2.5 Nghiên cứu các yếu tố ảnh hưởng đến quyết định sử dụng IB của khách hàng tại Tp
2.5.5 Phân tích nhân tố khám phá (EFA – Exploratory Factor Analysis)
Phân tích nhân tố khám phá được sử dụng trong trường hợp mối quan hệ giữa các biến quan sát và biến tiềm ẩn là không rõ ràng hay không chắc chắn. Phân tích EFA theo
đó được tiến hành theo kiểu khám phá để xác định xem phạm vi, mức độ tương quan giữa
các biến quan sát và các nhân tố cơ sở, cũng như sự phân biệt rõ ràng giữa các nhân tố, làm nền tảng cho một tập hợp các phép đo để rút gọn hay giảm bớt số biến quan sát tải lên các nhân tố cơ sở. Các nhân tố cơ sở là tổ hợp tuyến tính của các biến mơ tả bằng hệ phương trình sau:
F1 = α11x1 + α12x2 + α13x3 + …. + α1PxP F2 = α21x1 + α22x2 + α23x3 + …. + α2PxP
Sử dụng phương pháp trích nhân tố Principal Axis Factoring với phép quay
Promax (đối với các thang đo lường đa hướng – các biến tác động) vì theo Gerbing &
Anderson (1988), phương pháp trích Principal Axis Factoring với phép xoay Promax (Oblique) sẽ phản ánh cấu trúc dữ liệu chính xác hơn phương pháp trích Principal
Components với phép xoay Varimax (Orthogonal). Tuy nhiên với thang đo lường đơn
hướng – biến bị tác động thì nên sử dụng phương pháp trích Principal Component
Analysis vì phương pháp trích này sẽ làm cho tổng phương sai trích tốt hơn.Thang đo
lường được chấp nhận khi thỏa mãn các điều kiện sau:
Tổng phương sai trích từ 0,5 trở lên (Gerbing & Anderson, 1988).
Hệ số tải nhân tố (Factor loading) lớn nhất của mỗi biến (Item) phải lớn hơn hoặc bằng 0,5 vì theo Hair & ctg (1998), hệ số tải nhân tố là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của phân tích EFA (Ensuring Practical Significance). Factor loading lớn hơn 0,3 được xem là đạt mức tối thiểu; Factor loading lớn hơn 0,4 được xem là quan trọng;
Factor loading lớn hơn hoặc bằng 0,5 được xem là có ý nghĩa thực tiễn. Tác giả này cũng có lời khuyên như sau: nếu chọn tiêu chuẩn Factor loading lớn hơn 0,3 thì cỡ mẫu ít nhất phải là n = 350; nếu cỡ mẫu khoảng 100 thì nên chọn tiêu chuẩn Factor loading lớn hơn 0,55; nếu cỡ mẫu khoảng 50 thì Factor loading phải lớn hơn 0,75. Cỡ mẫu nghiên cứu của
đề tài là n = 206 nên tiêu chuẩn của Factor loading được sử dụng là từ 0,5 trở lên.
Đồng thời, tại mỗi biến quan sát (Item) chênh lệch giữa hệ số tải nhân tố (Factor
loading) lớn nhất và hệ số tải nhân tố bất kỳ phải từ 0,3 trở lên (Jabnoun & Al-Tamimi, 2003).
Hệ số KMO (Kaiser-Meyer-Olkin Measure of Sampling Adequacy) là chỉ tiêu sử dụng để xem xét sự thích hợp của phân tích EFA, khi 0,5 ≤ KMO ≤ 1 thì phân tích nhân tố là thích hợp.
Kiểm định Bartlett xem xét giả thuyết về độ tương quan giữa các biến quan sát
bằng không trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig. < 0,05) (Hair & ctg, 2006) thì các biến quan sát có tương quan với nhau trong tổng thể (Trọng & Ngọc,
2008). Phân tích nhân tố khám phá sẽ giải quyết được mục tiêu nghiên cứu đó là, xây
dựng thang đo lường (đã qua phép kiểm định Cronbach’s Alpha). 2.5.6 Phân tích hồi quy tuyến tính đa biến
Mơ hình hồi quy tuyến tính đa biến cho biết mối tương quan giữa từng biến độc lập (khái niệm nghiên cứu) với biến phụ thuộc (việc ra quyết định) cũng như mối tương quan giữa các biến độc lập. Mơ hình nghiên cứu có dạng hồi qui tổng quát như sau:
Y = α + β1X1 + β2X2 + …+ βnXn + ε Trong đó: Y là biến phụ thuộc; β1, β2,…, βn là các hệ số hồi quy; X1, X2,…, Xn là các biến độc lập; ε là sai số.
