CHƢƠNG 1 : GIỚI THIỆU VỀ LUẬN VĂN THẠC SĨ KINH TẾ
4.2 Kết quả nghiên cứu
4.2.3 Kết quả xử lý Cronbach’s Alpha và EFA
4.2.3.1 Cronbach’s Alpha
Phương pháp hệ số tin cậy Cronbach’s Alpha mục đích dùng để xác định độ tin cậy của thang đo. Hệ số càng lớn càng thể hiện sự đồng nhất hay sự liên kết giữa các biến càng cao. Khi đó các biến sẽ cùng đo lường một khái niệm cần đo.
Tương quan biến - tổng lớn hơn 0.3 là thang đo có hệ số tin cậy tốt. Những biến có hệ số tương quan biến - tổng bé hơn 0.3 thì được xem là biến rác và sẽ bị loại. Thang đo có độ tin cậy khi Cronbach Alpha lớn hơn 0.6. Thơng thường,
thangđo có Cronbach’s Alpha từ 0.7 đến 0.8 là sử dụng được (Nunnually & Burnstain, 1994; Peterson, 1994; Slater, 1995). Nhiều nhà nghiên cứu cho rằng khi thang đo có độ tin cậy từ 0.8 trở lên đến gần 1 là thang đo lường tốt.
Thang đo các yếu tố tác động đến rủi ro tín dụng
Kết quả kiểm định thang đo các yếu tố tác động đến rủi ro tín dụng dựa trên phân tích hệ số Cronbach’s Alpha. Các nhóm nhân tố đo lường các nhân tố ảnh hưởng đến rủi ro tín dụng được trình bày như bảng dưới.
Bảng 4.3: Kết quả phân tích Cronbach’s Alpha thang đo các yếu tố tác động đện RRTD
Biến Trung bình thang đo nếu loại biến
Phương sai thang đo nếu
loại biến
Tương quan biến - tổng
Cronbach’s Alpha nếu loại
biến Khách hàng Cronbach’s Alpha=0.864 KH1 10.52 11.081 0.624 0.861 KH2 10.75 9.669 0.707 0.831 KH3 10.75 10.319 0.777 0.802 KH4 10.75 9.961 0.754 0.809
Ngân hàng cho vay Cronbach’s Alpha=0.892
NH1 24.25 40.157 0.670 0.879 NH2 23.71 40.094 0.590 0.886 NH3 24.02 40.406 0.596 0.885 NH4 23.82 39.334 0.714 0.875 NH5 23.98 38.788 0.704 0.876 NH6 23.84 39.876 0.664 0.879 NH7 23.47 41.714 0.594 0.885
NH8 23.64 40.022 0.679 0.878
NH9 23.54 40.950 0.654 0.880
Khách quan Cronbach’s Alpha=0.781
KQ1 10.95 6.924 0.481 0.778
KQ2 10.97 6.064 0.703 0.674
KQ3 11.58 5.367 0.621 0.715
KQ5 10.85 6.277 0.567 0.738
Nguồn: Tác giả sử dụng phần mềm SPSS 20 và Excel
Qua bảng trên, cả 3 yếu tố Khách hàng, Ngân hàng cho vay, và Khách quan đều có Cronbach’s Alpha lớn hơn 0.6 và các biến quan sát đều có hệ số tương
quan biến – tồng lớn hơn 0.3. Hệ số tương quan biến tổng là hệ số tương quan của một biến với điểm trung bình của các biến khác trong cùng một thang đo. Điều này cho thấy cả 3 nhóm nhân tố này đều đủ điều kiện để tiếp tục đưa vào phân tích khám phá nhân tố EFA. Tóm lại, sau khi phân tích hệ số Cronbach’s Alpha thang đo các nhân tố ảnh hưởng đến rủi ro tín dụng thì cả 3 nhân tố đều được giữ lại và giữ nguyên số lượng biến quan sát
Thang đo rủi ro tín dụng
Bảng 4.4: Kết quả phân tích Cronbach’s Alpha thang đo RRTD tại ACB
Biến Trung bình thang đo nếu
loại biến
Phương sai thang đo nếu
loại biến
Tương quan biến - tổng
Cronbach’s Alpha nếu loại
biến
Rủi ro tín dụng Cronbach’s Alpha=0.867
RRTD1 8.29 4.744 0.739 0.823
RRTD2 8.10 5.243 0.711 0.834
RRTD4 8.90 5.064 0.724 0.828
Nguồn: Tác giả sử dụng phần mềm SPSS 20 và Excel
Thang đo Rủi ro tín dụng với 4 biến quan sát, có hệ số Cronbach’s Alpha là 0.867 và các biến quan sát có hệ số tương quan biến – tồng đều lớn hơn 0.3. Do đó, bốn biến quan sát trên tiếp tục được đưa vào phân tích nhân tố khám phá EFA.
