HỒ CHÍ MINH KHÓA LUẬN TỐT NGHIỆP ĐẠI HỌC CÁC NHÂN TỐ TÁC ĐỘNG ĐẾN QUYẾT ĐỊNH SỬ DỤNG DỊCH VỤ FINTECH TRONG HOẠT ĐỘNG THANH TOÁN CỦA KHÁCH HÀNG CÁ NHÂN TẠI NGÂN HÀNG THƯƠNG MẠI NGOẠI T
CƠ SỞ LÝ THUYẾT VÀ MÔ HÌNH NGHIÊN CỨU
Cơ sở lý thuyết nghiên cứu liên quan
2.1.1 Các khái niệm nghiên cứu liên quan
"Người tiêu dùng là người mua, sử dụng hàng hóa, dịch vụ cho mục đích tiêu dùng, sinh hoạt cá nhân, gia đình, tổ chức" (Theo khoản 1, điều 3, Luật bảo vệ quyền lợi người tiêu dùng, 2010)
Theo Kotler và Armstrong (2012), hành vi của người tiêu dùng là kết quả của những phản ứng đáp lại của người mua từ những kích thích bên ngoài đã được nhận diện Khái niệm "hộp đen" về ý thức người mua hàng hóa, dịch vụ được sử dụng để xây dựng mô hình chi tiết về hành vi mua của khách hàng Hình 2.1 minh họa khái niệm như sau:
Hình 2 1 Mô hình chi tiết hành vi người tiêu dùng
Theo Hawkins và cộng sự (2004) đã định nghĩa “quyết định sử dụng của người tiêu dùng là một chuỗi các hành động thông qua đó người tiêu dùng tìm kiếm thu thập, phân tích các thông tin và đưa ra đánh giá các lựa chọn giữa các sản phẩm và dịch vụ”
Theo Philip Kotler (2001) quá trình quyết định mua diễn ra theo các bước được minh hoạt bằng hình 2.2 sau:
Hình 2 2 Mô hình quá trình quyết định
- Nhận dạng vấn đề mua:
Nhu cầu mua hàng thường xuất phát từ sự nhận thức của người tiêu dùng về sự chênh lệch giữa trạng thái hiện tại và mong muốn của họ Nhu cầu này có thể được nhận diện nhanh chóng qua các yếu tố nội tại như đói, khát hoặc các yếu tố ngoại vi như tác động của môi trường, quảng cáo,
Việc tìm kiếm thông tin của người tiêu dùng sẽ phụ thuộc vào loại vấn đề và bối cảnh mua sắm, dẫn đến mức độ cần thiết khác nhau Khi nhu cầu mua sắm cấp bách, người tiêu dùng thường chỉ cần tìm sản phẩm phù hợp và nhanh chóng đưa ra quyết định mua Ngược lại, khi vấn đề mua sắm có tầm quan trọng cao và chưa có sản phẩm thỏa mãn, họ sẽ tích cực tìm kiếm thêm thông tin từ nhiều nguồn khác nhau để đưa ra lựa chọn tốt nhất
Quá trình này bao gồm hai hoạt động chính: tìm kiếm thông tin từ nội bộ và tìm kiếm thông tin từ bên ngoài Tìm kiếm nội bộ dựa trên kinh nghiệm cá nhân với các sản phẩm và thương hiệu trước đây Tìm kiếm bên ngoài bao gồm ý kiến từ gia đình, bạn bè và các nguồn thông tin từ sách báo, truyền hình, Internet,
- Đánh giá khả năng thay thế:
Sau khi thu thập đủ thông tin, người tiêu dùng tiến hành đánh giá các lựa chọn sản phẩm theo tiến trình sau: Đầu tiên, người tiêu dùng có xu hướng chọn sản phẩm dựa trên chuỗi các thuộc tính khác nhau, đặc biệt chú ý đến những điểm họ coi là quan trọng
Thứ hai, người tiêu dùng tập trung vào từng thuộc tính hoặc yếu tố cụ thể của sản phẩm hoặc thương hiệu
Thứ ba, người tiêu dùng thường tin tưởng vào những sản phẩm và thương hiệu có thuộc tính được đánh giá cao, tạo nên hình ảnh tích cực về thương hiệu trong tâm trí họ
Thứ tư, mức độ quan trọng của từng thuộc tính sản phẩm hoặc thương hiệu được người tiêu dùng đánh giá khác nhau Chỉ số này phản ánh mức độ mong muốn của họ đối với từng đặc tính sản phẩm
