Trang chủ / Ngân Hàng Thương Mại Cổ Phần

Kết Quả Phân Tích Nhân Tố Khám Phá Cho Các Biến Độc Lập



VIMO4

.755

.855

Hệ số Cronbach’s Alpha: .888


Văn hóa xã hội và tâm lý khách hàng

VHXH1

.648

.870

VHXH2

.791

.810

VHXH3

.769

.822

VHXH4

.712

.842

Hệ số Cronbach’s Alpha: .872


Chất lượng dịch vụ

CLDV1

.819

.873

CLDV2

.704

.895

CLDV3

.724

.891

CLDV5

.752

.885

CLDV7

.814

.871

Hệ số Cronbach’s Alpha: .904


Thâm niên và thương hiệu

THUONGHIEU1

.646

.839

THUONGHIEU2

.680

.825

THUONGHIEU3

.699

.818

THUONGHIEU4

.078

.872

Hệ số Cronbach’s Alpha: .856

Cơ sở vật chất và hệ thống mạng lưới

CSVATCHAT1

.703

.863

CSVATCHAT2

.704

.863

CSVATCHAT3

.704

.863

CSVATCHAT4

.702

.864

Hệ số Cronbach’s Alpha: .884

Chính sách lãi suất

LAISUAT1

.506

.777

LAISUAT2

.679

.695

LAISUAT3

.506

.778

LAISUAT4

.722

.673

Hệ số Cronbach’s Alpha: .823

Có thể bạn quan tâm!

Xem toàn bộ 112 trang tài liệu này.


Khả năng huy động vốn

VHD1

.660

.776

VHD2

.701

.701

VHD3

.784

.784

Hệ số Cronbach’s Alpha: .823

Nguồn: Phục lục 4

Sau khi kiểm tra mức độ tin cậy bằng Cronbach’s Alpha theo tiêu chuẩn đánh giá trên, có 31 biến quan sát được đưa vào kiểm tra. Kết quả tính toán Cronbach’s Alpha của các thang đo cho thấy các thang đo này đều có hệ số tin cậy Cronbach’s Alpha đạt yêu cầu (>0,6). Hơn nữa, các hệ số tương quan biến tổng đều cao hơn 0,3 dao động từ 0.612 đến 0.819. Điều này cho thấy thang đo đã đưa ra có độ tin cậy cao. Các biến đo lường đều được sử dụng trong phân tích EFA kế tiếp.

2.3.5.2. Phân tích nhân tố khám phá EFA

Phân tích nhân tố khám phá EFA cho biến độc lập

Trong đề tài nghiên cứu này, phân tích nhân tố sẽ giúp xem xét khả năng rút gọn số lượng 28 biến quan sát xuống còn một số ít các biến dùng để phản ánh một cách cụ thể sự tác động của các nhân tố đến sự gia tăng nguồn vốn huy động.

Kiểm định KMO

Để tiến hành phân tích nhân tố khám phá thì dữ liệu thu được phải đáp ứng được các điều kiện qua kiểm định KMO và kiểm định Bartlett’s. Bartlett’s Test dùng để kiểm định giả thuyết H0 là các biến không có tương quan với nhau trong tổng thể, tức ma trận tương quan tổng thể là một ma trận đơn vị, hệ số KMO dùng để kiểm tra xem kích thước mẫu ta có được có phù hợp với phân tích nhân tố hay không. Giá trị Sig. của Bartlett’s Test nhỏ hơn 0,05 cho phép bác bỏ giả thiết H0 và giá trị 0,5


Bảng 2.4: Kết quả kiểm định KMO cho biến độc lập


KMO and Bartlett’s Test

Trị số KMO

0.819


Đại lượng thống kê Bartlett’s

Approx. Chi-Square

3119.991

Df

325

Sig.

0.000

( Nguồn: Phụ lục 4)

Kết quả kiểm định cho ra trị số của KMO đạt 0.819 > 0.5 thể hiện kết quả phân tích nhân tố là hoàn toàn thích hợp với dự liệu nghiên cứu. Kiểm định Bartlett‟ s là 3119.991 với mức ý nghĩa thống kê sig = 0.000 < 0.005 thể hiện việc phân tích nhân tố hoàn toàn đảm bảo đuợc mức ý nghĩa thống kê.

Ma trận xoay các nhân tố.

