Sau khi thực hiện khảo sát và nhập dữ liệu cho nghiên cứu *.Ảnh: hưởng,
của các yếu tô đến sự hài lòng của khách hàng đối với dịch vụ gửi tiền của ngân hàng 4°. Đầu tiên, ta thực hiện kiểm định Cronbach Alpha đề kiểm định
độ tin cậy của số liệu sử dụng trong thang đo (nghiên cứu này sử dụng thang,
đo Likert 5 mức độ với mức độ 1 là rất không hải lòng cho đến mức độ 5 là rất
hài lòng).
„Một số quan điểm còn cho rằng để hạn chế vấn đề hiểu không chính
xác về mặt định lượng khoảng cách giữa các thang đo, nhà nghiên cứu có thể sử dụng cách tính điểm trung bình đề nhận xét kết quả như sau:
Giá trị khoảng cach = (Maximum ~ Minimum)/n = (5 ~ 1)/5 = 0,8
Giá trị trung bình Ý nghĩa
00 — 1.80 Hoàn toàn không đồng ý
1,81 —2,60 Không đồng ý'
2,61 ~ 3,40 Trung bình.
3,41 4,20 Đồng ý
4,21 — 5.00 Hoàn toàn đồng ý
! Điều kiện đẫu tên để áp dụng phân tích nhân tổ à sổ quan sắt mẫu tối thiêu cd th thập phải gắp 5
2.4.3.1 Thực hiện kiểm định Cronbach Alpha
Tir thanh menu cua SPSS, chon Analyze — Scale — Reliability Analysis
Be ft ew Dae
‘Srohe mies Abas
28S BG Oo Li rns
TẠM | TẠM | 5 4 5 3 3 5 5 3 3
3
a nữ T8 13 | emeemseiese “| Đ | Seat mai JỈ. wmmmsrduvemgrmesra >| manent ằ |B sme enna ALS). Senn @ROHSCAL)
Khi hp thoai Reliability Analysis xuat hign, chon va dita ede biến vào
khung Items — Statistics — Scale if item deleted va cae muc can thiét khac — Continue d8 to vé hộp thoại ban đầu va bam mit OK dé thực hiện kiểm định
Két qua kiém dinh Cronbach Alpha:
Hệ số tin Cronbach Alpha được sử dụng để loại bỏ những biến
không phù hợp. Biến có hệ số tương quan với biến tông (cột 4) nhỏ hơn 0,3 sẽ bị loại và hệ số tin cậy Cronbach Alpha lớn hơn 0,7 là phù hợp để sử dụng.
Tuy nhiên, trong nhiều trường hợp, hệ số Cronbach Alpha lớn hơn 0,6 v được chấp nhận (Nunnally & Burnstcin, 1994; Peterson, 1994). Tuy nhiên, cần lưu ý, nếu Cronbach Alpha quá cao (> 0,95) thì có khả năng suất hiện biến quan sắt thừa trong thang do.
Reliability Statistics
Cronbach's Alpha | N of Items
701 4
Ttem-Total Sta ics
Suni | Sens | eto! | lpm Correlation Deleted
a) Q) @) 4) @)
TANI 10.33 6.398 626 544
TAN2 10.51 6.507, 624 S47
TAN3 10.12 6.965 „634 554
TAN4 10.34. 8.709, 158 839
ẻ thuận tiện xác định các biến không phủ hợp, dựa vào hệ Cronbach`s Alpha if'Item Deleted (cột 5) nếu biển nào có hệ số này lớn hơn hệ số Cronbach Alpha sẽ bị loại. Sau khi loại biến không phù hợp, ta sẽ tiếp tục thực hiện lại kiểm định Cronbach Alpha với các biến còn lại cho đến khi
tất cả các biến đều đạt yêu cầu của kiểm định.
Reliability Statisties
Cronbach's Alpha _| N of Items
839 | 3
Ttem-Total Statistics
Seale Mean if | Scale Variance | Corrected Item- TT, Item Deleted | if lem Deleted | Total Comelaion | nen aesej
TANI 6.9] 4.005 697 .783
TAN2 T.08 4.020 TNT 761
TAN3 6.69 4523 698 784
t quả phân tích hệ dy Cronbach Alpha cho thấy sau khi loại ác thành phần của Hang do sự hải lòng đối với dịch vụ gửi ệ số Cronbach phương tiện hữu hịnh (TAN) là 0,839; cua biến chất lượng tương tée (INT) Ta 0.7895 của biến độ tín cậy (REL) Hà 0,856 và hệ số
quan của các biến v‹ cao và lớn hơn 0.3 rất nhiều. Do đó, các biến đều đạt yêu cầu theo kiểm dinh Cronbach Alpha, cho nên các biến (ngoài trừ biển TAN:) đều được sử dụng trong phân tích nhân tố khám phá tiếp theo.
