3.1.2.1 Mục đích
Nghiên cứu chính thức sử dụng phương pháp nghiên cứu định lượng nhằm khẳng định và kiểm tra lại kết quả nghiên cứu của phần nghiên cứu sơ bộ (nghiên cứu định tính), xác định các thang đo và mối tương quan giữa các thang đo, lượng hóa tác động của các nhân tố trong mơ hình để xây dựng mơ hình các yếu tố tác động đến chất lượng dịch vụ tín dụng doanh nghiệp. Do đó phương pháp nghiên cứu mô tả, nghiên cứu nhân quả được sử dụng để phân tích dữ liệu thu thập từ bảng câu hỏi phát cho khách hàng.
3.1.2.2 Phương pháp thu thập thông tin và cỡ mẫu
Thông tin được thu thập từ các khách hàng doanh nghiệp thuộc nhiều lĩnh vực kinh doanh đang sử dụng dịch vụ tín dụng doanh nghiệp tại BIDV-CNSGD2. Phương pháp thu thập thông tin là phỏng vấn qua mail và phỏng vấn trực diện, trong đó tùy mức độ thuận tiện mà áp dụng phương pháp phỏng vấn trực diện hay phỏng vấn qua mail đối với doanh nghiệp được lựa chọn.
Trong nghiên cứu này, phương pháp phỏng vấn người đại diện được vận dụng. Đây là phương pháp thông dụng được sử dụng trong nghiên cứu tổ chức so với phỏng vấn nhiều người. Phương pháp này địi hỏi người cung cấp thơng tin phải là người biết rõ nội dung phỏng vấn do đó đối tượng thích hợp là người được doanh nghiệp cử đại diện thực hiện các giao dịch với ngân hàng.
Hiện nay số lượng doanh nghiệp đang quan hệ tín dụng tại Chi nhánh là 142. Số lượng doanh nghiệp được lựa chọn là 120 (chiếm 84,5%). Do đó bảng câu hỏi đã được gửi đi. Thời gian thu thập dữ liệu là trong tháng 4 năm 2012.
3.1.2.3 Phương pháp phân tích dữ liệu
Các phương pháp phân tích dữ liệu được sử dụng:
3.1.2.3.1 Phân tích mơ tả
Dữ liệu được mô tả theo các thuộc tính như loại hình doanh nghiệp, thời gian quan hệ tín dụng với ngân hàng, số lượng tổ chức tín dụng đang quan hệ.
3.1.2.3.2 Kiểm tra sự tương quan giữa các thang đo và tính tốn Cronbach Alpha
Để tiến hành kiểm tra xem thang đo nào có đóng góp vào việc đo lường khái niệm lý thuyết đang nghiên cứu và thang đo nào không sẽ liên quan đến hai phép tính tốn: tương quan giữa bản thân các thang đo và tương quan điểm số giữa từng thang đo với điểm số của toàn bộ thang đo của từng người trả lời. Phương pháp này nhằm loại bỏ các thang đo không phù hợp và hạn chế các thang đo rác trong quá trình nghiên cứu. Những biến nào có hệ số tương quan biến tổng nhỏ hơn 0,3 sẽ bị loại.
Hệ số Cronbach Alpha là một phép kiểm định thống kê về mức độ chặt chẽ mà các thang đo tương quan với nhau. Nhiều nghiên cứu đồng tình rằng khi Cronbach Alpha từ 0,8 đến 1 thì thang đo lường là tốt, từ 0,7 đến 0,8 là sử dụng được. Trong trường hợp khái niệm đang đo lường là mới hoặc mới đối với người trả lời thì hệ số Cronbach Alpha từ 0,6 trở lên là có thể sử dụng được (Peterson, 1994; Slater, 1995). Do đó trong quá trình nghiên cứu nhân tố nào có hệ số Cronbach Alpha nhỏ hơn 0,6 sẽ bị loại.
