CHƯƠNG 2: MÔ HÌNH NGHIÊN CỨU VÀ PHƯƠNG PHÁP NGHIÊN CỨU CÁC NHÂN TỐ ẢNH HƯỚNG TỚI QUYẾT ĐỊNH SỬ DỤNG THẺ TÍN DỤNG CỦA KHÁCH HÀNG CÁ NHÂN
2.2. Phương pháp nghiên cứu
2.2.3. Nghiên cứu định lượng
Phương pháp định lượng: Sau khi thu nhập được dữ liệu từ các mẫu từ khảo sát bảng hỏi, nghiên cứu ứng dụng các phương pháp phân tích và xử lí số liệu sau:
Thống kê mô tả: Thống kê mô tả được sử dụng để mô tả những đặc tính cơ bản của dữ liệu thu thập được từ nghiên cứu thực nghiệm qua các cách thức khác nhau.
Thống kê mô tả và thống kê suy luận cùng cung cấp những tóm tắt đơn giản về mẫu và các thước đo. Cùng với phân tích đồ họa đơn giản, chúng tạo ra nền tảng của mọi phân tích định lượng về số liệu. Có rất nhiều các kỹ thuật để thực hiện thống kê mô tả. Có thể phân loại các kỹ thuật này như sau:
- Biểu diễn dữ liệu bằng đồ họa trong đó các đồ thị mô tả dữ liệu hoặc giúp so sánh dữ liệu;
- Biểu diễn dữ liệu thành các bảng số liệu tóm tắt về dữ liệu;
- Thống kê tóm tắt (dưới dạng các giá trị thống kê đơn nhất) mô tả dữ liệu.
Kiểm tra độ tin cậy của thang đo: Phép kiểm định này phản ánh mức độ tương quan chặt chẽ giữa các biến quan sát trong cùng 1 nhân tố. Nó cho biết trong các biến quan sát của một nhân tố, biến nào đã đóng góp vào việc đo lường khái niệm nhân tố, biến nào không.
Cronbach (1951) đưa ra hệ số tin cậy cho thang đo. Chú ý, hệ số Cronbach’s Alpha chỉ đo lường độ tin cậy của thang đo (bao gồm từ 3 biến quan sát trở lên) chứ không tính được độ tin cậy cho từng biến quan sát (Nguồn: Nguyễn Đình Thọ, Phương pháp nghiên cứu khoa học trong kinh doanh, NXB Tài chính, Tái bản lần 2, Trang 355).
Hệ số Cronbach’s Alpha có giá trị biến thiên trong đoạn [0,1]. Về lý thuyết, hệ số này càng cao càng tốt (thang đo càng có độ tin cậy cao). Tuy nhiên điều này không
21
hoàn toàn chính xác. Hệ số Cronbach’s Alpha quá lớn (khoảng từ 0.95 trở lên) cho thấy có nhiều biến trong thang đo không có khác biệt gì nhau, hiện tượng này gọi là trùng lắp trong thang đo (Nguyễn Đình Thọ, Phương pháp nghiên cứu khoa học trong kinh doanh, NXB Tài chính, Tái bản lần 2, Trang 364).
Nếu một biến đo lường có hệ số tương quan biến tổng Corrected Item – Total Correlation ≥ 0.3 thì biến đó đạt yêu cầu (Nguồn: Nunnally, J. (1978), Psychometric Theory, New York, McGraw-Hill).
Mức giá trị hệ số Cronbach’s Alpha được Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008) quy định như sau:
- Từ 0.8 đến gần bằng 1: thang đo lường rất tốt.
- Từ 0.7 đến gần bằng 0.8: thang đo lường sử dụng tốt.
- Từ 0.6 trở lên: thang đo lường đủ điều kiện.
Chúng ta cũng cần chú ý đến giá trị của cột Cronbach's Alpha if Item Deleted, cột này biểu diễn hệ số Cronbach's Alpha nếu loại biến đang xem xét. Thông thường chúng ta sẽ đánh giá cùng với hệ số tương quan biến tổng Corrected Item – Total Correlation, nếu giá trị Cronbach's Alpha if Item Deleted lớn hơn hệ số Cronbach Alpha và Corrected Item – Total Correlation nhỏ hơn 0.3 thì sẽ loại biến quan sát đang xem xét để tăng độ tin cậy của thang đo.