Phương pháp được chọn ở đây là phương pháp xoay nhân tố Varimax proceduce, xoay nguyên góc các nhân tố để tối thiểu hoá số lượng các quan sát có hệ số lớn tại cùng một nhân tố. Vì vậy, sẽ tăng cường khả năng giải thích các nhân tố. Sau khi xoay ta cũng sẽ loại bỏ các quan sát có hệ số tải nhân tố nhỏ hơn 0.5 ra khỏi mô hình. Chỉ những quan sát có hệ số tải nhân tố lớn hơn 0.5 mới được sử dụng để giải thích một nhân tố nào đó. Phân tích nhân tố khám phá EFA sẽ giữ lại các biến quan sát có hệ số tải lớn hơn 0.5 và sắp xếp chúng thành những nhóm chính

Kết quả phân tích nhân tố khám phá cho ra được 6 nhân tố có ảnh hưởng đến khả năng huy động vốn và 6 nhóm nhân tố được rút trích giải thích được 69.652% sự biến động của dữ liệu.

Nhằm xác định số lượng nhân tố trong nghiên cứu này sử dụng 2 tiêu chuẩn:

- Tiêu chuẩn Kaiser (Kaiser Criterion) nhằm xác định số nhân tố được trích từ thang đo. Các nhân tố kém quan trọng bị loại bỏ, chỉ giữ lại những nhân tố quan trọng bằng cách xem xét giá trị Eigenvalue. Giá trị Eigenvalue đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố, chỉ có nhân tố nào có Eigenvalue lớn hơn 1 mới được giữ lại trong mô hình phân tích.


- Tiêu chuẩn phương sai trích (Variance Explained Criteria): Phân tích nhân tố là thích hợp nếu tổng phương sai trích không được nhỏ hơn 50%.


Bảng 2.5: Kết quả phân tích nhân tố khám phá cho các biến độc lập


Biến quan sát

Hệ số tải nhân tố của các thành phần

1

2

3

4

5

6

CLDV7

0.866






CLDV1

0.856






CLDV5

0.825






CLDV3

0.787






CLDV2

0.765






CSVATCHAT5


0.872





CSVATCHAT2


0.801





CSVATCHAT1


0.794





CSVATCHAT3


0.788





CSVATCHAT4


0.770





VIMO1



0.852




VIMO4



0.844




VIMO3



0.816




VIMO2



0.770




VANHOAXH2




0.878



VANHOAXH3




0.839



VANHOAXH4




0.804



VANHOAXH1




0.777



THUONGHIEU4





0.874


THUONGHIEU2





0.771


THUONGHIEU3





0.771


THUONGHIEU1





0.704



LAISUAT4






0.843

LAISUAT2






0.804

LAISUAT1






0.703

LAISUAT3






0.694

(Nguồn: Phụ lục 4)

Kết quả phân tích nhân tố EFA cho thấy, có 6 nhân tố được trích ra, các nhân tố này ứng với 6 khái niệm độc lập ban đầu là (1) Chất lượng dịch vụ; (2) Cơ sở vật chất; (3) Môi trường vĩ mô; (4) Văn hóa xã hội và tâm lý khách hàng; (5) Thâm niên và thương hiệu; (6) Chính sách lãi suất. Kết quả phân tích nhân tố cho thấy nhóm các biến quan sát của các nhân tố này có hệ số tải nhân tố tốt (từ 0.694 trở lên) và hệ số Cronbach’s Alpha của các nhân tố đều lớn hơn 0.6. Do đó mô hình sau khi hiệu chỉnh vẫn sẽ bao gồm 6 nhân tố khái niệm thành phần như mô hình đề xuất ban đầu.

Phân tích EFA cho biến phụ thuộc khả năng huy động vốn Bảng 2.6: Kết quả kiểm định KMO cho biến phụ thuộc

KMO and Bartlett’s Test

Trị số KMO

0.707

Đại lượng thống kê Bartlett’s

Approx. Chi-Square

219.727

Df

3

Sig.

0.000

( Nguồn: Phụ lục 4)

Kết quả kiểm định cho ra trị số của KMO đạt 0.707 lớn hơn 0.5 và Sig của Bartlett’s Test là 0.000 nhỏ hơn 0.05 cho thấy 3 quan sát này có tương quan với nhau và hoàn toàn phù hợp với phân tích nhân tố.


