2.3.2.1. Phân tích thống kê mơ tả
Phân tích thống kê mô tả của tập hợp dữ liệu khảo sát được trình bày chi tiết ở phụ lục 08. Phân tích thống kê mơ tả của tập dữ liệu khảo sát bao gồm:
Thống kê mô tả về đặc trưng các cá nhân được khảo sát
Kết quả khảo sát về giới tính: theo kết quả khảo sát có 207 người tham gia trong
đó có 98 người tham gia là nữ chiếm tỷ lệ 47,3% và 109 người là nam chiếm 52,7%.
Kết quả khảo sát về tuổi: có 47 người từ 18 đến 30 tuổi, chiếm 22,7%; 80 người
từ 32 đến 40 tuổi, chiếm 38,6%; 59 người từ 41 đến 50 tuổi, chiếm 28,5% và 21 người trên 50 tuổi, chiếm 10,1%.
Khảo sát về trình độ: có 33 người có trình độ trung cấp trở xuống, chiếm
15,9%; 56 người trình độ cao đẳng, chiếm 27,1 %, 107 người có trình độ đại học, chiếm 51,7% và 11 người trình độ trên đại học chiếm 5,3%.
Khảo sát về thu nhập: có 41 người có thu nhập hàng tháng từ 4 triệu đồng trở
xuống chiếm 19,8%; 138 trên 4 triệu đến 10 triệu đồng/tháng, chiếm 66,7%. Cịn lại là 28 người có thu nhập trên 10 triệu đồng/tháng, chiếm 13,5%.
Thống kê mô tả về đặc trưng liên quan đến thẻ của ngân hàng Kiên Long
Khảo sát mức độ hiểu biết về thẻ KLB: theo kết quả khảo sát, có 55 người biết
đến thẻ ngân hàng Kiên Long qua các kênh như tivi, báo chí, Internet chiếm 26,6%, có 84 người được người thân, bạn bè, đồng nghiệp giới thiệu chiếm 40,6%, 38 người được nhân viên ngân hàng giới thiệu, chiếm 18,4%. Trong đó chỉ có 23 người chủ động tìm hiểu về thẻ của ngân hàng chiếm 11,1 % và 7 người còn lại biết đến thẻ qua các kênh khác (triển lãm, email quảng cáo) chiếm 3,4%.
Khảo sát mức độ sử dụng thẻ KLB: có 12 người được khảo sát chưa từng sử dụng thẻ KLB chiếm 5,8 %; 59 người sử dụng thẻ KLB dưới 6 tháng chiếm 28,5%; 73 người có thời gian sử dụng từ 6 tháng đến 1 năm chiếm 35,3% và 63 người sử dụng trên 1 năm chiếm 30,4%. Thêm vào đó, trong nhóm các đối tượng có sử dụng thẻ, đa số các khách hàng đều có nhu cầu sử dụng thẻ một lần trong một tháng.
2.3.2.2. Phân tích độ tin cậy
Tiếp theo chúng ta kiểm tra xem các mục hỏi nào đã có đóng góp vào việc đo lường một khái niệm lý thuyết mà ta đang nghiên cứu và những mục hỏi nào không. Điều này liên quan đến hai khía cạnh là tương quan giữa bản thân các mục hỏi và tương quan của các điểm số của từng mục hỏi với điểm số toàn bộ các mục hỏi cho mỗi người trả lời (trích trong Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008, tập 2, tr. 17). Phương pháp phân tích độ tin cậy cho phép loại bỏ những biến không phù hợp và hạn chế biến rác trong mơ hình nghiên cứu vì nếu khơng chúng ta khơng thể biết được chính xác độ biến thiên cũng như độ lỗi của các biến.
Hệ số α của Cronbach là một phép kiểm định thống kê về mức độ chặt chẽ mà các mục hỏi trong thang đo tương quan với nhau (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008, tập 2, tr. 18). Theo quy ước thì một tập hợp các mục hỏi dùng để đo lường được đánh giá là tốt phải có hệ số α từ 0,8 trở lên đến gần 1, từ 0,7 đến gần 0,8 là sử dụng được. Tuy nhiên, cũng có nhà nghiên cứu đề nghị rằng Cronbach‟s Alpha từ 0,6 trở lên là có thể sử dụng được trong trường hợp khái niệm đo lường là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu (Nunnally, 1978; Peterson, 1994; Slater, 1995, trích trong Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008, tập 2, tr. 24).
