Chương 1 : TỔNG QUAN VỀ NGHIÊN CỨU
1.5. Phương pháp nghiên cứu
Để thực hiện được mục tiêu nghiên cứu, luận văn sử dụng kết hợp giữa nghiên cứu định tính và nghiên cứu định lượng.
Nghiên cứu định tính được thực hiện ở các bước xây dựng thang đo trước khi khảo sát, và thảo luận kết quả sau khi phân tích. Ở mỗi bước, tác giả mời 10 khách hàng sử dụng dịch vụ ngân hàng tại TP.HCM để tham gia thảo luận nhóm. Buổi thảo luận nhóm lần thứ 1 được tiến hành vào ngày 20/04/2018 gồm 2 người đã nghỉ hưu trên 40 tuổi, 2 người nhân viên văn phòng từ 31-40 tuổi, 3 người nhân viên văn phòng từ 23-30 tuổi, 2 sinh viên dưới 22 tuổi, 1 tạp vụ từ 23-30 tuổi. Buổi thảo luận thứ 1 nhằm mục đích làm rõ các từ ngữ câu hỏi và điều chỉnh các tình huống của bảng câu hỏi. Buổi thảo luận nhóm lần thứ 2 được tiến hành vào ngày 07/09/2018 gồm 5 nhân viên ngân hàng từ 25-35 tuổi, 2 người trên 40 tuổi đã nghỉ hưu, 2 nhân viên văn phòng từ 25-35 tuổi, 1 sinh viên dưới 22 tuổi. Buổi thảo luận thứ 2 nhằm mục đích tìm hiểu sâu hơn về các kết quả bị bác bỏ so với đề xuất nghiên cứu.
Nghiên cứu định lượng được thực hiện thông qua các bước: chọn mẫu và thu thập thơng tin, làm sạch và mã hóa dữ liệu, thống kê mơ tả, đánh giá mơ hình đo lường, đánh giá mơ hình cấu trúc.
o Bài nghiên cứu chọn mẫu với kích thước theo như đề xuất của Hair và cộng sự (2006): số mẫu ít nhất phải gấp 5 lần biến quan sát. Tác giả chọn kích thước mẫu tối thiểu là 300 để đảm bảo kết quả khảo sát là có ý nghĩa (lớn hơn 5 lần số biến quan sát = 5* 41=205).
o Dữ liệu sau khi thu thập sẽ được làm sạch để tránh các trường hợp sai, sót, thừa dữ liệu bằng các cơng cụ thống kê của SPSS 16.0. Sau đó được tiến hành mã hóa các biến giới tính, tuổi, học vấn, công việc.
o Thống kê mô tả cũng được thực hiện thông qua phần mềm SPPS 16.0. Sau khi đã làm sạch và mã hóa dữ liệu, tác giả thực hiện thống kê mơ tả, tóm tắt, trình bày, tính tốn và mơ tả các đặc trưng khác nhau của mẫu để phản ánh một cách tổng quát đối tượng nghiên cứu.
o Mơ hình đo lường được đánh giá thơng qua độ tin cậy Cronbach’s Alpha, hệ số tin cậy tổng hợp, phân tích nhân tố EFA, giá trị hội tụ, giá trị phân biệt.
Độ tin cậy của thang đo được đánh giá bằng phương pháp nhất quán nội tại qua hệ số Cronbach’s Alpha. Các mức giá trị của Alpha: lớn hơn 0,8 thể hiện thang đo lường tốt; từ 0,7 - 0,8 là mức sử dụng được; từ mức 0,6 trở lên là kết quả có thể sử dụng trong trường hợp khái niệm nghiên cứu là mới (Nunally, 1978; Peterson, 1994; Slater, 1995). Trong thang đo có khả năng xuất hiện biến quan sát thừa nếu Cronbach Alpha quá cao (>0.95) (M Tavakol và R Dennick, 2011). Biến quan sát thừa là biến đo lường một khái niệm hầu như trùng với biến quan sát khác, cần được loại bỏ. Trong một mơ hình phù hợp cho các mục đích thăm dị, độ tin cậy tổng hợp (composit reliability) phải bằng hoặc lớn hơn 0.6 (Chin, 1998; Höck và Ringle, 2006, trang 15); bằng hoặc lớn hơn 0,70 cho một mơ hình phù hợp cho các mục đích xác nhận (Henseler và cộng sự, 2012, trang 269); và bằng hoặc lớn hơn 0,80 được coi là tốt cho nghiên cứu xác nhận (ví dụ: Daskalakis và Mantas, 2008, trang 288). Độ tin cậy của biến lòng trung thành lớn hơn 0.9 cho thấy có thể có biến quan sát thừa (Hair và cộng sự, 2014).