Dựa vào mơ hình tổng quát trên và các nhân tố ảnh hưởng đến việc ra quyết định sử dụng dịch vụ IB của khách hàng, ta xây dựng mơ hình hồi qui như sau:
Y = β0 + β1X1 + β2X2 + β3X3 + β4X4 + β5X5 + β6X6 + ε Trong đó, tên biến và ký hiệu được giải thích qua bảng 2.10 như sau:
Bảng 2.10 Tên biến và ký hiệu biến được giải thích
Tên biến Ký hiệu Giải thích biến
Ra quyết định Y Biến phụ thuộc
Nhận thức sự hữu ích X 1 Biến độc lập
Chuẩn chủ quan X 2 Biến độc lập
Kiểm soát hành vi X 3 Biến độc lập
Chi phí chuyển đổi X 4 Biến độc lập
Cảm nhận sự thích thú X 5 Biến độc lập
Tính bảo mật, an toàn X 6 Biến độc lập
Kết quả phân tích hồi quy tuyến tính đa biến sẽ bác bỏ giả thiết H0, từ đó giải quyết
mục tiêu nghiên cứu đó là, đánh giá sự ảnh hưởng của các yếu tố quyết định đến việc
quyết định sử dụng dịch vụ IB của khách hàng trên địa bàn Tp Hồ Chí Minh.
2.6 Phân tích số liệu
2.6.1 Xây dựng dữ liệu, làm sạch và xử lý dữ liệu
Dữ liệu sau khi thu thập được thiết kế, mã hóa và nhập liệu thơng qua cơng cụ
phần mềm SPSS 20.0, sau đó tiến hành làm sạch. Lý do: dữ liệu sau khi thu thập được
loại bỏ những phiếu trống nhiều và phiếu không hợp lệ, sau đó được tiến hành nhập thơ vào máy, trong q trình thực hiện thường có những mẫu điều tra bị sai lệch, thiếu sót hoặc khơng nhất qn; một số mẫu do đánh sai, thiếu sót xảy ra trong quá trình nhập liệu; do vậy cần tiến hành làm sạch số liệu để đảm bảo yêu cầu, số liệu đưa vào phân tích phải
đầy đủ, thống nhất. Theo đó, việc phân tích số liệu sẽ giúp đưa ra những thơng tin chính
xác có độ tin cậy cao.
Phương pháp thực hiện: sử dụng bảng tần số để rà soát tất cả các biến quan sát
nhằm tìm ra các biến có thơng tin bị sai lệch hay thiếu sót bằng cơng cụ phần mềm SPSS 20.0.
Kết hợp với việc rà soát tất cả các biến quan sát qua bảng tần số, khơng tìm thấy
biến nào có thơng tin sai lệch. Dữ liệu đã được làm sạch để tiếp tục đưa vào bước kiểm
định thang đo.
2.6.2 Mô tả mẫu
Nghiên cứu này chọn mẫu ngẫu nhiên với 08 thuộc tính kiểm sốt: Tần suất tới
Ngân hàng giao dịch; Mục đích; Trình độ học vấn; Nghề nghiệp; Thu nhập; Giới tính;
Tuổi; Thời gian sử dụng dịch vụ IB như sau:
Tần suất tới Ngân hàng giao dịch
Trong 206 mẫu nghiên cứu, có 102 mẫu là hiếm khi tới Ngân hàng giao dịch
(49,5%), 104 mẫu thường xuyên tới Ngân hàng giao dịch (50,5%).
Trong 206 mẫu nghiên cứu, có 45 mẫu tới Ngân hàng với mục đích vay (21,8%), 78 mẫu mục đích gửi tiền và chuyển khoản (37,9%), 66 mẫu có mục đích thanh tốn hóa
đơn (32,0%), 17 mẫu có mục đích khác (8,3%).