Hệ số α của Cronbach sẽ cho biết các mục hỏi dùng để đo lường có liên kết với nhau khơng nhưng lại khơng cho biết mục hỏi nào cần được bỏ đi và mục hỏi nào cần được giữ lại. Để làm được điều này, cần xác định mục hỏi nào không phân biệt giữa những người cho điểm số lớn và những người cho điểm số nhỏ trong tập hợp toàn bộ các mục hỏi (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008, tập 2, tr. 19). Nếu một biến đo lường có hệ số tương quan biến tổng (hiệu chỉnh) lớn hơn 0,3 thì biến đó đạt u cầu (Nunnally & Bernstein,1994, trích trong Nguyễn Đình Thọ, 2011, tr. 351).
Dựa vào kết quả thu thập được, tác giả tiến hành phân tích độ tin cậy của các thang đo như được trình bày ở phụ lục 09.
Về thang đo hiệu quả mong đợi: gồm 5 biến quan sát là PE1, PE2, PE3, PE4,
PE5 với hệ số Cronbach„s Alpha khá cao (0.871 > 0.6). Cả 5 biến quan sát này có hệ số
tương quan biến tổng đều lớn hơn 0,3 nên được chấp nhận. Ngoài ra khi xét thêm tiêu chí Cronbach„s Alpha nếu loại biến thì đều làm giảm hệ số Cronbach„s Alpha ban đầu nên thang đo đạt yêu cầu về độ tin cậy. Các biến này được đưa vào phân tích nhân tố.
Về thang đo nỗ lực mong đợi: gồm 4 biến quan sát là EE1, EE2, EE3, EE4 với
hệ số Cronbach„s Alpha cũng khá cao (0.846 > 0.6). Cả 4 biến quan sát này đều có hệ số tương quan biến tổng lớn hơn 0,3 nên được chấp nhận. Ngoài ra khi xét thêm tiêu chí Cronbach„s Alpha nếu loại biến thì đều làm giảm hệ số Cronbach„s Alpha ban đầu nên thang đo đạt yêu cầu về độ tin cậy. Các biến này được đưa vào phân tích nhân tố.
Về thang đo ảnh hƣởng của xã hội: gồm 3 biến quan sát là SI1, SI2, SI3 với
hệ số Cronbach„s Alpha là 0.878 (> 0.6). Cả 3 biến quan sát này đều có hệ số tương quan biến tổng lớn hơn 0,3 nên được chấp nhận. Ngoài ra khi xét thêm tiêu chí Cronbach„s Alpha nếu loại biến thì đều làm giảm hệ số Cronbach„s Alpha ban đầu nên thang đo đạt yêu cầu về độ tin cậy. Các biến này đều được đưa vào phân tích nhân tố.
Về thang đo điều kiện thuận tiện: gồm 4 biến quan sát là FC1, FC2, FC3, FC4
với hệ số Cronbach„s Alpha đạt 0.875 (> 0.6). Cả 4 biến quan sát này đều có hệ số tương quan biến tổng lớn hơn 0,3 nên được chấp nhận. Ngoài ra khi xét thêm tiêu chí Cronbach„s Alpha nếu loại biến thì đều làm giảm hệ số Cronbach„s Alpha ban đầu nên thang đo đạt yêu cầu về độ tin cậy. Các biến này cũng được đưa vào phân tích nhân tố.
Về thang đo niềm tin: gồm 4 biến quan sát là TR1, TR2, TR3, TR4 với hệ số
Cronbach„s Alpha 0.897 (> 0.6). Cả 4 biến quan sát này đều có hệ số tương quan biến tổng lớn hơn 0,3 nên được chấp nhận. Ngồi ra khi xét thêm tiêu chí Cronbach„s Alpha nếu loại biến thì đều làm giảm hệ số Cronbach„s Alpha ban đầu nên thang đo đạt yêu cầu về độ tin cậy. Các biến này được đưa vào phân tích nhân tố ở bước tiếp theo.
2.3.2.3. Phân tích nhân tố
Sau khi phân tích độ tin cậy của thang đo, vấn đề tiếp theo là xác định tập hợp các biến cần thiết cho vấn đề nghiên cứu. Phương pháp phân tích nhân tố khám phá EFA được tiến hành để rút gọn tập hợp các biến độc lập thành một tập nhỏ hơn, đại
diện cho mỗi nhóm nhân tố mà khơng làm mất đi ý nghĩa giải thích và thơng tin của nhóm nhân tố. Phương pháp phân tích nhân tố EFA nhằm xem xét mức độ hội tụ của các biến quan sát theo từng nhóm nhân tố và giá trị phân biệt giữa các nhân tố.
Điều kiện để phân tích nhân tố EFA:
Hệ số KMO (Kaiser – Meyer - Olkin): Là một chỉ số để xem xét sự thích hợp
của phân tích nhân tố. Trị số KMO lớn (giữa 0,5 và 1) có nghĩa là phân tích nhân tố thích hợp (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008, tập 2, tr. 31).
