CHƢƠNG 2 PHƢƠNG PHÁP NGHIÊN CỨU
2.1. Phƣơng pháp nghiên cứu
2.1.2. Phương pháp tổng hợp, phântích và xửlý thơng tin
2.1.2.1. Phương pháp thống kê
Thống kê là hệ thống các phƣơng pháp gồm thu thập, tổng hợp, trình bày số liệu và tính tốn các đặc trƣng của đối tƣợng nghiên cứu để phục vụ cho q trình phân tích, dự đốn và ra quyết định. Trong luận văn này, tác giả đã sử dụng phƣơng pháp thống kê để trình bày một cách khái quát về đối tƣợng nghiên cứu thông qua biểu diễn dữ liệu bằng các bảng biểu, đồ thị, hình vẽ, so sánh dữ liệu, biểu diễn dữ liệu thành các bảng số liệu tóm tắt.
2.1.2.2. Phương pháp so sánh
Phƣơng pháp so sánh là phƣơng pháp sử dụng các số liệu cụ thể về vấn đề đang nghiên cứu để phân tích từng khía cạnh của vấn đề đó, từ đó so sánh các nhân tố liên quan, tƣơng đồng ở các đối tƣợng.
Phƣơng pháp so sánh đƣợc sử dụng để xác định xu hƣớng, mức độ biến động và sự tƣơng quan của các chỉ tiêu phân tích, bao gồm các chỉ tiêu phán ánh kết quả kinh doanh của BIDV Cầu Giấy, các chỉ tiêu đánh giá hiệu quả hoạt động huy động vốn của Chi nhánh,...
Trƣớc hết, tác giả tiến hành so sánh dữ liệu của BIDV Cầu Giấy giữa các giai đoạn từ năm 2014-2016 và 06 tháng đầu năm 2017 cả về mặt tƣơng đối và tuyệt đối để thấy đƣợc xu hƣớng và mức độ biến động của các chỉ tiêu qua các giai đoạn cụ thể.
Sau đó, tác giả thực hiện so sánh hiệu quả HĐV của BIDV Cầu Giấy trong mối tƣơng quan với một Chi nhánh khác hoạt động trên cùng địa bàn và có quy mơ hoạt động tƣơng đồng với BIDV Cầu Giấy (trong luận văn, tác giả chủ yếu so sánh với BIDV Sở giao dịch 3, là một Chi nhánh hoạt động trên cùng địa bàn Hà Nội với BIDV Cầu Giấy) và so sánh với cả hệ thống BIDV, để có cái nhìn chính xác nhất về hiệu quả HĐV của Chi nhánh.
Các kỹ thuật so sánh đƣợc sử dụng trong luận văn:
-So sánh về số tuyệt đối: Là việc xác định mức độ chênh lệch giữa giá trị của
chỉ tiêu kỳ phân tích với trị số của chỉ tiêu kỳ gốc. Kết quả so sánh cho thấy sự biến động về số tuyệt đối của hiện tƣợng đang phân tích.
-So sánh bằng số tương đối: là xác định số % tăng giảm giá trị giữa thực tế so
với kỳ gốc của chỉ tiêu phân tích.
-So sánh theo chiều ngang: Là việc so sánh, đối chiếu tình hình biến động của
chỉ tiêu phân tích cả về số tuyệt đối và tƣơng đối trên từng chỉ tiêu, từng báo cáo.
- So sánh theo chiều dọc: Là việc sử dụng các tỷ lệ,các hệ số thể hiện mối
tƣơng quan giữa các chỉ tiêu trong từng báo cáo 2.1.2.3. Kiểm định Cronbach’s Alpha
Phƣơng pháp này cho phép ngƣời thực hiện loại các biến không phù hợp và hạn chế các biến rác trong quá trình nghiên cứu, đồng thời đánh giá độ tin cậy của thang đo thông qua hệ số Cronbach’sAlpha. Những biến quan sát có hệ số tƣơng quan biến tổng nhỏ hơn 0.3 sẽ bị loại ra khỏi nghiên cứu. Thang đo có hệ số Cronbach anpha từ 0.6 trở lên là có thể sử dụng đƣợc trong trƣờng hợp khái niệm đang nghiên cứu là mới (Hồng Trọng & Chu Nguyễn Mộng Ngọc, 2008). Thơng thƣờng thang đo có hệ số Cronbach’s Alpha từ 0.7 đến 0.8 là sử dụng đƣợc trong nghiên cứu.
