Nghiên cứu này cũng dựa trên các nghiên cứu trước đó về ví trả sau để đề xuất các yếu tố như "Nhận thức tính dễ sử dụng, Nhận thức tính hữu ích, Ảnh hưởng xã hội, Điều kiện thuận lợi và
GIỚI THIỆU
Lý do chọn đề tài
Thương mại điện tử (TMĐT) đang ngày càng phát triển mạnh mẽ trên toàn thế giới, trở thành một xu hướng tiêu dùng phổ biến của người dân Sự tiến bộ trong công nghệ thông tin và truyền thông, đặc biệt là internet và điện thoại thông minh, đã giúp cho mọi người dễ dàng mua sắm trực tuyến Mua sắm trực tuyến hiện nay ngày càng được ưa chuộng và là một phần không thể thiếu đối với người tiêu dùng ở Việt Nam do sự tiện lợi, đa dạng và mức giá cạnh tranh của các sản phẩm và dịch vụ trực tuyến Tại Việt Nam, TMĐT cũng đang phát triển mạnh mẽ ở cả khu vực thành thị và nông thôn Theo báo cáo của Bộ Công Thương (2023), năm 2022, tổng quy mô của thị trường của thương mại điện tử đạt 16,4 tỷ USD, tăng khoảng 20% so với năm 2021 Con số này cho thấy hình thức mua trực tuyến sẽ tiếp tục phát triển mạnh mẽ trong những năm tiếp theo
Với sự phát triển của công nghệ, các hình thức thanh toán ngày càng trở nên đa dạng và hiện đại hơn (Pratika 2021) Từ việc thanh toán bằng tiền mặt truyền thống đến những hình thức thanh toán sử dụng tiện ích công nghệ tài chính (fintech), trong đó có phương thức trả góp trực tuyến như thanh toán trả sau (Jakupovic 2018) Mua ngay trả tiền sau (Buy Now Pay Later - BNPL) là phương thức thanh toán tương tự như trả góp hoặc trả sau nhưng không cần thẻ tín dụng với các thủ tục đơn giản, nhanh chóng hơn Các sàn thương mại lớn hiện nay ở Việt Nam nhận ra mức độ phổ biến của hình thức thanh toán BNPL và đã tích hợp vào phương thức thanh toán trên nền tảng của họ bao gồm SPayLater, Ví trả sau MoMo, LazPayLater, HOME Paylater,…Thực tế hiện nay, các trang và sàn TMĐT không ngừng phát triển và cạnh tranh gay gắt nhau, với sự dẫn đầu về mức độ phổ biến của 3 sàn TMĐT lớn nhất là Shopee, Lazada, TiktokShop Theo báo cáo của (Bộ Công Thương, 2023), sau tháng 10/2023 doanh số của các sàn TMĐT tại Việt Nam đã đạt hơn 180 nghìn tỷ đồng, riêng doanh thu mà Shopee đạt được là khoảng 135 nghìn tỷ đồng Điều này cho thấy là hiện nay Shopee được cho là dẫn đầu về mức độ phổ biến đối với người tiêu dùng tại Việt Nam Trong những năm gần đây, hình thức thanh toán SPayLater Shopee đã có sự tăng trưởng vượt bậc, đặc biệt là đối với nhóm đối tượng sinh viên bởi vì quy trình đăng kí tiện lợi nhanh chóng, không cần phải thủ tục rườm rà như các hình thức trả góp đang có trên thị trường hiện nay Đây cũng là độ tuổi thường xuyên sử dụng và mua sắm trên sàn TMĐT, bên cạnh đó sự tăng trưởng này cho thấy nhu cầu sử dụng SPayLater Shopee của sinh viên là rất lớn
Mặc dù đã có nhiều nghiên cứu rộng rãi được thực hiện để đánh giá các yếu tố ảnh hưởng đến ý định sử dụng BNPL chẳng hạn như (Kurniawan và ctg 2021) tại Indonesia, (Min và Cheng 2023) tại Malaysia, nhưng số lượng nghiên cứu về ý định sử dụng Paylater ở Việt Nam hiện vẫn còn hạn chế Do đó, việc thực hiện một nghiên cứu về chủ đề “Các nhân tố ảnh hưởng đến quyết định sử dụng ví trả sau SPayLater Shopee của sinh viên trường Đại học Ngân Hàng Thành phố Hồ Chí Minh” là rất cần thiết để hiểu rõ hơn về cách sinh viên tại Việt Nam sử dụng SPaylater
Shopee một cách hiệu quả và quyết định của họ khi sử dụng dịch vụ này.
Mục tiêu đề tài và câu hỏi nghiên cứu
Mục tiêu nghiên cứu chung:
Nghiên cứu, tìm hiểu và phân tích các nhân tố ảnh hưởng đến quyết định sử dụng ví trả sau SPayLater Shopee của sinh viên, từ đó cung cấp cái nhìn chi tiết và toàn diện về hành vi thanh toán của đối tượng sinh viên cụ thể là sinh viên trường Đại học Ngân Hàng TP.HCM (HUB)
Mục tiêu nghiên cứu cụ thể:
- Nghiên cứu nhằm xác định các nhân tố ảnh hưởng đến quyết định sử dụng ví trả sau SPayLater Shopee của sinh viên HUB
- Đo lường mức độ ảnh hưởng của các nhân tố ảnh hưởng đến quyết định sử dụng ví trả sau SPayLater Shopee để mua sắm của sinh viên HUB
- Dựa trên kết quả nghiên cứu đưa ra các đề xuất hàm ý cụ thể nhằm nâng cao quyết định sử dụng ví trả sau đối với đối tượng sinh viên HUB
- Những nhân tố nào ảnh hưởng đến quyết định sử dụng ví trả sau SPayLater Shopee của sinh viên HUB?
- Mức độ ảnh hưởng của các nhân tố này như thế nào đối với quyết định sử dụng ví trả sau SPayLater Shopee của sinh viên HUB?
- Hàm ý quản trị nào giúp nâng cao quyết định sử dụng ví trả sau đối với đối tượng sinh viên HUB?
Đối tượng và phạm vi nghiên cứu
❖ Đối tượng nghiên cứu của đề tài Đối tượng nghiên cứu tập trung vào các nhân tố ảnh hưởng đến việc sinh viên trường Đại học Ngân Hàng TP.HCM lựa chọn sử dụng ví trả sau SPayLater Vì vậy, đối tượng tham gia khảo sát trong khóa luận là sinh viên của HUB
Về mặt nội dung: Nghiên cứu sẽ tập trung vào việc phân tích các nhân tố quyết định việc sinh viên HUB lựa chọn sử dụng ví trả sau SPayLater Shopee
Về mặt không gian: Nghiên cứu sẽ được thực hiện trên sinh viên đang theo học tại HUB
Về mặt thời gian: Nghiên cứu được thực hiện từ tháng 01/2024 đến tháng 03/2024 Điều này giúp đảm bảo rằng việc thu thập dữ liệu được phản ánh đúng tình hình hiện tại và xu hướng gần đây.
