Sau khi th c hi n kh o sát r ng rãi thu đ c b d li u nghiên c u, tác gi ti n hành các b c chu n b cho vi c phân tích d li u nghiên c u: lo i b nh ng b ng câu h i không đ t yêu c u, mã hóa và nh p s li u vào ph n m m SPSS 16.0. Tác gi dùng b ng t n s đ làm s ch d li u nh m đ m b o d li u nghiên c u đ t yêu c u đ a vào phân tích.
Ki m đ nh h s tin c y Cronbach’s alpha: H s tin c y Cronbach’s alpha
là m t phép ki m đ nh th ng kê dùng đ ki m tra s ch t ch và t ng quan gi a các bi n quan sát. i u này liên quan đ n hai khía c nh là t ng quan gi a b n thân các bi n và t ng quan c a các đi m s c a t ng bi n v i đi m s toàn b các bi n c a m i ng i tr l i.
Ph ng pháp này cho phép ng i phân tích lo i b nh ng bi n không phù h p và h n ch các bi n rác trong mô hình nghiên c u vì n u không chúng ta không th bi t đ c chính xác đ bi n thiên c ng nh đ l i c a các bi n. Theo đó, ch nh ng bi n có h s t ng quan t ng bi n phù h p (Corrected Item-Total Correlation) l n h n 0,3 và có h s Alpha l n h n 0,6 m i đ c ch p nh n và thích h p đ a vào phân tích nh ng b c ti p theo (Nunnally và BernStein, 1994). C ng theo nhi u nhà nghiên c u, n u Cronbach’s alpha đ t t 0,8 tr lên thì thang đo l ng là t t và m c đ t ng quan s càng cao h n.
Phân tích nhân t khám phá (EFA): đ c th c hi n sau phép ki m đ nh
Cronbach’s alpha, phân tích nhân t khám phá là m t k thu t phân tích nh m thu nh và tóm t t các d li u, r t có ích cho vi c xác đ nh các t p h p bi n c n thi t cho v n đ nghiên c u. Quan h gi a các nhóm bi n có liên h qua l i l n nhau đ c xem xét d i d ng m t s các nhân t c b n. M i m t bi n quan sát s đ c tính m t t s g i là h s t i nhân t (factor loading). H s này cho ng i nghiên c u bi t đ c m i bi n đo l ng s “thu c v ” nh ng nhân t nào. Theo Hair & ctg (1998,111) h s t i nhân t c a t ng bi n quan sát ph i có giá tr l n h n ho c b ng 0,5.
Trong phân tích nhân t , yêu c u c n thi t là h s KMO (Kaiser-Meyer – Olkin) ph i có giá tr đ t: 0,5<KMO<1 th hi n phân tích nhân t là thích h p, còn n u h s KMO <0,5 thì phân tích nhân t có kh n ng không thích h p v i các d li u. Ki m đ nh Bartlett xem xét gi thi t Ho: đ t ng quan gi a các bi n quan sát b ng 0 trong t ng th . N u ki m đ nh này có ý ngh a th ng kê (Sig.<0.05) thì các bi n quan sát có t ng quan v i nhau trong t ng th (Hoàng Tr ng và Chu Nguy n M ng Ng c, 2005, 262). Thêm vào đó ph ng sai trích ph i đ t t 50% tr lên (Theo Hair & ctg, 1998). Ph ng pháp phân tích đ c ch n đ phân tích là Principal components v i phép xoay varimax
Phân tích h i quy b i: đ xác đ nh m i quan h gi a bi n ph thu c và các
bi n đ c l p c ng nh đánh giá t m quan tr ng c a t ng y u t đ i v i s hài lòng c a khách hàng s d ng d ch v ATM. Tuy nhiên, tr c khi phân tích các k t qu trên, ta c n ki m tra các gi đ nh trong h i quy tuy n tính. N u các gi đ nh này b vi ph m thì các c l ng không đáng tin c y n a (Hoàng Tr ng và Chu Nguy n M ng Ng c, 2008). Các gi đ nh sau s đ c ki m đ nh:
1) Ph ng sai c a sai s (ph n d ) không đ i 2) Các ph n d có phân ph i chu n
3) Không có m i t ng quan gi a các ph n d 4) Không có m i t ng quan gi a các bi n đ c l p
ánh giá k t qu phân tích h i quy d a vào:
+ ánh giá đ phù h p c a mô hình: H s xác đ nh R2 và R2 hi u ch nh
(Adjusted R square) đ c dùng đ đánh giá đ phù h p c a mô hình. Vì R2 s t ng khi đ a thêm bi n đ c l p vào mô hình nên dùng R2 hi u ch nh s an toàn h n khi đánh giá đ phù h p c a mô hình. R2 hi u ch nh càng l n th hi n đ phù h p c a mô hình càng cao. H s R2 cógiá tr t 0 đ n 1, R2 càng g n 1 thì mô hình đã xây d ng càng thích h p, R2 càng g n 0 mô hình càng kém phù h p v i t p d li u m u (Hoàng Tr ng và Chu Nguy n M ng Ng c, 2008).
+ Ki m đ nh đ phù h p c a mô hình:Ki m đ nh F s d ng trong phân tích ph ng sai là m t phép ki m đ nh gi thuy t v đ phù h p c a mô hình h i quy tuy n tính t ng th đ xem xét bi n ph thu c có liên h tuy n tính v i toàn b t p h p c a các bi n đ c l p.
C p gi thi t:
Ho: Không có m i quan h gi a các bi n đ c l p và bi n ph thu c hay R2=0 H1: T n t i m i quan h gi a các bi n đ c l p và bi n ph thu c hay R2≠0 M c ý ngh a ki m đ nh là 5%
Nguyên t c ch p nh n gi thi t: - N u Sig.<0,05: Bác b gi thi t H0
- N u Sig.≥0,05: Ch a có c s bác b gi thi t H0
+ Ki m đ nh s khác bi t gi a các nhóm th ng kê: theo các tiêu th c gi i
tính, đ tu i, th i gian s d ng, m c đ th ng xuyên s d ng, và m c thu nh p bình quân hàng tháng. Ki m đ nh ANOVA đ c s d ng đ ki m đ nh có hay không s khác nhau trong đánh giá v s hài lòng gi a các nhóm khác nhau.
Gi thi t: H0: Không có s khác bi t v các y u t đánh giá s th a mãn c a các nhóm đ i t ng khác nhau. H1: Có s khác bi t v các y u t đánh giá s th a mãn c a các nhóm đ i t ng khác nhau. M c ý ngh a: 95%
N u Sig.<0,05 : Bác b gi thi t H0, ch p nh n gi thuy t H1 N u Sig.≥0,05 : Ch p nh n gi thi t H0, bác b gi thuy t H1
Tuy nhiên, tr c khi th c hi n ki m đ nh One Way ANOVA ta c n ph i ki m đ nh Levene's Test s b ng nhau c a các ph ng sai t ng th đ xem xét m c đ
đ ng đ u c a d li u quan sát.
+ N u Sig.<0,05: Ph ng sai gi a các nhóm đ i t ng khác nhau là khác nhau hay không có phân ph i chu n thì ki m đ nh Kruskal Wallis đ c s d ng đ k t lu n cho tr ng h p này.
+ N u Sig.≥0,05: Ph ng sai không khác nhau hay có phân ph i chu n. Ta s s d ng ki m đ nh One Way ANOVA đ k t lu n.