Cuối cùng, người tiêu dùng đánh giá các thương hiệu sản phẩm thông qua một số quy trình đánh giá khác nhau, và thường áp dụng các quy trình này để lựa chọn giữa các sản phẩm có nhiều thuộc tính
Khi đã có lựa chọn trong tay, người tiêu dùng sẽ liên hệ với các điểm bán hàng hoặc kênh cung cấp dịch vụ để được tư vấn và tiến hành mua hàng Trong giai đoạn này, có bốn khả năng có thể xảy ra Thứ nhất, người tiêu dùng có thể quyết định mua đúng sản phẩm họ đã chọn sau khi được tư vấn Thứ hai, họ có thể thay đổi ý định và chọn mua một sản phẩm hoặc dịch vụ thay thế khác Thứ ba, người tiêu dùng có thể quyết định không mua sản phẩm sau khi được tư vấn Cuối cùng, họ có thể không thể mua sản phẩm vì các lý do khách quan chẳng hạn như thời tiết, sức khỏe, hoặc trộm cướp Sau khi mua hàng, người tiêu dùng thường so sánh giá trị và chất lượng của sản phẩm hoặc dịch vụ với kỳ vọng ban đầu, dẫn đến sự hài lòng hoặc thất vọng về sản phẩm hoặc dịch vụ đã mua Quá trình này phản ánh một phần quan trọng của hành vi tiêu dùng, được nghiên cứu rộng rãi trong các lý thuyết về hành vi khách hàng và sự hài lòng sau mua hàng
Theo Dorfleitner và cộng sự (2017) cho rằng ở giai đoạn sơ khai, Fintech, một thuật ngữ được kết hợp từ hai thuật ngữ riêng biệt khác: Financial và Technology, thường được sử dụng để mô tả quá trình triển khai các công nghệ mới nhằm tự động hoá việc cung ứng và sử dụng dịch vụ tài chính Khi đó các định chế tài chính tiến hành ứng dụng công nghệ thông tin, tạo ra các phần mềm chuyên dụng để nâng cao hiệu quả của các giao dịch tài chính Ngày nay, với sự bùng nổ của các công nghệ mới do cuộc cách mạng 4.0 mang lại, định nghĩa của thuật ngữ “Fintech” đã được mở rộng để bao hàm nhiều đối tượng khách hàng hơn Nó liên quan đến việc sử dụng những tiến bộ công nghệ mới để mở rộng đối tượng những người có thể sử dụng các dịch vụ tài chính như gây quỹ trực tuyến, cho vay ngang hàng, thanh toán và chuyển khoản tự động, quản lý tài chính cá nhân, quản lý đầu tư, bảo hiểm, quản lý rủi ro, …
Theo Mackenzie (2015) và Patrick (2017), Fintech là việc ứng dụng các công nghệ tiên tiến, sáng tạo và hiện đại trong lĩnh vực tài chính, nhằm cung cấp cho khách hàng các giải pháp và dịch vụ tài chính minh bạch, hiệu quả và tiện lợi, với chi phí thấp hơn so với các dịch vụ tài chính truyền thống
Theo Freytag &Fricke (2017), công nghệ tài chính là một công nghệ mới tạo điều kiện thuận lợi cho các dịch vụ tài chính Khách hàng sẽ có thể lấy tận dụng các khả năng đầu tư có thể thực hiện được, nhờ công nghệ tài chính bằng cách sử dụng thiết bị di động, đây là thứ mà khách hàng có thể mong đợi được cung cấp bởi các ngân hàng trong tương lai dưới dạng nền tảng mạng xã hội
