Quy Trình Phân Tích Mô Hình Sem

Căn cứ lý thuyết trên, luận án này sử dụng phương pháp tiếp cận là diễn giải. Việc xác định mô hình nghiên cứu và giả thuyết bắt nguồn từ nghiên cứu lý thuyết về tín dụng theo chuỗi giá trị ngành cá tra. Bằng phương pháp khảo sát, tác giả thực hiện kiểm chứng các giả thuyết đã nêu và đưa ra kết luận.

Để có hiểu biết về đề tài nghiên cứu, nghiên cứu sinh đã nghiên cứu các tài liệu trong và ngoài nước liên quan đến tín dụng theo chuỗi giá trị nông nghiệp. Các tài liệu mà nghiên cứu sinh đã đọc, tập trung vào bốn nhóm sau:

- Giáo trình Kinh tế chính trị Mác - Lênin.

- Những văn kiện, chính sách có liên quan của Đảng, Chính phủ và của các cấp trong ngành ngân hàng, nông nghiệp.

- Những tài liệu lý luận cơ bản liên quan đến luận án.

- Những công trình nghiên cứu các vấn đề trực tiếp liên quan đến luận án (tài liệu chuyên khảo, luận văn, bài báo đăng trong các loại tạp chí...vv).

Ngoài ra, nghiên cứu sinh tham gia các hội thảo khoa học, họp tổng kết, báo cáo của các NHTM, NHNN có liên quan đến chủ đề của luận án.

Trên cơ sở nghiên cứu tài liệu, nghiên cứu sinh xác định thành công và hạn chế của các nghiên cứu trước đây. Từ đó, với mục tiêu phát triển tri thức mới, nghiên cứu sinh xác định khoảng trống nghiên cứu mà những nghiên cứu trước chưa đề cập đến và đề ra các câu hỏi nghiên cứu.

2.1.3. Chiến lược nghiên cứu

Có thể bạn quan tâm!

Xem toàn bộ 209 trang tài liệu này.

Trong luận án này, chiến lược nghiên cứu của nghiên cứu sinh như sau:

Kế thừa phương pháp nghiên cứu từ các công trình nghiên cứu khoa học có liên quan đến luận án

Phương pháp này bao hàm sự kết hợp của thu thập, tổng hợp, phân tích và đánh giácác nghiên cứu/tài liệu trong và ngoài nước trước đây có liên quan đến nội dung của luận án. Sau đó, tác giả kế thừa có chọn lọc những nghiên cứu/tài liệu để thực hiện luận này. Trên cơ sở đó, tác giả phân tích, tổng hợp, so sánh đối chiếu, kết hợp giữa lý luận và thực tiễn.

Nhiều nghiên cứu sử dụng phương pháp kế thừa lý luận tín dụng theo chuỗi giá trị nông sản và ngành cá tra, điển hình: “Agricultural Value Chain Financing (AVCF) and Development for Enhanced Export Competitiveness” (African Development Bank Group, 2013); “Phân tích chuỗi giá trị ngành cá tra ở ĐBSCL 2011”(Nguyễn Phú Son và Nguyễn Thị Thu An, 2011);“Agricultural value chain finance: Tools and lessons” (Miller và Jones, 2010).

Từ khung lý thuyết nghiên cứu, các nhà nghiên cứu thực hiện suy luận logic và phát triển lên thành tín dụng theo chuỗi giá trị đối với từng vùng, nông sản cụ thể như gạo, thủy sản, cà phê,... Trong đó, các nghiên cứu điểm hình bao gồm: “Financing agricultural production from a value chain perspective: Recent evidence from South Africa” (Oberholster, Adendorff và Jonker, 2015), “Tăng cường năng lực tham gia của hàng nông sản vào chuỗi giá trị toàn cầu trong điều kiện hiện nay của Việt Nam” (Đinh Văn Thành, 2009); “Value chain financing in agriculture - The case of Zambia” (CIMA, 2016).