Phương pháp nghiên cứu
Nghiên cứu này sẽ sử dụng dữ liệu được thu thập qua quá trình khảo sát ý kiến đối với các sinh viên HUB về việc sử dụng ví trả sau SPayLater Shopee
❖ Phương pháp thu thập dữ liệu
Sử dụng kết hợp các phương pháp khác nhau để thu thập dữ liệu, gồm khảo sát trực tuyến thông qua Google Forms, và khảo sát trực tiếp tại HUB Dữ liệu được thu thập trong vòng 1 tháng
❖ Phương pháp phân tích dữ liệu
Dữ liệu được xử lý và phân tích thông qua phần mềm thống kê SPSS Các dữ liệu sau khi được mã hóa sẽ được kiểm tra chất lượng dữ liệu qua hệ số Cronbach’s Alpha, nhân tố khám phá EFA, và tương quan Pearson Kế đến là xử lý dữ liệu bằng cách áp dụng các kỹ thuật phân tích hồi quy tuyến tính, đồng thời kiểm định sự phù hợp của kết quả hồi quy Phương pháp phân tích dữ liệu chính sẽ là phân tích hồi quy tuyến tính đa biến Ngoài ra khóa luận này còn kết hợp các kiểm định T-test và One Way ANOVA để đánh giá sự khác biệt giữa các đặc điểm nhân khẩu học khác nhau của các nhóm sinh viên.
Ý nghĩa nghiên cứu
Nghiên cứu này sẽ khám phá hành vi tiêu dùng của sinh viên từ đó tìm ra những mong muốn, nhu cầu của sinh viên khi tiếp cận với hình thức thanh toán BNPL này Bên cạnh đó, nghiên cứu này cũng xác định ra những nhân tố ảnh hưởng đến quyết định sử dụng ví trả sau SPayLater Shopee, những thông tin này sẽ giúp Shopee hiểu hơn về người dùng của mình từ đó cải thiện và tối ưu hóa dịch vụ ví trả sau để phù hợp hơn với đối tượng sinh viên.
Đóng góp mong đợi
Đề tài nghiên cứu về "Các nhân tố ảnh hưởng đến quyết định sử dụng ví trả sau SPayLater Shopee của sinh viên trường Đại học Ngân Hàng Thành phố Hồ Chí Minh", mang lại những đóng góp quan trọng về lý luận và thực tiễn như sau:
- Về mặt lý luận: Đề tài sẽ bổ sung thêm kiến thức về các nhân tố ảnh hưởng đến ý định sử dụng ví trả sau, đặc biệt là đối với sinh viên đại học Kết quả nghiên cứu của đề tài có thể được sử dụng để phát triển các mô hình lý thuyết mới về chấp nhận và sử dụng công nghệ, đặc biệt là trong bối cảnh sử dụng ví trả sau
- Về mặt thực tiễn: Kết quả nghiên cứu của đề tài có thể được sử dụng để giúp các nhà cung cấp dịch vụ ví trả sau hiểu rõ hơn về nhu cầu và mong muốn của người dùng Bằng cách cải thiện và tối ưu hóa dịch vụ, các nhà cung cấp cũng có thể thu hút được một lượng lớn khách hàng tiềm năng, đặc biệt là trong đối tượng sinh viên, một nhóm khách hàng trẻ tuổi, đầy năng động và có tiềm năng tiêu thụ lớn Điều này không chỉ giúp họ mở rộng thị phần mà còn tạo ra lợi ích kinh doanh bền vững và gia tăng giá trị cho thương hiệu trong lòng khách hàng.
Cấu trúc của khoá luận
Chương 1 trình bày tổng quan về chủ đề nghiên cứu, bao gồm lý do chọn đề tài, mục tiêu và câu hỏi nghiên cứu, nêu đối tượng và phạm vi nghiên cứu.
LƯỢC KHẢO LÝ THUYẾT
Các khái niệm
2.1.1 Quy ết đị nh s ử d ụ ng mua trướ c tr ả sau
Theo Setiadi (2003), quá trình ra quyết định là quá trình tích hợp kết hợp kiến thức để đánh giá hành vi của hai hoặc nhiều phương án thay thế và chọn một trong số chúng Quyết định mua hàng là quá trình hình thành một hành động thay thế để chỉ ra việc lựa chọn một phương án cụ thể nào đó để thực hiện mua hàng Phương thức thanh toán BNPL đã trở thành một lựa chọn phổ biến trong thị trường mua sắm hiện đại Đặc biệt, với BNPL, người mua có thể nhận sản phẩm hoặc dịch vụ mà không cần phải thanh toán toàn bộ số tiền ngay lập tức Thay vào đó, họ có thể chọn cách thanh toán trả sau một khoảng thời gian nhất định mà người mua đã chọn, thường từ vài tuần đến vài tháng sau khi mua hàng Đây là một lựa chọn phổ biến khi muốn mua sắm các sản phẩm có giá trị lớn hoặc khi người mua không thể thanh toán toàn bộ số tiền ngay tại thời điểm mua hàng
Theo Cuandra (2022), mua trước trả sau là cách trả góp trực tuyến, giống như trả góp bằng thẻ tín dụng nhưng không cần sử dụng thẻ Hình thức BNPL được dùng cho nhiều loại giao dịch trực tuyến như mua sắm, đặt vé máy bay và đặt phòng (Cuandra 2022) và theo nghiên cứu của (Adirinekso và ctg 2020) khách hàng thuộc thế hệ Z chiếm ưu thế cao trong thời gian sử dụng Internet, do đó người tiêu dùng Thế hệ Z là “nhóm những người sinh từ cuối những năm 1990 đến đầu những năm
2010 rất quen thuộc với Internet" và là thị trường mục tiêu mà hình thức BNPL nhắm đến
2.1.2 T ổ ng quan v ề ví tr ả sau SPayLater Shopee
❖ Giới thiệu tổng quan về Shopee
Shopee là một nền tảng thương mại điện tử quốc tế được thiết lập và quản lý bởi Sea Group, một tập đoàn công nghệ có trụ sở tại Singapore Tính đến năm 2015, Shopee đã trở thành một trong những trang thương mại điện tử phổ biến và lớn mạnh tại khu vực Đông Nam Á
Shopee hoạt động với mô hình kết nối người bán và người mua Người bán đăng ký tài khoản Shopee và tạo gian hàng để bán sản phẩm, người mua tìm kiếm sản phẩm, lựa chọn sản phẩm và thanh toán Ứng dụng này cung cấp một môi trường TMĐT đa dạng, nơi người dùng có thể mua sắm từ nhiều danh mục sản phẩm khác nhau, bao gồm thời trang, điện tử, đồ gia dụng, mỹ phẩm và nhiều lĩnh vực khác Shopee còn hỗ trợ doanh nghiệp và các nhà bán lẻ nhỏ bằng cách cung cấp các công cụ và dịch vụ quảng bá sản phẩm, giúp họ mở rộng doanh số bán hàng và tiếp cận khách hàng hiệu quả
Shopee nổi tiếng với chiến lược nâng cao trải nghiệm mua sắm trực tuyến thông qua các sự kiện khuyến mãi, ưu đãi giảm giá và chương trình khuyến mãi hấp dẫn như sự kiện Ngày Đôi Shopee, Ngày thành viên Shopee hàng tháng,… Đồng thời, họ không ngừng đổi mới bằng cách giới thiệu các tính năng và dịch vụ mới như SPayLater, nhằm mang lại sự thuận tiện và linh hoạt trong quá trình thanh toán cho người dùng Hiện nay, Shopee đã mở rộng hoạt động sang nhiều quốc gia và vùng lãnh thổ, tạo nên một cộng đồng mua sắm trực tuyến đa dạng và phong phú
❖ Ví trả sau SPayLater Shopee
SPayLater Shopee ra mắt vào tháng 09/2022, là một tính năng mới của Shopee, mang đến trải nghiệm mua sắm tiện lợi và linh hoạt Được cung cấp bởi các Ngân hàng đối tác uy tín, SPayLater cho phép mua sắm trước và thanh toán sau trên Shopee thông qua thẻ tín dụng ảo
Sau khi kích hoạt ví SPayLater thành công, khách hàng có thể linh hoạt chọn trả sau trong các kỳ thanh toán như 01, 02, 03, 06 và 12 kỳ Tương tự như thẻ tín dụng, hạn mức của từng khách hàng phụ thuộc vào số chi tiêu trên Shopee, với hạn mức tối đa là 10 triệu đồng theo chính sách hiện tại
Dịch vụ SPayLater được cung cấp bởi 01 trong 02 Ngân hàng đối tác là TPBank và VPBank Khi kích hoạt dịch vụ, hồ sơ đăng ký của bạn sẽ tự động được gửi đến Ngân hàng đối tác tương ứng Bạn có thể kiểm tra thông tin Ngân hàng đối tác đang cung cấp dịch vụ cho tài khoản SPayLater tại trang xác thực trong quá trình kích hoạt Quy trình đăng ký SPayLater rất tiện lợi và đơn giản Chỉ cần mở ứng dụng Shopee, chọn mục "Tôi" > "Tiện ích của tôi" > "SPayLater" và thực hiện theo hướng dẫn Sau khi chụp ảnh giấy tờ tuỳ thân và điền thông tin cá nhân, yêu cầu của bạn sẽ được xem xét trong vòng 24 giờ Việc sử dụng SPayLater cũng không khó khăn Trong quá trình mua sắm trên Shopee, chỉ cần chọn SPayLater làm phương thức thanh toán và chọn kỳ hạn thanh toán phù hợp Sau khi xác nhận, bạn sẽ nhận được sản phẩm mà không cần thanh toán ngay lập tức Điều này mang lại sự thuận tiện và linh hoạt trong quá trình trải nghiệm mua sắm của bạn.