Tóm lại, Fintech được dùng để mô tả công nghệ mới nhằm cải thiện và tự động hóa việc cung cấp và sử dụng các dịch vụ tài chính Về ý nghĩa then chốt, Fintech được sử dụng để giúp các chủ doanh nghiệp, ngân hàng và người tiêu dùng quản lý tốt hơn các hoạt động, quy trình và cuộc sống tài chính của họ Nó bao gồm các phần mềm và thuật toán chuyên dụng được sử dụng trên máy tính và điện thoại thông minh Fintech, từ này, là sự kết hợp rút gọn của “công nghệ tài chính”
Có nhiều cách phân loại các lĩnh vực hoạt động chính của Fintech Phân loại theo đối tượng sử dụng: các sản phẩm Fintech được chia thành 2 nhóm chính:
Cơ sở lý thuyết nghiên cứu liên quan
2.2.1 Lý thuyết hành động hợp lý
Thuyết hành động hợp lý (Theory of Reasoned Action – TRA) là một mô hình lý thuyết quan trọng trong lĩnh vực tâm lý xã hội và hành vi người tiêu dùng, được xây dựng từ năm 1967 bởi Icek Ajzen và Martin Fishbein và được hiệu chỉnh mở rộng theo thời gian TRA tập trung vào việc dự đoán và hiểu hành vi tiêu dùng dựa trên 2 yếu tố:
- Thái độ: Được đánh giá thông qua cảm nhận các đặc tính của sản phẩm hoặc dịch vụ dựa trên ý thức cá nhân và kỳ vọng về những lợi ích mà sản phẩm hoặc dịch vụ đó mang lại Thái độ bao gồm cả những cảm xúc tích cực hoặc tiêu cực về sản phẩm và dịch vụ, từ đó có thể có thể dự đoán mức độ ưu tiên trong việc lựa chọn của họ
- Chuẩn chủ quan: Là tác động của người khác trong môi trường xã hội của người dùng đối với quyết định của họ Nó đo lường mức độ mà người dùng cảm thấy áp lực từ gia đình, bạn bè, hoặc xã hội để thực hiện hoặc không thực hiện hành vi Mức độ thân thiết càng cao thì ý định tin và hành động theo càng lớn
Hình 2.4 dưới đây mô tả các khía cạnh của lý thuyết hành động hợp lý
Trong mô hình này có thể dễ dàng nhận ra được, nếu thái độ thích càng cao và kiểm soát nhận thức càng cao thì ý định dẫn đến hành vi mua càng cao Tuy nhiên mô hình này có chỉ số dự báo các hành vi tự nguyện, nghĩa là phát sinh từ bên trong một cách tự nhiên của hành vi, thực tế cho thấy rằng các hành động không diễn ra một cách tự nhiên như vậy, mà thay vào đó rất nhiều hành vi diễn ra là do tác động từ các nhân tố khác Chính những nhân tố này mới quyết định đến hành vi mua của khách hàng Do đó Ajzen (1991) “đã dựa trên cơ sở lý thuyết này phát triển và hoàn thiện hơn với mô hình mới với tên gọi Thuyết hành vi định sẵn TPB”
2.2.2 Lý thuyết hành vi dự định Để bổ sung cho hạn chế của mô hình TRA, Ajzen (1985) đã đưa ra Thuyết hành vi dự định (Theory of Planned Behavior – TPB) với thêm yếu tố nhận thức kiểm soát hành vi và được xem là học thuyết tiên phong trong lĩnh vực nghiên cứu tâm lý xã hội (Eagly và Chaiken (1993))
Mô hình TPB bao gồm các yếu tố:
- Thái độ dẫn đến hành vi (Attitude): Thái độ của một người đối với một hành vi cụ thể tác động đến khả năng thực hiện hành vi đó Theo Ajzen (1991), thái độ thể hiện việc một cá nhân có thiện chí hay không đối với kết quả của một hành vi cụ thể Thái độ tích hợp cả yếu tố tích cực và tiêu cực
- Chuẩn chủ quan (Subjective Norm): Là sự thể hiện của ý kiến và áp lực từ người khác đối với hành vi đó, chẳng hạn như ý kiến của gia đình, bạn bè
Hình 2.5 Mô hình lý thuyết hành vi định sẵn TPB