Nhiều nghiên cứu thực hiện sơ đồ hóa quy trình triển khai tín dụng theo chuỗi giá trị nông sản. Trong từng sơ đồ, các tác giả đã thể hiện rõ các liên kết giữa ngân hàng với từng khâu trong chuỗi giá trị và sự phối hợp giữa ngân hàng –khách hàng

– các đơn vị hỗ trợ. Trong xu hướng nghiên cứu này, đáng chú ý là các nghiên cứu: “Agricultural value chain finance: Tools and lessons” (Miller và Jones, 2010); “The value chain concept” (Chalmers và Geoffrey, 2006); “Value chain financing, a strategy for an orderly, competitive, integrated market” (Shwedel và Ken, 2006).

Nghiên cứu trường hợp điển hình

Trong phương pháp nghiên cứu này, các nhà khoa học sử dụng một trường hợp cụ thể, điển hình để chứng minh cho một vấn đề, luận điểm, lý thuyết mà tác giả đề cập hoặc phản biện một lý thuyết cụ thể khác. Những nghiên cứu liên quan đến luận án chủ yếu đề cập đến phương thức triển khai tín dụng theo chuỗi giá trị nông sản, ngành gạo, thủy sản... của một quốc gia cụ thể. Ngành cá tra chủ yếu phát triển ở Việt Nam. Trong khi đó, hiện tại ở Việt Nam chưa có nghiên cứu khoa học nào liên quan đến luận án “Tín dụng ngân hàng theo chuỗi giá trị đối với ngành cá tra Việt Nam”. Một vài nghiên cứu điển hình bao gồm: “Agriculture Value Chain Financing: An Analysis of India”(Rubeen, 2013); “Aquaculture Business Development Programme in Republic of Kenya” (IFAD, 2017); “Value Chain Finance to Augment Asian Agricultural Competitiveness”(Prasun, 2012). Các tài liệu này cung cấp cách tiếp cận và triển khai tín dụng theo chuỗi giá trị nông sản tại một số quốc gia. Từ đó, tác giả xây dựng cách thức nghiên cứu quá trình triển khai tín dụng theo chuỗi giá trị ngành cátra tại Việt Nam.

Phương pháp định lượng

Đây là phương pháp tiếp cận liên quan đến nghiên cứu thực nghiệm mang tính hệ thống các thuộc tính định lượng, hiện tượng và quan hệ giữa chúng. Cách tiếp cận này nhấn mạnh đến phương pháp nghiên cứu có cấu trúc chặt chẽ nhằm thúc đẩyquá trình lặp lại nghiên cứu (trong các tình huống, bối cảnh khác nhau) và những quan sát có thể định lượng được sử dụng cho phân tích thống kê (Gill và Johnson, 1997). Tác giả thực hiện sử dụng nguồn số liệu sơ cấp hoặc thứ cấp để thống

kê, mô phỏng và xây dựng các mối quan hệ tương quan về nội dung nghiên cứu.

Bản chất của phương pháp nghiên cứu định lượng gợi mở rằng việc thu thập dữliệu sẽ cho các dữ liệu dạng số, được tiêu chuẩn hóa và việc nghiên cứu được thực hiện thông qua biểu đồ và toán thống kê (Saunder, 2003). Trong lĩnh vực nghiên cứu kinh doanh và quản trị nghiên cứu định lượng thường không cho người nghiên cứu cái nhìn sâu sắc về các vấn đề phức tạp (Remenyi, 2005).

Phương pháp thu thập dữ liệu thứ cấp

Luận án khai thác các nguồn dữ liệu dữ liệu thứ cấp bao gồm: Báo cáo liên quan đến tín dụng ngân hàng theo chuỗi giá trị đối với ngành nông nghiệp Việt Nam từ năm 2014 đến năm 2018 của các NHTM và NHNN; dữ liệu kinh tế vĩ mô từ Tổng cục Thống kê, Bộ NN&PTNT, Bộ KH&CN; dữ liệu về ngành cá tra từ Hiệp hội ngành cá tra Việt Nam, Hiệp hội Thủy sản Việt Nam.

