STT Các biến Ký hiệu
24 Anh/chị cảm thấy giá trị nhận được từ ngân hàng là cao. PV_1 25 Anh/chị cảm thấy lợi ích nhận được cao hơn chi phí bỏ ra. PV_2 26 Anh/chị cảm thấy dịch vụ trực tuyến của ngân hàng đáp ứng được
nhu cầu và mong muốn của mình.
PV_3
Nghiên cứu định lượng sơ bộ được thực hiện với mẫu nhỏ (n = 65) bằng phương pháp phỏng vấn trực tiếp các khách hàng có giao dịch hệ thống ngân hàng trực tuyến
thường xuyên và được đánh giá sơ bộ thông qua hệ số tin cậy Cronbach alpha nhằm
hoàn thiện thang đo và bảng câu hỏi cho nghiên cứu chính thức.
3.2.2 Nghiên cứu định lượng chính thức
Nghiên cứu định lượng chính thức nhằm kiểm định thang đo và mơ hình nghiên cứu. Các thang đo được kiểm định lại bằng hệ số tin cậy Cronbach alpha và phân tích yếu tố khám phá EFA, phân tích hồi quy tuyến tính bội. Sau đó kiểm định mơ hình nghiên cứu kiểm định các giả định nghiên cứu, kiểm định các giả thuyết nghiên cứu và kiểm định T- Test và kiểm định ANOVA theo các biến định tính gồm giới tính, thu nhập và lứa tuổi.
3.2.2.1 Thiết kế bảng câu hỏi và thang đo
Thang đo được sử dụng ở đây là thang đo Likert 5 điểm từ mức 1: “hồn tồn
khơng đồng ý” tới 5: “mức hoàn toàn đồng ý”. “Thang đo Likert là loại thang đo trong
đó một chuỗi các phát biểu liên quan đến thái độ trong câu hỏi được nêu ra và người trả
lời sẽ chọn một trong các trả lời đó” (Nguyễn Đình Thọ, 2007). Do đó, thang đo Likert sẽ phù hợp cho nghiên cứu này. Bên cạnh đó, nghiên cứu cịn sử dụng thang đo định danh và thang đo thứ bậc để lấy một số thơng tin về giới tính, độ tuổi và thu nhập của
3.2.2.2 Phương pháp thu thập thông tin và cỡ mẫu
Mẫu được chọn theo phương pháp thuận tiện, phi xác suất. Theo Hair và ctg
(1998), để có thể phân tích nhân tố khám phá EFA cần thu thập bộ dữ liệu với ít nhất 5
mẫu trên một biến quan sát và cỡ mẫu khơng ít hơn 100. Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008) cho rằng đối với phân tích nhân tố thì số lượng mẫu cần .
Đề tài này có 26 biến quan sát cần phân tích, vì vậy số lượng mẫu cần phân tích phải đạt là: 26 x 5 = 130 mẫu. Số lượng mẫu dùng trong nghiên cứu này là 253 mẫu nên tính đại diện của mẫu được đảm bảo cho việc nghiên cứu.
Để đạt được 253 mẫu, tổng số bảng câu hỏi được phát ra là 300 bảng, trong đó
phát trực tiếp tại các quầy giao dịch của Maritime Bank tại PGD Bàn Cờ 100 bảng, PGD Bình Thạnh 100 bảng, 60 bảng được gửi cho đồng nghiệp ở các chi nhánh và
phòng giao dịch khác, 40 bảng gửi mail cho khách hàng và có gọi điện thông báo nhờ khách hàng trả lời. Kết quả thu về trực tiếp được 188 bảng, các đồng nghiệp phản hồi qua mail là 51 bảng và khách hàng phản hồi qua mail là 32 bảng. Tổng cộng thu về
được 271 bảng trong đó có 18 bảng khơng hợp lệ (chủ yếu do thông tin trả lời không đầy đủ). Vì vậy, kích thước mẫu cuối cùng dùng để xử lý n = 253, tỉ lệ mẫu hợp lệ thu
hồi 84.3%.
3.3 Phương pháp phân tích dữ liệu
3.3.1 Phân tích hệ số tin cậy Cronbach alpha
Hệ số Cronbach alpha là thông số để kiểm tra độ tin cậy của các biến quan sát trong mơ hình nghiên cứu gồm một bộ dữ liệu của các khái niệm. Kết quả phân tích dựa trên hệ số Cronbach alpha là xác định độ phù hợp của thang đo các biến, hệ số tương quan biến tổng (item - total correlation) cho biết sự tương quan của một biến quan sát với các biến còn lại trong bộ thang đo của chúng. Nunnally và Berstein (1994) cho rằng: hệ số Cronbach alpha từ 0.8 đến 1.0 thì thang đo là rất tốt; từ 0.7 đến 0.8 là sử dụng được; cũng có nhiều nhà nghiên cứu đề nghị rằng hệ số Cronbach alpha từ 0.6 trở lên là có thể sử dụng được trong trường hợp khái niệm nghiên cứu còn mới đối với
người trả lời. Hệ số tương quan biến – tổng của các biến quan sát > 0.3 được xem là
alpha quá cao ( > 0.95) thì có khả năng xuất hiện biến quan sát thừa ở trong thang đo. Biến quan sát thừa là biến đo lường các khái niệm hầu như trùng với biến đo lường
khác, khi đó biến thừa nên được loại bỏ.
