2.2. Phương pháp nghiên cứu
2.2.3. Phương pháp phân tích số liệu
- Mục tiêu 1: Sử dụng phương pháp so sánh số tương đối , tuyệt đối để tìm hiểu chung về thƣ̣c trạng hoạt động kinh doanh dịch vụ thẻ ATM tại Ngân hàng TMCP Ngoại Thương Việt Nam – Chi nhánh Cần Thơ.
Phương pháp so sánh số tương đối, tuyệt đối: là phương pháp xem xét một chỉ tiêu phân tích bằng cách dựa trên việc so sánh với một chỉ tiêu cơ sở (chỉ tiêu gốc).
+ Phương pháp so sánh bằng số tuyệt đối: Số tuyệt đối là một tiêu chí tổng hợp phản ánh quy mô, khối lƣợng của sự kiện. Tác dụng của so sánh là phản ánh tình hình thực hiện kế hoạch, sự biến động về quy mô, khối lƣợng
Tăng (+) Giảm (-) = Chỉ tiêu thực tế- Chỉ tiêu kế hoạch tuyệt đối
So sánh số liệu năm sau so với năm trước của chỉ tiêu xem có biến động không và tìm ra nguyên nhân biến động của các chỉ tiêu kinh tế. Từ đó có cách đánh giá chính xác các hoạt động phân tích.
+ Phương pháp so sánh bằng số tương đối: Số tương đối là một chỉ tiêu tổng hợp biểu hiện số lần (%)… phản ánh tình hình của sự kiện, khi số tuyệt đối không thể nói lên được. Mục đích của phương pháp này là so sánh hai chỉ tiêu cùng loại hay khác nhau nhƣng có liên hệ nhau để đánh giá sự tăng lên hay giảm xuống của một chỉ tiêu nào đó qua thời gian hoặc đánh giá mức độ hoàn thành kế hoạch của một doanh nghiệp. Từ đó có sự nhận diện rõ các hoạt động trong nghiên cứu.
- Mục tiêu 2: Sử dụng phương pháp thống kê mô tả , phân tích tần số để phân tích mức độ hài lòng của khách hàng khi sử dụng dịch vụ thẻ ATM tại Ngân hàng TMCP Ng oại Thương Việt Nam – Chi nhánh Cần Thơ , ngoài ra còn sử dụng phương pháp tính hệ số Cronbach alpha và phương pháp phân tích nhân tố để đánh giá các thang đo và xác định các nhân tố ảnh hưởng đến mức độ hài lòng của khách hàng khi sử dụng dịch vụ thẻ ATM , tiếp theo dùng phương pháp hồi quy Binary Logistic để phân tích ảnh hưởng của các nhân tố đến sự hài lòng của khách hàng khi sƣ̉ dụng dịch vụ thẻ ATM . Sử dụng phần mềm SPSS 16.0 để hỗ trợ trong việc phân tích số liệu sơ cấp thu thập đƣợc từ bảng câu hỏi.
Phương pháp thống kê mô tả: là phương pháp có liên quan đến việc thu thập số liệu, tóm tắt, trình bày, tính toán và mô tả các đặc trƣng khác nhau để phản ánh một cách tổng quát đối tƣợng nghiên cứu.
Phương pháp phân tích tần số: là một trong những công cụ thống kê mô tả đƣợc sử dụng để mô tả và tìm hiểu về đặc tính phân phối của mốt số liệu thô nào đó. Trong phạm vi nghiên cứu này, phương pháp phân tích tần số để mô tả một
số biến liên quan đến đặc tính nhân khẩu học của đối tƣợng đƣợc phỏng vấn nhƣ:
giới tính, tuổi tác, trình độ học vấn… Phương pháp này giúp chúng ta có cái nhìn tổng thể về một đặc tính nào đó của mẫu điều tra.
