Nghiên cứu định lượng được thực hiện nhằm mục tiêu phân tích dữ liệu và tính thích hợp của mơ hình nghiên cứu cũng như để kiểm định các giả thuyết đã đề ra.
Nghiên cứu định lượng lấy dữ liệu từ kết quả phỏng vấn bằng bảng câu hỏi đối với khách hàng gửi tiền tại các NHTM Việt Nam tại Tp.Hồ Chí Minh. Bảng câu hỏi bao gồm các biến đã được điều chỉnh từ nghiên cứu định tính. Nghiên cứu sử dụng thang đo Likert 5 bậc với hình thức đối nghĩa (thang đo đối nghĩa): bậc 1 tương ứng với mức độ hồn tồn khơng đồng ý và bậc 5 tương ứng với mức độ hoàn toàn đồng ý. Bảng câu hỏi khảo sát khách hàng được trình bày trong phần phụ lục (Phụ
lục 5).
Phương pháp chọn mẫu: nghiên cứu này chọn mẫu theo phương pháp thuận
tiện, phi xác suất. Phương pháp này giúp người trả lời dễ tiếp cận, họ sẵn sàng trả lời bảng câu hỏi đồng thời có thể tiết kiệm thời gian và chi phí cho người nghiên cứu.
Kích thước mẫu: Theo Hair và cộng sự (2010) để có thể tiến hành phân tích
nhân tố khám phá EFA, tỉ lệ quan sát/biến đo lường là 5:1. Theo Tabachnick và Fidell (2007, trích Nguyễn Hồng Hà, 2016), thì kích thước mẫu phải đảm bảo cơng thức: n ≥ 50 + 8p. Với n: là kích thước mẫu tối thiểu cần thiết và p: là số khái niệm trong mơ hình. Vì vậy, để đảm bảo tính đại diện và dự trù cho những bảng khảo sát không hoàn chỉnh. Trong nghiên cứu này, tác giả sử dụng 6 khái niệm với 28 biến quan sát, thì số khách hàng cần khảo sát dự kiến khoảng 300 người là phù hợp.
Phương pháp thu thập dữ liệu: Các bảng khảo sát được gửi trực tiếp cho khách hàng tại các NHTM VN tại Tp. Hồ Chí Minh hoặc gửi trực tuyến thơng qua thư điện tử và các công cụ hỗ trợ của Google cho khách hàng. Thời gian thu thập dữ liệu là tháng 07/2017.
Phương pháp phân tích dữ liệu: từ những dữ liệu thu thập được, tác giả sử
dụng phần mềm SPSS 23 để thống kê mô tả, đánh giá độ tin cậy thang đo, phân tích nhân tố khám phá EFA, phân tích nhân tố khẳng định CFA, phân tích mơ hình nghiên cứu và kiểm định giả thuyết, phân tích đa nhóm bằng phần mềm AMOS 20.
Phân tích thống kê mơ tả
Các phép thống kê đơn giản như tần số, phần trăm, giá trị trung bình, độ lệch chuẩn trong trong phần mềm SPSS 23 dùng để mô tả đặc điểm của mẫu nghiên cứu gồm: tuổi, giới tính, trình độ học vấn, thu nhập và thang đo các khái niệm nghiên cứu.
Kiểm định độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha
Hệ số Cronbach’s Alpha là được dùng để kiểm tra mức độ chặt chẽ của thang đo để loại ra những biến không phù hợp.
Các tiêu chí được sử dụng khi thực hiện đánh giá độ tin cậy thang đo:
+ loại các biến quan sát có hệ số tương quan biến – tổng nhỏ (nhỏ hơn 0,3) (Nguyễn Đình Thọ, 2011).
+ Hệ số Cronbach’s Alpha càng cao sẽ càng tốt. Tuy nhiên, khi Cronbach’s Alpha quá lớn (>0.95) thì dễ xảy ra hiện tượng trùng lắp trong thang đo nghĩa là có nhiều biến trong thang đo khơng có sự khác biệt hoặc dữ liệu nghiên cứu không thể tin tưởng. Theo Nguyễn Đình Thọ (2011), một thang đo có độ tin cậy tốt khi nó biến thiên từ 0.75 đến gần 0.95, nhưng hệ số Cronbach’s Alpha từ 0.6 trở lên là có thể chấp nhận được.