4.2.3.2 Phân tích nhân tố khám phá EFA cho từng yếu tố.
Sau khi phân tích độ tin cậy bằng hệ số Cronbach’s Alpha, 17 biến quan sát của thang đo Các yếu tố tác động đến rủi ro tín dụng và 4 biến quan sát của thang đo Rủi ro tín dụng được đưa vào phân tích khám phá. Phân tích nhân tố khám phá có tác dụng rút gọn dữ liệu, giảm đi những biến quan sát và xác định cấu trúc quan hệ giữa các biến hay nói cách khác là khám phá ra những nhân tố cơ bản trong đó có chứa những nhóm biến có liên hệ qua lại lẫn nhau. Phân tích nhân tố khám phá (EFA) là kỹ thuật được sử dụng nhằm giảm bớt và tóm tắt các dữ liệu bằng phương pháp Principle Components với phép quay Varimax, yếu tố trích được có eigenvalue lớn hơn 1.0.
Sau khi phân tích nhân tố, sẽ có một số biến bị loại bỏ. Các kết quả phân tích sẽ được giải thích bằng các lý thuyết thống kê kinh doanh. Thang đo sẽ được phân tích nhân tố dựa trên những tiêu chuẩn sau:
Mẫu: Theo lý thuyết, kích thước mẫu khi tiến hành phân tích nhân tố phải đủ lớn (n>50) và phải gấp đôi số biến quan sát trở lên (Hair & cộng sự, 1998). Trong nghiên cứu này, cỡ mẫu thựchiện là 124 mẫu, gấp 5.904 lần số biến quan sát. Do đó, các thang đo được chấn nhận phân tích nhân tố.
Hệ số KMO (Kaiser Meyer Olkin) là chỉ số dùng để xem xét sự thích hợp của phân tích yếu tố, nếu KMO nằm trong khoảng từ 0.5 đến 1 thì phân tích yếu tố là thích hợp. Kiểm định Barlett xem xét giả thuyết về độ tương quan giữa các biến quan sát bằng khơng 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.
Hệ số tải yếu tố (Factor Loading): là hệ số tương quan giữa các biến và các nhân tố. Theo Hair & ctg (1998), “Multivariate Data Analysis”, Prentice-Hall International. Inc, Factor Loading lớn hơn 0.4 được xem là có ý nghĩa thực tiễn. Nếu biến quan sát này có hệ số tải yếu tố bé hơn 0.4 sẽ bị loại.Tiêu chuẩn khác biệt hệ số tải yếu tố của một biến quan sát giữa các yếu tố lớn hơn hoặc bằng 0.3 để đảm bảo giá trị phân biệt giữa các yếu tố. [Jabnoun & Al-Tamimi (2003) “Measuring perceived service quanlity at UAE commercial banks”, International Jourrnal of Quanlity and Reliability Management, (20), 4].
Phương pháp trích được chọn để phân tích thang đo: Phương pháp Principal Componnets (phương pháp phân tích nhân tố rút thành phần chính) với phép quay Varimax được áp dụng cho cả hai thang đo Các yếu tố tác động đến rủi ro tín dụng và rủi ro tín dụng
Thang đo được chấp nhận khi tổng phương sai trích lớn hơn hoặc bằng 50% nhằm đảm bảo tập dữ liệu đưa vào là có ý nghĩa cho phân tích yếu tố và Eigenvalue lớn hơn 1.[Theo Hair & ctg (1998)].
Thang đo các yếu tố tác động đến rủi ro tín dụng.