- Nhận thức kiểm soát hành vi (Perceived Behavioural Control): Đánh giá sự tự quản lý và khả năng kiểm soát của người dùng đối với hành vi, khi họ thấy có khả năng kiểm soát hành vi và vượt qua rào cản, họ có khả năng cao hơn để thực hiện hành vi đó, cụ thể là khi người tiêu dùng dự định sử dụng sản phẩm thì họ sẽ sử dụng sản phẩm trong thời gian gần nhất có thể Hình 2.5 dưới đây thể hiện các khái niệm của lý thuyết hành vi có kế hoạch
Khi ba nhân tố kết hợp với nhau kết hợp với nhau sẽ tạo ra sự thay đổi về hành vi và được thể hiện bằng hình 2.6 sau đây:
Hình 2.6 Sự kết hợp của ba yếu tố trong thuyết TPB
TPB đã được áp dụng thành công để dự đoán và giải thích các hành vi khác nhau như: “quyết định bỏ phiếu, giảm cân, ngừng hút thuốc, vi phạm giao thông Trong lĩnh vực kinh doanh, các nhà nghiên cứu thường chọn TPB làm khung lý thuyết cho các nghiên cứu về quản trị và Marketing”
2.2.3 Lý thuyết khuếch tán về sự đổi mới
Lý thuyết Khuếch tán Đổi mới (IDT) của Rogers (1995) được sử dụng để giải thích quá trình chấp nhận các ý tưởng mới và công nghệ mới của người dùng IDT giải thích lý do, cách thức và tốc độ lan truyền chấp nhận các ý tưởng và công nghệ mới trong các môi trường khác nhau Quá trình chấp nhận đổi mới bao gồm 5 giai đoạn: Giai đoạn nhận thức, giai đoạn thuyết phục, giai đoạn đưa ra ý định, giai đoạn thực hiện, và giai đoạn xác nhận Trong đó:
- Giai đoạn nhận thức: Tại giai đoạn này, cá nhân tiếp xúc với sự sáng tạo và đổi mới nhưng còn thiếu thông tin về công nghệ mới Giai đoạn này chưa đủ kích thích để khách hàng tìm thêm thông tin về sự đổi mới, là bước đầu tiên trong quá trình nhận thức về sự sáng tạo và đổi mới
- Giai đoạn thuyết phục: Đây là giai đoạn mà sự sáng tạo và đổi mới bắt đầu tác động đến người sử dụng Người dùng quan tâm hơn đến các đổi mới công nghệ, tích cực tìm kiếm thông tin và chi tiết về sự đổi mới
- Giai đoạn đưa ra ý định: Cá nhân đã hình thành khái niệm về tác động của sự đổi mới, hiểu rõ ưu và nhược điểm, cân nhắc quyết định chấp nhận hoặc không chấp nhận đổi mới Đây là giai đoạn khó khăn nhất để đưa đổi mới vào thực tiễn
- Giai đoạn thực hiện: Ở giai đoạn này, người tiêu dùng sử dụng sản phẩm đổi mới ở các mức độ khác nhau hoặc không sử dụng tùy thuộc vào hoàn cảnh Người tiêu dùng xác định tính hữu ích của sản phẩm đổi mới và tìm kiếm thêm thông tin về nó
- Giai đoạn xác nhận: Người tiêu dùng hoàn thành ý định sử dụng sản phẩm đổi mới và tiếp tục sử dụng chúng với tiềm năng tối đa
Rogers (1995) định nghĩa phổ biến là quá trình mà sự đổi mới hoặc nhận thức công nghệ mới được truyền đạt thông qua các kênh nhất định theo thời gian giữa các thành viên của một hệ thống xã hội Sự đổi mới là "một ý tưởng, hành động thực tiễn hay vấn đề được nhận thức là mới đối với một nhóm người" Theo Rogers (1995), phản ứng của một cá nhân đối với sự đổi mới phụ thuộc vào nhận thức về tính mới lạ của ý tưởng và dù cá nhân đó có nghĩ rằng ý tưởng mới lạ hay không, thì ý tưởng đó cũng phải được xem là sự đổi mới Một cá nhân bày tỏ tính mới lạ của một sự đổi mới thông qua kiến thức, sự thuyết phục hoặc ý định chấp nhận Phần lớn ý tưởng mới liên quan đến đổi mới công nghệ, nên đôi khi từ "công nghệ" được sử dụng như một từ đồng nghĩa với "sự đổi mới"
