Sau khi chọn ra được 350 mẫu đạt yêu cầu, các biến quan sát sẽ được mã hóa, nhập liệu và làm sạch dữ liệu bằng phần mềm SPSS 16.0.1 và tiến hành thống kê, phân tích dữ liệu đã thu thập.
Các thang đo khoảng đại diện cho các khái niệm nghiên cứu trong nghiên cứu này được đánh giá bằng phương pháp truyền thống, nghĩa là sử dụng các trị trung bình và độ lệch chuẩn trong thống kê mô tả.
Đầu tiên tác giả tiến hành phân tích thành phần EFA nhằm xác định các thành phần và biến quan sát giải thích cho thành phần. Phân tích nhân tố được thực hiện theo phương pháp rút trích các nhân tố chính, chỉ trích xuất các nhân tố có giá trị Eigenvalue lớn hơn 1, sử dụng phép xoay nguyên gốc Varimax của các nhân tố để tối thiểu hóa các biến có hệ số lớn tại cùng một nhân tố. Biến quan sát được chọn là biến có hệ số tải nhân tố lớn hơn hoặc bằng 0,5. Hệ số KMO phải đạt giá trị từ 0,5 trở lên (0,5 < KMO < 1) thể hiện phân tích nhân tố là phù hợp.
Sau đó, tác giả sử dụng hệ số Cronbach’s Alpha để kiểm tra độ tin cậy của thang đo. Nếu các biến quan sát có hệ số tương quan biến tổng nhỏ hơn 0,3 sẽ bị loại. Tiêu chuẩn chọn thang đo trong nghiên cứu này là khi giá trị Cronbach’s Alpha có giá trị từ 0,7 trở lên.
Tiếp theo tác giả tiến hành phân tích tương quan để xem xét giá trị phân biệt của các biến độc lập và biến phụ thuộc. Giá trị phân biệt mô tả mức độ mà một thang đo (biến quan sát) không giống với những thang đo (biến quan sát) khác mà về mặt lý thuyết chúng không nên giống nhau. Giá trị phân biệt được đánh giá bằng cách xem xét ma trận tương quan giữa các biến độc lập và phụ thuộc và chọn ra những biến mà hệ số tương quan giữa chúng thấp. Một hệ số tương quan tuyệt đối lớn hơn 0,85 chỉ ra một hiện tượng đa cộng tuyến, nghĩa là các khái niệm nghiên cứu trùng lắp với nhau và có thể chúng đang đo lường cùng một thứ (John và Benet-Martinez, 2000, dẫn theo Hoàng Thị Phương Thảo và các công sự, 2010). Vì thế hệ số tương quan của các khái niệm nghiên cứu trong đề tài này nên nhỏ hơn 0,85 để đạt được yêu cầu về giá trị phân biệt.
48
Theo mô hình nghiên cứu đã được xây dựng từ kết quả nghiên cứu sơ bộ, có sáu khái niệm nghiên cứu được hình thành đó là (1) Sự tin cậy, (2) Sự phản hồi, (3) Năng lực phục vụ, (4) Sự đồng cảm, (5) Chính sách cho vay, (6) Chất lượng dịch vụ cho vay cá nhân. Cả sáu khái niệm đều được đo dựa trên nhận thức của khách hàng cá nhân với thang đo Likert-5 mục. Phép kiểm định thống kê hồi quy tuyến tính bội được sử dụng để kiểm định các giả thuyết H1, H2, H3, H4, H5 trong đó các biến độc lập là năm khái niệm thành phần của chất lượng dịch vụ cho vay cá nhân và biến phụ thuộc là khái niệm Chất lượng dịch vụ cho vay cá nhân.
Đối với mô hình nghiên cứu trong đó có những mối quan hệ giữa biến độc lập và biến phụ thuộc (giả thuyết) chưa có mối quan hệ vững chắc để suy diễn, hoặc chỉ từ dữ liệu khám phá, đặc biệt là trong trường hợp chúng ta điều chỉnh, bổ sung các mô hình hiện có trong ngữ cảnh cụ thể của Việt Nam, hay một ngành cụ thể nào đó của Việt Nam thì khi phân tích hồi quy ta sử dụng phương pháp thứ bậc là phù hợp (Nguyễn Đình Thọ, 2011). Do đó, trong nghiên cứu này, phân tích hồi quy được thực hiện bằng phương pháp thứ bậc. Việc lựa chọn thứ tự của các biến độc lập đưa vào mô hình dựa trên kết quả tổng kết các đánh giá của khách hàng về mức độ quan trọng của các nhân tố tác động đến chất lượng dịch vụ cho vay cá nhân trong nghiên cứu định tính.
Khi giải thích về phương trình hồi quy, nhà nghiên cứu cần lưu ý đến hiện tượng đa cộng tuyến. Các biến có sự cộng tuyến cao có thể bóp méo kết quả và làm cho kết quả không ổn định và không tổng quát hóa. Theo Hair et al. (2006) có thể kiểm định đa cộng tuyến bằng cách tính giá trị dung sai hoặc hệ số phóng đại phương sai (VIF - Variance Inflation Factor). Giá trị dung sai cao thể hiện sự đa cộng tuyến thấp, và giá trị dung sai càng tiến đến không thể hiện biến này hầu như được giải thích hoàn toàn bằng các biến khác. Hệ số VIF là giá trị nghịch đảo của giá trị dung sai, như vậy nếu hệ số VIF thấp thì mối quan hệ tương quan giữa các biến thấp. Nói chung, nếu hệ số VIF lớn hơn 10, hiện tượng đa cộng tuyến nghiêm trọng đang tồn tại (Hoàng Thị Phương Thảo và các cộng sự, 2010).
49
Cuối cùng phân tích phương sai được sử dụng để phân tích mối liên hệ giữa biến nguyên nhân định tính và biến kết quả định lượng. Phân tích phương sai ANOVA là một công cụ thống kê dùng để so sánh nhiều giá trị trung bình với nhau. Việc sử dụng phân tích phương sai nhằm kiểm định tất cả các nhóm mẫu cùng lúc với phạm vi sai lầm chỉ là 5%. Ngoài ra, tác giả còn tiến hành kiểm định hậu ANOVA (ANOVA post hoc tests) để biết được trung bình của nhóm mẫu nào là khác nhau. Trong nghiên cứu này biến nguyên nhân định tính có các cặp trung bình cần so sánh nhỏ nên tác giả dùng pháp kiểm định Bonferroni trong kiểm định hậu phương sai.