3.2.1. Kiểm định thang đo bằng hệ số Croncbach Alpha
Cronbach (1951) đưa ra hệ số tin cậy cho thang đo và thang đo phải đạt được giá trị và độ tin cậy (bao gồm từ ba biến quan sát trở lên). Cronbach’s alpha là phép kiểm định thống kê về mức độ chặt chẽ tức là khả năng giải thích cho một khái niệm nghiên cứu của tập hợp các biến quan sát thông qua hệ số Cronbach’s
alpha, hệ số này có giá trị biến thiên trong khoảng [0,1] về mặt lý thuyết hệ hố này càng cao càng tốt. Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008) và các nhà nghiên cứu đồng ý rằng khi hệ số Cronbach’s alpha có giá trị từ 0,7 trở lên là sử dụng được. Trong khi đó nhiều nhà nghiên cứu (ví dụ: Nunally, 1978; Peterson, 1994; Slater, 1995) đề nghị hệ số Cronbach’s alpha từ 0,6 trở lên là có thể chấp nhận được trong trường hợp khái niệm đang nghiên cứu là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu.
Tuy nhiên, theo Nunnally et al (1994), hệ số Cronbach’s alpha không cho biết biến nào nên loại bỏ và biến nào nên giữ lại. Do đó bên cạnh hệ số Cronbach’s alpha, nên người ta sử dụng hệ số tương quan biến tổng (item – total correlation) và những biến nào có tương quan biến tổng < 0,3 và bằng 1 sẽ bị loại bỏ khỏi nghiên cứu, vì vậy trong nghiên cứu này tác giả chọn Cronbach’s alpha>=0.6.
3.2.2. Phân tích nhân tố khám phá EFA
Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) để sàng lọc, loại bỏ các biến quan sát không đáp ứng tiêu chuẩn (biến rác). Phân tích được sử dụng phổ biến để đánh giá thang đo hay rút gọn một tập biến theo các điều kiện sau:
Bartlett và hệ số KMO dùng để đánh giá sự thích hợp của EFA. Theo đó, giả thuyết H0 (các biến khơng có tương quan với nhau trong tổng thể) bị bác bỏ và do đó EFA được gọi là thích hợp khi: 0,5 < KMO < 1 và Sig < 0,05. Trường hợp KMO < 0,5 thì phân tích nhân tố có khả năng khơng thích hợp với dữ liệu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Chỉ số Eigenvalues (đại diện cho lượng biến thiên được giải thích bởi các nhân tố) và chỉ số Cumulative (tổng phương sai trích cho biết phân tích nhân tố giải thích được bao nhiêu % và bao nhiêu % bị thất thoát). Theo Gerbing và Anderson (1988), các nhân tố có Eigenvalues < 1 sẽ khơng có tác dụng tóm tắt thơng tin tốt hơn biến gốc (biến tiềm ẩn trong các thang đo trước khi EFA). Vì
thế các nhân tố chỉ được rút trích tại Eigenvalues > 1 và được chấp nhận khi tổng phương sai trích > 50%. Tuy nhiên, trị số Eigenvalues và phương sai trích là bao nhiêu cịn phụ thuộc vào phương pháp trích và phép xoay nhân tố trong trường hợp sử dụng phân tích hồi quy sau EFA thì có thể sử dụng phương pháp trích Principal components với phép xoay Varimax.
Hệ số tải nhân tố (Factor loadings) thể hiện sự tương quan đơn giữa các biến với các nhân tố, dùng để đánh giá mức ý nghĩa của EFA. Theo Hair & ctg, Factor loading > 0,3 được xem là đạt mức tối thiểu; Factor loading > 0,4 được xem là quan trọng; Factor loading > 0,5 được xem là có ý nghĩa thực tiễn. Nếu cỡ mẫu khoảng 100 thì nên chọn tiêu chuẩn Factor loading > 0,55; nếu cỡ mẫu khoảng 50 thì Factor loading > 0,75 (Nguyễn Khánh Duy, 2009, tr.14).
Trong nghiên cứu này các biến có hệ số tải nhân tố (Factor loading) < 0.5 đều bị loại bỏ. Phương pháp trích hệ số sử dụng là phương pháp trích nhân tố, phép quay Varimax và điểm dừng khi trích các yếu tố có eigenvalues bằng 1. Thang đo sẽ được chấp nhận khi tổng phương sai trích lớn hơn hoặc bằng 0.50
3.2.3. Phân tích hồi quy tuyến tính
Phân tích hồi quy tuyến tính được sử dụng và được xử lý bằng chương trình phần mềm SPSS 20.0
Kiểm tra ma trận hệ số tương quan giữa các biến độc lập, biến trung gian với nhau và với biến phụ thuộc. Điều kiện để phân tích hồi quy là phải có tương quan chặt chẽ giữa các biến độc lập, trung gian với nhau và với biến phụ thuộc, khi hệ số tương quan < 0,85 thì có khả năng đảm bảo giá trị phân biệt giữa các biến (John và Benet – Martiner, 2000). Nghĩa là nếu hệ số tương quan > 0,85 thì cần xem xét vai trò của các biến độc lập, vì có thể xảy ra hiện tượng đa cộng tuyến.
Xây dựng mơ hình hồi quy: lựa chọn các biến đưa vào mơ hình hồi quy theo một trong các phương pháp:
- Phương pháp đưa vào dần từng biến độc lập (Stepwise) - Phương pháp loại dần từng biến độc lập (Remove)
- Phương pháp chọn từng bước (kết hợp giữa đưa vào dần và loại trừ dần forward/backward).