3.3.2 Phân tích nhân tố khám phá EFA
Sau khi phân tích hệ số tin cậy Cronbach alpha, các thang đo được đánh giá tiếp theo bằng phương pháp phân tích nhân tố EFA để thu nhỏ và gom các biến lại, xem xét mức độ hội tụ và giá trị phân biệt giữa các nhân tố.
Phân tích nhân tố được tiến hành theo phương pháp trích Principal Component
Analysis với phép quay Varimax, vì phương pháp trích này sẽ làm cho tổng phương sai trích tốt hơn.
Khi phân tích EFA cần lưu ý các thơng số sau:
Thơng số KMO (Kaiser – Meyer – Olkin): thông số này có giá trị từ 0.0 đến 1.0;
dùng để kiểm định sự phù hợp của tập dữ liệu khảo sát. KMO có giá trị từ 0.8 đến 1.0 là
rất tốt; 0.5 đến 0.8 là trung bình. Theo Hair và ctg (1998), KMO phải lớn hơn 0.5 thì tập dữ liệu mới phù hợp. Kiểm định Barlett xem xét giả thuyết về độ tương quan giữa các
biến quan sát bằng khơng 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 (Hoàng Trọng và
Chu Nguyễn Mộng Ngọc, 2008).
Trọng số nhân tố hay hệ số tải nhân tố (factor loading): là chỉ tiêu để đảm bảo
mức ý nghĩa thiết thực của EFA. Theo Hair và ctg (1998), factor loading > 0.3 được
xem là đạt được mức tối thiểu, factor loading > 0.4 được xem là quan trọng và > 0.5
được xem là có ý nghĩa thực tiễn. Ngồi ra, Hair và ctg (1998) cũng khuyên như sau:
Nếu chọn tiêu chuẩn factor loading ≥ 0.3 thì cỡ mẫu ít nhất là 350, nếu cỡ mẫu khoảng 100 thì nên chọn tiêu chuẩn factor loading ≥ 0.55, nếu cỡ mẫu của bạn khoảng 50 thì factor loading phải ≥ 0.75. Do đó, trong nghiên cứu này với cỡ mẫu là 253 mẫu nên tác giả chọn factor loading ≥ 0.5 được xem là có ý nghĩa thực tiễn.
Thông số Eigenvalue: thông số này biểu thị sự biến thiên theo các nhân tố của biến khảo sát. Theo Hair và ctg (1998), thông số Eigenvalue > 1 thì các nhân tố thành phần mới có ý nghĩa.
Thơng số phần trăm tổng phương sai trích: biểu thị sự biến thiên được giải thích
bởi các nhân tố, thang đo được chấp nhận khi tổng phương sai trích của tất cả các nhân tố > 50% (Gerbing and Anderson, 1988).
3.3.3 Phân tích hồi quy tuyến tính bội
Theo sau Hồng Trọng và Chu Nguyễn Mộng Ngọc (2008) thì phân tích hồi quy tuyến tính bội được tiến hành theo các bước:
Xem xét mối tương quan tuyến tính giữa các biến độc lập với biến phụ thuộc và giữa các biến độc lập với nhau là công việc phải làm và hệ số tương quan Pearson trong ma trận hệ số tương quan là phù hợp để xem xét mối tương quan này. Ma trận hệ số
tương quan là một ma trận vuông gồm các hệ số tương quan.
Nếu kết luận được là các biến độc lập và biến phụ thuộc có tương quan tuyến tính với nhau qua hệ số tương quan Pearson, đồng thời giả định rằng chúng ta đã cân nhắc kỹ bản chất của mối liên hệ tiềm ẩn giữa các biến và xem như đã xác định đúng hướng của một mối quan hệ nhân quả giữa chúng, thì chúng ta có thể mơ hình hóa mối quan hệ nhân quả của chúng bằng mơ hình hồi quy tuyến tính bội, trong đó một biến được gọi là biến phụ thuộc và các biến còn lại gọi là các biến độc lập.
Kiểm định độ phù hợp của mơ hình. Kiểm định F trong bảng phân tích phương sai là phép kiểm định giả thuyết về độ phù hợp của mơ hình hồi quy tuyến tính tổng thể.
Kiểm định ý nghĩa của các hệ số hồi quy. Kiểm định t trong bảng các thông số thống kê của từng biến độc lập dùng để kiểm định ý nghĩa của các hệ số hồi quy.
Sử dụng phương pháp Enter, SPSS xử lý tất cả các biến đưa vào một lần và đưa ra các thông số thống kê liên quan đến các biến.
Sau đó, dị tìm các vi phạm giả định cần thiết trong hồi quy tuyến tính bội.