Tổng quan các nghiên cứu liên quan
2.3.1 Các nghiên cứu trong nước
Nghiên cứu của Hằng và cộng sự (2018) dựa trên mô hình TAM đã phát triển một mô hình nghiên cứu về khả năng tiếp nhận dịch vụ công nghệ tài chính trong hoạt động thanh toán của khách hàng cá nhân tại Việt Nam Đối tượng nghiên cứu là những người chưa từng hoặc đã/đang sử dụng dịch vụ Fintech trên địa bàn Hà Nội Kết quả phân tích 264 mẫu dữ liệu cho thấy có 6 nhân tố tác động đến quyết định sử dụng dịch vụ Fintech trong thanh toán: mức độ an toàn và bảo mật, lợi ích cảm nhận, tính dễ sử dụng, sự tự chủ, thái độ và sự thuận lợi
Hồng và Tuấn (2021) đã phân tích sự phát triển của các doanh nghiệp Fintech tại Việt Nam và đưa ra các số liệu thống kê hỗ trợ cho phân tích của mình nhằm đưa ra câu trả lời cho câu hỏi liên quan đến hiệu quả hoạt động trong tương lai của các ngân hàng thương mại truyền thống của Việt Nam, trước sự mở rộng không ngừng của ngành công nghiệp Fintech Nghiên cứu sử dụng dữ liệu về quá trình thành lập doanh nghiệp Fintech từ năm 2006 đến năm 2018 và mẫu quan sát của 31 ngân hàng thương mại cổ phần Việt Nam Phân tích dựa trên nền tảng lý thuyết quan trọng và sử dụng mô hình tuyến tính đa biến để cung cấp bằng chứng đáng tin cậy
Khương (2020) đã nghiên cứu về sự tác động của Fintech đối với hệ thống ngân hàng dựa trên kinh nghiệm của các nước đã đi trước trên thế giới và chỉ ra các tác động tích cực và tiêu cực của Fintech đối với hệ thống ngân hàng Phân tích những kinh nghiệm chiến lược của một số nước trên thế giới như Nhật Bản, Châu Âu trong việc xây dựng nền tảng phát triển Fintech với năng lực cạnh tranh toàn cầu và từ đó rút ra bài học kinh nghiệm cho Việt Nam trong phát triển Fintech
Yến và Hằng (2022) đã phân tích sự gia tăng nhanh chóng của Fintech và các lợi ích mà nó mang lại cho xã hội Tuy nhiên, bài viết cũng nhấn mạnh đến những rủi ro và thách thức mà những nhà quản lý trong lĩnh vực ngân hàng và tài chính phải đối mặt Nội dung tập trung vào việc đánh giá tình trạng phát triển của Fintech tại Việt Nam và các tác động của nó đến hoạt động tài chính-ngân hàng, từ đó đề xuất các giải pháp nhằm thúc đẩy phát triển bền vững của hệ thống tài chính Việt Nam Các tác giả cho rằng, sự phát triển của Fintech đã thúc đẩy sự đổi mới và nâng cao hiệu quả hoạt động của ngân hàng và tài chính Tuy nhiên, Fintech cũng đặt ra những thách thức như cạnh tranh không lành mạnh, bảo mật thông tin, vấn đề luật pháp và quản lý rủi ro Để giải quyết những thách thức này, đề tài này đã đề xuất một số giải pháp như tăng cường quản lý của các cơ quan chức năng, cải thiện môi trường kinh doanh cho Fintech, đào tạo nhân lực chuyên môn và tăng cường hợp tác giữa các bên liên quan nhằm đạt được mục tiêu phát triển bền vững cho các định chế tài chính Việt Nam