Trình độ học vấn
Trong 206 mẫu nghiên cứu, có 27 mẫu có trình độ phổ thơng (13,1%), 79 mẫu có
trình độ trung cấp và cao đẳng (38,4%), 61 mẫu đại học (29,6%), 25 mẫu trên đại học
(12,1%), 14 mẫu khác (6,8%).
Nghề nghiệp
Trong 206 mẫu nghiên cứu, có 43 mẫu là học sinh/ sinh viên (20,9%), 93 mẫu là công nhân viên (45,1%), 39 mẫu là doanh nhân/ nhà quản lý (18,9%), 31 mẫu có nghề khác (15,1%).
Thu nhập
Trong 206 mẫu nghiên cứu, có 32 mẫu thu nhập dưới 2 triệu (15,5%), 54 mẫu thu
nhập từ 2 triệu đến dưới 5 triệu (26,2%), 71 mẫu thu nhập từ 5 triệu đến dưới 10 triệu
(34,5%), 49 mẫu thu nhập trên 10 triệu (23,8%). Giới tính
Theo kết quả khảo sát, có 122 người tham gia là nữ chiếm 59,2%, 84 người tham gia là nam chiếm 40,8%.
Tuổi
Có 8 người có độ tuổi nhỏ hơn 18 chiếm 3,90%, 100 người trong độ tuổi từ 18 đến 30 chiếm 48,50%, 51 người từ độ tuổi 31đến 45 chiếm 24,80%, 38 người từ độ tuổi 46
đến 60 chiếm 18,40% và có 9 người trên 60 tuổi chiếm 4,40%.
Đối tượng
Trong 206 mẫu nghiên cứu, có 69 mẫu đối tượng sử dụng IB dưới 1 năm (33,5%), 87 mẫu đối tượng sử dụng từ 1 tới dưới 3 năm (42,2%), 39 mẫu đối tượng sử dụng từ 3 tới dưới 5 năm (18,9%) và 11 mẫu đối tượng sử dụng trên 5 năm (5,4%).
2.6.3 Đánh giá độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha
Phép kiểm định Cronbach’s Alpha cho phép người phân tích loại bỏ những biến
khơng phù hợp và hạn chế các biến rác trong mơ hình nghiên cứu, tức là loại bỏ những biến quan sát (mục hỏi) làm giảm sự tương quan giữa các mục hỏi.
Nhóm các biến quan sát tác động đến quyết định sử dụng dịch vụ IB bao gồm 21
biến phân bổ trong 6 thang đo lường thành phần.
Thành phần nhận thức sự hữu ích được đo bằng 5 biến quan sát (từ biến HU1 đến biến HU5). Thành phần chuẩn chủ quan được đo bằng 3 biến quan sát (từ biến CQ1 đến biến CQ3). Thành phần kiểm soát hành vi được đo bằng 3 biến quan sát (từ biến HV1 đến
biến HV3). Thành phần chi phí chuyển đổi được đo bằng 3 biến quan sát (từ biến CP1
đến biến CP3). Thành phần cảm nhận sự thích thú được đo bằng 4 biến quan sát (từ biến
TT1 đến biến TT4). Thành phần tính bảo mật, an toàn được đo bằng 3 biến quan sát (từ biến BM1 đến biến BM3).
Để kết luận chung về các yếu tố ảnh hưởng đến việc quyết định sử dụng dịch vụ IB
của khách hàng tại Tp Hồ Chí Minh, thang đo lường việc quyết định gồm có 3 biến quan sát (từ QD1 đến QD3).
Qua phân tích Cronbach’s Alpha, nếu biến quan sát có hệ số tương quan giữa biến
và tổng < 0,3 sẽ bị loại khỏi phân tích EFA. Mỗi thành phần các khái niệm nghiên cứu
(yếu tố ảnh hưởng) phải có hệ số Cronbach’s Alpha > 0,6; đồng thời Alpha nếu loại mục hỏi (biến quan sát) phải có giá trị của từng biến nhỏ hơn hệ số Cronbach’s Alpha.
Kết quả phân tích Cronbach’s alpha (xem phụ lục 2) cho thấy, ngoại trừ các biến HU3, TT1 và BM1 ra, thang đo của các biến còn lại đều đạt độ tin cậy (thoả mãn yêu cầu hệ số Cronbach’s alpha lớn hơn 0,6 và hệ số tương quan biến tổng >0,3 và Cronbach’s Alpha nếu loại biến nhỏ hơn Cronbach’s Alpha của thang đo); vì vậy, ngoại trừ các biến HU3, TT1 và BM1 ra thì các biến cịn lại này được sử dụng trong phân tích EFA tiếp theo.
