b) Hợp đồng hoán đổi lãi suất (IRS-Interest rate swap)
1.3.2. Các phương pháp tổng hợp, xử lý và phân tích số liệu
Nghiên cứu được tiến hành theo hai giai đoạn là nghiên cứu sơ bộ và nghiên cứu chính thức, được thực hiện như sau:
•Nghiên cứu sơ bộ
Sử dụng phương pháp nghiên cứu định tính phỏng vấn một số bạn bè, người thân đã từng giao dịch ngoại tệ tại chi nhánh. Nội dung phỏng vấn sẽ được ghi nhận và tổng hợp để làm cơ sở thiết kế bảng câu hỏi, bên cạnh đó tham khảo thêm ý kiến của một số cán bộ, nhân viên tại chi nhánh.
Được thực hiện bằng phương pháp nghiên cứu định lượng thông qua bảng câu hỏi để nắm bắt. Với số phiếu phát ra là 120 phiếu đối với khách hàng cá nhân và số phiếu thu về hợp lệ là 102 phiếu; phát ra 40 phiếu đối với khách hàng doanh nghiệp và số phiếu thu về hợp lệ là 32 phiếu. Toàn bộ số phiếu hợp lệ này sẽ được xử lý với sự hỗ trợ của phần mềm SPSS 16.0 nhằm có được những thông tin cần thiết cho phân tích.
Hình thức chọn mẫu được sử dụng là thiết kế chọn mẫu ngẫu nhiên đối với khách hàng cá nhân và chọn toàn bộ tổng thể điều tra đối với khách hàng doanh nghiệp. Các bảng câu hỏi nghiên cứu được gửi trực tiếp đến những khách hàng đang sử dụng dịch vụ kinh doanh ngoại tệ của NH Ngoại Thương Việt Nam chi nhánh Thừa Thiên Huế
•Thang đo
Các loại thang đo được sử dụng trong bảng câu hỏi điều tra: Thang đo định danh, thang đo thứ tự.
Thang đo Likert 5 bậc: bậc 1 tương ứng với mức độ "Rất đồng ý" và bậc 5 tương ứng với mức độ "Rất không đồng ý "
Tổng hợp bảng câu hỏi điều tra có 3 phần chính, trong đó: phần 1 tìm hiểu hoạt động kinh doanh ngoại tệ của khách hàng; phần 2 hỏi về thông tin của người được phỏng vấn để nhận dạng, đo lường được rủi ro; phần 3 phân tích các nguyên nhân gây ra rủi ro.
• Phương pháp xử lý số liệu
- Khởi đầu, dữ liệu được mã hoá và làm sạch. Sau đó, thống kê trả lời của đối tượng được phỏng vấn về các câu hỏi trong bảng hỏi
* Phân tích mô tả: Mục đích của phương pháp này là mô tả mẫu điều tra, tìm hiểu
đặc điểm của đối tượng điều tra, thống kê các giao dịch và tìm hiểu thói quen giao dịch của khách hàng. Kết quả của phân tích mô tả sẽ là cơ sở để người điều tra đưa ra những nhận định ban đầu và tạo nền tảng để đề xuất các giải pháp sau này..
*Phương pháp nghiên cứu trường hợp: phân tích các số liệu trong một thời điểm nhất định, trong từng trường hợp cụ thể.
* Tiến hành kiểm định về mức độ đồng ý của khách hàng đối với các nhận định được đưa ra bằng kiểm định One-Sample T Test.
H1: Giá trị trung bình khác giá trị kiểm định
Nếu: + Mức ý nghĩa quan sát (sig.) > 0.05 thì chưa đủ cơ sở bác bỏ H0 nên chấp nhận H0, có nghĩa là giá trị trung bình bằng giá trị kiểm định.
+ Mức ý nghĩa quan sát (sig.) < 0.05 thì đủ cơ sở bác bỏ H0 và chấp nhận H1, nghĩa là giá trị trung bình khác với giá trị kiểm định
* Tính toán Cronbach Alpha:
Mục đích của việc tính toán toán hệ số này là nhằm loại bỏ các biến không phù hợp và hạn chế các biến rác trong mô hình nghiên cứu. Đồng thời, hệ số này sẽ giúp đánh giá độ tin cậy của các thang đo. Những biến có hệ số tương quan biến tổng (item-total correlation) nhỏ hơn 0.3 sẽ bị loại khỏi mô hình. Nhiều nhà nghiên cứu đồng ý rằng khi Cronbach alpha từ 0,8 trở lên đến gần 1 là thang đo lường là tốt, từ 0.7 đến gần 0.8 là sử dụng được. Cũng có nhà nghiên cứu đề nghị rằng Cronbach alpha từ 0.6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang đo lường là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu (Nunnally, 1978; Peterson,1994; Slater, 1995).
*Phân tích nhân tố:
Phương pháp này dùng để thu nhỏ dưới dạng một số ít nhân tố và tìm mối quan hệ giữa các biến với nhau. Liên hệ giữa các nhóm biến có liên hệ qua lại lẫn nhau được xem xét và và trình bày dưới dạng một số ít nhân tố cơ bản.
Trong các tham số thống kê của phân tích nhân tố thì trị số KMO (Kaiser – Meyer - Olkin) là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số này có giá trị từ khoảng 0.5 đến 1 là điều kiện để phân tích nhân tố phù hợp.
Eigenvalue cũng là một chỉ số để xác định số nhân tố được rút trích từ tập hợp biến. Chỉ có những nhân tố nào có eigenvalue lớn hơn 1 mới được giữ lại trong mô mô hình phân tích, vì những nhân tố có eigenvalue nhỏ hơn 1 sẽ không có tác dụng tóm tắtthông tin tốt hơn một biến gốc.Một phần quan trọng trong bảng kết quả phân tích nhân tố là ma trận nhân tố (Component Matrix). Ma trận nhân tố chứa các hệ số biểu diễn các biến chuẩn hóa bằng các nhân tố (mỗi biến là một đa thức của các nhân tố). Những hệ số này (factor loading) biểu diễn tương quan giữa các nhân tố và các biến. Hệ số này lớn cho biết nhân tố và biến có liên hệ chặt chẽ với nhau.