Các mô hình lý thuyết
2.2.1 Lý thuy ết hành độ ng h ợ p lý (Theory of Reasoned Action - TRA)
Thuyết hành động hợp lý (Theory of Reasoned Action - TRA) là một mô hình lý thuyết được phát triển để giải thích hành vi con người dựa trên ý chí hành động và thái độ cá nhân Fishbein và Ajzen (1975) cho rằng "nhân tố quan trọng nhất quyết định hành vi của cá nhân là quyết định hành vi, chứ không phải là thái độ của họ Quyết định hành vi của một cá nhân là sự kết hợp của Thái độ và Chuẩn chủ quan của con người như phong cách sống, kinh nghiệm, trình độ, tuổi tác, giới tính"
Nguồn: (Fishbein và Ajzen 1975) H ì nh 2.1 Mô hình lý thuyết hành động hợp lý (TRA)
Chuẩn chủ quan Ý định sử dụng Hành vi thực sự
Thuyết hành động hợp lý (TRA) tập trung vào việc sử dụng những giả định cơ bản để giải thích hành vi của con người Nó cho rằng hành vi của con người chủ yếu được điều khiển và quyết định bởi lý trí và suy nghĩ Có những hành vi không thể giải thích hoặc bao quát đầy đủ bằng cách áp dụng lí trí, như cảm xúc và thói quen, do đó TRA gặp hạn chế trong việc giải thích hoặc bao quát lý thuyết vào những hành vi không tuân theo lý trí
2.2.2 Lý thuy ế t mô hình ch ấ p nh ậ n công ngh ệ (Technology Acceptance Model
Mô hình Chấp nhận Công nghệ (TAM) là một lý thuyết được Fred Davis phát triển vào năm 1986 nhằm mô tả và dự đoán cách mọi người nhận biết và tiếp nhận một công nghệ mới Mô hình TAM được thể hiện như Hình 2.2 dưới đây:
Theo Davis (1989), người dùng sẽ tiếp nhận và áp dụng công nghệ nếu họ thấy nó có ích và dễ sử dụng Mô hình TAM đã trở thành một trong những khung lý thuyết quan trọng nhất khi nghiên cứu về sự chấp nhận công nghệ, và đã được mở rộng và điều chỉnh theo thời gian để phản ánh sự ảnh hưởng của các yếu tố khác nhau đối với chấp nhận công nghệ trong các ngữ cảnh khác nhau
Thái độ hướng đến sử dụng
H ì nh 2.2 Mô hình chấp nhận công nghệ (TAM)
2.2.3 Mô hình ch ấ p nh ậ n và s ử d ụ ng công ngh ệ (Unified Theory of Acceptance and Use of Technology - UTAUT)
Mô hình chấp nhận và sử dụng công nghệ (UTAUT) là một khung lý thuyết được tạo ra bởi Venkatesh và ctg (2003) nhằm giải thích và dự đoán hành vi chấp nhận và sử dụng công nghệ thông tin của người tiêu dùng
Mô hình UTAUT hợp nhất các yếu tố chính từ nhiều lý thuyết khác nhau như
Mô hình chấp nhận công nghệ (TAM), Lý thuyết hành động hợp lý (TRA), Lý thuyết hành vi có kế hoạch (TPB) và Lý thuyết phổ biến đổi mới (IDT) Bằng cách này, UTAUT trở thành một khung lý thuyết toàn diện, giúp chúng ta hiểu rõ và dự đoán hành vi liên quan đến việc chấp nhận và sử dụng công nghệ một cách toàn diện hơn
Mô hình UTAUT được thể hiện như Hình 2.3 dưới đây:
H ì nh 2.3 Mô hình lý thuyết chấp nhận và sử dụng công nghệ (UTAUT)
Theo Venkatesh và ctg (2003), mô hình UTAUT bao gồm 4 nhân tố:
- Kỳ vọng hiệu quả (Performance Expectancy) là "mức độ mà một cá nhân tin rằng việc sử dụng hệ thống sẽ giúp họ đạt được hiệu quả trong công việc"
- Kỳ vọng nỗ lực (Effort Expectancy): là "mức độ dễ dàng liên quan đến việc sử dụng hệ thống"
- Ảnh hưởng xã hội (Social Influence): là "Mức độ mà người dùng tin rằng những người quan trọng đối với họ tin rằng họ nên sử dụng một hệ thống mới"
- Điều kiện thuận lợi (Facilitating Conditions): là "mức độ mà một cá nhân tin rằng tổ chức và cơ sở hạ tầng kỹ thuật tồn tại để hỗ trợ việc sử dụng hệ thống" Những yếu tố này ảnh hưởng đến dự định hành động (Behavioral Intention) của người dùng, dựa trên đó, hành động sử dụng (Use Behavior) của họ được hình thành và thực hiện
2.2.4 Mô hình ch ấ p nh ậ n và s ử d ụ ng công ngh ệ 2 (Unified Theory of
Acceptance and Use of Technology – UTAUT2)
Dựa trên mô hình UTAUT được (Venkatesh và ctg 2003), mô hình UTAUT2 được Venkatesh và các cộng sự phát triển lại vào năm 2012, là một mô hình lý thuyết được phát triển để dự đoán và giải thích sự chấp nhận và sử dụng công nghệ của người dùng Nó là phiên bản mở rộng của mô hình UTAUT ban đầu, bao gồm 7 yếu tố để giải thích ý định và hành vi sử dụng công nghệ của người dùng Mô hình UTAUT2 vẫn bao gồm 4 yếu tố chính ở mô hình UTAUT nhưng được định nghĩa lại và bổ sung thêm 3 yếu tố mới như Hình 2.4 sau đây
Nguồn:(Venkatesh, Thong và Xu, 2012)
Các yếu tố mới được (Venkatesh, Thong và Xu, 2012) định nghĩa như sau:
- Động lực thụ hưởng (Hedonic Motivation): là "mức độ người dùng cảm thấy thích thú và mong muốn sử dụng công nghệ vì tính giải trí hoặc sự mới lạ của nó"
- Giá trị (Price Value): là "mức độ người dùng cảm thấy công nghệ đem lại giá trị tương xứng với chi phí hoặc nỗ lực bỏ ra"
- Kinh nghiệm và thói quen (Experience and Habit): là "mức độ sử dụng công nghệ theo thói quen".
