2.3 Nghiên cứu phản ứng của nhà đầu tư qua việc chi trả cổ tức tại các ngân hàng
2.3.2.1 Thiết kế mẫu nghiên cứu định lượng
Tổng thể: Nhà đầu tư chứng khoán bao gồm nhà đầu tư tổ chức và nhà đầu tư cá
nhân. Do mục tiêu nghiên cứu đã đề ra, đề tài chỉ tập trung nghiên cứu nhà đầu tư cá nhân và đề tài chỉ thực hiện ở TP.HCM.
Phương pháp chọn mẫu: Phương pháp lấy mẫu có 2 hình thức cơ bản là lấy mẫu
ngẫu nhiên và lấy mẫu phi ngẫu nhiên, mỗi phương pháp lấy mẫu thích hợp với từng vấn đề, tình huống giải quyết khác nhau. Tuy nhiên trong điều kiện nghiên cứu của luận văn bị hạn chế về thời gian nên tác giả chọn hình thức lấy mẫu thuận tiện (phi ngẫu nhiên), bảng câu hỏi được gởi theo hình thức trực tiếp đến nhà đầu tư chủ yếu tại sàn giao dịch Vndirect (90 pasteur, p.Bến Nghé, Quận 1, Tp.HCM), sàn giao dịch Bảo Việt, sàn giao dịch FPTS và sàn giao dịch ACBS, thời gian thực hiện khảo sát diễn ra từ giữa 06/2014 đến tháng 07/2014.
Kích thước mẫu: Để có thể phân tích nhân tố khám phá (EFA) cần thu thập bộ dữ
liệu ít nhất 5 mẫu trên 1 biến quan sát và kích cỡ mẫu tối thiểu là 50, tốt hơn là 100 và tỉ lệ quan sát trên biến đo lường là 5:1, nhưng tốt nhất là 10:1 trở lên (Hair và Ctg, 2006). Dựa vào kết quả nghiên cứu trước đó của MCC, cùng với sự thu thập và góp ý từ các chun gia trong q trình nghiên cứu định tính, tác giả đã đề x́t một mơ hình nghiên cứu mới với tổng số biến quan sát trong nghiên cứu này là 14 và số lượng mẫu mong muốn ít nhất gấp 10 lần tổng số biến quan sát, vậy kích thước mẫu tối thiểu được lấy là 14*10= 140 đơn vị quan sát. Để đạt kích thước mẫu, tác giả đã gởi đến 250 nhà đầu tư bảng khảo sát.
Phương pháp xử lý dữ liệu: Sau khi phát ra 250 phiếu khảo sát, tác giả đã thu được
232 phiếu. Kết quả sau khi khảo sát và làm sạch dữ liệu thì số bảng câu hỏi hợp lệ là 217 phiếu, chiếm 86.8% số phiếu phát ra và 93.5% trong số phiếu thu về được. Kết quả này lớn hơn so với yêu cầu của mẫu đề ra nên dữ liệu này được dùng để phân tích các các bước kế tiếp.
Mã hóa dữ liệu: dữ liệu được mã hóa và nhập liệu vào phần mềm xử lý dữ liệu thống kê SPSS 16.0.
Dữ liệu thu thập được mã hóa, sau đó qua 4 bước phân tích chính sau:
Bước 1: Thực hiện thống kê mơ tả, dựa trên trung bình, độ lệch chuẩn để xem
xét quyết định nhận cổ tức của nhà đầu tư.
Bước 2: Đánh giá độ tin cậy của thang đo sử dụng dựa vào hệ số Cronbach’s
Alpha, loại bỏ các biến khơng cần thiết trong q trình nghiên cứu. Qua đó, các biến quan sát có hệ số tương quan biến-tổng thể nhỏ hơn 0.3 (item- total correlation) sẽ bị loại và thang đo được chấp nhận khi hệ số tin cậy Cronbach’s Alpha đạt yêu cầu (> 0.7).
Bước 3: Phân tích nhân tố khám phá (EFA) để rút gọn một tập hợp gồm nhiều
biến quan sát phụ thuộc lẫn nhau thành một tập biến (gọi là nhân tố) ít hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu, phục vụ cho việc thực hiện
phân tích hồi quy ở bước tiếp theo.
Khi thực hiện EFA một số điểm cần chú ý:
▪ Factor loading (hệ số tải nhân tố): là hệ số tương quan đơn giữa các biến và nhân tố. Cỡ mẫu thực hiện là 217 nên chọn tiêu chuẩn factor loading >=0.5 (Theo Hair & ctg (1998, 111)).
▪ KMO (Kaiser-Meyer-Olkin) là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số của KMO phải lớn (0.5 ≤ KMO ≤ 1) là điều kiện đủ để EFA là thích hợp, cịn nếu như trị số này nhỏ hơn 0.5 thì phân tích nhân tố có khả năng khơng thích hợp với các dữ liệu.
▪ Kiểm định Bartlett là một đại lượng thống kê để xem xét giả thuyết Ho: 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 (Trọng & Ngọc, 2005, 262). Do đó có thể áp dụng EFA cho các biến này.
Bước 4: Phân tích hồi quy: xem xét mối quan hệ tuyến tính quyết định nhận cổ tức của nhà đầu tư và những nhân tố khám phá được khi thực hiện EFA.