2.2.THIẾT KẾ NGHIÊN CỨU

2.2.1. Xây dựng bảng hỏi

Nghiên cứu được thực hiện qua thông qua 01 bảng câu hỏi bằng thang đo cấp bậc Likert với 5 điểm bởi đây là thang đo sử dụng một dãy số dương. Các chỉ báo được đánh giá với lựa chọn số 1 là hoàn toàn không đồng ý với phát biểu, lựa chọn số 5 là hoàn toàn đồng ý với phát biểu và mức độ đồng ý phát biểu tăng dần từ 1 đến 5. Tác giả thực hiện khảo sát trực tiếp đối tượng được khảo sát để lấy thông tin thông qua bảng khảo sát đã có trước.

Bảng hỏi được xây dựng dựa trên các yếu tố sau:

- Mục đích nghiên cứu: đánh giá các nhân tố ảnh hưởng đến việc triển khai tín dụng theo chuỗi giá trị ngành cá tra.

- Đối tượng khảo sát và phương pháp khảo sát:

Đối tượng khảo sát là cán bộ tín dụng và lãnh đạo các chi nhánh ngân hàng khu vực có diện tích nuôi trồng cá tra lớn. Do sự hạn chế về thời gian, trong luận án này, tác giả chỉ tập trung khảo sát tại địa phương có diện tích nuôi trồng cá tra lớn trong giai đoạn từ năm 2015 đến năm 2017.

Bảng khảo sát được ghi nhận thông qua hai phương pháp là: khảo sát trực tiếp và khảo sát gián tiếp (gửi qua đường bưu điện/email). Việc xây dựng bảng khảo sát dựa trên các tiêu chí đánh giá hoạt động của các tác nhân và mối liên kết giữa các tác nhân trong chuỗi.

2.2.2. Mô hình nghiên cứu

Mô hình cấu trúc tuyến tính SEM (Structural Equation Modeling) thường được dùng trong tình huống các cấu trúc lý thuyết hoặc giả thuyết không đo lường trực tiếp hoặc không có khả năng xác định một cách rõ ràng, chẳng hạn sự lo lắng, thái

độ, mục tiêu, động lực, triển khai, năng lực (Bock và Bargmann, 1966). Với mục đích nghiên cứu là phân tích yếu tố ảnh hưởng đến việc triển khai tín dụng theo chuỗi giá trị ngành cá tra, luận án sử dụng mô hình cấu trúc tuyến tính SEM.

Mô hình SEM là phương pháp thống kê sử dụng các loại mô hình khác nhau để mô tả mối quan hệ giữa các biến quan sát và biến tiềm ẩn với mục tiêu cơ bản nhằm cung cấp kiểm định định lượng cho mô hình lý thuyết được nhà nghiên cứu đề ra. Cụ thể hơn, nhiều mô hình lý thuyết khác nhau có thể được kiểm định bằng SEM từ một nhóm biến để từ đó chỉ rõ tính chất của cấu trúc và các thành phần trong cấu trúc đó có liên hệ với nhau như thế nào. Cấu trúc tuyến tính SEM bao gồm nhiều kỹ thuật thống kê khác nhau như phân tích đường dẫn (Path Analysis), phân tích nhân tố khẳng định (Confirmatory Factor Analysis), mô hình nhân quả với các biến tiềm ẩn (Causal modeling with Latent variable), phân tích phương sai (Analysis of Variance), mô hình hồi quy tuyến tính bội (Multiple Linear Regression).

Mô hình SEM có 3 ưu điểm như sau:

- Thứ nhất, các nhà nghiên cứu trên nhiều lĩnh vực khác nhau cần có sự hiểu biết tốt hơn về chuyên ngành của họ thông qua quá trình điều tra, nghiên cứu có tính khoa học và sử dụng đồng thời nhiều biến số trong các nghiên cứu. Các phương pháp thống kê cơ bản chỉ sử dụng để phân tích với một số biến có giới hạn; do đó không giải quyết được những nội dung phức tạp cần phát triển. Trong khi đó, SEM cho phép mô hình hóa và kiểm định đồng thời các hiện tượng đa chiều. Vì vậy, SEM trở thành phương pháp kiểm định được nhiều nhà nghiên cứu sử dụng.