Một số công trình nghiên cứu liên quan
Nghiên cứu của Phạm Thị Ngọc Anh và ctg (2023) nhằm xác định các "nhân tố ảnh hưởng đến quyết định sử dụng phương thức thanh toán trực tuyến thông qua nền tảng thương mại điện tử của thế hệ Gen Z trên địa bàn Thành phố Hà Nội" Bảy yếu
H ì nh 2.4 Mô hình lý thuyết chấp nhận và sử dụng công nghệ 2 (UTAUT2) tố được xem xét trong nghiên cứu này đó là "Hiệu quả kỳ vọng, Nỗ lực kỳ vọng, Ảnh hưởng xã hội, Điều kiện thuận lợi, Niềm tin vào nhà bán lẻ, Thói quen sử dụng tiền mặt và Tiện ích bổ sung" Nghiên cứu dựa trên lý thuyết TAM và UTAUT để đánh giá tầm quan trọng của các nhân tố trên đối với quyết định sử dụng thanh toán trực tuyến Đối tượng mục tiêu của nghiên cứu này là thế hệ Gen Z - “nhóm những người sinh từ cuối những năm 1990 đến đầu những năm 2010 rất quen thuộc với Internet" Trong các nhân tố ảnh hưởng đến quyết định sử dụng thanh toán trực tuyến có 2 biến bị bác bỏ đó là: "Nỗ lực kỳ vọng và Điều kiện thuận lợi" Biến Tiện ích bổ sung có tác động mạnh nhất đến quyết định sử dụng thanh toán trực tuyến
Nguyễn Thị Nga Anh và ctg (2023) đã khảo sát ý định sử dụng dịch vụ mua ngay trả sau (BNPL) trên các nền tảng thương mại điện tử (TMĐT) của sinh viên tại
Hà Nội Mô hình nghiên cứu được xây dựng dựa trên mô hình chấp nhận và sử dụng công nghệ (UTAUT) bao gồm bốn biến độc lập là "Kỳ vọng về hiệu quả, Kỳ vọng về nỗ lực, Ảnh hưởng xã hội, Điều kiện thuận lợi và Nhận thức về an ninh" Kết quả cho thấy có ba biến ảnh hưởng tích cực đến ý định sử dụng hình thức thanh toán BNPL đó là Kỳ vọng về hiệu quả, Kỳ vọng về nỗ lực, Ảnh hưởng xã hội Hai biến còn lại đó là Điều kiện thuận lợi và Nhận thức về an ninh không ảnh hưởng đáng kể đến ý định sử dụng BNPL của sinh viên trên địa bàn Hà Nội
Nguyễn Thị Thu Hoài và ctg (2022) thực hiện nghiên cứu xác định các nhân tố ảnh hưởng đến quyết định sử dụng ví điện tử ShopeePay của sinh viên ở Hà Nội Nghiên cứu dựa trên mô hình TAM, mô hình lý thuyết hành vi hoạch định và mô hình UTAUT2, từ đó xác định được 5 nhân tố ảnh hưởng đến quyết định sử dụng ví ShopeePay của Shopee để thanh toán mua hàng đó là "Ảnh hưởng xã hội, Tính hữu dụng, Ảnh hưởng từ đối tác, Rủi ro và Tính cá nhân hoá" Kết quả cho thấy biến "Ảnh hưởng xã hội" có ảnh hưởng lớn nhất đến biến phụ thuộc, thứ hai là "Tính hữu ích", tiếp đến là "Ảnh hưởng từ đối tác" và "Tính cá nhân hoá" và "Rủi ro"
Nghiên cứu của (Adirinekso, Purba và Budiono 2020) thực hiện nghiên cứu để
"đo lường hiệu suất, nỗ lực, ảnh hưởng xã hội, tạo điều kiện thuận lợi, thói quen và động cơ hưởng thụ đối với quyết định sử dụng ứng dụng trả tiền sau ở Indonesia"
Trong bài viết này, tác giả đã áp dụng mô hình UTAUT2 (mô hình này được sửa đổi từ mô hình UTAUT - Unified Theory of Acceptance and Use of Technology) để xem xét các nhân tố ảnh hưởng đến quyết định sử dụng ứng dụng trả tiền sau ở Indonesia
Mô hình nghiên cứu của tác giả bao gồm 6 nhân tố là "Kỳ vọng hiệu quả, Kỳ vọng nỗ lực, Ảnh hưởng xã hội, Điều kiện thuận lợi, Động lực thụ hưởng, Thói quen" và 3 biến điều tiết là giới tính, kinh nghiệm và tuổi Kết quả nghiên cứu cho thấy có 5 yếu tố độc lập tích cực ảnh hưởng đến quyết định sử dụng ứng dụng trả tiền, bao gồm:
Kỳ vọng hiệu quả, Kỳ vọng nỗ lực, Điều kiện thuận lợi, Động lực thụ hưởng, và Thói quen Trong khi đó, yếu tố ảnh hưởng xã hội không đạt mức ý nghĩa thống kê Sự khác biệt về độ tuổi, kinh nghiệm và giới tính cũng không có ảnh hưởng quan trọng đến ý định sử dụng ví trả sau
Nghiên cứu của (Bernando và Ray 2023) thực hiện nghiên cứu về "Quyết định sử dụng Ví điện tử trong thế hệ Millennials ở Jakarta" Thế hệ Millennials là "thế hệ được sinh ra vào khoảng từ năm 1981 đến 1996" Nghiên cứu này nhằm mục đích phân tích tác động của "Ý thức về môi trường, Tính hữu ích được nhận thức và Sự dễ sử dụng đối với quyết định sử dụng Ví điện tử của thế hệ Millennials ở Jakarta" Nhận thức về tính hữu ích, ý thức về môi trường và tính dễ sử dụng có tác động đến quyết định sử dụng Ví điện tử của thế hệ Millennials, những người có thái độ tích cực đối với môi trường xanh ở Jakarta
Nghiên cứu của Pratika (2021) tập trung vào việc kiểm tra các yếu tố ảnh hưởng đến ý định hành vi sử dụng trả sau, và để thực hiện điều này, họ đã áp dụng mô hình lý thuyết chấp nhận và sử dụng công nghệ (UTAUT) Ở thị trường thương mại tại Indonesia, thẻ là hình thức thanh toán chiếm ưu thế, khoảng 34% tổng thị trường Công nghệ tài chính (fintech) phát triển theo nhiều hướng và liên tục lan rộng tại Indonesia, có khoảng 100 công ty cho vay công nghệ tài chính được cấp phép vào đầu năm 2020 và con số này tiếp tục tăng cao Đối tượng của nghiên cứu là những người dùng ứng dụng thương mại điện tử có cung cấp hình thức thanh toán trả sau Kết quả nghiên cứu cho thấy chỉ hai có biến "Kỳ vọng hiệu quả và Điều kiện thuận lợi" có ảnh hưởng tích cực đối với ý định hành vi sử dụng thanh toán trả sau Biến
"Kỳ vọng nỗ lực" không ảnh hưởng đáng kể, đó là do hệ thống trả sau tương đối dễ sử dụng, mức độ hiểu biết về công nghệ của người tiêu dùng ngày càng cao nên không gây khó khăn gì trong việc áp dụng công nghệ Nghiên cứu này, cũng cho thấy biến
