giữa các biến < 0.85 thì các biến có giá trị phân biệt.
- Hệ số R2 là chỉ số dùng để đánh giá mức độ phù hợp của mô hình MLR. Kiểm định mức độ phù hợp của mô hình là kiểm định giả thuyết H0: R2 =0 so với giả thuyết thay thế Ha: R2 ≠ 0. Phép kiểm định F được sử dụng để kiểm định giả thuyết này và nó tương đương với kiểm định F trong ANOVA, nghĩa là chúng ta so sánh biến thiên hồi quy với biến thiên phần dư. Ý nghĩa của phép kiểm định này như sau: nếu biến thiên hồi quy lớn hơn nhiều so với biến thiên phần dư thì mô hình hồi quy càng phù hợp vì biến thiên của biến phụ thuộc chủ yếu là do các biến độc lập giải thích.
- Hệ số R2 hiệu chỉnh dùng để thay thế cho R2 khi so sánh các mô hình với nhau. Hệ số điều này giúp chúng ta điều chỉnh mức độ phù hợp của mô hình, nghĩa là kiểm tra các mô hình có nhiều biến độc lập, vì có một số biến không thực sự giải thích tốt cho biến phụ thuộc.
- Trong mô hình hồi quy bội có thêm giả thuyết là các biến độc lập không có tương quan hoàn toàn với nhau. Vì vậy, khi ước lượng mô hình hồi quy bội chúng ta cần kiểm tra giả thuyết này thông qua kiểm tra hiện tượng đa cộng tuyến. Để kiểm tra hiện tượng đa cộng tuyến, nghiên cứu sử dụng hệ số phóng đại phương sai VIF. Hệ số phóng đại phương sai là giá trị nghịch đảo của dung sai tương ứng.
Có thể thấy dung sai của một biến độc lập nào đó càng lớn, nghĩa là phần riêng của nó càng lớn nên hệ số phóng đại phương sai VIF càng nhỏ, và giảm hiện tượng đa cộng tuyến. Ngược lại khi dung sai của một biến độc lập nào đó càng nhỏ thì hệ số phóng đại phương sai VIF của biến đó càng lớn, đi kèm với hiện tượng đa cộng tuyến. Thông thường nếu VIF của một biến độc lập nào đó lớn hơn 10 thì biến này hầu như
không có giá trị giải thích biến thiên của biến phụ thuộc trong mô hình hồi quy bội (Hair & ctg, 2006).
Khi sử dụng mô hình hồi quy bội, chúng ta phải kiểm định các giả định của nó để xem kết quả có đáng tin cậy hay không. Để kiểm tra giả định phần dư tuân theo phân phối chuẩn tác giả sử dụng đồ thị biểu đồ tần số của các phần dư Histogram. Nếu đường cong phân phối chuẩn được đặt chồng lên biểu đồ tần số có dạng hình chuông tức đồ thị của phân phối chuẩn, thì giả thiết phân phối chuẩn của phần dư không bị vi phạm.
Ngoài cách kiểm tra bằng biểu đồ Histogram, thì P-P Plot cũng là một dạng biểu đồ được sử dụng phổ biến giúp nhận diện sự vi phạm giả định phần dư chuẩn hóa. Các điểm phân vị trong phân phối của phần dư sẽ tập trung thành một đường chéo nếu phần dư có phân phối chuẩn.
Để kiểm định dữ liệu hiện tại có vi phạm giả định liên hệ tuyến tính hay không, chúng ta sử dụng biểu đồ phân tán Scatter Plot giữa các phần dư chuẩn hóa và giá trị dự đoán chuẩn hóa giúp chúng ta. Nếu giả định quan hệ tuyến tính được thỏa mãn thì phần dư phải phân tán ngẫu nhiên trong một vùng xung quanh đường hoành độ 0.
KẾT LUẬN CHƯƠNG 3
Chương 3 đã trình bày cụ thể quy trình thực hiện nghiên cứu bao gồm phương pháp nghiên cứu, chọn mẫu, lấy mẫu, xử lý dữ liệu. Phương pháp nghiên cứu thông qua hai giai đoạn chính: Nghiên cứu sơ bộ nhằm xác định các yếu tố có ảnh hưởng đến quyết định lựa chọn ngân hàng để vay vốn của KHCN và nghiên cứu chính thức thông qua bảng câu hỏi khảo sát và phần mềm xử lý dữ liệu SPSS 20 để xác định mức độ ảnh hưởng của các yếu tố này.