Bảng 4.5: Kết quả phân tích nhân tố thang đo các yếu tố tác động đến RRTD tại ACB
Nhân tố Biến 1 2 3 NH4 0.785 NH8 0.784 NH5 0.783 NH9 0.742 NH1 0.736 NH6 0.725 NH3 0.677
NH7 0.668 NH2 .0639 KH4 0.852 KH3 0.846 KH2 0.843 KH1 0.762 KQ2 0.830 KQ3 0.776 KQ5 0.715 KQ1 0.710 Hệ số KMO=0.804 Hệ số Eigenvalues=2.171 Sig. =0 Phương sai trích=61.857%
Nguồn: Tác giả sử dụng phần mềm SPSS 20 và Excel
Kết quả phân tích nhân tố thang đo Các nhân tố ảnh hưởng đến rủi ro tín dụng được trình bày ở bảng trên. Hệ số KMO khá cao (0.804>0.5) và kiểm định Barlett’s có ý nghĩa phân tích bằng 0. Do đó, dữ liệu thu thập được thích hợp với phân tích nhân tố khám phá. Tại mức giá trị Eigenvalues=2.171 (lớn hơn 1) và phương pháp trích được sử dụng là Principal components với phép quay Varimax, phân tích nhân tố đã trích 3 nhóm nhân tố từ 17 biến quan sát với phương sai trích 61.857% (lớn hơn 50%) đạt yêu cầu.
Xem xét từng nhân tố, kết quả cho thấy các biến trong nhân tố thứ nhất (Ngân hàng cho vay), nhân tố thứ 2 (Khách hàng), và nhân tố thứ 3 (Khách quan)
đều có hệ số tải nhân tố lớn hơn 0.4. Do đó, các biến quan sát trong 3 nhân tố này phù hợp và được giữ lại cho các phân tích tiếp theo.
Thang đo rủi ro tín dụng
Thang đo rủi ro tín dụng bao gồm 4 biến quan sát, sau khi được kiểm định độ tin cậy bằng hệ số Cronbach’s Alpha, thang đo sẽ đưa vào phân tích nhân tố khám phá nhằm kiểm định mức hội tụ của các biến quan sát.
Tương tự thang đo Các yếu tố tác động đến rủi ro tín dụng, phương pháp trích được sử dụng là phương pháp Principal componnets và phép quay Varimax, giá trị cản hoàn hoàn bé hơn 0.4, kết quả kiểm định hệ số KMO thỏa mãn điều kiện lớn hơn 0.5 (KMO=0.810) và kiểm định Barlett có mức ý nghĩa bằng 0 (Sig=0), điều đó cho thấy tính phù hợp của dữ liệu với phân tích nhân tố khám phá
Phân tích nhân tố rút ra được một nhóm nhân tố tại giá trị Eigenvalues=2.867 và phương sai trích là 71.668% (lớn hơn 50%-thỏa mãn điều kiện), tất cả các biến đều có hệ số tải nhân tố lớn hơn 0.5
Bảng 4.6: Kết quả phân tích nhân tố thang đo RRTD tại ACB
Biến Nhân tố RRTD1 0.860 RRTD4 0.851 RRTD2 0.839 RRTD3 0.837 Hệ số KMO=.0.810 Sig.=0 Hệ số Eigenvalues=2.867 Phương sai trích = 71.668%
Thơng qua phân tích độ tin cậy bằng hệ số Cronbach’s Alpha và phân tích nhân tố khám phá, tất cả các biến quan sát của thang đo Rủi ro tín dụng đều đáp ứng được yêu cầu nên sẽ được tiếp tục được đưa vào sử dụng cho những phân tích tiếp theo. Nhân tố rủi ro tín dụng sẽ được lưu thành RRTD khi phân tích tiếp theo.
4.2.4 KIỂM ĐỊNH MƠ HÌNH.
Sau khi đánh giá độ tin cậy thang đo, 3 biến độc lập và 1 biến phụ thuộc được tiếp tục phân tích để kiểm định mơ hình giả thuyết đưa ra. Phân tích tương quan và phân tích hồi quy bội là hai phương pháp được thực hiện trong bước này.
Phân tích tương quan sẽ được thực hiện trước để xác định sự thích hợp của các biến khi đưa vào phân tích hồi quy bội. Sau khi hồn thành phân tích tương quan, phân tích hồi quy bội sẽ được thực hiện để kiểm định mơ hình giả thuyết. Kết quả phân tích hồi quy là phương trình hồi quy. Dựa trên phương trình này sẽ đánh giá mức độ tác động của từng nhân tố ảnh hưởng đến rủi ro tín dụng đến rủi ro tín dụng tại NHTMCP Á châu.