Phân tích nhân tố khám phá EFA
Phân tích EFA sử dụng để đánh giá giá trị hội tụ và giá trị phân biệt của các nhân tố trong thang đo vì vậy tốt nhất nên phân tích nhân tố EFA đồng thời cho tất cả các biến thay vì cho từng khái niệm nghiên cứu. Phương pháp phân tích EFA thuộc nhóm phân tích đa biến phụ thuộc lẫn nhau, nghĩa là khơng có phân biệt biến phụ thuộc hay độc lập mà nó dựa vào mối tương quan giữa các biến với nhau. Hai phép trích được sử dụng phổ biến là “Principle Component Analysis-PCA” với phép quay Varimax và “Principle Axis Factoring-PAF” với phép quay Promax. Theo Gerbing
& Anderson (1988), phương pháp trích Principal Axis Factoring - PAF với phép xoay Promax sẽ phản ánh cấu trúc dữ liệu chính xác hơn phương pháp trích Principal Components với phép xoay Varimax, phép quay Promax sẽ quan tâm đến cấu trúc của thang đo, các khái niệm sau khi rút ra có thể tương quan với nhau, và cũng như sự phân biệt rõ ràng giữa các nhân tố. Điều này thích hợp để thực hiện CFA và phân tích cấu trúc tuyến tính (SEM) trong bước tiếp theo. Do đó, trong nghiên cứu này, tác giả sử dụng phương pháp trích PAF với phép xoay Promax. Các tiêu chuẩn được sử dụng khi phân tích EFA:
- KMO>=0.5, kiểm định Bartlett có ý nghĩa thống kê (sig<0.05)3. - Hệ số tải nhân tố Factor Loading >=0.5 (Hair và cộng sự, 2010)4. - Tổng phương sai trích (TVE) ≥ 50% (Gerbing & Anderson, 1988)5. - Hệ số Eigenvalue phải có giá trị ≥ 1 (Gerbing & Anderson, 1988)6.
- Chênh lệch |Factor Loading| lớn nhất và |Factor Loading| bất kỳ phải >=0.3 (Gerbing & Anderson, 1988).
Nếu như kết quả phân tích EFA các tiêu chuẩn này thỏa mãn, chứng tỏ mơ hình phù hợp.
Phân tích nhân tố khẳng định (Confirmatory Factor Analysis)
Phân tích nhân tố khẳng định (CFA) là một trong các kỹ thuật thống kê của mơ hình cấu trúc tuyến tính (SEM). CFA cho chúng ta kiểm định mơ hình đo lường có đạt u cầu khơng và các biến quan sát đại diện cho các nhân tố tốt đến mức nào, kiểm định các giá trị phân biệt, giá trị hội tụ. Khác với phân tích nhân tố khám phá EFA phải đánh giá tồn bộ thì phương pháp CFA đánh giá cục bộ cho từng khái niệm hoặc tốt nhất là đánh giá từng cặp khái niệm hoặc đánh giá cùng lúc tất cả các
3
KMO là một chỉ tiêu dùng để xem xét sự thích hợp của EFA, 0.5≤KMO≤1 thì phân tích nhân tố là thích hợp. Kiểm định Bartlett xem xét giả thuyết về 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 (Nguyễn Khánh Duy, 2009)
4
Factor loading là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA . Factor loading ≥ 0.3 được xem 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. Ngồi ra, cịn có một số kết luận: Nếu chọn tiêu chuẩn Factor loading ≥ 0.3 thì cỡ mẫu ít nhất là 350, nếu cỡ mẫu khoảng 100-350 thì nên chọn tiêu chuẩn Factor loading ≥ 0.55, nếu cỡ mẫu khoảng < 100 thì Factor loading phải ≥ 0.75 (Hair và cộng sự, 2010)