2.1.2.4. Phân tích nhân tố khám phá (EFA)
Sau khi đánh giá độ tin cậy của thang đo bằng hệ số Cronbach’s alpha và loại đi các biến không đảm bảo độ tin cậy, phƣơng pháp phân tích nhân tố khám phá (EFA) sẽ đƣợc tiến hành. Đây là phƣơng pháp giúp chúng ta đánh giá hai loại giá trị của thang đo là giá trị hội tụ và giá trị phân biệt.
Việc phân tích nhân tố đƣợc cho là phù hợp khi các biến quan sát phải có mối liên hệ với nhau. Để kiểm tra mối liên hệ này luận văn sử dụng các chỉ số sau:
- Hệ số tƣơng quan giữa các biến và nhân tố hay còn gọi là hệ số tải (factor loading) cần phải lớn hơn 0.5 để đảm bảo mức ý nghĩa thiết thực của EFA.
- Hệ số KMO (Kaiser-Meyer – Olkin) là chỉ số đƣợc dùng để thể hiện mức độ thích hợp của tƣơng quan nội tại giữa các biến quan sát. Hệ số này có giá trị trong khoảng từ 0.5 đến 1 là thích hợp.
- Kiểm định Bartlett (Bartlett’s test of sphericity) có ý nghĩa thống kê dùng để xem xét các giả thuyết các biến khơng có tƣơng quan trong tổng thể. Nếu kiểm định
này có ý nghĩa thống kê Sig. nhỏ hơn 0.05 (với độ tin cậy 95%) thì các biến quan sát có mối tƣơng quan với nhau trong tổng thể.
2.1.2.5. Phân tích tương quan Pearson (Pearson Correlation - r)
Mục đích thực hiện phân tích tƣơng quan Pearson là nhằm kiểm tra mối tƣơng quan tuyến tính chặt chẽ giữa biến phụ thuộc và các biến độc lập, vì điều kiện để hồi quy trƣớc nhất là phải tƣơng quan.
Hệ số tƣơng quan Pearson sẽ nhận giá trị từ -1 đến +1. Với r > 0 cho biết một sự tƣơng quan giữa hai biến, nghĩa là nếu giá trị của biến này tăng thì sẽ làm tăng giá trị của biến kia và ngƣợc lại. Với r < 0 cho biết một sự tƣơng quan âm giữa hai biến, nghĩa là nếu giá trị của biến này tăng thì sẽ làm giảm giá trị của biến kia và ngƣợc lại.Giá trị tuyệt đối của r càng cao thì mức độ tƣơng quan giữa hai biến càng lớn hoặc dữ liệu càng phù hợp với quan hệ tuyến tính giữa hai biến.
2.1.2.6. Phân tích hồi quy tuyến tính
Phân tích hồi quy tuyến tính là một phƣơng pháp đƣợc sử dụng dùng để phân tích mối quan hệ giữa một biến phụ thuộc và nhiều biến độc lập. Phƣơng trình hồi quy tuyến tính đa biến có dạng:
Yi = β0 + β1X1i + β2X2i + ... + βpXpi + e
Mục đích của việc phân tích hồi quy đa biến là dự đoán mức độ của biến phụ thuộc (với mức độ chính xác trong phạm vi giới hạn) khi biết trƣớc giá trị của biến độc lập. Trong đó: β0 là giá trị chặn (tức giá trị lúc Xi = 0), hệ số hồi quy riêng phần βi là hệ số đo lƣờng sự thay đổi trong giá trị trung bình Y khi X thay đổi một đơn vị khi các yếu tố khác đƣợc giữ nguyên và sai số e.