4.2.4.1 Thống kê mô tả.
Thống kê sơ bộ của các biến độc lập và phụ thuộc được trình bày như bảng dưới:
Bảng 4.7: Trung bình các nhân tố
Biến Trung bình Độ lệch chuẩn Số lượng mẫu
KH 3.5645 1.04418 124
NH 2.9758 0.78677 124
KQ 3.6956 0.79860 124
RRTD 2.8044 0.73706 124
Nguồn: Tác giả sử dụng phần mềm SPSS 20 và Excel
Đánh giá tổng quan, trung bình các biến độc lập và biến phụ thuộc cho thấy phấn lớn các câu trả lời của đáp viên đều nằm ở mức đồng ý trở lên. Trong đó, trung bình biến NH (Ngân hàng) là thấp nhất nhưng câu trả lời của đáp viên cũng ở mức
đồng ý trở lên chiếm đa số, cho thấy rủi ro tín dụng tại ACB cũng chịu tác động của cả ba nhân tố trên.
4.2.4.2 Phân tích tƣơng quan
Sự tương quan giữa các nhân tố trong thang đo Các yếu tố tác động đến rủi ro tín dụng và rủi ro tín dụng được đánh giá thông qua hệ số Pearson. Đối với sự tương quan giữa các biến độc lập thì hệ số Pearson càng nhỏ thì có mức tương quan càng yếu, phân tích hồi quy càng có ý nghĩa. Khi xem xét sự tương quan giữa các biến độc lập và biến phụ thuộc thì hệ số tương quan càng cao thì sự liên hệ giữa biến độc lập và biến phụ thuộc càng chặt chẽ, đây là điều kiện cần để thực hiện phân tích hồi quy tuyến tính. Ngồi ra cần nhận diện vấn đề đa cộng tuyến khi các biến độc lập cũng có tương quan mạnh với nhau.
Bảng 4.8: Kết quả phân tích tương quan
KH NH KQ RRTD KH Hệ số Pearson 1 0.181* 0.243** 0.394** Sig. (2-tailed) 0.044 0.007 0.000 NH Hệ số Pearson 0.181* 1 0.231** 0.656** Sig. (2-tailed) 0.044 0.010 0.000 KQ Hệ số Pearson 0.243** 0.231** 1 0.336** Sig. (2-tailed) 0.007 0.010 0.000 RRTD Hệ số Pearson 0.394** 0.656** 0.336** 1 Sig. (2-tailed) 0.000 0.000 0.000
*. Correlation is significant at the 0.05 level (2-tailed).
**. Correlation is significant at the 0.01 level (2-tailed).
Nguồn: Tác giả sử dụng phần mềm SPSS 20 và Excel
Nếu :
- r = 0,3 -0,5 : tương quan trung bình
- r>0,7 : tương quan chặt chẽ (r càng gần 1 tương quan càng mạnh)
Từ bảng kết quả phân tích trên, ta thấy rằng tất cả giá trị r giữa các nhân tố đều nhỏ hơn 0,7 nên mối tương quan giữa các nhân tố ở mức trung bình hoặc yếu. Vì vậy mơ hình khó xảy ra đa cộng tuyến
Xem xét sự tương quan giữa các biến độc lập và biến phụ thuộc cho thấy hệ số tương quan nằm ở mức từ 0.3 đến 0.6 với mức ý nghĩa 1%, cho thấy mức độ tương quan từ trung bình đến mạnh giữa biến độc lập và biến phụ thuộc. Trong đó, biến NH (Ngân hàng) có tương quan mạnh nhất tới biến phụ thuộc (RRTD); biến KQ (Khách quan) có mức tương quan thấp nhất. Kết quả trên cho thấy có sự tương quan giữa các biến trong thang đo Các yếu tố tác động đến rủi ro tín dụng và rủi ro tín dụng nằm ở mức từ trung bình đến mạnh. Nói cách khác, các biến độc lập này có thể đưa vào mơ hình giải thích các nhân tố của các yếu tố tác động đến rủi ro tín dụng.