- Thứ hai, đã có sự công nhận nhiều hơn với các vấn đề về giá trị và độ tin cậy của các công cụ đo lường. Đo lường sai số và phân tích dữ liệu thống kê vẫn được xem là hai lĩnh vực riêng biệt. Kỹ thuật trong SEM đã tính đến sai số khi phân tích dữ liệu thống kê. SEM phân tích đồng thời biến tiềm ẩn, biến quan sát và sai số đo lường trong cùng một mô hình.

- Thứ ba, mô hình SEM đã được nghiên cứu và hoàn thiện trong thời gian dài, nhất là khả năng phân tích và kiểm định. Chức năng tương tác được kèm vào trong mô hình có thể kiểm định các ảnh hưởng chính lẫn ảnh hưởng tương tác giữa các biến số. Do vậy, mô hình này cung cấp cho nhà nghiên cứu phương tiện hiện hữu để phân tích các mô hình lý thuyết, tìm kiếm câu trả lời cho hiện tượng phức tạp (Ralph O. Mueller, 1996).

Mô hình cấu trúc tuyến tính SEM là sự kết hợp giữa mô hình Path và mô hình phân tích nhân tố khẳng định. SEM hợp nhất cả hai biến tiềm ẩn và biến quan sát. Sự phát triển sớm nhất của SEM là do Karl Joreskog (1973), Ward Keesling (1972). Lĩnh vực mô hình cấu trúc tuyến tính với đầy đủ các quy chuẩn được mở rộng từ

năm 1994. Số lượng tạp chí công bố các nghiên cứu về SEM ngày càng nhiều, SEM trở thành sự lựa chọn cho nghiên cứu phân tích đa biến (Hershberger, 2003). Căn cứ cơ sở lý thuyết nêu trên, tác giả sử dụng mô hình SEM để phân tích các nhân tố ảnh hưởng đến việc triển khai tín dụng theo chuỗi giá trị ngành cá tra.

Cho đến nay, có nhiều phần mềm khác nhau dùng để tiến hành phân tích SEM. Các phần mềm như AMOS (Arbuckle & Wothke, 1999), LISREL (Joreskog & Sorbom, 1993), Mplus (Muthen, 2004), SEPATH (Statsoft, 1998). Trong nghiên cứu này, tác giả sử dụng phần mềm là AMOS 20.0.

Để thực hiện phân tích mô hình SEM, tác giả thực hiện 6 bước như sau:

2.2.2.1. Chỉ định mô hình

Chỉ định mô hình ( Model Specification) bao gồm việc xác định tất cả các mối quan hệ và tham số có thể có trong mô hình liên quan đến lĩnh vực nghiên cứu. Đây là phần khó nhất trong mô hình cấu trúc tuyến tính (Cooley, 1978).

Một mô hình được chỉ định là đúng khi nó bao hàm được các mối quan hệ trong tổng thể, có nghĩa là ma trận hiệp phương sai mẫu (S) mô phỏng thích đáng mô hình thực của tổng thể (ma trận ∑). Ma trận phương sai – hiệp phương sai được tính ra từ mô hình đó hàm chứa những yếu tố cơ bản của cấu trúc phương sai – hiệp phương sai trong mô hình của tổng thể.

2.2.2.2. Nhận dạng mô hình

Đối với quá trình nhận dạng mô hình (Model Identification), mỗi tham số tiềm năng trong mô hình đều phải được chỉ định cả hai loại tham số tự do (tham số chưa biết hoặc chưa cần được ước lượng) và tham số cố định (tham số được chỉ định một giá trị cụ thể) hoặc một tham số ràng buộc (tham số chưa biết nhưng bị ràng buộc bằng, kém hoặc hơn các tham số khác). Nếu hai hoặc nhiều hơn các nhóm tham số có thể cùng tạo thành một ma trận ∑ thì chúng được xem là tương đương và tạo ra nhiều mô hình tương đương (Lee & Hershberger, 1990; Raykov & Penev, 2001). Nếu một tham số có cùng một giá trị trong tất cả các mô hình tương đương thì tham số đó đã được nhận dạng.

Một mô hình được nhận dạng khi tất cả các tham số trong mô hình được xác định duy nhất bởi chỉ vừa đủ thông tin trong ma trận S hoặc có nhiều hơn một cách để ước lượng một hoặc các tham số, do ma trận S có nhiều thông tin hơn tham số cần ước lượng.