2.6.4 Phân tích nhân tố khám phá EFA
Trong phân tích EFA, tiêu chuẩn để chọn các biến là các biến phải có hệ số tải
nhân tố trên 0,5 (Hair và cộng sự 1998, 111) thì có ý nghĩa thực tiễn và thang đo đạt yêu cầu khi tổng phương sai trích thấp nhất là 50% (Gerbing và Anderson 1988).
Thang đo trong nghiên cứu chính thức gồm có 24 biến quan sát và sau khi kiểm tra mức độ tin cậy bằng phương pháp Cronbach’s Alpha thì loại 3 biến HU3, TT1 và BM. Để
khẳng định mức độ phù hợp của thang đo với 21 biến quan sát còn lại, nghiên cứu sử
dụng phương pháp phân tích nhân tố khám phá EFA.
Chỉ số KMO (Kaiser – Meyer – Olkin Measure of Simping Adequacy) được dùng
để phân tích sự thích hợp của các nhân tố. Nếu 0,5 ≤ KMO ≤ 1 thì phân tích nhân tố là
thích hợp. Kiểm định Barlett xem xét giả thuyết H0: độ tương quan giữa các biến trong
quan sát bằng không 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).
Bảng 2.11 KMO and và kiểm định Bartlett
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. 0,796
Bartlett's Test of Sphericity
Approx. Chi-Square 3281.94
df 210
Sig. 0,000
Nguồn: Từ kết quả tính tốn của tác giả Kết quả bảng 2.11 cho thấy việc phân tích nhân tố là thích hợp với dữ liệu (KMO = 0,796> 0,5) và các biến quan sát là tương quan với nhau trong tổng thể (Sig = 0,000 <0,05).
Sử dụng phương pháp Varimax Procedure để xoay nhân tố: xoay nguyên góc các nhân tố để tối thiểu hóa số lượng biến có hệ số lớn tại cùng một nhân tố, vì vậy sẽ tăng cường khả năng giải thích các nhân tố. (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Thơng qua bảng tổng phương sai được giải thích (phụ lục 3.3) và phân tích nhân tố (xem phụ lục 3.2), cho thấy có 7 yếu tố trích lại tại Eigenvalue là 1,106 và phương sai trích được là 83,820% và chỉ số KMO là 0,796. Vì thế, việc phân tích nhân tố là phù hợp và phương sai trích đạt yêu cầu > 50%. Tất cả các chỉ báo đều có Factor loading > 0,5 và các biến quan sát đều gom lại đúng với các nhân tố như dự kiến ban đầu của nghiên cứu này.
Như vậy, ta thấy có 7 nhân tố được trích sau khi quay nhân tố bằng phương pháp
PCA với varimax. Số lượng các nhân tố được trích này phù hợp với các thành phần ban
đầu của thang đo, chứng tỏ phân tích EFA cho việc nhóm các biến quan sát này lại với
nhau là thích hợp. Và kết quả này được đưa vào phân tích hồi quy tuyến tính đa biến
(nhân tố).
2.6.5 Phân tích sự ảnh hưởng của các yếu tố đến quyết định sử dụng dịch vụ IB của khách hàng khách hàng
Sau khi tiến hành phân tích nhân tố đã tìm ra được 6 thành phần đo lường nhân tố có
ảnh hưởng đến quyết định sử dụng IB của khách hàng tại Tp Hồ Chí Minh. Để đưa ra được
những kết luận và các chính sách phù hợp cho nhà quản trị các NHTM ta cần kiểm định độ phù hợp của mơ hình nghiên cứu.
Các biến nhân tố trong nghiên cứu được tổng hợp như sau: HU = Mean (HU1, HU2, HU4, HU5)
CQ = Mean (CQ1, CQ2, CQ3) HV = Mean (HV1, HV2, HV3) CP = Mean (CP1, CP2, CP3) TT = Mean (TT2, TT3, TT4) BM = Mean (BM2, BM3) QD = Mean (QD1, QD2, QD3)
Kết quả phân tích hồi quy sẽ cho biết mức độ tác động của từng nhân tố đối với quyết định sử dụng dịch vụ IB của khách hàng.