Đối với giả định liên hệ tuyến tính và phương sai bằng nhau, sử dụng
đồ thị phân tán giữa các phần dư chuẩn hóa và giá trị dự đốn chuẩn hóa.
Nếu giả định liên hệ tuyến tính và phương sai bằng nhau được thỏa mãn, thì sẽ khơng nhận thấy có liên hệ gì giữa các giá trị phần dư chuẩn hóa và giá trị dự đốn chuẩn hóa.
Đối với giả định phương sai của sai số không đổi, kiểm tra phương sai
của sai số khơng thay đổi có bị vi phạm hay khơng. Nếu độ lớn của phần
dư tăng hoặc giảm cùng với các giá trị của biến độc lập mà ta nghi ngờ gây
ra hiện tượng phương sai thay đổi, chúng ta nên nghi ngờ giả định phương sai của sai số không đổi đã bị vi phạm. Với cỡ mẫu nhỏ, chúng ta sử dụng kiểm định tương quan hạng Spearman, với giả thuyết Ho là hệ số tương quan hạng của tổng thể bằng 0. Nếu kết quả kiểm định khơng bác bỏ giả thuyết Ho thì kết luận phương sai của sai số không thay đổi. Phương trình hồi quy tuyến tính bội có nhiều biến giải thích thì hệ số tương quan hạng có thể tính giữa trị tuyệt đối của phần dư với từng biến riêng.
Đối với giả định về phân phối chuẩn của phần dư, sử dụng biểu đồ tần
số của các phần dư. Nếu trung bình bằng 0 và độ lệch chuẩn xấp xỉ bằng 1 thì có thể kết luận rằng giả định phân phối chuẩn không bị vi phạm.
Đối với giả định về tính độc lập của sai số tức khơng có tương quan giữa
các phần dư, đại lượng thống kê Durbin-Watson dùng để kiểm định tương quan của các sai số kề nhau với giả thuyết Ho hệ số tương quan tổng thể của các phần dư = 0 (khơng có tự tương quan chuỗi bậc nhất)
) ( ) ( 2 2 2 1 2 N i i i N i i E E E
Đại lượng (d) được tính như sau: d =
Đại lượng d có giá trị biến thiên trong khoảng 0 đến 4.
+ Nếu d thấp (< 2) : các phần dư gần nhau có tương quan thuận
+ Nếu d gần bằng 2: các phần dư khơng có tương quan chuỗi bậc nhất + Nếu d > 2 (và gần bằng 4): các phần dư có tương quan nghịch
Đối với giả định khơng có mối tương quan giữa các biến độc lập (đo lường hiện tượng đa cộng tuyến), sử dụng hệ số phóng đại phương sai (VIF
- Variance inflation factor), nếu VIF vượt quá 10 đó là dấu hiệu của hiện
tượng đa cộng tuyến.
Tiếp theo là đánh giá độ phù hợp của mơ hình hồi quy tuyến tính bội
bằng hệ số R2 và hệ số R2 điều chỉnh. Hệ số R2 đã được chứng minh là hàm không giảm theo số biến độc lập được đưa vào mơ hình, càng đưa thêm
nhiều biến độc lập vào mơ hình thì R2 càng tăng. Tuy nhiên, điều này cũng
được chứng minh rằng khơng phải phương trình càng có nhiều biến sẽ càng
phù hợp hơn với tập dữ liệu. Để giải quyết tình huống này, hệ số R2 điều
chỉnh được sử dụng để phản ánh tốt hơn mức độ phù hợp của mơ hình hồi quy tuyến tính bội.
Sau cùng sẽ hiệu chỉnh mơ hình lý thuyết. Sau khi hiệu chỉnh mơ hình xong, viết phương trình hồi quy tuyến tính bội, dựa vào các hệ số hồi quy riêng phần để xác định
mức độ ảnh hưởng của các nhân tố đến giá trị cảm nhận của khách hàng.
3.4 Đánh giá sơ bộ thang đo CLDV thông qua hệ số Cronbach alpha
Kết quả ở bảng 3.8 cho thấy hệ số Cronbach alpha của các thành phần nghiên cứu
đều đạt yêu cầu. Trong đó hệ số Cronbach alpha cao nhất đạt 0.810 hệ số Cronbach
alpha thấp nhất đạt 0.666. Và các biến quan sát có hệ số tương quan biến tổng cũng đạt yêu cầu, trong đó thấp nhất là biến TK_1 với hệ số 0.385. Vì vậy, các biến tiếp tục được sử dụng cho nghiên cứu định lượng chính thức.
Tương tự, kết quả kiểm định Cronbach alpha cho nhân tố giá trị cảm nhận cũng đạt yêu cầu với hệ số Cronbach alpha 0.704, hệ số tương quan biến tổng đều cao hơn
yêu cầu (giá trị thấp nhất là 0.583 của biến PV_1). Vì vậy, các biến đo lường giá trị cảm nhận cũng được sử dụng cho nghiên cứu định lượng chính thức.