2.2.2.3. Ước lượng mô hình

Số liệu sau khi khảo sát sẽ được lọc, chuẩn hóa và loại bỏ những khảo sát không hợp lệ. Tác giả thực hiện nhập liệu trên bảng Excel. Mỗi dòng dành cho 1

phiếu khảo sát. Mỗi cột là một trường dữ liệu tương ứng với một câu hỏi. Việc nhập liệu được thực hiện theo thứ tự câu hỏi và trung thành với giá trị trong phiếu câu hỏi, không điều chỉnh vào số liệu. Để đảm bảo tính chính xác, tác giả thực hiện nhập liệu hai lần độc lập và thực hiện đối chiếu sau khi hoàn thành công việc nhập liệu.

Ước lượng mô hình là quá trình tính toán các tham số tổng thể ma trận ∑ của mô hình cấu trúc thông qua dữ liệu mẫu (ma trận S). Các vấn đề cần giải quyết bao gồm:

- Xác định cỡ mẫu cho nghiên cứu với mức độ phức tạp khác nhau của mô hình.

- Tỷ lệ cỡ mẫu so với số lượng tham số.

- Loại kiểm định sử dụng đối với các tham số ước lượng cần xem xét.

- Kỹ thuật ước lượng nào phù hợp với dữ liệu mẫu.

- Đầu vào dữ liệu là thô hay rút gọn.

- Kiểm tra độ tin cậy của thang đo: Hệ số Cronbach’s Alpha(Hair và cộng sự, 1998, Segar, 1997); Ước lượng các hệ số hồi quy và t-value.

- Xác định mô hình phù hợp.

2.2.2.4. Đánh giá mô hình

Đánh giá mô hình là việc xác định dữ liệu có phù hợp với mô hình thông qua kiểm định tổng quát mức độ phù hợp của toàn bộ mô hình và khảo sát độ phù hợp của từng tham số trong mô hình.

Phương pháp đánh giá gồm:

- Phân tích nhân tố khẳng định (CFA): thực hiện trên mô hình đo lường để loại các biến có hệ số tải nhân tố tiềm ẩn thấp. Có thể thực hiện kiểm định CFA trên từng mô hình con (Sub Model) trước khi kiểm định mô hình tổng thể(tập hợp các mô hình con để kiểm định đồng thời).

- Mức độ phù hợp của tổng thể mô hình

+ Kiểm định Chi-Square (χ2) : Biểu thị mức độ phù hợp tổng quát của toàn bộ mô hình tại mức ý nghĩa p-value = 0,05 (Joserkog & Sorbom, 1989). Điều này thực tế rất khó xảy ra bởi vì χ2 rất nhạy với kích thước mẫu lớn và độ mạnh của kiểm định, nên thực tế người ta dùng chỉ số χ2/df để đánh giá.

+ Tỷ số Chi-Square/bậc tự do: χ2/df dùng để đo mức độ phù hợp một cách chi tiết hơn của cả mô hình. Một số tác giả đề nghị 1 < χ2/df < 3 (Hair và cộng sự, 1998); một số khác đề nghị χ2 càng nhỏ càng tốt (Segar, Grover, 1998) và cho rằng χ2/df < 3:1 (Chin và Todd, 1995). Ngoài ra, trong một số nghiên cứu thực tế người ta phân biệt ra 2 trường hợp : χ2/df < 5(với mẫu N > 200) ; hay < 3 (khi cỡ mẫu N <

200) thì mô hình được xem là phù hợp tốt (Kettinger và Lee,1995).

- Các chỉ số liên quan khác: GFI, AGFI, CFI có giá trị > 0,9 được xem là mô hình phù hợp tốt. Nếu các giá trị này bằng 1, ta nói mô hình là hoàn hảo (Segar, Grover, 1993) và(Chin & Todd, 1995).

+ GFI: đo độ phù hợp tuyệt đối (không điều chỉnh bậc tự do) của mô hình cấu trúc và mô hình đo lường với bộ dữ liệu khảo sát.

+ AGFI: điều chỉnh giá trị GFI theo bậc tự do trong mô hình.