Kết quả phân tích hồi quy được trình bày trong các bảng 2.12, 2.13 và 2.14 như sau: Bảng 2.12 Kết quả hồi quy sử dụng phương pháp Enter của mơ hình
Mẫu Hệ số R Hệ số R2 R2 hiệu chỉnh Sai số chuẩn ước lượng
1 0,6720a 0,384 0,365 0,49382
Nguồn: Từ kết quả tính tốn của tác giả Bảng 2.13 Phân tích phương sai ANOVAa trong phân tích hồi quy
Model Sum of Squares Df Mean Square F Sig.
1 Phần biến thiên do
hồi quy 30,235 6 5,039 20,664 .000
b
Phần biến thiên
không do hồi quy 48,529 199 0,244
Tổng cộng 78,764 205
Nguồn: Từ kết quả tính tốn của tác giả Bảng 2.14 Phân tích hệ số hồi quy
Nhân tố Hệ số chưa chuẩn
hóa Hệ số đã chuẩn hóa t Sig. Thống kê cộng tuyến B Sai số chuẩn Beta Độ chấp nhận VIF 1 (Constant) 1,613 0,363 4,443 0,000 HU 0,011 0,062 0,010 0,171 0,865 0,826 1,211 CQ 0,017 0,060 0,018 0,278 0,781 0,712 1,405 HV 0,214 0,058 0,245 3,707 0,000 0,708 1,412 CP 0,312 0,058 0,368 5,408 0,000 0,668 1,496 TT 0,122 0,051 0,153 2,406 0,017 0,761 1,314 BM -0,061 0,047 -0,074 -1,284 0,201 0,940 1,064
Nguồn: Từ kết quả tính tốn của tác giả
Kết quả hồi quy tuyến tính (bảng 2.12) có hệ số xác định R2 là 0,384 và hệ số xác
định R2 điều chỉnh là 0,365. Điều này nói lên rằng độ phù hợp của mơ hình là 36,5% hay nói cách khác là 36,5% độ biến thiên của biến quyết định sử dụng của khách hàng (QD)
được giải thích chung bởi các biến trong mơ hình, có thể thấy, mức độ phù hợp của mơ hình
là tương đối tốt. Tuy nhiên sự phù hợp này chỉ đúng với dữ liệu mẫu. Để kiểm định xem
có thể suy diễn mơ hình cho tổng thể thực hay không ta phải kiểm định độ phù hợp của
mơ hình (Bảng 2.13 và 2.14).
Trong bảng phân tích phương sai ANOVA (bảng 2.13), trị số thống kê F được tính từ giá trị R2 có giá trị sig. rất nhỏ (sig = 0,000) cho thấy sự thích hợp của mơ hình hồi qui tuyến tính với tập dữ liệu phân tích.
Kết quả phân tích hệ số hồi quy (bảng 2.14) cho ta thấy giá trị Sig. của các biến HV - Kiểm soát hành vi, CP – Chi phí chuyển đổi và TT – Cảm nhận sự thích thú nhỏ hơn 0,05 do đó ta có thể nói 3 thành phần này có ý nghĩa trong mơ hình và có tác động dương (cùng chiều) đến quyết định của khách hàng.
Các yếu tố như: Nhận thức sự hữu ích (HU); Chuẩn chủ quan (CQ) và Tính bảo mật,
an tồn (BM) đều khơng có ảnh hưởng có ý nghĩa đến quyết định sử dụng của khách
hàng(sig.> 0,05). Mơ hình cịn lại 3 nhân tố tác động là Kiểm soát hành vi (0,214); Chi phí chuyển đổi (0,312); Cảm nhận sự thích thú (0,122).
Theo kết quả ở bảng 2.14 thì phương trình 2.1 thể hiện mối liên hệ giữa các yếu tố hình thành nên việc quyết định của khách hàng sử dụng IB tại Tp Hồ Chí Minh như sau:
Quyết định của khách hàng= 1,613 + 0,214* Kiểm sốt hành vi + 0,312* Chi phí
chuyển đổi + 0,122* Cảm nhận sự thích thú + ei (2.1)
Như vậy, qua kết quả phân tích hồi quy, cho ta thấy chỉ có 3 yếu tố: kiểm soát hành