CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
3.3. Phương pháp phân tích định lượng
1.2.1. Kiểm định thang đo bằng hệ số tin cậy Cronbach’s Alpha
Phương pháp này giúp loại bỏ các biến không phù hợp, các biến rác mô hình nghiên cứu và giúp đánh giá độ tin cậy của thang đo.
Hệ số Cronbach’s alpha có giá trị biến thiên trong khoảng [0,1]. Một thang đo có độ tin cậy tốt khi nó biến thiên trong khoảng [0,75-0,95]; và có thể chấp nhận được về mặt độ tin cậy nếu Cronbach’s alpha ≥ 0,6. Các biến đo lường dùng để đo lường một khái niệm nghiên cứu phải có tương quan chặt chẽ với nhau. Để đạt được yêu cầu này, hệ số tương quan của biến đo lường với tổng các biến còn lại của thang đo (Corrected Item – Total Correlation) cũng phải ≥ 0,3 (Nunnally và Bernstein, 1994 trích từ Nguyễn Đình Thọ, 2013)
1.2.2. Phân tích nhân tố khám phá EFA
Phân tích nhân tố khám phá là giúp rút gọn một tập gồm nhiều biến quan sát phụ thuộc lẫn nhau thành một tập biến ít hơn để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu (Hair cộng sự, 1998).
Khi phân tích nhân tố khám phá, người ta quan tâm đến các kết quả của Phương sai rút trích (% biến thiên được giải thích bởi các nhân tố); KMO (Kaiser – Meyer – Olkin Measure of Simping dequacy) và kiểm định Bartlett; cũng như Rotated Component Matrix (các hệ số tải loading) để khẳng định mức độ phù hợp của thang đo. Trong đó, 0.5 ≤ KMO ≤ 1 thì phân tích nhân tố là thích hợp và phương sai rút trích phải đạt từ 50% trở lên.
Ngoài ra phân tích nhân tố còn dựa vào eigenvalue để xác định số lượng các nhân tố. Chỉ những nhân tố có eigenvalue lớn hơn 1 thì mới được giữ lại trong mô hình. Đại lượng eigenvalue đại diện cho lượng biến thiên được giải thích bởi nhân tố. Những nhân tố có eigenvalue bé hơn 1 sẽ không có giá trị tóm tắt thông tin tốt hơn một biến gốc.
Một phần quan trọng trong kết quả phân tích nhân tố là ma trận nhân tố hay ma trận nhân tố khi các nhân tố được xoay. Hệ số tải nhân số (Factor loading) thể hiện tương quan giữa các biến và các nhân tố. Nghiên cứu sử dụng phương pháp trích nhân tố principal components nên các hệ số tải nhân tố phải có trọng số lớn hơn 0.5 thì mới đạt yêu cầu.
1.2.3. Phân tích hồi quy tuyến tính đa biến
Sau khi rút trích được các nhân tố từ phân tích EF , tiến hành kiểm định mô hình giả thuyết bằng hồi quy tuyến tính. Phân tích hồi quy nhằm xác định mối quan hệ nhân quả giữa biến phụ thuộc: Sự hài lòng của DNNVV về CLDV tín dụng và các biến độc lập: Phương tiện hữu hình, Độ tin cậy, Sự đáp ứng, Sự đảm bảo và Sự đồng cảm. Việc đánh giá CLDV tín dụng đối với DNNVV sẽ được đo lường thông qua sự hài lòng của khách hàng do tất cả các biến độc lập trên đều có ảnh hưởng đến sự hài lòng của khách hàng. Mô hình phân tích hồi quy sẽ mô tả hình thức của mối liên hệ và qua đó giúp học viên dự đoán được mức độ của biến phụ thuộc khi biết trước giá trị của biến độc lập.
Phương trình hồi quy sẽ đưa ra được nhân tố ảnh hưởng quan trọng đến biến phụ thuộc thông qua giá trị của hệ số hồi quy. Hệ số hồi quy có giá trị càng lớn, chứng tỏ sự tác động càng nhiều.