Phân tích nhân tố được dùng để kiểm tra các nhân tố rút trích từ các biến. Những hệ số này (factor loading) biểu diễn tương quan giữa các nhân tố và các biến và được dùng để giải thích các nhân tố. Hệ số này càng lớn cho thấy biến nhân tố và biến có liên hệ chặt chẽ với nhau (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Giá trị hội tụ của nghiên cứu được đánh giá thơng qua hệ số tải ngồi (outer loadings), giá trị phương sai trích trung bình (average variance extracted – AVE) và độ tin cậy của biến quan sát (Indicator Reliability). Hệ số tải ngồi phải có ý nghĩa thống kê (giá trị p <0.05), nếu hệ số tài khoảng đạt giá trị từ 0.708 trở lên thì đại yêu cầu, nếu hệ số tải ngồi >0.4 nhưng <0.7 thì xét xem việc loại biến đó có làm cho hệ số AVE tăng lên khơng, nếu AVE cao hơn thì loại biến, nếu AVE khơng cao hơn thì giữ biến (Hair Jr và cộng sự, 2016). Giá trị AVE phải lớn hơn 0.5 (Chin, 1998; Hưck và Ringle, 2006, trang 15). Ngồi ra, độ tin cậy của biến quan sát (Indicator Reliablility) bằng giá trị Outer loandings bình phương phải lớn hơn 0.5 (Hair và cộng sự, 2014: 103).
Giá trị phân biệt của mơ hình cấu trúc được xem là đạt khi các giá trị nằm trên đường chéo của bảng Fornerll-Larcker Criterion đều nhỏ hơn 1 (Hair Jr và cộng sự, 2016). Ngoài ra, giá trị phân biệt cũng được đo lường bằng chỉ số HTMT, chỉ số này phải nhỏ hơn 0.9 và không chứa giá trị 1 cho tất cả các sự kết hợp của khái niệm (Henseler và cộng sự, 2015: 121).
o Tác giả sử dụng phần mềm Smart PLS 3.0 để đánh giá mơ hình cấu trúc thông qua đánh giá đa cộng tuyến, đánh giá các hệ số đường dẫn, hệ số xác định R2 hiệu chỉnh, hệ số tác động f2, đánh giá sự liên quan của dự báo Q2.
Trong một mơ hình phù hợp, các hệ số đa cộng tuyến VIF trong cấu trúc không được cao hơn 4.0 (một số sử dụng tiêu chí nhẹ nhàng hơn 5.0) (G. Davide Gargon, 2016). Với kết quả chỉ số VIF từ phần mềm Smart PLS 3.0, tác giả sẽ có thể đánh giá được các biến độc lập có phụ thuộc lẫn nhau hay khơng.
Để đánh giá mối quan hệ trong mơ hình cấu trúc, ta đánh giá các hệ số đường dẫn (Path Coefficient). Các hệ số đường dẫn càng gần +1 hoặc -1 càng thể hiện mối quan hệ mạnh mẽ, các giá trị gần bằng không thể hiện mối quan hệ yếu (Hair Jr và cộng sự, 2016).
Hệ số R2 hiệu chỉnh được dùng để đo kích thước hiệu ứng tổng thể cho mơ hình cấu trúc. Giá trị 0.75 thể hiện tác động kết hợp của biến động lập lên biến phụ thuộc là đáng kể, giá trị 0.5 thể hiện mức độ tác động trung bình, và giá trị 0.25 thể hiện mức độ tác động yếu (Hair và cộng sự, 2011).
Hệ số tác động f2 thể hiện sự thay đổi của giá trị R2 khi một biến ngoại sinh bị loại bỏ, và cũng dùng để đánh giá biến bị loại bỏ đó có tầm quan trọng như thế nào đối với biến nội sinh. Giá trị 0.02 thể hiện mức độ tác động của biến độc lập là không đáng kể, giá trị 0.15 thể hiện mức độ tác động trung bình, và giá trị 0.35 thể hiện mức độ tác động lớn (Sau Cohen,1988).
Dự báo Q2 thể hiện mức độ phù hợp dự đốn chính xác các điểm dữ liệu liệu của các chỉ số trong mơ hình cấu trúc. Giá trị lớn hơn giá trị 0 thể hiện sự liên quan dự báo của mơ hình đường dẫn cho khái niệm phụ thuộc và ngược lại (Geisser, 1974). Theo Sau Cohen (1988), 0.02 đại diện cho mức độ phù hợp ít, 0.15 đại diện cho mức độ phù hợp trung bình và 0.35 đại diện cho mức độ phù hợp cao.