2.4.3.2 Thực hiện phân tích nhân tổ khám phá (EFA)
Từ thanh menu của SPSS, Chon Analyze — Dimension Reduction — Factor.
TP E3 Vev Bí Uaynm feat Fama HỢP AC Asgm Wmdor
2842 BE oo DLS
iy Seale Satstes TƯ
eo + -
loo em TH
notes.
active Dataset
(Scale: ALL VARIABLES |-fỉme Case Processing Sums
|g Retanny stavetee fh tem Sanstes [Hy tem Total satis i Seale Sanstes
Vonables MgedMedee TU Relohll ReyesEn Cronbaen| - 899
| MuÐ ke.
loo botany me notes LS active Dataset
(Scale: ALL VARIABLES
TT
Khi hộp thoai Factor Analysis xuất hiện, chọn và đưa các biến cẳn phân tích vào khung Variables (Lưu ý là tắt cả các biến độc lập hay toàn bộ biến quan sát thành phần phải được đưa vào cùng lúc). Sau đó, tiếp tye bam vào các nút lệnh 7escrjptives — Extraction — Rotation — Scores - Options trén hộp thoại để tính các tham số cần thỉ
Trong hop thoai Descriptives, chon KMO and Bartlett's test of sphericity và sau đó bắm vào nút lệnh Conriwe để trở về hộp thoại Factor
Analysis ban đầu (thực hiện tương tự với các hộp thoại khác). Trong hộp thoại
Extraction, ta nên chọn phương pháp rút trích nhấn (ó phổ biến nhất là phương pháp Principal componens (vì có-T phương pháp rút trích, 5 phép
xoay, và 3 phương pháp tính điểm nhãn tó), đây là phường pháp rút trích các
thành phần chính và chọn phương pháp Xác định số lượng nhân tố dựa vào giá trị Eigenvalue (thường giá trị Eigenvalu của nhân tố phải lớn hơn 1 sẽ được chọn). Ngoài ra, có thể đánh đầu chọn vao myc “Scree plot” trong hộp thoại
Extraction/Display. ta cũng có thể dựa vào đỏ thị Sereeplot để xác định số
lượng các nhân tổ cần rút trích. Trong một số trường hợp, ta có thẻ chọn phương pháp dựa vào số lượng nhân tố tử trước.
Trong hộp thoại Rotation, Iva chọn phép xoay nhân tổ Varimax twong ứng với phương pháp rút trích Principal componenrs. Tiếp theo, đối với hộp
thoại Factor scores, chọn lưu trị số các nhân tổ (Save as variables), phương pháp tính nhân số (phương pháp mặc định của SPSS là Regression) và
điểm số nhân tố của các nội dung các biến.
IVIDepay tedy se coeffEert max) continue ][_ canssl Helo
Cuối cùng, đối với hộp thoại Options, để sắp xếp các biển cùng nhân gần nhau, ta chon Sorted by size. Ngoài ra, để thuận tiện trong việc loại bỏ các biến không đạt yêu cầu của phân tích nhân tố, ta tiếp tue chon Suppress small coefficients Absolute value below: a (trong trường hợp này, ta chọn mức chuẩn cho hệ số tải nhân tổ (a) bằng 0,5).
Hệ số tải nhân tố (Factor loading) là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA. Hệ số tải nhân tố > 0.3 được xem là đạt được mức tối thiểu, hệ số tải nhân tổ > 0,4 được xem là quan trọng và hệ số tải nhân tố > 0,5 được xem là có ý nghĩa thực tiễn (Hair et, al., 2006).
` Eeebdecaoesgarsdee 'C Begeee sah mem
'CoefficlentDisplay Fotmat 7 sotedby se
suppres smatcottclerts
Abeokte vale baw: [5]
Kết quả phân tích nhân tố:
Bang KMO and Bartlett’s Test cho biết sự phù hợp trong phương pháp phân tích nhân tó. Trong đó, điều kiện để các biến và dữ liệu thích hợp để
phõn tớch nhõn tố là hệ số KMO lớn (0,5< KMỉ<1) và ở mức ý nghĩa nhỏ.