4.2.4.3 Phân tích hồi quy
Thơng qua phân tích tương quan, mơ hình được chọn là mơ hình hồi quy đa biến, được thể hiện trong phương trình sau:
RRTD=β0+β1*KH+ β2*NH+ β3*KQ.
Phân tích hồi quy được thực hiện với 3 biến độc lập, bao gồm: KH (Khách hàng), NH (Ngân hàng), KQ (Khách quan) và biến phụ thuộc RRTD (Rủi ro tín dụng).
Giá trị của các biến độc lập được tính trung bình dựa trên các biến quan sát thành phần của các biến độc lập đó. Gía trị của biến phụ thuộc là trung bình của các biến quan sát đo lường rủi ro tín dụng. Phương pháp phân tích hồi quy được sử dụng là phương pháp Enter
Bảng 4.9: Kết quả phân tích hồi quy tuyến tính
Model R R Square Adjusted R
Square
Std.Error of the Estimate
1 0.726a 0.526 0.515 0.51355
Nguồn: Tác giả sử dụng phần mềm SPSS 20 và Excel
a. Predictors: (Constant), KQ, NH, KH
Kết quả phân tích hồi quy cho thấy mơ hình đưa ra là phù hợp. Hệ số R2 là 0.526và hệ số R2 hiệu chuẩn là 0.515, điều này có ý nghĩa là mức độ phù hợp của mơ hình là 51.5% hay nói cách khác có 51.5% độ biến thiên của Rủi ro tín dụng được giải thích bởi ba thành phần nói trên.
So sánh hai giá trị R bình phương và R bình phương hiệu chỉnh ta thấy R bình phương hiệu chỉnh nhỏ hơn, dung nó đánh giá độ phù hợp của mơ hình sẽ an tồn hơn vì nó khơng thổi phồng mức độ phù hợp của mơ hình.
Bảng 4.10 :Kết quả phân tích phương sai ANOVA
ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 35.172 3 11.724 44.454 0.000b Residual 31.648 120 0.264 Total 66.820 123 a. Dependent Variable: RRTD b. Predictors: (Constant), KQ, NH, KH
Nguồn: Tác giả sử dụng phần mềm SPSS 20 và Excel
Kiểm định F sử dụng trong bảng phân tích Phương sai là phép kiểm định giả thuyết về độ phù hợp của mơ hình hồi quy tuyến tính tổng thể. Từ bảng phân tích phương sai Anova cho thấy trị số thống kê F được tính từ giá trị R Square có giá trị
Sig. rất nhỏ (Sig=0) cho thấy sự phù hợp của mơ hình hồi quy tuyến tính đa biến với tập dữ liệu. Các biến độc lập có quan hệ với biến phụ thuộc, mơ hình có thể sử dụng được.
Bảng 4.11:Kết quả phân tích các hệ số hồi quy
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) 0.074 0.271 0.271 0.787 KH 0.180 0.046 0.256 3.913 0.000 0.924 1.082 NH 0.541 0.061 0.577 8.860 0.000 0.930 1.075 KQ 0.130 0.061 0.140 2.125 0.036 0.905 1.105 a. Dependent Variable: RRTD
Nguồn: Tác giả sử dụng phần mềm SPSS 20 và Excel
Xem xét về vấn đề đa cộng tuyến do các biến độc lập có hệ số tương quan với nhau, kết quả phân tích cho thấy hệ số VIF đều thấp hơn 2 (cao nhất 1.105). Do đó, khơng có hiện tượng đa cộng tuyến trong phân tích hồi quy (Hồng Trọng & Mộng Ngọc, 2008).
Với mức ý nghĩa được chọn trong nghiên cứu thông thường là 5%, tức là Sig. thấp hơn 0.05 thì có thể nói biến độc lập có tác động lên biến phụ thuộc. Từ kết quả phân tích trình bày trong bảng trên, tất cả các biến độc lập đều có Sig. thấp hơn 0.05. Điều này cho thấy các biến độc lập trong thang đo Các yếu tố tác động lên rủi ro có tác động lên rủi ro tín dụng tại ngân hàng. Hệ số beta của các biến này đều mang dấu dương chứng tỏ mối liên hệ tác động của biến độc lập lên biến phụ thuộc