Bảng 2.7: Kết quả phân tích nhân tố khám phá cho các biến phụ thuộc


Biến quan sát

Hệ số tải


VHD1

0.890

VHD2

0.846

VHD3

0.844

Eigenvalues

2.404

(Nguồn: Phụ lục 4)

Đối với kết quả phân tích nhân tố khám phá trên, tổng phương sai trích là 80.133% lớn hơn 50% và giá trị eigenvalues nhân tố lớn hơn 1, do đó sử dụng phương pháp phân tích nhân tố là phù hợp.

Kết quả phân tích nhân tố EFA các biến phụ thuộc cho thấy, có 3 biến quan sát tạo ra khả năng huy động vốn Kết quả phân tích nhân tố cho thấy các biến quan sát của các nhân tố này có hệ số tải nhân tố tốt (từ 0.846 trở lên).

Kết quả phân tích EFA cho ra 6 nhân tố độc lập và 1 nhân tố phụ thuộc đủ điều kiện để thực hiện các phân tích tiếp theo.

2.3.6. Kiểm định mô hình nghiên cứu.

2.3.6.1. Phân tích tương quan Pearson

Bước phân tích hệ số tương quan giúp kiểm tra sự tương quan giữa các biến độc lập với biến phụ thuộc trước khi chạy hồi quy.


Bảng 2.8 : Kết quả phân tích tương quan Pearson


(Nguồn: Phụ lục 4) Theo kết quả phân tích tương quan Pearson ở trên, các biến độc lập VIMO, CLDV, VANHOAXH, THUONGHIEU, CSVATCHAT, LAISUAT đều có tương

quan tuyến tính khá mạnh với biến phụ thuộc, các hệ số tương quan đều có ý nghĩa thống kê (p < 0.05). Tiến hành đưa tất cả các biến trên vào phân tích hồi quy đa biến.

2.3.6.2. Phân tích hồi quy đa biến cho biến độc lập và biến phụ

thuộc.

Để đánh giá mức độ ảnh hưởng của từng nhân tố đến nguồn vốn huy động, và từ đó có được những giải pháp thiết thực phục vụ quá trình gia tăng nguồn vốn huy động, tác giả đã tiến hành phân tích hồi quy nhằm đánh giá được vấn đề nêu trên. Sau khi xác định được 6 nhân tố ảnh hưởng tới việc gia tăng nguồn vốn huy động, việc phân tích hồi quy tiếp theo nhằm xác định mối quan hệ tuyến tính giữa


các biến VIMO, VANHOAXH, CLDV, THUONGHIEU, CSVATCHAT,

LAISUAT với biến phụ thuộc VHD. Thực hiện phân tích hồi quy, ta thấy hệ số R bình phương đã chuẩn hóa là 0.685 đủ lớn. Sự ảnh hưởng của các biến tới biến VHD có ý nghĩa thống kê (p< 0.05).

Bảng 2.11: Kết quả phân tích hồi quy đa biến cho biến độc lập và biến phụ thuộc


Mô hình

Hệ số beta chưa chuẩn hóa

Hệ số beta đã chuẩn

hóa


Sig.


Hệ số VIF

B

SE

Beta

Constant

-.925

0.215


0.000


VIMO

0.172

0.035

0.228

0.000

1.332

VANHOAXH

0.180

0.031

0.250

0.000

1.208

CLDV

0.270

0.048

0.260

0.000

1338

THUONGHIEU

0.227

0.052

0.207

0.000

1.416

CSVATCHAT

0.211

0.046

0.201

0.000

1.227

LAISUAT

0.225

0.043

0.227

0.000

1.164

R bình phương chưa chuẩn hóa: 0.695

R bình phương đã chuẩn hóa: 0.685

(Nguồn: Phụ lục 4)

Kiểm tra đa cộng tuyến

Đa cộng tuyến là hiện tượng xảy ra khi các biến độc lập có tương quan chặt chẽ với nhau. Điều này làm cho hệ số R bình phương và các hệ số hồi quy có sự sai lệch. Việc kiểm tra có đa cộng tuyến trong mô hình hay không được tiến hành bằng cách xem xét hệ số VIF. Ở đây hệ số VIF của các biến độc lập đều nhỏ hơn hoặc bằng 2. Như vậy, trong mô hình không có đa cộng tuyến.

Hệ số R bình phương

..... Xem trang tiếp theo?
⇦ Trang trước - Trang tiếp theo ⇨

Ngày đăng: 03/06/2022