Số bình quân là chỉ tiêu biểu hiện mức độ điển hình của một tổng thể gồm nhiều đơn vị cùng loại đƣợc xác định theo một tiêu thức nào đó.
Ý nghĩa: Số bình quân đƣợc sử dụng để nêu lên đặc điểm chung nhất, phổ biến nhất của hiện tƣợng kinh tế-xã hội trong các điều kiện thời gian và không gian cụ thể.
Ý nghĩa của từng giá trị trung bình đối với thang đo khoảng (Interval Scale)
Với thang đo 5 mức, trong đó: 1 là hoàn toàn không quan trọng/hoàn toàn không hài lòng/hoàn toàn không đồng ý, 2 là không quan trọng/không hài lòng/không đồng ý, 3 là trung bình, 4 là quan trọng/hài lòng/đồng ý, 5 là rất quan trọng/rất hài lòng/rất đồng ý.
Giá trị khoảng cách = (Maximum – Minimum) / n = (5-1)/5 = 0,8
Bảng 2.1: Ý NGHĨA CỦA TỪNG GIÁ TRỊ TRUNG BÌNH
GIÁ TRỊ TRUNG BÌNH Ý NGHĨA
1,00 – 1,80 Hoàn toàn không quan trọng/ Hoàn toàn không hài lòng/ Hoàn toàn không đồng ý 1,81 – 2,60 Không quan trọng/ Không hài lòng/ Không
đồng ý 2,61 – 3,40 Trung bình
3,41 – 4,20 Quan trọng/ Hài lòng/ Đồng ý
4,21 – 5,00 Rất quan trọng/ Rất hài lòng/ Rất đồng ý
(Nguồn: Hoàng Trọng – Chu Nguyễn Mộng Ngọc, 2008)
Phương pháp tính hệ số Cronbach alpha: hệ số Cronbach Alpha được sử dụng trước hết để loại các biến quan sát không đạt yêu cầu hay các thang đo chưa đạt yêu cầu trong nghiên cứu.
Cronbach alpha từ 0,8 trở lên đến gần 1 thì thang đo lường là tốt, từ 0,7 đến gần 0,8 là sử dụng đƣợc, còn Cronbach alpha từ 0,6 trở lên là có thể sử dụng được trong trường hợp nghiên cứu này là nghiên cứu mới.
Phương pháp phân tích nhân tố: được sử dụng để rút gọn và tóm tắt dữ
liệu. Trong nghiên cứu Marketing có thể có rất nhiều biến để nghiên cứu, hầu hết chúng có tương quan với nhau và thường được rút ngọn để có thể dễ dàng quản lý.
a) Mô hình phân tích nhân tố:
Mỗi nhân tố duy nhất thì tương quan với mỗi nhân tố khác và với các nhân tố chung. Các nhân tố chung có sự kết hợp tuyến tính của các biến đƣợc quan sát:
Fi = wi1X1 + wi2X2 + …. + wikXk Trong đó:
Fi: ƣớc lƣợng nhân tố thứ i
w: trọng số hay hệ số điểm nhân tố k: số biến quan sát
Xk: biến quan sát
b) Các tham số thống kê:
+ Hệ số KMO (Kaiser – Meyer – Olkin measure of sampling adequacy): là một trị số dùng để xem xét sự thích hợp của phân tích nhân tố. Hệ số KMO có giá trị nhỏ hơn 0,5 thì phân tích nhân tố không phù hợp. Phân tích nhân tố chỉ phù hợp khi hệ số KMO lớn hơn 0,5.
+ Kiểm định Barlett’s
Kiểm định này được sử dụng để kiểm định sự tương quan giữa các biến trong tổng thể. Với giả thuyết sau:
H0: các biến không có tương quan với nhau H1: có sự tương quan giữa các biến.
Giá trị p của kiểm định là một số sao cho với mọi α > p thì giả thuyết H0 bị bác bỏ.