2.3.2 Các nghiên cứu nước ngoài
Nghiên cứu của Xiao và cộng sự (2017) với mục đích khám phá ra các yếu tố tác động đến ý định sử dụng Mobile banking của người dân tại Sơn Đông, Trung Quốc Dựa trên cơ sở lý thuyết của TAM và kết hợp thêm các biến số khác, nghiên cứu đã thực hiện khảo sát 200 người có độ tuổi từ khoảng 20 đến 60 tuổi, bao gồm những đối tượng đang hoặc không sử dụng Mobile Banking Kết quả nghiên cứu khám phá ra có 4 yếu tố tác động đến ý định sử dụng Mobile Banking tại Sơn Đông bao gồm: Cảm nhận tính hữu ích, Cảm nhận tính dễ sử dụng, Cảm nhận sự tin cậy và Cảm nhận về chi phí
Julian và cộng sự (2015, 2017) đã dự đoán kịch bản sẽ xảy ra tại ngân hàng trong tương lai: Một là ngân hàng sẽ thua các công ty tài chính Fintech trong việc cung cấp các dịch vụ tài chính hiệu quả hơn và các dịch vụ phù hợp hơn với thời đại số Ở kịch bản này, các ngân hàng tin rằng với mô hình kinh doanh truyền thống họ vẫn sẽ thành công mà không cần thay đổi Ngược lại, kịch bản khác là ngân hàng chấp nhận hợp tác với các công ty cung cấp các hệ thống công nghệ tiên tiến nhằm không để mất khách hàng và thị phần thanh toán
Anita (2020), cho rằng sự gia tăng gần đây về số lượng các công ty “Fintech” được cho là sẽ chuyển đổi ngành dịch vụ tài chính trên quy mô toàn cầu Các công ty Fintech tạo ra nhiều lợi thế cạnh tranh hơn trên thị trường tài chính bằng cách cung cấp các dịch vụ nhanh hơn trong lĩnh vực thanh toán, tư vấn tài chính, cho vay và đầu tư Bài nghiên cứu còn cố gắng xem xét các yếu tố chính tạo nền tảng cho sự thành công của Fintech trên các lĩnh vực tài chính khác nhau và nêu bật những thách thức mà chúng đặt ra đối với các ngân hàng truyền thống
Rahim và cộng sự (2021) đã thảo luận về tình trạng gián đoạn trong lĩnh vực ngân hàng Malaysia, do sự xuất hiện của nhiều tổ chức Fintech đổi mới dịch vụ nhằm cải thiện tiện ích cho khách hàng Chính phủ và các cơ quan quản lý tại Malaysia đã đưa ra một sáng kiến nhằm khuyến khích và thúc đẩy phát triển mạnh mẽ trong môi trường pháp lý, tài sản và Fintech của đất nước Các mô hình Xác nhận kỳ vọng, Chấp nhận công nghệ và Nhận thức được xem là những khung lý thuyết phổ biến nhất trong thảo luận về ý định tiếp tục sử dụng hệ thống thông tin Sự kết hợp của ba mô hình này dẫn đến việc hình thành ý thuyết Tiếp tục Công nghệ Theo lý thuyết này, Rahim và đồng nghiệp giả định rằng có năm cấu trúc nổi bật hoặc tiền đề để giải thích ý định tiếp tục sử dụng liên tục của người dùng: Xác nhận, Tính hữu ích, Tính dễ sử dụng, Sự hài lòng và Thái độ Hơn nữa, lý thuyết Tiếp tục Công nghệ bổ sung vào lập luận về sự tiếp tục chấp nhận của người tiêu dùng bằng cách hợp nhất sự hài lòng và thái độ thành một cấu trúc duy nhất