"Ảnh hưởng xã hội" không ảnh hưởng đáng kể tương tự với nghiên cứu của (Adirinekso và ctg 2020) tại Indonesia Theo Pratika (2021) nguyên nhân của việc này là do chức năng của hệ thống thanh toán sau, người tiêu dùng nhìn nhận Paylater như một hệ thống mang lại lợi ích cho họ, họ không cần bị tác động bởi người khác để áp dụng phương thức thanh toán mới này
Nghiên cứu của Lee và Tai được thực hiện năm 2023 cho thấy nhu cầu BNPL ngày càng tăng do thủ tục nhanh chóng dễ dàng so với việc vay tín dụng truyền thống, tuy nhiên thị trường BNPL ở Malaysia vẫn còn ở giai đoạn mới ban đầu, vì thế nghiên cứu này tập trung điều tra ý định của người tiêu dùng Malaysia về những yếu tố ảnh hưởng đến việc sử dụng "Mua ngay trả sau" thông qua mô hình UTAUT Bên cạnh đó, Lee và Tai (2023) cho rằng nhân tố Nhận thức về an ninh đối với lĩnh vực về công nghệ là một nhân tố quan trọng trong việc chấp nhận công nghệ đó Vì vậy, nghiên cứu bao gồm 4 biến độc lập, 1 biến phụ thuộc từ mô hình UTAUT của (Venkatesh và ctg 2003) và 1 biến độc lập được bổ sung thêm là Nhận thức về an ninh Kết quả phân tích hồi quy cho thấy Kỳ vọng hiệu quả có ảnh hưởng lớn nhất đến ý định sử dụng trả sau, tiếp theo là Nhận thức về an ninh và Điều kiện thuận lợi Tuy nhiên, sự ảnh hưởng của Kỳ vọng nỗ lực và Ảnh hưởng xã hội đối với ý định sử dụng trả sau là không đáng kể
Nghiên cứu của (Huey và ctg 2023) nhằm xác định các yếu tố ảnh hưởng đến ý định sử dụng dịch vụ BNPL Năm yếu tố được xem xét trong nghiên cứu này đó là
Tổng hợp các nghiên cứu liên quan
B ả ng 2.1 Bảng tổng hợp các nghiên cứu liên quan
STT Nghiên cứu Tác giả Biến độc lập và biến trung gian
1 Các nhân tố ảnh hưởng đến quyết định sử dụng thanh toán trực tuyến trên sàn thương mại điện tử của thế hệ Gen Z trên địa bàn Thành phố Hà
(Phạm Thị Ngọc Anh và ctg 2023)
"Hiệu quả kỳ vọng, Nỗ lực kỳ vọng, Ảnh hưởng xã hội, Điều kiện thuận lợi, Niềm tin vào nhà bán lẻ, Thói quen sử dụng tiền mặt và Tiện ích bổ sung"
Quyết định sử dụng thanh toán trực tuyến
2 Các nhân tố ảnh hưởng đến ý định sử dụng dịch vụ mua trước, trả sau trên các sàn thương mại điện tử của sinh viên trên địa bàn Hà Nội
(Nguyễn Thị Nga Anh và ctg 2023)
"Kỳ vọng về hiệu quả,
Kỳ vọng về nỗ lực, Ảnh hưởng xã hội, Điều kiện thuận lợi và Nhận thức về an ninh." Ý định sử dụng Mua trước trả sau
3 Các nhân tố ảnh hưởng đến quyết định sử dụng ví điện tử
ShopeePay trên sàn thương maị điện tử
(Nguyễn Thị Thu Hoài và ctg 2022)
"Ảnh hưởng xã hội, Tính hữu dụng, Ảnh hưởng từ đối tác, Rủi ro và Tính cá nhân hoá"
Quyết định sử dụng ví ShopeePay
Nỗ lực, Ảnh hưởng xã hội, Tạo điều kiện thuận lợi, Thói quen và Động cơ hưởng thụ đối với việc trả tiền sau Quyết định ứng dụng: Bằng chứng ở
"Kỳ vọng hiệu quả, Kỳ vọng nỗ lực, Ảnh hưởng xã hội, Điều kiện thuận lợi, Động lực thụ hưởng, Thói quen."
Quyết định sử dụng ứng dụng trả tiền sau
Ví điện tử trong thế hệ
"Ý thức về môi trường, Tính hữu ích được nhận thức và Sự dễ sử dụng"
Quyết định sử dụng Ví điện tử
Xác định các yếu tố thúc đẩy ý định sử dụng trả sau
"Kỳ vọng hiệu quả, Kỳ vọng nỗ lực, Ảnh hưởng xã hội, Điều kiện thuận lợi." Ý định sử dụng
7 Ý định sử dụng “Mua ngay trả tiền sau” của người sử dụng ở
"Kỳ vọng hiệu quả, Kỳ vọng nỗ lực, Ảnh hưởng xã hội, Điều kiện thuận lợi, Nhận thức về an ninh." Ý định hành vi sử dụng
8 Sự nổi lên của dịch vụ
Mua ngay trả tiền sau
"Cảm nhận tính hữu ích, Cảm nhận tính dễ sử dụng, Cảm nhận rủi ro, Ảnh hưởng xã hội, Kiến thức về tài chính." Ý định sử dụng dịch vụ mua ngay trả sau
PHƯƠNG PHÁP NGHIÊN CỨU
Quy trình nghiên cứu
Toàn bộ quy trình của bài nghiên cứu được thể hiện như Hình 3.1 dưới đây:
Các giai đoạn thực hiện được mô tả như sau:
- Xây dựng thang đo: Xây dựng thang đo bắt đầu bằng việc tiến hành khảo sát và phân tích các tài liệu và nghiên cứu đã được thực hiện trước đó trong lĩnh vực
"Mua ngay trả sau" Từ đó hình thành được hướng đi cho bài nghiên cứu, lựa chọn
Xây dựng thang đo Thống kê mô tả Kiểm tra độ tin cậy Cronbach’s Alpha Phân tích nhân tố khám phá (EFA) Phân tích tương quan Pearson Phân tích hồi quy đa biến Kiểm định sự khác biệt Kết luận và đề xuất hàm ý quản trị.
Hình 3.1 Quy trình nghiên cứu mô hình và xác định các nhân tố ảnh hưởng đến quyết định sử dụng ví trả sau Kế thừa và xây dựng thang đo chính thức
- Thống kê mô tả: bao gồm việc sử dụng thống kê tần suất và thống kê trung bình
- Kiểm tra độ tin cậy Cronbach's Alpha của các biến trong mô hình nghiên cứu giúp đảm bảo sự đồng nhất và tin cậy của dữ liệu thu thập
- Phân tích nhân tố khám phá (Exploratory factor analysis - EFA) kiểm tra cấu trúc tiềm ẩn để rút gọn chiều dữ liệu và xác định mối quan hệ chung giữa các biến
- Phân tích tương quan Pearson để đánh giá mức độ tương quan giữa các biến
- Phân tích hồi quy đa biến để kiểm định mô hình cũng như giả thuyết nghiên cứu
- Kiểm định sự khác biệt trung bình Independent Sample T-Test và kiểm định sự khác biệt trung bình One-Way ANOVA
- Kết luận và đề xuất hàm ý quản trị: Dựa vào kết quả nhận được từ đó đưa ra kết luận và đề xuất hàm ý quản trị.