+ RMSEA: là một chỉ tiêu quan trọng, nó xác định mức độ phù hợp của mô hình so với tổng thể.

Giá trị này < 0,08 mô hình được chấp nhận (Taylor, Sharland, Cronin và Bullard, 1993).

- Sử dụng phương pháp bootstrapping để xác định chệch trong các tham số ước lượng. Phương pháp này thực hiện với số mẫu lặp lại là N lần. Kết quả ước lượng từ N mẫu được tính trung bình và giá trị này có xu hướng gần đến ước lượng của tổng thể. Khoảng chênh lệch giữa giá trị trung bình ước lượng bằng Boostrap và ước lượng mô hình với mẫu ban đầu càng nhỏ cho phép kết luận các ước lượng mô hình có thể tin cậy được.

Ngoài ra các quan hệ riêng lẻ cũng được đánh giá tốt dựa trên các mức ý nghĩa thống kê. Tác động của các biến ngoại sinh lên các biến nội sinh và tác động của các biến nội sinh lên các biến nội sinh được đánh giá qua các hệ số hồi quy. Mối quan hệ giữa các biến được biểu thị bằng mũi tên trên mô hình. Chiều mũi tên biểu diễn chiều tác động của biến này lên biến kia. Trong các nghiên cứu thuộc lĩnh vực khoa học xã hội, tất cả các mối quan hệ nhân quả đề nghị có độ tin cậy ở mức 95% (p = 0,05) (Cohen,1988).

2.2.2.5. Hiệu chỉnh mô hình

Chỉ số điều chỉnh mô hình là chỉ số ước lượng sự thay đổi của χ2 ứng với mỗi trường hợp thêm vào một mối quan hệ khả dĩ (ứng với giảm một bậc tự do). Nếu MI chỉ ra rằng lượng giảm ∆ χ 2 >3.84 (ứng với giảm một bậc tự do), thì cho phép đề nghị một mối quan hệ làm tăng độ phù hợp của mô hình (Hair và cộng sự, 1998). Điều này cũng tương tự như đưa từng biến độc lập vào trong mô hình hồi quy tuyến tính. Các chỉ số phù hợp tốt chỉ ra rằng dữ liệu ủng hộ mô hình đề nghị, nhưng chúng không có nghĩa rằng mô hình lựa chọn là chính xác hay là mô hình tốt nhất trong số các mô hình khả thi về mặt lý thuyết. Như vậy sẽ tồn tại một số mô hình với mức độ điều chỉnh độ phù hợp khác nhau, tuỳ theo quan điểm nhà nghiên cứu. Các mô hình này được gọi là các mô hình cạnh tranh.

2.2.2.6. Báo cáo kết quả

Mô hình cuối cùng cũng như các mô hình phù hợp khác cần thiết phải có bộ dữ liệu độc lập với nhau, hay cỡ mẫu ban đầu khá lớn. Kết quả giá trị của mô hình đảm bảo các yếu tố sau:

- Mô phỏng mô hình bằng cách sử dụng bộ dữ liệu khác (phân tích dữ liệu đa mẫu).

- Báo cáo ảnh hưởng của cỡ mẫu và khoảng tin cậy đi kèm với kiểm định mức ý nghĩa thống kê.

- Đánh giá kết quả trong mối liên hệ với khung lý thuyết ban đầu.

Sơ đồ 2.1: Quy trình phân tích mô hình SEM

Có

Không

2. Nhận dạng mô hình

4a. Môhình đã phù hợp?

Không

Có

1. Chỉ định mô hình

3. Lựa chọn đo lường, thu thập

dữ liệu

5. Hiệu chỉnh mô hình

4b. Giải thích ước lượng

6. Báo cáo kết quả

Nguồn: Mô tả của tác giả (2018)

2.2.3. Thang đo các nhân tố

- Biến phụ thuộc tiềm ẩn: Mục đích nghiên cứu của khảo sát này là phân tích các nhân tố ảnh hưởng đến việc triển khai tín dụng theo chuỗi giá trị ngành cá tra, gia tăng nguồn vốn tín dụng đầu tư theo chuỗi đối với ngành này nhằm nâng cao