Lược khảo các nghiên cứu liên quan của các tác giả trong và ngoài nước cho thấy có nhiều nhân tố tác động đến ý định, quyết định, hành vi chấp nhận sử dụng dịch vụ Fintech của các khách hàng cá nhân Tuy nhiên, mỗi nghiên cứu được thực hiện ở mỗi quốc gia khác nhau, ở những lĩnh vực khác nhau, bối cảnh và thời gian nghiên cứu khác nhau nên kết quả cũng tương đối khác nhau Đa số các nghiên cứu về Fintech trước đây thực hiện nghiên cứu về các cơ hội và thách thức của Fintech khi xuất hiện tại Việt Nam và nó tác động đến các NHTM tại Việt Nam như thế nào, ít bài công trình nghiên cứu nào thực hiện phân tích và đánh giá các nhân tố tác động đến quyết định sử dụng của một đối tượng đối với các sản phẩm dịch vụ Fintech tại một NHTM ở Việt Nam Ngoài ra, các nhân tố kế thừa và đưa vào mô hình nghiên cứu được tác giả tham khảo và tổng hợp từ các nghiên cứu liên quan trước với những nhân tố được nhiều tác giả sử dụng và đưa ra kết luận rằng chúng có tác động mạnh đến việc ra quyết định sử dụng sản phẩm dịch vụ Và tại Việt Nam trong những năm gần đây cũng xuất hiện một vài bài nghiên cứu thực hiện liên quan đến lĩnh vực Fintech hoặc phân tích nhân tố tác động quyết định sử dụng, tuy nhiên chưa có tác giả nào nghiên cứu kết hợp hai vấn đề này như hướng phân tích của đề tài này Do đó, nghiên cứu của tác giả không bị trùng lặp so với các tác giả trước
Trước đây, các lý thuyết được sử dụng phổ biến như TAM, TAM2, UTAUT, UTAUT, IDT Mỗi lý thuyết đều có những ưu điểm và những hạn chế nhất định Các lý thuyết sau thường khắc phục hạn chế hay mở rộng các lý thuyết trước đó, do vậy các nhà nghiên cứu thường nghiên cứu trên cơ sở kế thừa và phát triển các lý thuyết hoặc kết hợp một số các lý thuyết lại với nhau TAM, TAM2 khẳng định rằng nhận thức tính hữu dụng và dễ sử dụng là yếu tố quyết định cơ bản tới việc chấp nhận sử dụng công nghệ Tuy nhiên, lý thuyết TAM, TAM2 lại không đề cập đến các yếu tố kinh tế, yếu tố xã hội và nhân khẩu học trong mô hình Do vậy nhiều nghiên cứu đã mở rộng lý thuyết TAM ban đầu bằng bổ sung các cấu trúc mới như nhận thức của người tiêu dùng; sự tham gia của cá nhân ; kinh nghiệm và tôn giáo ; yếu tố văn hóa, yếu tố xã hội Hơn nữa, TAM bỏ qua cấu trúc dựa trên sự tin cậy và giả định rằng không có rào cản ngăn cản người dùng chấp nhận hệ thống thông tin nếu họ chọn làm như vậy (Samaradiwakara và Gunawardena, 2014) UTAUT là lý thuyết gần đây được rất nhiều nhà nghiên cứu vận dụng cho mô hình nghiên cứu của mình Lý thuyết này tích hợp một số yếu tố thiết yếu trong các mô hình trước đây; xem xét tác động điều tiết của nhân khẩu học (giới tính, tuổi, kinh nghiệm, tự nguyện) đến các nhân tố và đã được thử nghiệm và chứng minh tính vượt trội so với các mô hình khác (Venkatest và cộng sự, 2003; Park và cộng sự, 2007; Venkatest và Zang, 2010) Các nghiên cứu chấp nhận công nghệ mới trước đây được thực hiện chủ yếu theo ba hướng: (i) Vận dụng nguyên gốc các lý thuyết hành vi chấp nhận và sử dụng công nghệ; (ii) Kế thừa mô hình gốc và có phát triển thêm các nhân tố; (iii) Kết hợp các lý thuyết gốc trong nghiên cứu Việc áp dụng công nghệ được mô tả theo nhiều cách khác nhau Hầu hết các nghiên cứu tập trung về phân tích mối quan hệ giữa