Trong kiểm định Barlett’s với mức ý nghĩa α = 5% thì:
Nếu giá trị p < α thì bác bỏ giả thuyết H0 và chấp nhận giả thuyết H1. Nếu giá trị p > α thì chấp nhận giả thuyết H0.
+ Ma trận tương quan (Correlation Matrix): cho biết hệ số tương quan giữa tất cả các cặp biến trong phân tích.
Về mặt lý thuyết thì hệ số tương quan thông thường phải trên 0,7 thì các biến có mối quan hệ tương quan rất cao với nhau (sau khi đã thực hiện kiểm định
Barlett’s và cho kết quả các biến có tương quan với nhau). Tuy nhiên, trong thực tế tiêu chuẩn 0,7 là một số quá cao và số liệu thực tế nhiều khi không đáp ứng đƣợc. Do đó trong thực tế nghiên cứu đặc biệt đối với mục đích thăm dò sẽ sử dụng một cấp độ thấp hơn có hệ số tương quan là 0,4.
+ Phương sai tổng hợp từng nhân tố (Eigenvalue): đại diện cho phần biến thiên đƣợc giải thích bởi mỗi nhân tố.
Trong mô hình phân tích nhân tố thì chỉ có những biến có phương sai tổng hợp lớn hơn 1 mới đƣợc sử dụng đƣa vào mô hình.
+ Xoay nhân tố:
Xoay nhân tố thường được sử dụng phổ biến là phương pháp xoay nhân tố varimax. Varimax là phương pháp xoay quanh góc tọa độ (orthogonal rotation), là cách xoay để tối đa hóa phương sai của bình phương trọng số của nhân tố (cột) với tất cả các biến số (hàng) trong ma trận nhân tố. Điều này giúp tách các biến số ban đầu bằng các nhân tố đƣợc tìm thấy.
Mỗi yếu tố sẽ có xu hướng hoặc tỷ trọng lớn hay nhỏ của bất kỳ biến cụ thể.
Sử dụng phương pháp xoay nhân tố varimax mang lại kết quả là làm cho nó đơn giản, dễ dàng nhƣ xác định mỗi biến với một yếu tố duy nhất.
Phương pháp hồi quy logistic nhị nguyên để xác định nhân tố ảnh hưởng đến sự hài lòng của khách hàng: áp dụng khi ta muốn dự đoán việc xuất hiện hay không xuất hiện của một đặc tính hay một kết quả, dựa trên số liệu đã biết của một số biến mô tả nào đó.
Kiểm định mô hình Binary Logistic
+ Hồi quy Binary Logistic sử dụng biến phụ thuộc dạng nhị phân để ƣớc lƣợng xác suất một sự kiện sẽ xảy ra với những thông tin của biến độc lập mà ta có đƣợc.
+ Độ phù hợp của mô hình: Đo lường độ phù hợp tổng quát của mô hình Binary Logistic đƣợc dựa trên chỉ tiêu -2LL (-2 log likehood). Quy tắc đánh giá ngƣợc với quy tắc trên hệ số xác định mô hình R2, nghĩa là giá trị -2LL càng nhỏ càng thể hiện độ phù hợp cao.
+ Bảng Clasification table: Để so sánh số trị số thực và trị số dự đoán cho từng biểu hiện và tính tỷ lệ dự đoán đúng sự kiện.
+ Kiểm định Wald: đƣợc sử dụng để kiểm định ý nghĩa thống kê của hệ số hồi quy tổng thể.
+ Đồ thị Histogram: biểu diễn các điểm thực tế và dự báo của biến phụ thuộc Y.
- Mục tiêu 3: Từ những phân tích về thực trạng sƣ̉ dụng dịch vụ thẻ ATM và quan sát thực tế , đề xuất những giải pháp giúp Ngân hàng TMCP Ngoại Thương Việt Nam – Chi nhánh Cần Thơ nâng cao khả năng đáp ứng nhu cầu về dịch vụ thẻ ATM cho khách hàng.