CHƯƠNG 4. PHÂN TÍCH KẾT QUẢ NGHIÊN CỨU
Từ phương pháp nghiên cứu được giới thiệu ở chương 3, chương 4 sẽ lần lượt trình bày mô tả đặc trưng mẫu khảo sát và thực hiện các phân tích, gồm có kiểm tra độ tin cậy của thang đo, phân tích nhân tố khám phá, kiểm định các giả thuyết và xây dựng mô hình hồi quy bội.
4.1. Thống kê mô tả đặc trưng của mẫu
Với phương pháp chọn mẫu thuận tiện, phi xác suất, 150 bảng câu hỏi khảo sát được gửi phỏng vấn trực tiếp tới khách hàng đến giao dịch tại các ngân hàng trên địa bàn tỉnh Đồng Tháp. Trong quá trình kiểm tra và nhập liệu phát hiện có 22 bảng câu hỏi có đối tượng khảo sát không có ý định/ chưa từng vay vốn tại ngân hàng và 8 bảng câu hỏi bị loại bỏ do có nhiều thông tin không được trả lời đầy đủ nên chỉ còn 120 bảng câu hỏi (chiếm 80% tổng số bảng câu hỏi được gửi đi) là đầy đủ thông tin để phân tích dữ liệu và có ý nghĩa thống kê trong nghiên cứu này.
Về giới tính: Hình 4.1 mô tả đặc trưng về giới tính. Trong đó khách hàng là nam có 63 người chiếm tỷ lệ 52% và khách hàng là nữ có 57 người chiếm tỷ lệ 48%.
Hình 4.1 Giới tính trong mẫu nghiên cứu
tuổi. Đây cũng là nhóm tuổi KHCN chiếm tỷ trọng cao tại Vietinbank, BIDV và các nhóm NH khác với tỷ lệ là 77%, 52%, 80%. Đây được xem là độ tuổi trưởng thành, chính chắn, có thể lao động để kiếm thu nhập. Độ tuổi từ 41 - 55 tuổi chiếm tỷ trọng thứ 2 trong nhóm nghiên cứu, đây là nhóm chiếm tỷ trọng cao nhất ở Agribank với 58%. Hai nhóm tuổi còn lại dưới 23 tuổi và trên 55 tuổi chiếm tỷ trọng nhỏ trong mẫu nhiên cứu.
Hình 4.2 Nhóm tuổi trong mẫu nghiên cứu
Về trình độ: Trình độ học vấn được phân theo từng Ngân hàng được trình bày trong bảng 4.3. Về tổng thể, nhóm trình độ đại học chiếm tỷ trọng cao nhất (44%), tiếp theo là nhóm dưới cao đẳng (28%), cao đẳng (27%) và cuối cùng là sau đại học (6%). Ngân hàng Vietinbank có nhóm trình độ đại học và dưới cao đẳng chiếm ưu thế (48% và 32%). Điều này cũng tương tự ở Vietcombank và Agribank. Tại BIDV, nhóm trình độ đại học chiếm tỷ trọng lớn nhất (39%), nhóm cao đẳng và dưới cao đẳng khá tương đồng nhau chiếm 22%.
Hình 4.3 Trình độ học vấn trong mẫu
Về nghề nghiệp: nghề nghiệp của các khách hàng trong mẫu nghiên cứu cũng có sự khác biệt và đa dạng được mô tả trong hình 4.4. Nông dân là nhóm chiếm tỷ trọng cao nhất trong mẫu, chiếm 44% tổng thể mẫu. Đây cũng là nhóm đối tượng chiếm tỷ trọng chủ yếu trong các ngân hàng, đặc biệt là tại Vietinbank và Agribank với tỷ lệ tương ứng là 45% và 64%. Nhu cầu vay vốn của nhóm kinh doanh và nhóm cán bộ công nhân viên lần lượt là 27% và 23% so với tổng thể mẫu. Vietcombank là ngân hàng có khách hàng thuộc nhóm kinh doanh nhiều nhất chiếm 67%.