3.1.2.3.3 Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis)
Sau khi đánh giá độ tin cậy của thang đo bằng hệ số Cronbach Alpha và loại đi những thang đo khơng đủ độ tin cậy, phân tích nhân tố khám phá EFA được tiến hành để thu nhỏ và tóm tắt các dữ liệu. Phân tích nhân tố khám phá EFA là một phương pháp phân tích thống kê nhằm rút gọn một tập nhiều biến quan sát phụ
thuộc lẫn nhau thành một tập biến nhỏ hơn đế chúng có ý nghĩa hơn nhưng vẫn chứa đựng thông tin của tập biến quan sát ban đầu.
Các bước khi tiến hành phân tích nhân tố khám phá EFA:
- Xác định hệ số KMO và kiểm định Bartlett: Trong phân tích nhân tố khám
phá EFA, hệ số KMO được sử dụng để xem xét sự thích hợp của việc phân tích nhân tố. Trị số KMO phải có giá trị từ 0,5 đên 1 thì phân tích nhân tố mới là phù hợp, nếu trị số này nhỏ hơn 0,5 thì phân tích nhân tố khơng phù hợp với dữ liệu. Kiểm định Bartlett dùng để kiểm định giả thuyết H0: độ tương quan giữa các biến quan sát bằng 0 trong tổng thể. Điều kiện cần để phân tích nhân tố là các biến phải tương quan với nhau (các biến đo lường phải phản ánh những khía cạnh khác nhau của cùng một yếu tố chung). Nếu kiểm định này có ý nghĩa thống kê (Sig < 0,05), ta bác bỏ giả thuyết Ho và kết luận các biến quan sát có tương quan với nhau trong tổng thể (Trọng & Ngọc, 2008).
- Xây dựng ma trận tƣơng quan: Để có thể phân tích nhân tố thì các biến
phải có liên hệ với nhau. Nếu hệ số tương quan giữa các biến nhỏ, phân tích nhân tố có thể khơng phù hợp.
- Xác định số lƣợng nhân tố: Trong nghiên cứu này sẽ dựa vào eigenvalue để
xác định số lượng các nhân tố. Chỉ có những nhân tố có eigenvalue3 lớn hơn 1 thì mới được giữ lại trong mơ hình.
- Xoay các nhân tố: Ma trận các nhân tố khi các nhân tố được xoay chứa
đựng các hệ số biểu diễn các biến chuẩn hóa bằng các nhân tố. Những hệ số này (hệ số tải – factor loading) biểu diễn tương quan giữa các nhân tố và các biến, cho thấy mối liên hệ giữa nhân tố và các biến. Khi tiến hành phân tích, nghiên cứu sử dụng phương pháp trích là Principal Component Analysis với phép xoay là Varimax, phương pháp tính nhân tố là Regression và các hệ số tải phải lớn hơn 0,5 mới đạt yêu cầu4
.
3 Eigenvalue là đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố. Những nhận tố có eigenvalue nhỏ hơn 1 sẽ khơng có tác dụng giải thích thơng tin tốt hơn 1 biến gốc.
4 Theo Hair & ctg (1998) hệ số tài là chỉ tiêu đảm bảo ý nghỉa thiết thực của EFA. Hế số tải > 0,3 thì được xem là đạt mức tối thiểu, > 0,4 được xem là quan trọng, > 0,5 được xem là có ý nghĩa thực tiễn. Hair & ctg
3.1.2.3.4 Xây dựng mơ hình hồi quy bội và kiểm định mơ hình hồi quy
Sau khi rút trích được các nhân tố từ phân tích nhân tố khám phá EFA, tiến hành xây dựng mơ hình hồi quy tuyến tính bội để xác định mối quan hệ nhân quả giữa biến phụ thuộc và các biến độc lập. Mơ hình hồi quy được kiểm định bằng kiểm đinh F (kiểm định sự phù hợp của mơ hình hồi quy), kiểm tra phần dư chuẩn hóa với hệ số phóng đại phương sai VIF (kiểm định hiện tượng đa cộng tuyến), kiểm định Durbin Waston (kiểm định hiện tượng tự tương quan5).
Với hệ số R2
hiệu chỉnh (R2 – adjusted) sẽ cho biết mơ hình hồi quy phù hợp đến mức độ nào.