Phân tích nhân tố khám phá:
Sau khi kiểm định độ tin cậy Cronbach’s Alpha cho các thang đo, phương pháp tiếp theo chúng ta cần thực hiện là phân tích nhân tố khám phá EFA. Phương pháp phân tích nhân tố khám phá EFA (Exploratory Factor Analysis, gọi tắt là phương pháp EFA) giúp chúng ta đánh giá hai loại giá trị quan trọng của thang đo là giá trị hội tụ và giá trị phân biệt.
Phương pháp phân tích nhân tố EFA thuộc nhóm phân tích đa biến phụ thuộc lẫn nhau (interdependence techniques), nghĩa là không có biến phụ thuộc và biến độc lập mà nó dựa vào mối tương quan giữa các biến với nhau (interrelationships). EFA dùng để rút gọn một tập k biến quan sát thành một tập F (F<k) các nhân tố có ý nghĩa hơn. Cơ sở của việc rút gọn này dựa vào mối quan hệ tuyến tính của các nhân tố với các biến nguyên thủy (biến quan sát).
22
Các tác giả Mayers, L.S., Gamst, G., Guarino A.J. (2000) đề cập rằng: Trong phân tích nhân tố, phương pháp trích Pricipal Components Analysis đi cùng với phép xoay Varimax là cách thức được sử dụng phổ biến nhất.
Theo Hair & ctg (1998, 111), Factor loading (hệ số tải nhân tố hay trọng số nhân tố) là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA:
- Factor loading > 0.3 được xem là đạt mức tối thiểu - Factor loading > 0.4 được xem là quan trọng
- Factor loading > 0.5 được xem là có ý nghĩa thực tiễn
Điều kiện để phân tích nhân tố khám phá là phải thỏa mãn các yêu cầu:
- Hệ số tải nhân tố (Factor loading) > 0.5
- 0.5 ≤ KMO ≤ 1: Hệ số KMO (Kaiser-Meyer-Olkin) là chỉ số được dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO lớn có ý nghĩa phân tích nhân tố là thích hợp.
Kiểm định Bartlett có ý nghĩa thống kê (Sig. < 0.05): Đây là một đại lượng thống kê dùng để xem xét giả thuyết các biến không có tương quan trong tổng thể.
Nếu kiểm định này có ý nghĩa thống kê (Sig. < 0.05) thì các biến quan sát có mối tương quan với nhau trong tổng thể.
Phần trăm phương sai toàn bộ (Percentage of variance) > 50%: Thể hiện phần trăm biến thiên của các biến quan sát. Nghĩa là xem biến thiên là 100% thì giá trị này cho biết phân tích nhân tố giải thích được bao nhiêu %.
Phân tích hồi quy:
Phân tích tương quan: nhằm kiểm tra mối liên hệ giữa biến phụ thuộc và các biến độc lập.
Phân tích hồi quy tuyến tính: Sử dụng phương pháp đưa cùng lúc tất cả các biến vào để phân tích và phương trình hồi quy tổng quát:
QDSD = β1*HUUICH + β2*DESUDUNG+ β3*QUYCHUAN + β4*CHIPHI + β5*ANTOAN
Trong đó:
QDSD: Quyết định sử dụng HUUICH: Cảm nhận sự hữu ích
23 DESUDUNG: Nhận thức dễ sử dụng QUYCHUAN: Quy chuẩn chủ quan ANTOAN: Mức độ an toàn
CHIPHI: Chi phí sử dụng
βk là hệ số hồi quy riêng phần (k = 1…, 5) Phân tích phương sai:
Phân tích phương sai một yếu tố (còn gọi là oneway anova) dùng để kiểm định giả thuyết trung bình bằng nhau của các nhóm mẫu với khả năng phạm sai lầm chỉ là 5%
Quy trình nghiên cứu được thực hiện như sau:
Hình 2.2. Quy trình nghiên cứu Bước 1: Đặt vấn đề nghiên cứu Bước 2: Xác định mục tiêu nghiên cứu
Bước 3: Cơ sở lý thuyết Bước 4: Nghiên cứu sơ bộ định tính
Bước 5: Thiết lập thang đo Bước 6: Nghiên cứu định lượng Bước 7: Làm sạch, mã hóa, nhập dữ liệu
Bước 8: Kiểm tra hệ số Cronbach’s Alpha, phân tích nhân tố EFA Bước 9: Phân tích hồi quy, phân tích phương sai ANOVA
Bước 10: Phân tích kết quả nghiên cứu
24