5 Tổng phương sai trích (TVE) thể hiện các nhân tố trích được bao nhiêu phần trăm của các biến đo lường.
khái niệm trong mơ hình tới hạn. Mơ hình tới hạn (saturated model) là mơ hình trong đó tất cả các khái niệm nghiên cứu được tự do quan hệ với nhau. Sử dụng mơ hình tới hạn không những kiểm định bộ thang đo từng khái niệm nghiên cứu mà còn kiểm định được giá trị phân biệt giữa các khái niệm (Hoàng Hải Yến, 2015). Các tiêu chuẩn được sử dụng khi phân tích CFA:
- Mức độ phù hợp của mơ hình với thơng tin thực tế: Mơ hình được coi là thích hợp
khi Chi-bình phương có giá trị Pvalue >5%. Tuy nhiên vì Chi-bình phương có nhược điểm là phụ thuộc nhiều vào kích thước mẫu. Kích thước mẫu càng lớn thì Chi-bình phương càng lớn, điều này làm giảm mức độ thích hợp của mơ hình. Các chỉ tiêu khác thay thế Chi –bình phương để đánh giá mức độ phù hợp của dữ liệu với thực tế là:
+ Chi bình phương điều chỉnh theo bậc tự do CMIN/DF <3 (Carmines và McIver, 1981; trích Hồng Hải Yến, 2015). Theo Hair và cộng sự (2010): n < 200, CMIN/df < 3, n > 200, CMIN/df < 5, với n là kích thước mẫu khảo sát.
+ Chỉ số RMSEA (Root Mean Square Error Approximation) ≤ 0.08, RMSEA ≤
0.05 được xem là rất tốt (Hair và cộng sự, 2010).
+ Chỉ số TLI (Tucker và Lewis Index); Chỉ số thích hợp so sánh CFI
(Comparative Fit Index), chỉ số phù hợp GFI. TLI, CFI, GFI > 0.9 (Hair và cộng sự, 2010). Tuy nhiên, giá trị của GFI, TLI và CFI ở mức 0.8 đến 0.9 cũng được chấp nhận (Gerbring và Anderson, 1988).
- Đánh giá độ tin cậy tổng hợp(ρc) và tổng phương sai trích(ρvc) . Bộ thang đo đạt
độ tin cậy khi cả độ tin cậy tổng hợp ρc và tổng phương sai trích ρvc đều có giá trị >0.5 ( Hair và cộng sự, 2010).
- Tính đơn hướng của bộ thang đo: bộ thang đo đạt tính đơn hướng khi khơng có
mối tương quan giữa sai số các biến quan sát (Nguyễn Khánh Duy, 2009).
- Đánh giá giá trị hội tụ của bộ thang đo: bộ thang đo đạt giá trị hội tụ khi các biến
quan sát của bộ thang đo một khái niệm nghiên cứu phải tương quan cao hay các λ chuẩn hóa cao (≥0.5) và đạt mức ý nghĩa thống kê (P <0.05) (Gerbring và Anderson, 1988).
- Đánh giá giá trị phân biệt. Bộ thang đo đạt giá trị phân biệt khi hệ số tương quan
trong giữa các khái niệm thành phần của một khái niệm nghiên cứu và hệ số tương quan ngoài giữa các khái niệm nghiên cứu khác 1 (Nguyễn Khánh Duy, 2009).
Phân tích mơ hình cấu trúc tuyến tính SEM
Phương pháp SEM được dùng để đánh giá mối quan hệ nhân quả giữa các thành phần, cụ thể hơn là dùng để ước lượng mức độ tác động của các biến độc lập lên biến phụ thuộc. Trong kiểm định giả thuyết và mơ hình nghiên cứu, mơ hình cấu trúc tuyến tính cũng có lợi thế hơn phương pháp hồi qui đa biến vì nó có thể tính được sai số đo lường, các kiểm định về độ tin cậy của mơ hình liên quan bằng các chỉ số trong Model Fit cũng đáng tin cậy hơn các kiểm định thông thường.
Kiểm định Bootstrap
Phương pháp kiểm định này dùng để đánh giá độ tin cậy của các ước lượng, nếu độ lệch chuẩn xuất hiện khơng có ý nghĩa thống kê (>0.05) thì có thể kết luận được rằng mơ hình là có thể tin cậy được.
Phân tích đa nhóm
Phân tích đa nhóm nhằm kiểm tra sự khác biệt về kết quả nghiên cứu đối với mỗi nhóm định tính khác nhau về đặc điểm khách hàng (giới tính, thời gian sử dụng dịch vụ, thu nhập) và đặc điểm ngân hàng (nhóm NHTM có sở hữu nhà nước cao, nhóm NHTMCP), sản phẩm ngân hàng (tiền gửi tiết kiệm, tiền gửi thanh toán).