1.4 Quytrình nghiên cứu
1.4.3.4. Phântích nhântố khám phá EF A:
Sau khi phân tích độ tin cậy của thang đo, bước tiếp theo để thu nhỏ và tóm tắt các dữ liệu nhằm xác định tập hợp biến cần thiết cho vấn đề nghiên cứu chúng ta tiếp tục sử dụng phương pháp phân tích nhân tố khám phá EFA nhằm xem xét mức độ hội tụ của các biến quan sát theo từng thành phần và giá trị phân biệt giữa các nhân tố.
Sau khi phân tích nhân tố, chỉ những nhóm nhân tố thỏa mãn điều kiện mới có thể tham gia vào phần chạy hồi quy trong phân tích tiếp theo.
Các tham số thống kê quan trọng trong phân tích nhân tố gồm:
- Chỉ số KMO (Kaiser – Meyer – Olkin measure of sampling adequacty): là một chỉ số dùng để xem xét mức độ thích hợp của phân tích nhân tố. Chỉ số KMO phải đủ lớn (>0.5) (Hair & cộng sự, 2006) thì phân tích nhân tố là thích hợp, cịn nếu nhỏ hơn 0.5 thì phân tích nhân tố có khả năng khơng thích hợp với dữ liệu.
- Chỉ số Eigenvalue: đại diện cho lượng biến thiên được giải thích bởi nhân tố. Chỉ những nhân tố có Eigenvalue lớn hơn 1 mới được giữ lại trong mơ hình phân tích, các nhân tố có Eigenvalue nhỏ hơn 1 sẽ bị loại khỏi mơ hình (Hair & cộng sự, 2006).
- Phương sai trích (Variance Explained Criteria): tổng phương sai trích phải lớn hơn 50% (Hair & cộng sự, 2006).
- Hệ số tải nhân tố (factor loadings): là hệ tố tương quan đơn giữa các biến và nhân tố. Hệ số này càng lớn cho biết các biến và nhân tố càng có quan hệ chặt chẽ với nhau. Với mẫu khoảng 200, hệ số tải nhân tố được chấp nhận là lớn hơn 0.5 (Hair & cộng sự, 2006), các biến có hệ số tải nhân tố nhỏ hơn 0.5 sẽ bị loại khỏi mơ hình.
- Kiểm định Bartlett: để kiểm tra độ tương quan giữa các biến quan sát và tổng
thể, phân tích chỉ số ý nghĩa khi sig có giá trị nhỏ hơn 5% (Hair & cộng sự, 2006). Phân tích hồi quy sẽ xác định mối quan hệ giữa biến phụ thuộc với các biến độc lập. Mơ hình phân tích hồi quy sẽ mơ tả hình thức của mối quan hệ và qua đó giúp ta dự đốn được mức độ của biến phụ thuộc khi biết trước giá trị của các biến độc lập. Phương trình hối quy có dạng:
Y = β0 + β1 * X1 + β2 *X2 + β3*X3 +…+ βj*Xj Trong đó :
Y : biến phụ thuộc ( chất lượng dịch vụ huy động vốn tiền gửi)
β: hệ số ước lượng
X : biến độc lập ( các yếu tố ảnh hưởng)
Theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc (2008), khi chạy hồi quy cần quan tâm
đến các thông số sau:
- 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.
- 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.
Kết luận chương 1:
Chương 1 nêu ra một số khái niệm làm cơ sở cho việc đánh giá chất lượng dịch vụ nói chung và dịch vụ tiền gửi nói riêng, đồng thời cũng đề xuất mơ hình chung về đánh giá chất lượng dịch vụ huy động vốn tiền gửi tại NH .
Ngoài ra, trong chương này cũng đã đưa ra các yếu tố ảnh hưởng đến chất lượng huy động vốn tiền gửi thơng qua lý thuyết mơ hình, và sẽ nghiên cứu mức độ ảnh
hưởng của các yếu tố thông qua phỏng vấn trực tiếp, thu thập dữ liệu qua bảng câu hỏi
CHƯƠNG 2 : THỰC TRẠNG CHẤT LƯỢNG HUY ĐỘNG TIỀN GỬI TẠI NH TMCP Á CHÂU.