KẾT QUẢ NGHIÊN CỨU
Thống kê mô tả
Bảng 4.1 trình bày thống kê theo đặc điểm nhân khẩu học Kết quả thống kê chính thức thu về 350 câu trả lời, trong đó có 54 câu trả lời bị loại vì không hợp lệ, còn lại 296 câu trả lời đạt yêu cầu
B ả ng 4.1 Thống kê mô tả biến định tính
Các đặc điểm cá nhân
Trợ cấp hàng tháng Dưới 3 triệu 78 26,4
Khảo sát sử dụng VTS
Chưa từng sử dụng 54 0,0 Đang sử dụng 296 100,0
Tần suất sử dụng VTS
Các VTS khác được sử dụng (Được chọn nhiều lựa chọn)
Nguồn: Dữ liệu được truy xuất từ SPSS 20.0
Bảng 4.1 cho thấy: Trong số 296 người tham gia khảo sát có số lượng sinh viên nữ tham gia cao hơn nam, cụ thể sinh viên nữ chiếm 58,1% (172 người), trong khi sinh viên nam chỉ chiếm 41,9% (124 người) Về mức độ học vấn, phần lớn sinh viên đang theo học năm 4 với tỷ lệ 34,8% Điều này tiếp theo bởi sinh viên năm 3 với 31,1%, năm 2 với 19,9%, và năm 1 với 14,2% Về thu nhập hàng tháng, khoảng 54,4% sinh viên có thu nhập từ 3 đến dưới 5 triệu đồng Trong khi đó, 26,4% sinh viên có thu nhập dưới 3 triệu đồng và 19,3% sinh viên có thu nhập trên 5 triệu đồng Theo kết quả khảo sát, trong tổng số 350 sinh viên được khảo sát, chỉ có 54 người (do chưa từng sử dụng VTS SPayLater) đã không tiếp tục tham gia khảo sát, do đó, câu trả lời của họ được coi là không hợp lệ Số còn lại, tức là 296 sinh viên, đang sử dụng dịch vụ này Trong đó, hầu hết người tham gia sử dụng VTS SPayLater dưới 5 lần mỗi tháng chiếm 59,8% tương đương với 177 người, số người sử dụng từ
5 đến dưới 10 lần mỗi tháng chiếm 30,7%, và 9,5% người sử dụng trên 10 lần mỗi tháng Bên cạnh VTS SPayLater, sinh viên cũng đang sử dụng các dịch vụ thanh toán số khác VTS Momo là dịch vụ được sử dụng nhiều nhất với tỷ lệ 38,8% Tiếp theo là VTS LazPayLater với 21,2%, sau đó là Home PayLater với 17,3% Còn 12% sinh viên sử dụng các dịch vụ thanh toán số khác, và có 10,7% sinh viên không sử dụng bất kỳ dịch vụ thanh toán số nào khác ngoài VTS SPayLater.
Kiểm định độ tin cậy thang đo Cronbach’s Alpha
Bảng tổng hợp kết quả kiểm định Cronbach’s Alpha được trình bày chi tiết trong
B ả ng 4.2 Kiểm định độ tin cây thang đo Cronbach's Alpha
Biến Hệ số tương quan biến tổng Hệ số Cronbach’s Alpha khi loại biến Thang đo Nhận thức tính dễ sử dụng - Cronbach’s Alpha = 0,828
Thang đo Nhận thức tính hữu ích - Cronbach’s Alpha = 0,779
Thang đo Ảnh hưởng xã hội - Cronbach’s Alpha = 0,766
Thang đo Điều kiện thuận lợi - Cronbach’s Alpha = 0,797
Thang đo Nhận thức về tính bảo mật - Cronbach’s Alpha = 0,837
Thang đo Quyết định sử dụng - Cronbach's Alpha = 0,805
Nguồn: Dữ liệu được truy xuất từ SPSS 20.0
Từ Bảng 4.2 cho thấy hệ số Cronbach’s Alpha của các thang đo đạt giá trị lớn hơn 0,6 và hệ số tương quan biến tổng của các biến đều lớn hơn 0,3, điều này thể hiện một mức độ tin cậy cao và một mối quan hệ tương đối đáng kể giữa các biến trong thang đo Do đó dựa vào những kết quả này, có thể kết luận rằng tất cả các biến quan sát trong thang đo đều đạt điều kiện và có độ tin cậy cao, cho thấy chúng có thể được sử dụng trong nghiên cứu một cách đáng tin cậy.
Phân tích nhân tố khám phá (EFA)
4.3.1 Phân tích nhân t ố EFA cho bi ến độ c l ậ p
Ban đầu, thang đo biến độc lập có tổng cộng 25 biến quan sát Sau khi tiến hành kiểm tra độ tin cậy thông qua hệ số Cronbach's Alpha, không có biến nào cần loại bỏ
Vì thế, toàn bộ 25 biến được duy trì và sử dụng trong phân tích nhân tố, cụ thể như sau:
B ả ng 4.3 Bảng hệ số KMO và kiểm định Bartlett’s Test của nhân tố độc lập lần 1
Giá trị Chi bình phương xấp xỉ 3002,306 df 210
Nguồn: Dữ liệu được truy xuất từ SPSS 20.0
Chỉ số KMO (Kaiser-Meyer-Olkin) trong nghiên cứu này có giá trị là 0,770, vượt quá ngưỡng 0,5, cho thấy dữ liệu phù hợp cho việc thực hiện phân tích nhân tố Điều này ngụ ý rằng các biến đo lường trong dữ liệu có mối quan hệ và cấu trúc phù hợp để thực hiện phân tích nhân tố Bên cạnh đó, kết quả của kiểm định Barlett’s cũng cho thấy sự tương quan giữa các biến quan sát với mức ý nghĩa thống kê với Sig = 0,000 < 0,05, xác nhận rằng dữ liệu là phù hợp để tiến hành phân tích Điều này cũng chứng minh rằng dữ liệu phù hợp cho phân tích nhân tố và có cấu trúc đáng kể
Hệ số Eigenvalues cho yếu tố thứ 5 đạt 1,418, vượt quá ngưỡng tối thiểu là 1 Điều này chỉ ra rằng quá trình phân tích đã chọn dừng lại ở yếu tố thứ 5, chỉ còn 5 yếu tố được trích xuất từ dữ liệu Tổng phương sai trích được là 64,303%, thể hiện rằng 5 yếu tố được trích xuất từ phân tích EFA giải thích được 64,303% sự biến thiên của các biến trong khảo sát ban đầu
Với kích thước mẫu tối thiểu là 250 thì biến có hệ số tải (Factor Loading) từ 0,35 trở lên được coi là đủ tin cậy để giữ lại, trong khi các biến có hệ số tải từ 0,5 trở lên được xem là có ý nghĩa thống kê đáng tin cậy Do đó so sánh điều kiện này với kết quả ma trận xoay lần 1 ở Phụ lục 05, có 2 biến BM1 và DSD3 cần xem xét để loại bỏ:
(1) Biến BM1 có hệ số tải ở cả 2 nhân tố số 1 và số 2 với hệ số tải lần lượt là 0,602 và 0,40, hiệu 2 hệ số tải bằng 0,602 – 0,640= –0,038 < 0,3
(2) Biến DSD3 có hệ số tải ở cả hai nhân tố số 3 và số 4 với hệ số tải lần lượt là 0,666 và 0,636, hiệu 2 hệ số tải bằng 0,640 – 0,636 = 0,004 < 0,3
Từ (1) và (2), chúng ta nhận thấy rằng hai biến DSD3 và BM1 đã bị loại bỏ vì hệ số tải của chúng nhỏ hơn 0,3, không đảm bảo tính phân biệt của chúng Để cải thiện mô hình, tác giả đã áp dụng phương pháp loại trừ các biến không tốt và tiến hành phân tích lại với tiêu chí EFA Từ 25 biến quan sát ở lần phân tích EFA thứ nhất, loại bỏ lần lượt biến DSD3 và BM1 qua 2 lần phân tích (được mô tả chi tiết ở
