Bảng 1 .1 Tóm tắt các nhân tố hành vi tác động đến quyết định đầu tư
Bảng 1.4 Các Thang đo cho biến hành vi và quyết định đầu tư
Nhóm Khía cạnh Câu hỏi Thang đo
Hành vi đầu tư Tự nghiệm - Tính đại diện - Sự quá tự tin - Neo quyết định - Ảo tưởng con bạc - Sự sẵn có Câu hỏi 12-13 Câu hỏi 14 Câu hỏi 15-16 Câu hỏi 17 Câu hỏi 18-19 Thang đo Likert 6 bậc Kỳ vọng - Cảm giác mất mát - Căm ghét hối tiếc - Tính tốn bất hơp lý Câu hỏi 20-21 Câu hỏi22-23 Câu hỏi 24-25 Thang đo Likert 6 bậc Thị trường
- Sự thay đổi giá cả - Thông tin thị trường - Xu hướng quá khứ - Yếu tố cơ bản - Tham khảo khách
hành
- Sự thay đổi quá mức của sự thay đổi giá
Câu hỏi 26-31
Thang đo Likert 6 bậc
Hiệu ứng đám đông
Theo các hành vi giao dịch của các người khác (mua và bán,lựa chọn cổ phiếu, khối
Câu hỏi 32-35
Thang đo Likert 6 bậc
lượng, mức độ của đám đông)
Quyết định đầu tư
Tự đánh giá quyết định đầu tư của mình
Câu hỏi 36-38 Thang đo Likert 6 bậc
( Nguồn: Tác giả tự tổng hợp) 1.4.5 Xử lý và phân tích dữ liệu
Các dữ liệu thu thập được xử lý và phân tích bằng phần mềm SPSS và AMOS. Lúc đầu, các dữ liệu được làm sạch bằng cách loại bỏ các bảng câu hỏi kém chất lượng cũng như có quá nhiều bảng câu hỏi thiết sót và lệch lạc. Sau đó, các kỹ thuật thống kê được sử dụng để đạt các mục tiêu nghiên cứu, bao gồm: Thống kê mơ tả, Phân tích nhân tố, đánh giá Cronbach alpha, Mơ hình cấu trúc tuyến tính (SEM)
Thống kê mơ tả: Trung bình, mode, trung vị, phương sai, độ lệch chuẩn được
sử dụng để mô tả thông tin cá nhân của người trả lời. Thống kê mô tả cũng được sử dụng để mô tả mức độ ảnh hưởng của các biến hành vi đến việc ra quyết định đầu tư của cổ đơng. Tuy nhiên chỉ có các biến hành vi cịn lại sau khi phân tích nhân tố khám phá và đánh giá Cronbach alpha mới được xem xét mô tả.
Cronbach’s Alpha Test: được sử dụng để kiểm tra độ tin cậy thống nhất nội
bộ của thước đo (internal consistency reliability of measurements), đó là các định dạng của các biến liên tục (ví dụ, thước đo Likert 6 bậc). Kiểm định Cronbach’s Alpha hoàn toàn phù hợp với nghiên cứu bởi vì bảng câu hỏi bao gồm thước đo Likert 6 bậc và nghiên cứu về tài chính hành vi. Nghiên cứu này sử dụng Cronbach’s Alpha để kiểm tra độ tin cậy của phép đo bao gồm các nhân tố được hình thành trước khi phân tích nhân tố.
Đề tài này chọn mức chấp nhận Cronbach’s Alpha là 0.6 trở lên và hệ số tương quan tổng - biến (correcteditem-total correlations) là 0.3 hoặc hơn bởi vì đo lường tài chính hành vi là mới cho các nhà đầu tư tại HOSE. Bên cạnh đó, mức chấp nhận ý nghĩa của F-test trong Cronbach’s Alpha cũng không quá 0.05. Cronbach’s Alpha được thực hiện bằng SPSS.