Kiểm định đa cộng tuyến: Đa cộng tuyến là hiện tượng các biến độc lập có tương quan chặt chẽ với nhau. Vấn đề của hiện tượng đa cộng tuyến là các biến độc lập cung cấp cho mô hình những thông tin rất giống nhau và rất khó tách rời ảnh hưởng của từng biến độc lập đến biến phụ thuộc. Hiệu ứng khác khi có hiện tượng tương quan chặt chẽ giữa các biến độc lập là làm tăng độ lệch chuẩn của các hệ số hồi quy và làm giảm giá trị thống kê t của kiểm định ý nghĩa của các biến độc lập nên các hệ số có khuynh hướng kém ý nghĩa hơn khi không có đa cộng tuyến trong khi hệ số xác định R2 vẫn khá cao. Trong quá trình phân tích hồi quy bội, đa cộng tuyến được SPSS chuẩn hóa bằng tiêu chí Collinearity Diagnostics (Chuẩn đoán hiện tượng đa cộng tuyến) với hệ số phóng đại phương sai VIF (Variance Inflation Factor) của các biến độc lập trong mô hình. Nếu VIF đều nhỏ hơn 10 tức là mô hình không có đa cộng tuyến.
Kiểm định tự tương quan: Tự tương quan được hiểu là sự tự tương quan giữa các thành phần của dãy số thời gian hoặc không gian. Tuy nhiên trong thực tế có thể xảy ra hiện tượng mà thành phần nhiễu của các biến có thể phụ thuộc lẫn nhau.
Hậu quả của sự tự tương quan có thể kể đến như là ước lượng bình quân bé nhất không phải là ước lượng hiệu quả, phương sai ước lượng được của các ước lượng
bình phương bé nhất thường là chệch, kiểm định t và F không đáng tin cậy, giá trị ước lượng R2 có thể không tin cậy khi dùng để thay thế cho giá trị thật của R2, phương sai và độ lệch chuẩn của giá trị dự đoán đã tính được không hiệu quả.
Nếu các giả định không bị vi phạm, mô hình hồi quy tuyến tính bội được ước lượng. Và hệ số R2 đã được điều chỉnh cho biết mô hình hồi quy được ước lượng phù hợp đến mức nào.
Kiểm định giả thuyết về mức độ phù hợp của mô hình: Để xem xét mức độ phù hợp của mô hình đối với tập dữ liệu, có hai kết quả để kiểm tra là kiểm định R2và đại lượng F. Để kiểm định độ phù hợp của mô hình hồi quy tổng thể và mức độ biến thiên của biến phụ thuộc vào các biến độc lập có ý nghĩa thống kê, giả thuyết hệ số R2= 0 được đặt ra với ý nghĩa thống kê thường được sử dụng là 5%.
Đại lượng F được sử dụng cho kiểm định này với giả thuyết đặt ra là tất cả các hệ số hồi quy đều bằng 0 và giả thuyết đối là tồn tại ít nhật một hệ số hồi quy khác 0 với mức ý nghĩa là 5%.
Kiểm định giả thiết về ý nghĩa của hệ số hồi quy: Đây là kiểm định đối với từng hệ số β. Giá trị thống kê dùng để kiểm định giả thuyết là t, phân phối của đại lượng thống kê này là t-Student với n-k bậc tự do, và mức ý nghĩa được sử dụng là 5%
KẾT LUẬN CHƯƠNG 3
Trong chương 3, học viên trình bày chi tiết mô hình nghiên cứu, xây dựng các bước để tiến hành nghiên cứu như: xây dựng thang đo, chọn mẫu và xác định kích thước mẫu, cách thu thập dữ liệu. Ngoài ra, học viên còn trình bày các phương pháp phân tích số liệu để tìm ra các yếu tố ảnh hưởng đến chất lượng dịch vụ tín dụng cho DNNVV tại Ngân hàng BIDV Nam Đồng Nai. Dựa trên phương pháp được trình bày ở chương này học viên sẽ tiến hành thu thập, xử lý số liệu để đánh giá thực trạng được trình bày chi tiết ở chương tiếp theo