Hình 4.4 Nghề nghiệp trong mẫu nghiên cứu
Về thu nhập: Hình 4.5 trình bày thu nhập của khác hàng trong mẫu nghiên cứu theo từng ngân hàng. Nhóm thu nhập trung bình từ 5 triệu đến dưới 10 triệu chiếm tỷ trọng cao nhất với 53% so với tổng thể mẫu và ở các ngân hàng khác nhau. Nhóm thu nhập khá từ 10 đến 20 triệu chiếm tỷ trọng cao thứ hai 24% so với tổng thể. Nhóm thu nhập thấp dưới 5 triệu và cao trên 20 triệu chiếm tỷ trọng nhỏ trong mẫu nghiên cứu. Tuy nhiên tại Vietcombank nhóm thu nhập trên 20 triệu chiếm tỷ trọng cao hơn nhóm từ 10 đến dưới 20 triệu (39%>11%).
Hình 4.5 Thu nhập trong mẫu nghiên cứu 4.2. Phân tích Cronbach alpha 4.2. Phân tích Cronbach alpha
4.2.1. Thang đo Thái độ/ Sở thích
Bảng 4.1 trình bày phân tích Cronbach alpha cho nhân tố “Thái độ/ Sở thích”. Nhân tố Thái độ/ Sở thích được ký hiệu là A và được đo lường bằng 5 câu hỏi đo lường A1, A2, A3, A4 và A5.
Cột thứ 2 của bảng 4.1 biểu diễn trung bình thang đo của tất cả các biến trung bình còn lại nếu loại bỏ đi biến đang xem xét. Ví dụ, nếu loại biến A1 thì trung bình thang đo là 15.95. Cột thứ 3 là phương sai của thang đo nếu loại biến đang xem xét. Ví dụ, nếu chúng ta loại biến A1 thì phương sai của thang đo là 5.191. Cột thứ 4 là hệ số tương quan biến tổng hiệu chỉnh. Hệ số tương quan hiệu chỉnh của biến A1 với các biến đo lường còn lại (A2, A3, A4 và A5) là 0.471. Cột cuối cùng là hệ số Cronbach alpha nếu loại biến đang xem xét. Ví dụ, nếu loại biến A1 thì Cronbach alpha của thang đo là 0.660.
Bảng 4.1 Phân tích Cronbach alpha cho thang đo nhân tố “Thái độ/ Sở thích”
Biến
Giá trị trung bình của nhân tố nếu
loại biến
Phương sai trung bình của nhân tố
nếu loại biến
Tương quan với biến tổng hiệu
chỉnh
Giá trị Cronbach alpha nếu loại
biến A Cronbach alpha tổng = 0.710 A1 15.950 5.191 .471 .660 A2 16.283 5.919 .319 .716 A3 15.991 5.235 .506 .646 A4 16.133 4.906 .542 .628 A5 16.308 5.072 .497 .649
Nguồn: Tác giả tính toán từ dữ liệu khảo sát
Các thông số kiểm mức độ tin cậy của thang đo trong bảng 4.1 cho thấy: các biến đo lường A1, A2, A3, A4 và A5 có Cronbach alpha tổng là 0.710. Tương quan biến tổng hiệu chỉnh của các biến đo lường đều lớn hơn 0.3, cao nhất là 0.542 (A4) và thấp nhất là 0.319 (A2). Như vậy các biến đo lường cho nhân tố “Thái độ/ Sở thích” đều phù hợp và đủ điều kiện để phân tích EFA.
Đồng thời chúng ta cũng thấy câu hỏi đo lường A4 “Ngân hàng có lãi suất cho vay thấp” có hệ số Cronbach alpha nếu loại biến là thấp nhất 0.628 và hệ số tương quan biến tổng là lớn nhất 0.542. Như vậy A4 là biến đo lường quan trọng và có tính liên kết với các biến đo lường khác cao nhất trong thang đo này. Cũng có thể nói để khách hàng có thái độ tích cực và gia tăng sự yêu thích đối với ngân hàng thì các ngân hàng cần tập trung vào xây dựng và đưa ra những gói lãi suất cạnh tranh nhằm thỏa