Kiểm định độ phù hợp của mơ hình để lựa chọn mơ hình tối ưu bằng cách sử dụng phương pháp phân tích ANOVA để kiểm định giả thuyết H0: khơng có mối liên hệ tuyến tính giữa biến phụ thuộc với tập hợp các biến độc lập (β1= β2= β3= βn=0).
Thống kê F được sử dụng, nếu có Sig rất nhỏ (< 0,05), thì giả thuyết H0 bị bác bỏ, khi đó chúng ta kết luận tập hợp của các biến độc lập trong mơ hình có thể giải thích cho sự biến thiên của biến phụ thuộc.
Đánh giá độ phù hợp của mơ hình bằng hệ số xác định R² (R Square). Tuy nhiên, R²có đặc điểm càng tăng khi đưa thêm các biến độc lập vào mơ hình, mặc dù khơng phải mơ hình càng có nhiều biến độc lập thì càng phù hợp với tập dữ liệu, vì thế R² điều chỉnh (Adjusted R Square) có đặc điểm khơng phụ thuộc vào số lượng biến đưa thêm vào mơ hình, được sử dụng thay thế R²để đánh giá mức độ phù hợp của mơ hình hồi quy bội.
- Nếu R = 0 => R² = 0 : Không tương quan - Nếu R < 0,3 => R² = 0,1 : Tương quan mức thấp - Nếu 0,3 ≤ R < 0,5 => 0,1 ≤ R² < 0,25 : Tương quan mức trung bình - Nếu 0,5 ≤ R < 0,7 => 0,25 ≤ R² < 0,5 : Tương quan khá chặt chẽ - Nếu 0,7 ≤ R < 0,9 => 0,5 ≤ R² < 0,8 : Tương quan chặt chẽ - Nếu 0,9 ≤ R < 1 => 0,8 ≤ R² < 1 : Tương quan rất chặt chẽ - Nếu R = 1 => R² = 1 : Tương quan hoàn toàn
Xác định các hệ số của phương trình hồi quy bội, đó là các hệ số hồi quy riêng phần βk đo lường sự thay đổi trung bình của biến phụ thuộc khi biến độc lập Xk thay đổi một đơn vị, trong khi các biến độc lập khác được giữ nguyên. Độ lớn của βk phụ thuộc vào đơn vị đo lường của các biến độc lập, vì thế việc so sánh
trực tiếp chúng với nhau, từ đó xác định mức độ giải thích của các biến độc lập cho biến phụ thuộc, người ta biểu diễn số đo của tất cả các biến độc lập bằng đơn vị đo lường độ lệch chuẩn beta.
Điều kiện vận dụng mơ hình:
Các điều kiện về dạng mơ hình
- Mối quan hệ tuyến tính giữa các biến độc lập với biến phụ thuộc
Các điều kiện về sai số mơ hình (error)
- Các sai số mơ hình là độc lập (khơng tự tương quan) - Các sai số phân phối theo phân phối chuẩn.
Tập dữ liệu tuân theo phân phối chuẩn
- Có khoảng 68% số các quan sát của tập dữ liệu tập trung trong khoảng (µ- σ, µ+σ).
- Có khoảng 95% số các quan sát của tập dữ liệu tập trung trong khoảng (µ- 2σ, µ+2σ).
- Có khoảng 99.7% số các quan sát của tập dữ liệu tập trung trong khoảng (µ- 3σ, µ+3σ). Hồng Trọng, Chu Nguyễn Mộng Ngọc (2008).
Các điều kiện về các số dự đoán
- Các biến độc lập không ngẫu nhiên
- Các giá trị của các biến độc lập được đo lường khơng có sai số
- Các số dự đốn là độc lập theo đường thẳng, (khơng có bội tương quan giữa các biến độc lập - multicollinearity).
Ngồi ra cịn phân tích phương sai (ANOVA) được sử dụng để kiểm định có hay khơng sự khác biệt giữa các nhóm tổng thể được xác định theo các đặc điểm cá nhân của khách hàng (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Kiểm định Independent – Sample T – Test được sử dụng trong trường hợp các đặc điểm cá nhân của khách hàng có hai thuộc tính để xem sự khác biệt giữa hai nhóm tổng thể riêng biệt.
3.3.1. Đối tượng khảo sát
Giai đoạn nghiên cứu sơ bộ định tính tác giả đã lựa chọn đối tượng là các chuyên gia về kinh doanh dịch vụ ngân hàng trực tuyến, các chuyên gia này là những người am hiểu về dịch vụ ngân hàng trực tuyến và thực tế trải nghiệm tại khu vực ĐBSCL nên những ý kiến đánh giá của họ giúp cho việc xây dựng cơ sở lý luận phù hợp với tình hình thực tế hơn và phỏng vấn một số khách hàng để để hình thành thang đo nháp.
Giai đoạn nghiên cứu sơ bộ định lượng tác giả lựa chọn đối tượng nghiên cứu là các nhóm khách hàng của các ngân hàng thương mại tại khu vực ĐBSCL đã sử dụng hoặc chưa sử dụng dịch vụ ngân hàng trực tuyến, từ kết qủa đó các chuyên gia sẽ điều chỉnh thang đo cho phù hợp.
Giai đoạn nghiên cứu chính thức các đối tượng khảo sát là tất cả khách hàng của ngân hàng đã sử dụng hoặc chưa sử dụng dịch vụ ngân hàng trực tuyến tại ĐBSCL, các chi nhánh này có vị trí phân bổ rải đều nên có tính đại diện tốt cho khu vực ĐBSCL.