Phân tích nhân tố: Tên gọi chung của phương pháp thống kê đa biến, nhằm
mục đích xác định các cấu trúc cốt lõi trong một ma trận của dữ liệu. Giúp phân tích cấu trúc của mối tương quan giữa nhiều biến bằng cách xác định một tập hợp các khía cạnh cốt lõi, gọi là nhân tố (Ghauri và Gronhaug, 2010, trang 189). Có hai loại phân tích nhân tố: Phân tích nhân tố khám phá (EFA) và Phân tích nhân tố khẳng định (CFA). EFA là hình thức phổ biến hơn của phân tích nhân tố cố gắng để khám phá những cấu trúc cơ bản của một số lượng khá lớn của các biến. Trong khi đó, CFA đóng vai trị trong cơng việc xác định tính tương thích giữa các con số của các yếu tố được tách ra bằng q trình phân tích. Trong đề tài này, EFA được sử dụng để khám phá những nhân tố mà các biến thuộc về tài chính hành vi và quyết định đầu tư trong bảng câu hỏi (câu hỏi 12-38). EFA dùng để giảm số lượng các biến trong bảng câu hỏi khơng đáp ứng được các tiêu chí phân tích.
Trong nghiên cứu này, các tiêu chí sau đây của phân tích nhân tố khám phá được áp dụng: Hệ số tải nhân tố (factor loading), hệ số KMO, phần trăm tổng phương sai được giải thích (total variance explained), và Eigenvalue. Hệ số tải nhân tố (factor loading) được xác định mối quan hệ của từng biến đến nhân tố của biến thuộc về. Factor loading >0.5 (với mẫu là 100) để đảm bảo mức ý nghĩa thiết thực của EFA (ensuring practical significance) (Hair và cộng sự, 1998, trang 111). Kaiser-Meyer Olkin Measure of Sampling Adequacy (KMO) thể hiện mức độ phù hợp của việc sử dụng EFA cho các dữ liệu được thu thập. KMO ở mức 0.5 đến 1.0 (mức ý nghĩa <0.005) để đảm bảo rằng việc phân tích nhân tố phù hợp cho dữ liệu (Ali và cộng sự, 2006, trang 16). Phần trăm tổng phương sai được giải thích (Total variance explained) được sử dụng để xác định số lượng các nhân tố được giữ lại nơi mà các nhân tố có thể được giữ lại cho đến khi nhân tố cuối cùng thể hiện một phần nhỏ của biến giải thích. Total variance explained gợi ý là >50% (Hair và cộng sự, 1998, trang 111). Eigen-value là một thuộc tính của các nhân tố, được định nghĩa là số lượng các phương sai trong tất cả biến được giải thích bởi nhân tố nhất định. Eigen-value nên lớn hơn 1 vì eigen-value nhỏ hơn 1 nghĩa là thơng tin được giải thích bởi nhân tố ít
hơn bởi một biến (Leech và cộng sự, 2005, trang 82). EFA được thực hiện bằng phần mềm SPSS.
Mơ hình cấu trúc tuyến tính (SEM): được mơ tả là sự kết hợp của CFA và hồi
quy đa biến. SEM khám phá những khả năng về mối tương quan giữa các biến tiềm ẩn và bao gồm hai phần: (1) một mơ hình đo lường (về cơ bản là CFA) và (2) một mơ hình cấu trúc (một mơ hình hồi quy đa biến) (Schreiber và cộng sư, 2006, trang 325). Trong nghiên cứu này, SEM được sử dụng để xác nhận các yếu tố hành vi (hình thành dựa vào EFA và Cronbach’s Alpha) ảnh hưởng đến quyết định của NĐT cá nhân cũng như là ước lượng trọng số hồi quy giữa chúng.
SEM được thực hiện bởi sự hỗ trợ của phần mềm AMOS. Mơ hình phù hợp tổng thể của SEM được xác định bởi một số chỉ số. Trong nghiên cứu này, các tiêu chí cho để mơ hình SEM được chấp nhận (trong bảng 1.5) được sử dụng để đánh giá sự phù hợp của mơ hình với các dữ liệu được điều tra.