(Sig.< 0.05). Riêng Kiểm định Bartlett's xem xét giả thuyết về độ tương quan giữa các biến quan sát bằng “không” trong tổng thé. Nếu kiểm định này có ý
nghĩa thống kê khi Sig. < 0,05 thi các biển quan sát có tương quan với nhau
trong tổng thê (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008a).
KMO and Bartlett's Test
Kaiser-Meyer-Otkin Measure of Sampling Adequacy.
Approx. Chi-Square Df Sig.
Bartlett's Test of
Sphericity
Ngoài ra, số lượng nhân tố được rút trích và những nhân tố này giải
thích được bao nhiêu phân trăm sự biên thiên của đữ liệu được thẻ hiện ở bảng.
Total Varianee Explained.2
| Total Variance Explained |
Initfal Eigenyalaes. Rotation Sums of Squared
Component : Loadings
1 4.623. 33.018 33.018 2.810 20.073 20.073
2 2.590. 18.500 51.519 2.390 17.073 37.146 |
| 3 1.357 9.696 61.215 2333 16.665 53.811 |
4 1.055 T.538 68.754 2.092 14.943 68.754 |
5 738 5.273 74.026 |
Bang Component Matrix va Rotated Component Matrix giúp nhận diện
biến nào thuộc nhỏm nhân tố nảo. Tuy nhiên, bang Rotated Component
Matrix giúp phân loại rỡ hơn các nhân tô khác nhau. Do đó, các nhà nghiên
ê nhận diện các nhân tố. Trọng số nhân tô của
cứu thường sử dụng bảng này đề h
mỗi biến ở nhân tô nào lớn nhất thì biến sẽ thuộc nhân tố đó.` Tuy nhiên, để
? Điều kiện để thang đo được chấp nhận khi tổng phương si trích (giá trị cumnulative % cùng hàng với đại lượng Eigenvalues nhỏ nhất, lớn hơn 1) lớn hơn 50% (Gerbing & Anderson, 1988).
* Trọng số nhân tổ hay còn được gọi là hệ số tải nhân tổ (Factor loading) lớn hơn 0.3 là yêu cầu tối thiểu, lớn hơn 0,4 là tương đối phù hợp và lớn hơn 0,5 là cỏ ý nghĩa thực tiễn. Tuy nhiên, nếu trọng số
dễ dàng xác định các thành phần của từng nhân tố, ở hộp thoại Options, ta đã chọn sip xếp các biến trong cùng nhân tổ sẽ xuất hiện gần nhau và giấu các trọng số nhân tô không thỏa điều kiện.
Rotated Component Matrix,
INTs
INT:
INT¿
INTs
TANI 844
TAN: 832
TAN 831
REL 898
REL: 30
RELs 811
EMP 781
EMP 78
EMP3 733
Dựa vào bảng Rotated Component Matrix và bang Component Score Coefficient Matrix, ta có thể đặt tên các nhân tô và giải thích các phương trình nhân tố trong mô hình nghiên cứu. Ngoài ra, để thực hiện các phân tích tiếp theo, ta có thể tính trị số các nhân tổ (còn được gọi là nhân số) của từng quan sát thông qua phương trình nhân tố (Ƒ; = W,X, + J#,,Ý, +...+J#, X, ). Cụ thể, ta nhân giá trị của các biến gốc trong một quan sát cho từng hệ số nhân tố tương ứng đề tính ra trị số của nhân tố. Tuy nhiên, ở hộp thoại Factor scores, ta đã chọn lệnh Save as variables để phần mềm tính trị số các nhân tố một cách tự động. Theo đó, các nhân tổ được lưu (ví dụ: FAC1,...) sẽ xuất hiện dưới dạng
ột trong cửa số SPSS.