Phụ lục 05) và còn lại 23 biến quan sát còn lại vào phân tích EFA lần thứ 3
Kết quả sau 2 lần phân tích EFA được kết quả như Hình 4.4
B ả ng 4.4 Bảng hệ số KMO và kiểm định Bartlett’s Test của nhân tố độc lập lần 3
Giá trị Chi bình phương xấp xỉ 1827,538 df 171
Nguồn: Dữ liệu được truy xuất từ SPSS 20.0
Chỉ số KMO (Kaiser-Meyer-Olkin) trong nghiên cứu này có giá trị là 0,869, vượt quá ngưỡng 0,5, cho thấy dữ liệu phù hợp cho việc thực hiện phân tích nhân tố Điều này ngụ ý rằng các biến đo lường trong dữ liệu có mối quan hệ và cấu trúc phù hợp để thực hiện phân tích nhân tố Bên cạnh đó, kết quả của kiểm định Barlett’s cũng cho thấy sự tương quan giữa các biến quan sát với mức ý nghĩa thống kê với Sig = 0,000 < 0,05, xác nhận rằng dữ liệu là phù hợp để tiến hành phân tích
Hệ số Eigenvalues cho yếu tố thứ 5 là 1,329, vượt qua ngưỡng 1 Điều này cho thấy rằng phép phân tích đã dừng lại tại yếu tố thứ 5, chỉ ra rằng có tổng cộng 5 yếu tố được trích xuất từ dữ liệu khảo sát Tổng phương sai trích bằng 62,667%, thể hiện rằng 5 nhân tố trích được ở trong phân tích EFA phản ánh được 62,667% sự biến thiên của tất cả các biến được đưa vào khảo sát ban đầu
B ả ng 4.5 Ma trận xoay lần 3
Nguồn: Dữ liệu được truy xuất từ SPSS 20.0
Tất cả các hệ số tải nhân tố đều lớn hơn 0,5 và không có biến nào có hệ số tải cao trên cả hai nhân tố với hệ số tải gần như bằng nhau Điều này cho thấy sự hội tụ của các nhân tố và sự phân biệt rõ ràng giữa chúng
4.3.2 Phân tích nhân t ố EFA cho bi ế n ph ụ thu ộ c
B ả ng 4.6 Bảng hệ số KMO và kiểm định Bartlett’s Test của biến phụ thuộc
Giá trị Chi bình phương xấp xỉ 355,257 df 6
Nguồn: Dữ liệu được truy xuất từ SPSS 20.0
Kết quả phân tích nhân tố EFA của thang đo “Quyết định sử dụng ví trả sau SPayLater Shopee” có trị số Eigenvalue là 2,524, vượt quá ngưỡng 1, và tổng phương sai trích là 63,098%, cao hơn ngưỡng 50% Điều này cho thấy nhân tố này giải thích được 63,098% sự biến thiên trong dữ liệu Vì vậy, thang đo sau phân tích được coi là hợp lệ và có giá trị
B ả ng 4.7 Ma trận nhân tố của biến phụ thuộc
Nguồn: Dữ liệu được truy xuất từ SPSS 20.0
Kết quả cho thấy có 4 biến quan sát hội tụ vào một nhân tố và tất cả đều có hệ số tải nhân tố vượt qua ngưỡng 0,5 Như vậy, sau khi thực hiện phân tích EFA mô hình nghiên cứu mới bao gồm 5 nhân tố độc lập (với 23 biến quan sát) và 1 nhân tố phụ thuộc ("Quyết định sử dụng ví trả sau SPayLater Shopee") với 4 biến quan sát.
Phân tích tương quan Pearson
B ả ng 4.8 Kết quả phân tích tương quan Pearson giữa các biến
QD DSD HI XH TL BM
**.Correlation is significant at the level 0.01 level (2-tailed)
Nguồn: Dữ liệu được truy xuất từ SPSS 20.0
Tương quan giữa biến độc lập với biến phụ thuộc:
Nhìn vào Bảng 4.8, ta thấy giá trị sig kiểm định t tương quan Pearson các giữa năm biến độc lập dễ sử dụng, hữu ích, xã hội, thuận lợi, bảo mật với biến phụ thuộc quyết định đều nhỏ hơn 0,05 Như vậy, có mối liên hệ tuyến tính giữa các biến độc lập này với biến phụ thuộc.
Tương quan giữa các biến độc lập với nhau:
Các biến độc lập đều có giá trị sig nhỏ hơn 0,05 và trị tuyệt đối hệ số tương quan giao động dưới 0,5 (đều nhỏ hơn 0,7) nên khả năng xảy ra hiện tượng cộng tuyến/đa cộng tuyến giữa chúng là tương đối thấp.
Phân tích hồi quy đa biến
4.5.1 Ki ểm đị nh s ự phù h ợ p c ủ a mô hình
B ả ng 4.9 Kết quả kiểm định sự phù hợp của mô hình
Tổng hợp kết quả mô hình
Mô hình R R2 R2 hiệu chỉnh Sai số chuẩn của ước lượng
Phân tích phương sai ANOVA
Mô hình Tổng bình phương Df Trung bình bình phương F Sig
Nguồn: Dữ liệu được truy xuất từ SPSS 20.0
Bảng 4.9 dùng để đánh giá độ phù hợp của mô hình hồi quy đa biến, hệ số R 2 hiệu chỉnh = 0,682 có nghĩa là mô hình có thể giải thích được 68,2% sự biến thiên của biến phụ thuộc Bảng 4.9, phân tích phương sai ANOVA, cho thấy F = 127,437 với giá trị sig = 0,000 < 0,05 nên bác bỏ giả thuyết H0, nghĩa là R 2 ≠ 0 một cách có ý nghĩa thống kê, mô hình hồi quy là phù hợp
4.5.2 Ki ể m đị nh gi ả thuy ế t b ằ ng mô hình h ồ i quy
B ả ng 4.10 Kết quả của mô hình hồi quy
Model Hệ số hồi quy chưa chuẩn hoá
Hệ số hồi quy chuẩn hoá t Sig Thống kê cộng tuyến
B Std Error Beta Tolerance VIF
Nguồn: Dữ liệu được truy xuất từ SPSS 20.0
Bảng 4.10 cho thấy các biến đều có giá trị sig kiểm định t nhỏ hơn 0,05, do vậy các biến đều có ý nghĩa thống kê và đều tác động lên biến phụ thuộc Các nhân tố độc lập đều có hệ số hồi quy mang dấu dương, như vậy các biến độc lập có ảnh hưởng cùng chiều lên biến phụ thuộc Với phương trình hồi quy tuyến tính tổng quát có thể được viết như sau:
QD = 0,227*DSD + 0,298*HI + 0,187*XH + 0,212*TL + 0,268*BM + ε
QD: là biến phụ thuộc ("Quyết định sử dụng")
DSD, HI, XH, TL, BM lần lượt là các biến độc lập ("Nhận thức tính dễ sử dụng, Nhận thức tính hữu ích, Ảnh hưởng xã hội, Điều kiện thuận lợi, Nhận thức về tính bảo mật")
So sánh mức độ tác động của 05 biến này vào biến phụ thuộc (QD) theo thứ tự giảm dần như sau: biến HI có tác động mạnh nhất (|β| = 0,298), tiếp theo là biến BM (|β| = 0,268), tiếp theo là biến DSD (|β| = 0,227), tiếp theo là biến TL (|β| = 0,212), và cuối cùng là biến XH có tác động yếu nhất (|β| = 0,187) Từ kết quả kiểm định các giả thuyết của mô hình đã chấp nhận tất cả các giả thuyết nêu ra.
