CHƯƠNG 2. PHƯƠNG PHÁP NGHIÊN CỨU
2.2. Phương pháp nghiên cứu
2.2.3. Phương pháp phân tích dữ liệu
- Phương pháp thống kê mô tả: trong luận văn này, phương pháp thống kê mô tả được sử dụng để thống kê mô tả đặc điểm mẫu nghiên cứu như đặc điểm của
KHCN (Giới tính, độ tuổi, nghề nghiệp, thu nhập) và đặc điểm của KHDN (loại hình doanh nghiệp, quy mô,…), đặc điểm của các nhân tố ảnh hưởng đến quyết định lựa chọn phương thức TTKDTM. Các đại lượng được mô tả bao gồm: Tần suất, giá trị trung bình, độ lệch chuẩn…
- Phương pháp so sánh: Phương pháp so sánh theo chiều dọc (Đánh giá xu hướng phát triển dịch vụ TTKDTM theo thời gian) và phương pháp so sánh theo chiều ngang (So sánh dịch vụ TTKDTM của VietinBank so với các NHTM khác)
- Phương pháp phân tích độ tin cậy thang đo:
Độ tin cậy của thang đo được đánh giá bằng phương pháp nhất quán nội tại qua hệ số Cronbach’s Alpha. Sử dụng phương pháp hệ số tin cậy Cronbach’s Alpha trước khi phân tích nhân tố EFA để loại các biến không phù hợp vì các biến rác này có thể tạo ra các nhân tố giả (Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2009).
Hệ số tin cậy Cronbach’s Alpha chỉ cho biết các đo lường có liên kết với nhau hay không; nhưng không cho biết thang đo nào cần bỏ đi và thang đo nào cần giữ lại. Khi đó, việc tính toán hệ số tương quan giữa biến-tổng sẽ giúp loại ra những thang đo nào không đóng góp nhiều cho sự mô tả của khái niệm cần đo (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005).
Các tiêu chí được sử dụng khi thực hiện đánh giá độ tin cậy thang đo:
– Loại các thang đo có hệ số tương quan biến-tổng nhỏ (nhỏ hơn 0,3); tiêu chuẩn chọn thang đo khi có độ tin cậy Alpha lớn hơn 0,6 (Alpha càng lớn thì độ tin cậy nhất quán nội tại càng cao) (Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2009).
– Các mức giá trị của Alpha: lớn hơn 0,8 là thang đo lường tốt; từ 0,7 đến 0,8 là sử dụng được; từ 0,6 trở lên là có thể sử dụng trong trường hợp khái niệm nghiên cứu là mới hoặc là mới trong bối cảnh nghiên cứu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
- Phân tích nhân tố khám phá (EFA):
EFA là phương pháp phân tích nhân tố khám phá nhằm rút gọn một tập gồm nhiều thang đo vào các nhóm biến khác nhau. Các điều kiện đối với phương pháp EFA bao gồm: (i) 0,5 ≤ KMO ≤ 1 là điều kiện để đảm bảo phân tích EFA là phù hợp; (ii) Phương pháp tính hệ số với phép quay Varimax và điểm dừng khi trích các
nhân tố Eigenvalue > 1; (iii) Hệ số tải nhân tố > 0,5.
- Phân tích hồi quy:
Phân tích hồi quy tuyến tính bội được thực hiện theo trình tự qua các bước:
+ Phân tích ma trận tương quan
Ma trận tươngquan Pearson correlation giữa biến phụ thuộc kết quả làm việc với các biến độc lập được phân tích để xem xét mối quan hệ tương quan giữa biến độc lập với biến phụ thuộc cũng như hiện tượng đa cộng tuyến giữa các biến độc lập với biến độc lập. Mức độ tươngquan chặt chẽ giữa các biến độc lập và biến phụ thuộc phụ thuộc vào hệ số tươngquan Rxy với điều kiện -1 ≤ Rxy ≤1 và mức ý nghĩa Sig < 0,05 (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008). Nếu hệ số tươngquan giữa các biến độc lập cao ở mức ý nghĩa Sig < 0.05 là dấu hiệu của đa cộng tuyến.
+ Kiểm định sự phù hợp của mô hình:
Phân tích hồi quy tuyến tính bội bằng phương pháp bình phương nhỏ nhất thông thường (Rodinal Least Squares – OLS) được thực hiện và thủ tục đưa biến vào một lần được lựa chọn để phân tích hồi quy tuyến tính bội. Mô hình hồi quy sẽ được kiểm định độ phù hợp bằng kiểm định F và R2 hiệu chỉnh. R2 hiệu chỉnh được sử dụng vì không phụ thuộc vào số biến độc lập của mô hình. R2 hiệu chỉnh phản nh mức độ giải thích của các biến độc lập về sự biến thiên của biến phụ thuộc. Trị thống kê F được tính từ gi trị R2 của mô hình đầy đủ, gi trị Sig. nhỏ cho thấy an toàn khi bác bỏ giả thuyết Ho (β1 = β2 = β3 = β4 = β5 = β6 = β7 = 0). Giả thuyết H0 bị bác bỏ có thể kết luận các biến độc lập giải thích được sự thay đổi của biến phụ thuộc. Như vậy, các giả thuyết nghiên cứu được kiểm định với mức ý nghĩa Sig
< 0.05. Mô hình hồi quy tuyến tính bội có dạng như sau:
Yi = β0 + β1X1i +β2X2i +... +βpXpi +ei Trong đó:
Y là biến phụ thuộc;
β 0: là hằng số hồi quy; β 1, β 2,…, βP là hệ số hồi quy;
X1i, X2i,…, Xpi là các biến độc lập;
Ngoài ra, tác giả tiến hành các vi phạm giả thuyết của phương trình hồi quy.
- Kiểm định đa cộng tuyến
Đa cộng tuyến là một hiện tượng trong đó các biến độc lập có tươngquan chặt chẽ với nhau. Đối với hiện tượng đa cộng tuyến, độ sai lệch cho phép (tolerance) hoặc hệ số phóng đại phương sai VIF (variance inflation factor) được sử dụng. Theo Hair (2014), khi VIF nhỏ hơn hoặc bằng 3 nghĩa là các biến độc lập không có tương quan tuyến tính với nhau.
- Kiểm định liên hệ tuyến tính phần dư:
Tác giả tiến hành thông qua biểu đồ Scatterrplot với gi trị phần dư chuẩn hóa trên trục tung và gi trị dự đo n chuẩn hóa trên trục hoành. Quan sát biểu đồ Scatterrplot phương sai không đổi thì phần dư phân tán ngẫu nhiên quanh trục 0.
- Kiểm định phân phối chuẩn của phần dư:
Thông qua phân tích biểu đồ Histogram nếu giá trị trung bình gần bằng = 0 và độ lệch chuẩn gần bằng 1 thì phân phối của phần dư xấp xỉ chuẩn; Kết hợp với phân tích biểu đồ tần số Q-Q plot nếu các điểm quan sát thực tế tập trung s t đường chéo những gi trị kỳ vọng thì phần dư có phân phối chuẩn.
CHƯƠNG 3. PHÂN TÍCH CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN QUYẾT ĐỊNH LỰA CHỌN PHƯƠNG THỨC TTKDTM
CỦA KHÁCH HÀNG TẠI VIETINBANK