Kiểm định Bartlett: Kiểm tra sự tương quan giữa các biến quan sát trong tổng
thể. Nếu phép kiểm định Bartlett có sig. <5% thì các biến quan sát có quan hệ với nhau, là điều kiện cần để áp dụng phân tích nhân tố (Nguyễn Đình Thọ, 2011, tr. 396).
Các vấn đề cần xem xét trong phân tích nhân tố:
Hệ số tải nhân tố: Là hệ số tương quan giữa các biến và các nhân tố. Hệ số này
càng lớn thì các biến và nhân tố càng có quan hệ chặt chẽ với nhau. Hệ số tải nhân tố lớn hơn hoặc bằng 0.5 là có thể chấp nhận được (Nguyễn Đình Thọ, 2011, tr. 402).
Tổng phương sai trích TVE: Thể hiện các nhân tố trích được bao nhiêu phần
trăm của các biến đo lường. Hệ số này phải đạt từ 50% trở lên thì mơ hình phân tích nhân tố EFA mới phù hợp (Nguyễn Đình Thọ, 2011, tr. 403).
Hệ số Eigenvalue: Đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố.
Chỉ những nhân tố nào có hệ số eigenvalue lớn hơn 1 mới được giữ lại trong mơ hình phân tích. Tiêu chí này dùng để xác định số lượng nhân tố trong phân tích EFA (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008, tập 2, tr. 33 - 34).
Chi tiết kết quả phân tích nhân tố được trình bày ở phụ lục 10. Phương pháp sử dụng là phương pháp Principal component với phép quay nhân tố là Varimax. Việc
phân tích nhân tố được tiến hành lần lượt với toàn bộ các biến quan. Sau đó, nghiên cứu sẽ xem xét loại bỏ các biến có hệ số truyền tải (factor loading) thấp.
Phân tích nhân tố cho các biến độc lập
Kết quả kiểm định KMO và Bartlett và kết quả phân tích nhân tố khám phá EFA cho các biến độc lập được trình bày chi tiết ở phụ lục 10.
(Tham khảo phụ lục 10)
Kiểm định KMO và Bartlett cho các biến độc lập cho thấy kết quả kiểm định có trị số KMO = 0.749 (giữa 0,5 và 1) và kiểm định Bartllet cho thấy giả thuyết các biến có quan hệ được chấp nhận với mức ý nghĩa thống kê 0% (sig. = 0,000). Như vậy các điều kiện để tiến hành phân tích nhân tố được đáp ứng.
Sau khi tiến hành phân tích nhân tố, có 5 nhân tố trích được tại eigenvalue là 1,513 với tổng phương sai trích đạt 73,544 %, cho biết 5 nhân tố này giải thích được 73,544% biến thiên của các biến đo lường. Theo đó, 5 nhân tố được rút trích và tổng hợp như và trình bày chi tiết ở phụ luc 10. Kết quả phân tích nhân tố khám phá EFA cho các biến độc lập cho thấy các biến đo lường được xây dựng trong mỗi thang đo ban đầu đều có ý nghĩa giải thích tốt đối với thang đo đó sau khi thực hiện quay nhân tố. Tương tự, ta cũng tiến hành phân tích nhân tố cho thang đo đo lường ý định sử dụng để đảm bảo hiệu quả của các biến đo lường.
Phân tích nhân tố cho các biến phụ thuộc
Kết quả kiểm định KMO và Bartlett và kết quả phân tích nhân tố khám phá EFA cho các biến phụ thuộc được trình bày chi tiết ở phụ lục 10.
(Tham khảo phụ lục 10)
Trị số KMO = 0.578 (giữa 0,5 và 1) và kiểm định Bartllet cho thấy giả thuyết các biến có quan hệ được chấp nhận với mức ý nghĩa thống kê 0% (sig. = 0,000). Như vậy các điều kiện để tiến hành phân tích nhân tố được đáp ứng. Sau khi tiến hành phân tích nhân tố, có 1 nhân tố trích được tại eigenvalue là 1,828 với tổng phương sai trích
đạt 60,949 %. Đồng thời các biến đo lường cho thang đo ý định hành vi ban đầu đều được giữ nguyên sau khi thực hiện quay nhân tố.
2.3.2.4. Phân tích hồi quy
Phân tích hồi quy sẽ xác định mối quan hệ giữa biến phụ thuộc với các biến độc lập nhằm kiểm định sự phù hợp của mơ hình, qua đó giúp ta dự đốn được mức độ của biến phụ thuộc khi biết trước giá trị của các biến độc lập. Theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc (2008), sau khi tiến hành phân tích hồi quy cần quan tâm:
Hệ số Beta: hệ số hồi quy chuẩn hóa, cho phép so sánh trực tiếp giữa các hệ số
dựa trên mối quan hệ giải thích của chúng với biến phụ thuộc.
