CHƯƠNG 2 CƠ SỞ LÝ THUYẾT VÀ NGHIÊN CỨU LIÊN QUAN
4.1. THANG ĐO LÝ THUYẾT VỀ NHÂN TỐ TÁC ĐỘNG ĐẾN SỰ THAM GIA
GIA CỦA KHÁCH HÀNG VÀO HOẠT ĐỘNG CHO VAY NGANG HÀNG 4.1.1. Thang đo
Đề tài nghiên cứu sử dụng thang đo sự tham gia của khách hàng vào hoạt động cho vay
ngang hàng với sự điều chỉnh biến quan sát phù hợp với môi trường cho vay tại Việt Nam. Trong đó các yếu tố tác động đến sự tham gia bao gồm 9 thành phần: Nhận thức,
Danh tiếng, Niềm tin, Rủi ro, Thái độ, Chuẩn chủ quan, Tự hiệu quả, Kiểm soát hành vi
và Ý định tham gia được đo lường bằng 37 biến quan sát. (Tham khảo phụ lục)
4.1.2. Phương pháp phân tích
Kiểm định độ tin cậy thang đo Cronbach’s Alpha là một phép kiểm định thống kê về
mức độ chặt chẽ mà các mục hỏi trong thang đo tương quan với nhau. Đây là phân tích cần thiết cho thang đo phản ánh, dùng để loại các biến không phù hợp trước khi phân tích nhân tố khám khá EFA. Hệ số Cronbach’s Alpha càng lớn thì độ tin cậy nhất quán nội tại càng cao. Theo đó, các tiêu chí sử dụng khi thực hiện đánh giá độ tin cậy thang
đo gồm: Hệ số Cronbach’s Alpha > 0.6 và hệ số tuong quan biến – tổng phải lớn hơn
0.3. Các biến có hệ số tương quan biến – tổng nhỏ hơn 0.3 được xem là biến rác và bị loại khỏi thang đo. (Nunnally & Burnstein, 1994).
Sau khi đánh giá sơ bộ thang đo và độ tin cậy của các biến quan sát bằng hệ số Cronbach’s Alpha, các biến này được đưa vào kiểm định trong phân tích EFA để đánh
giá giá trị hội tụ và giá trị phân biệt của thang đo.
Phân tích nhân tố khám phá (Exploratory Factor Analysis – EFA). Phân tích nhân
tố được sử dụng chủ yếu để đánh giá giá trị hội tụ và giá trị phân biệt. Phương pháp này rất có ích cho việc xác định tập hợp biến cần thiết cho vấn đề nghiên cứu và được sử
dụng để tìm mối quan hệ giữa các biến với nhau. Trong phân tích nhân tố EFA, các nhà nghiên cứu thường quan tâm đến một số tiêu chuẩn bao gồm:
Một là, Chỉ số KMO (Kaiser-Meyer-Olkin measure of sampling adequancy): là một chỉ số được dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số của KMO lớn (giữa
0.5 và 1) là điều kiện đủ để phân tích nhân tố là thích hợp. Nếu KMO < 0.5 thì phân tích
nhân tố có khả năng khơng thích hợp với các dữ liệu. Kiểm định Bartlett’s (trong phân tích nhân tố, cần kiểm định mối tương quan của các biến với nhau (H0: các biến khơng
có tương quan với nhau trong tổng thể). Nếu giả thuyết H0 không được bác bỏ thì phân
tích nhân tố có khả năng khơng thích hợp. Nếu kiểm định này có ý nghĩa (sig. < 0.05) thì các biến quan sát có tương quan với nhau trong tổng thể. (Hoàng Trọng và Chu Nguyễn Minh Ngọc, 2008).
Hai là, Hệ số tải nhân tố hay trọng số nhân tố (Factor loadings): là những hệ số tương
quan đơn giữa các biến và các nhân tố, hệ số này ≥ 0.5 (Hair & ctg, 1998).
Ba là, Thang đo được chấp nhận khi tổng phương sai trích lớn hơn 50% (Gerbing & Anderson, 1988). Phương pháp trích “Principal Component Analysis” được sử dụng
trong phân tích nhân tố thang đo các thành phần độc lập.
Bốn là, khác biệt hệ số tải nhân tố của một biến quan sát giữa các nhân tố ≥ 0.3 để đảm bảo giá trị phân biệt giữa các nhân tố (Jabnoun & Al-Tamimi (2003)).
Phân tích nhân tố khẳng định (Confirmatory Factor Analysis – CFA). Phân tích
nhân tố khẳng định (Confirmatory Factor Analysis) là một trong các kỹ thuật thống kê của mơ hình cấu trúc tuyến tính (SEM). CFA cho chúng ta kiểm định các biến quan sát
(mesured variables) đại diện cho các nhân tố (constructs) tốt đến mức nào. CFA là bước
tiếp theo của EFA vì CFA chỉ sử dụng thích hợp khi nhà nghiên cứu có sẵn một số kiến thức về cấu trúc tiềm ẩn cơ sở, trong đó mối quan hệ hay giả thuyết (có được từ lý thuyết hay thực nghiệm) giữa biến quan sát và nhân tố cơ sở thì được nhà nghiên cứu mặc nhiên thừa nhận trước khi tiến hành kiểm định thống kê. Phương pháp CFA được sử dụng để
khẳng định lại tính đơn biến, đa biến, giá trị hội tụ và phân biệt của bộ thang đo đánh giá các yếu tố ảnh hưởng đến hành vi tham gia vào P2PL.
Để đo lường mức độ phù hợp của mơ hình với thông tin thị trường, người ta thường sử
dụng Chi-square (CMIN); Chi-square điều chỉnh theo bậc tự do (CMIN/df); chỉ số thích hợp so sánh (CFI_Comparative Fit Index). Chỉ số Tucker & Lewis (TLI_Tucker & Lewis Index); chỉ số RMSEA (Root Mean Square Error Approximation). Mơ hình được xem là thích hợp với dữ liệu thị trường khi kiểm định Chi-square có P-value > 0.05. Tuy nhiên Chi-square có nhược điểm là phụ thuộc vào kích thước mẫu. Nếu một mơ hình nhận
được các giá trị GFI, TLI, CFI ≥ 0.9 (Bentler & Bonett, 1980); CMIN/df ≤ 2, một số trường hợp CMIN/df có thể ≤ 3 (Carmines & McIver, 1981); RMSEA ≤ 0.08, RMSEA ≤ 0.05 được xem là rất tốt (Steiger, 1990); thì mơ hình được xem là phù hợp với dữ liệu
thị trường hay tương thích với dữ liệu thị trường. Nguyễn Đình Thọ và Nguyễn Thị Mai Trang (2008) cho rằng: “Nếu mơ hình nhận được các giá trị TLI, CFI ≥0.9, CMIN/df ≤
2, RMSEA ≤ 0.08 thì mơ hình tương thích, phù hợp với dữ liệu thị trường.