Kiểm định các giả định của mô hình hồi quy
Giả định phân phối chuẩn của phần dư
Nhìn vào Hình 4.1 ta thấy phần dư chuẩn hóa phân bố theo hình dạng của phân phối chuẩn Giá trị trung bình (Mean) là 1.84E-15, gần như bằng 0, và độ lệch chuẩn (Std Dev) là 0.991, gần như bằng 1 như vậy có thể nói, phân phối phần dư xấp xỉ chuẩn Do đó, có thể kết luận rằng, giả định phân phối chuẩn của phần dư không bị vi phạm
Biểu đồ Normal P-P Plot cũng cho thấy các điểm phân vị của phần dư tập trung gần đường chéo như Hình 4.2, minh chứng cho giả định về phân phối chuẩn của phần dư không bị vi phạm
H ì nh 4.2 Biểu đồ Normal P -Plot
Liên hệ tuyến tính giữa biến phụ thuộc với biến độc lập
Biểu đồ Scatterplot ở Hình 4.3 cho thấy một mối tương quan khá mạnh giữa biến phụ thuộc và biến độc lập Phần dư chuẩn hóa trên biểu đồ phân bố ngẫu nhiên xung quanh đường tung độ 0 và hình dạng tổng thể hình thành một đường thẳng, cho thấy giả định về mối quan hệ tuyến tính không bị vi phạm
Phương sai phần dư không thay đổi
Kết quả từ biểu đồ Scatterplot ở Hình 4.3 cho thấy, cho thấy các điểm phân vị đa số dao động khá đồng đều trên dưới trục tung độ 0, và hầu như trải đều nằm trong khoảng từ -2 đến 2 đồng thời phân tán ngẫu nhiên xung quanh 0 Điều này chỉ ra rằng giả định về phương sai đồng nhất của phần dư không bị vi phạm, tức là phương sai của phần dư không thay đổi không đồng đều khi giá trị dự đoán thay đổi
Hình 4.3 Biểu đồ Scatterplot Hiện tượng đa cộng tuyến:
Dựa vào kết quả qua Bảng 4.10, có thể nhận thấy giá trị VIF của các biến đều nằm trong khoảng từ 1,300 đến 1,355, vẫn thấp hơn ngưỡng 10 Điều này cho thấy không có sự tương quan mạnh giữa các biến độc lập trong mô hình, và mô hình không gặp vấn đề đa cộng tuyến nghiêm trọng Kết quả này cho thấy mô hình hồi quy có độ tin cậy cao trong việc ước lượng mối quan hệ giữa các biến độc lập và biến phụ thuộc
Giả định hiện tượng tự tương quan giữa các phần dư:
Qua Bảng 4.9 nhận thấy kết quả Durbin- Watson đạt được là 1,966 Với giá trị
DW nằm trong khoảng chấp nhận 1 ≤ DW ≤ 3, theo quy tắc kết quả này được chấp nhận, điều này cho thấy rằng không có tự tương quan đáng kể giữa các sai số trong phần dư Kết quả này củng cố thêm rằng mô hình hồi quy này có tính chính xác và đáng tin cậy trong việc ước lượng mối quan hệ giữa các biến.
Kiểm định sự khác biệt giữa các nhóm dựa trên biến kiểm soát
4.7.1 Ki ể m đị nh Independent Samples T-Test
B ả ng 4.11 Kết quả kiểm định Independent Samples T-Test
Kiểm định các mẫu độc lập
Kiểm định Levene sự đồng nhất của các phương sai
Kiểm định t sự bằng nhau của các trung bình
QD Giả định các phương sai bằng nhau
Giả định các phương sai không bằng nhau
Giới tính N Mean Std.Deviation Std Error Mean
Nguồn: Dữ liệu được truy xuất từ SPSS 20.0
Dựa trên kết quả từ kiểm định Levene cho thấy giá trị Sig là 0,972, lớn hơn ngưỡng ý nghĩa thường được chọn là 0,05 Do đó, ta chấp nhận giả định về sự đồng nhất của phương sai giữa hai nhóm
Khi giả định này được chấp nhận, ta sử dụng kết quả từ phần "Giả định các phương sai bằng nhau" trong kết quả kiểm định T-Test Trong trường hợp này, giá trị Sig của kiểm định t là 0,411, lớn hơn ngưỡng 0,05 Vì vậy, không có sự khác biệt trung bình giữa các đáp viên có giới tính khác nhau về quyết định sử dụng ví trả sau SpayLater Shopee
Giá trị trung bình của hai nhóm nam và nữ lần lượt bằng 3,7823 và 3,8547, do đó không có sự chênh lệch đáng kể giữa nam và nữ
4.7.2 Ki ể m đị nh One Way - ANOVA
B ả ng 4.12 Kết quả kiểm định One Way - ANOVA
Biến Kiểm định Levene Kiểm định ANOVA
Nguồn: Dữ liệu được truy xuất từ SPSS 20.0 Đối với biến Năm học: Giá trị Sig của kiểm định Levene là 0,895, vượt quá ngưỡng 0,05, cho thấy không có sự khác biệt đáng kể về phương sai giữa các nhóm năm học Trong khi giá trị Sig của kiểm định F là 0,281, lớn hơn mức ý nghĩa 0,05 Điều này chỉ ra rằng không có sự khác biệt đáng kể về trung bình giữa các năm sinh viên đang học Đối với biến Thu nhập hàng tháng: Kết quả từ kiểm định Levene và ANOVA đều chỉ ra rằng không có sự khác biệt đáng kể về trung bình và phương sai của trợ cấp hàng tháng giữa các nhóm sinh viên Với giá trị Sig lớn hơn ngưỡng 0,05, ta có thể kết luận rằng không có sự khác biệt đáng kể về trung bình giữa các nhóm sinh viên có thu nhập hàng tháng khác nhau Đối với biến Tần suất sử dụng: Kết quả từ kiểm định Levene và ANOVA cho thấy rằng không có sự khác biệt đáng kể về phương sai và trung bình giữa các nhóm tần suất sử dụng VTS SPayLater trong mẫu nghiên cứu Với giá trị Sig lớn hơn ngưỡng 0,05, ta có thể kết luận rằng tần suất sử dụng VTS SPayLater không ảnh hưởng một cách đáng kể đến các nhóm sinh viên.