tir 0,75 trở lên (Hair et al-, 1998) Trong trường hợp, trọng số nhân tổ của biển nảo không thỏa điều
kiện trên, nhà nghiên cứu cần loại bỏ biến đó và thực hiện lại phân tích nhân tổ với các biến còn lại
Component Score Coefti
1 | +
TAN: 008 418 7003 —.150
TAN: ơ096 381 -015 -02
TAN: -015 407 054 ~129
INT; 332 022 ~078 -I13T
INT2 268 098 -.035 061
INTs 316 +10 ~116 ơ012
INT: 263 067 ~029 ~102
INTs £193, 069 -.089 069
REL: 095 038 418 ~071
-144 -047 463 ~035
RELs -021 -021 361 -.009
EMP: ơ063 -.103 -.029 ASS
EMP2 =A =07T ~011 460
EMP3 043, -.137 ~069. | 421
Giải thích kết quấ phân tích nhân tổ:
Kết quả phân tích EEA cho thấy 4 nhóm nhân tố với 14 biến quan sát
đạt yêu cầu phâm tích nhân tô khám phá. Bảng dưới đây cho thay giả thuyết Họ của kiểm định Barlett's ỏ với mức ý nghĩa 1%. Điều ni có nghĩa là các biến trong phân tích nhân tổ có tương quan với nhau và hệ số KMO trong phân tích nhân tố lớn hơn 0,5 (0,5 < MO = 0,793 <1). Do đó, dit
liệu của các biến là phủ hợp.
còn lại
Ma trận nhân tố
Biến quan sát
tant) | 2(TAN) 4 (EMP)
INT3 0,848,
INTI 0744
INT2 0.703
INT4 0,662
INTS 0,536
TANI 084
TAN2 0,832
TANS 0,831
REL2 0,898,
RELI 0,830
REL3 0811
EMPI 0,781
EMP2 0,778
EMP3 0,733
Gi tri Cronbach Alpha 0,789 0,839 0,856 0,740
Hệ số KMO. 0,793
Mức ý nghĩa cia KD Bartlett 0,000
Phan tram phương sai trích. 68,754
Bên cạnh đó, các biến
có trọng số nhân tố khá lớn và tổng
phương sai trích của phân tích nhân tố lớn hơn 50%*, phù hợp cho các phân
tích tiếp theo.
* Các biến có hệ số nhân tô nhỏ hơn 0,5 sẽ tiếp tục bị lại. Bên cạnh đó, thang đo được chấp nhận
Ma trận điểm số các nhân tố
Nhân tố,
LũNT) | 2(ŒAN) | 3(REL) | 4(EMP)
INTI 0,332
INT2 0,268
INT3 0376
INT4 0/263
INTS 0,193
TANI 0418
TAN2 0,381
TAN3 0,407
RELI 0418
REL2 0,463
REL3 0,361
EMPI 0,458
EMP2 0,460
EMP3 0,421
Bién quan sat
Dựa vào bảng trên, các phương trình phân tiệh nhân tổ được viết lại như sau:
F, = 0,332INTj+ 0,268INT, + 0,376INT, + 0,263/NT, + 0,193INT, F, = 0,418TAN, +0,381TAN, + 0,407TAN,
F, = OAI8REL, + 0,463REL, + 0,361REL,
F, =0,458EMP, + 0,460EMP, + 0,421EMP,
Từ các phương trình nhân tổ trên, ta có nhận xét sau:
Trong nhân tố chất lượng tương tác (INT), bién INTs va bién INT) c6
tác động lớn nhất đến tác động chung của nhân tố INT (v,, = 0,376 & w,, = 0,332). Digu nay cho thay khách hàng đánh giá sự hài
lòng của họ đối vớ
việc (ù) nhõn viờn hỗ trợ
hàng khi họ gửi tiền tại ngân hàng. Vì vậy, khi ngân hàng muốn
hài lòng của khách hàng, ngân hàng cần tập trung tác động lên hai yêu
sẽ hiệu quả hơn tác động vào các yếu tố khác do nguôn lực của ngân hàng luôn có hạn. Đối với các nhân tố khác có cách giải thích tương tự.
2.4.3.3 Ung dung kiểm định t đối với kết quả phân tích nhân tổ
Mue dich: Xem xét có sự khác biệt hay không giữa các đối tượng khác
nhau của các nhóm nhân tố đến các nhân tố. Kết luận dựa vào giá trị p (Sig. 2 tailed) của bảng kết quả Independent Samples Test.
Ví dụ: xem xét có sự khác biệt về mức độ hài lòng của khách hàng nam và khách hàng nữ đối với bón nhân tố đã được rút gon từ phân tich EFA.