Hệ số R2: đánh giá phần biến động của biến phụ thuộc được giải thích bởi các
biến dự báo hay biến độc lập. Hệ số này có thể thay đổi từ 0 đến 1. R2 > 0,5 thì
mơ hình hồi quy là phù hợp.
Kiểm định ANOVA: để kiểm tra tính phù hợp của mơ hình với tập dữ liệu gốc.
Nếu mức ý nghĩa của kiểm định < 0.05 thì ta có thể kết luận mơ hình hồi quy phù hợp với tập dữ liệu và có thể sử dụng được.
Căn cứ vào mơ hình đã được hiệu chỉnh sau khi phân tích nhân tố khám phá, ta có mơ hình hồi quy tuyến tính bội như sau:
BI = β0 + β1 * PE + β2 * EE + β3 * SI + β4 * FC + β5 * TR + ε
Trong đó:
Biến phụ thuộc: Ý định hành vi (BI).
Biến độc lập: Hiệu quả cảm nhận (PE), Nỗ lực mong đợi (EE), Ảnh hưởng của
xã hội (SI), Điều kiện thuận tiện (FC), Niềm tin (TR).
βi: Hệ số hồi quy hay giá trị hệ số độ dốc của các biến trong mơ hình ước lượng.
Phân tích hồi quy được trình bày chi tiết ở phụ lục 11. Kết quả phân tích hồi quy
cho thấy R2 = 0.511, điều này có nghĩa là 51.1% sự chấp nhận sử dụng thẻ của ngân
hàng Kiên Long sẽ được giải thích bởi các yếu tố là các biến độc lập đã được chọn đưa vào mơ hình. Tuy nhiên, để hạn chế sự thổi phồng mức độ phù hợp của mơ hình khi có
nhiều biến được đưa vào, R2 hiệu chỉnh từ R2 được sử dụng (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008, trang 238) cho thấy mơ hình xây dựng tương đối phù hợp.
Kiểm định F trong phân tích phương sai ANOVA với mức ý nghĩa rất nhỏ (sig = 0.000) cho thấy mơ hình hồi quy tuyến tính bội đã xây dựng là phù hợp.
Các hệ số hồi quy của từng biến độc lập trong mơ hình hồi quy tuyến tính được trình bày ở bảng 2.5
Bảng 2.5 Kết quả phân tích hồi quy
Hệ số hồi quy chƣa chuẩn hóa Hệ số hồi quy chuẩn hóa t Sig. VIF B Sai số chuẩn Beta Hằng số -.245 .301 -.813 .417 PE .337 .054 .334 6.191 .000 1.194 EE .220 .049 .237 4.532 .000 1.128 SI .295 .045 .346 6.498 .000 1.167 FC .095 .041 .137 2.346 .020 1.396 TR .117 .041 .171 2.893 .004 1.431
Xét bảng trọng số hồi quy đã chuẩn hóa, chúng ta thấy tất cả các biến đều có tác động cùng chiều nhau đối với biến phụ thuộc BI vì các trọng số này đều có ý nghĩa thống kê (đều có Sig < 0.05). Từ kết quả hồi quy, sự chấp nhận sử dụng thẻ ngân hàng Kiên Long được biểu diễn qua công thức sau đây:
BI = 0.334* PE + 0.237 * EE + 0.346* SI + 0.137 * FC + 0.171* TR
Hiện tượng đa cộng tuyến không ảnh hưởng đến kết quả giải thích của mơ hình. Các hệ số phóng đại phương sai VIF của mỗi biến lớn nhất là 1.431 (<10). Theo quy tắc khi VIF vượt q 10 thì đó là đấu hiệu của đa cộng tuyến (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008, tập 1, tr 252).
Các hệ số hồi quy mang dấu dương thể hiện các yếu tố trong mơ hình hồi quy trên ảnh hưởng tỷ lệ thuận đến ý định chấp nhận sử dụng thẻ KLB. Nếu so sánh mức độ tác động của các yếu tố này lên ý định sử dụng BI thì ảnh hưởng của xã hội có tác
động mạnh nhất (βSI = 0.346), tiếp đến là hiệu quả mong đợi (βPE = 0.334), nỗ lực
mong đợi (βEE = 0.237), niềm tin (βTR = 0.171) và điều kiện thuận tiện cũng có tác
động tuy nhiên mức độ tác động thấp hơn nhiều so với các biến còn lại (βFC = 0.137).
Vì vậy, để có thể khuyến khích khách hàng chấp nhận sử dụng thẻ, ngân hàng Kiên Long cần có những giải pháp cụ thể hoàn thiện các yếu tố này.
2.3.2.5. Kiểm định giả thuyết
Kết quả kiểm định các giả thuyết được trình bày ở bảng 2.6