Cách thực hiện trên SPSS: chọn Analy:
Independent samples T test ~ chon các biến cần Variable(s) và biến phân loại
Comfinue~ OK.
ze — Compare meams — jém dinh vào khung Test do khung Grouping Variable - Define Groups
WE baeprde ampere)
Két qua kiém dinh t:
Independent Samples Test
Tevenes Test for
Equality of Variances | t-test for Equality of Means Sig. @-
F Sig. t df__| tailed)
FI Equal variances assumed 6475 012| 3757 148] .000
Equal variances not 3.324] 77.138] .001
assumed
F2_ Equal variances assumed 7T | 351 945 148| 346
Equal variances not 965 | 117013| 336
assumed
F3 Equal variances assumed 232 61 | 1427 148| 156
Equal variances not 1.434 | 111.657] .154
assumed
F4 Equal variances assumed 420 SIR[ 2341 148[ 031
Equal variances not 2.263 | 99.464] .026
assumed
Bảng Independent Samples Test cho thấy có sự khác biệt về mức độ hài
lòng của khách hàng nam và khách hàng nữ ở nhân tố chất lượng tương tác
(F¡) và nhân tố sự đồng cam (Fs) với mức ý nghĩa lần lượt là 1% và 5%. Tuy
nhiên, không có sự khác biệt về mức độ hài lòng của khách hàng nam và khách hàng nữ đối với nhân tố phương tiện hữu hình (Fo) và độ tìn cậy (F›) vì giá trị p của hai nhân tố này khá cao (15,6 % và 346%) cho dù so với mức ý nghĩa 10%. Đề đưa ra kết luận chính xác trong kiêm định t, ta xem xét giá trị p
(sig.) của kiểm định Levene trước tiên. Nếu giá trị p của kiểm định Levene nhỏ
hon 5% thi ta chon gid trj sig. 2 tailed (Equal variances not assumed) dé luận có bác bỏ giá thuyết Ho hay không, ngược lại, ta chọn giá trị sig. 2 tailed (Equal variances assumed) để kết luận.
2.5 Hàm sản xuất Cobb - Douglas
25.1 Giới
Hàm sản xuất của một sản phẩm cho biết số lượng tối đa của sản phẩm.
đó (q) có thể được sản xuất bằng cách sử dụng một lượng vốn (K) và lượng
lao động (L) ứng với một trình độ kỹ thuật nhất định. Trong nông nghiệp nói chung và sản xuất lúa nói riêng, hàm sản xuất có thể biểu diễn mỗi liên hệ giữa sản lượng lúa nông hộ thu hoạch và các yếu tố đầu vào như lao động, phân bón, thuốc nông được, giống, ... hay hàm sản xuất mô tả lượng phân bón
do một xưởng sản xuất khí sử dụng một lượng lao động và máy móc thiết bị
nào đó. Do đó, hàm sản xuất có thẻ viết:
4=/,L) (Hình 4.1)
Tuy nhiên, trong thực tế, sản lượng không thẻ đạt tối đa do các yếu tố
đầu vào khó có thể sử dụng đạt hiệu quả như mong muốn. Vì vậy, để nghiên cứu mối liên hệ giữa các yếu tố đầu vào và sản lượng đầu ra, hàm sản xuất
Cobb — Douglas được sử dụng phổ biến dưới dạng:
q=cK'L';a,b,c>0 do các yêu tố đầu vào không thể thay thế hoàn
toàn cho nhau.
q=cKL!
Hình 4.1 Hàm sản xuất Cobb — Douglas
Ngoài ra, him san xudt Cobb ~ Douglas con duge sit dung dé nghién
cứu mối quan hệ giữa các yếu tố trong quá trình sản xuất của nông hộ hay một
doanh nghiệp nào đó. Hàm sản xuất Cobb-Douglas (g =eK“/";a,b,e >0) có
thể biến đổi thành hàm tuyến tính:
Inạ=lne+alnK + In.
Khi lấy đạo hàm riờng của hàm số lng =Inc + ứlnK + /ln. theo K,
ta có:
Biểu thức (1) cho biết khi lượng vốn (K) tăng lên 1% làm cho sản lượng (q) thay đổi Z6 và biểu thức (2) cho biết khi số lượng lao động (L) tăng lên 1% làm cho sản lượng (q) thay đổi /%..