các nhân tố tác động đến việc áp dụng công nghệ cũng như quyết định sử dụng công nghệ mới Kết hợp thêm các nhân tố được nghiên cứu từ mô hình UTAUT và IDT, bài nghiên cứu này sẽ kết hợp và bổ sung nhân tố mới để đề xuất mô hình nghiên cứu theo đề tài này Cụ thể, các nhân tố tác động đến quyết định sử dụng Fintech được đề xuất bao gồm: Niềm tin, an toàn và bảo mật, sự tự chủ, sự thuận tiện, lợi ích cảm nhận, tính dễ sử dụng và thái độ của người dùng Các nhân tố này được tham khảo và tổng hợp đề xuất từ các nghiên cứu trước đây Chi tiết được trình bày trong bảng 2.1:
Bảng 2.1 Bảng đo lường các nhân tố trong các nghiên cứu trước
An toàn và bảo mật
G Saridakis (2017) x x x x Đào Mỹ Hằng, Nguyễn
Nguồn: Tác giả tổng hợp
Giả thuyết và mô hình nghiên cứu
+ Mối quan hệ giữa Niềm tin và Lợi ích cảm nhận
Niềm tin là một khái niệm liên quan đến sự tự tin, hy vọng, độ tin cậy, sự phụ thuộc, tính toàn vẹn và năng lực của một thực thể Vấn đề chính đối với người dùng là cơ sở của niềm tin vào một điều gì đó Chẳng hạn, đó là niềm tin khi sử dụng công nghệ tài chính (FinTech) (Wu và cộng sự, 2016) Các bước cần thiết để tăng cường sự tự tin của người dùng là công ty thiết lập các mối liên kết với người dùng thông qua việc giao tiếp tốt (Malaquias và Hwang, 2016; Kim và Prabhakar, 2002) Một nghiên cứu khác chỉ ra rằng niềm tin là một yếu tố thiết yếu tác động đến việc chấp nhận các dịch vụ FinTech (Moon và Kim, 2016; Wu và cộng sự, 2016; Gefen, 2000)
Vì vậy, giả thuyết được đề xuất:
H1: Niềm tin tác động cùng chiều đến Lợi ích cảm nhận
+ Mối quan hệ giữa An toàn và bảo mật và Lợi ích cảm nhận
Nhận thức của người dùng về an toàn và bảo mật là một quá trình nhận thức có tác động đến cảm xúc và ý định hành vi (Bhattacherjee, 2001; Hur & Lim, 2017) Mối quan hệ giữa nhận thức, cảm xúc và ý định hành vi của người dùng dịch vụ công nghệ thông tin liên tục tuần hoàn, tác động đến việc sử dụng dịch vụ công nghệ thông tin liên tục hoặc không liên tục tùy thuộc vào (hoặc về mặt) thay đổi thái độ (Bhattacherjee, 2001) Đặc biệt, đối tượng của nghiên cứu này, các dịch vụ Fintech di động, liên quan đến các quy trình khác nhau bao gồm thiết bị, nền tảng, mạng lưới liên quan đến việc sử dụng các dịch vụ tài chính cuối cùng (Hur & Lim, 2017)
Lợi ích cảm nhận đề cập đến cách người dùng đánh giá hiệu quả hoặc hiệu suất của các dịch vụ thanh toán Fintech di động Cảm nhận tính hữu ích trong việc sử dụng dịch vụ Fintech có nghĩa là các hiệu suất hoặc hiệu quả khác nhau đạt được từ việc sử dụng các dịch vụ Fintech Sự hài lòng với các dịch vụ Fintech đề cập đến cảm giác tích cực của người dùng thông qua việc sử dụng các dịch vụ Cuối cùng, quyết định sử dụng liên tục dịch vụ Fintech chỉ ra ý định của người dùng tiếp tục sử dụng các dịch vụ này Khi người dùng nhận ra mức độ bảo vệ an ninh cao hơn, các cơ chế kiểm soát an ninh và/hoặc các thủ tục của dịch vụ Fintech di động được cung cấp, điều này xác nhận kỳ vọng của họ rằng dịch vụ này ổn định để sử dụng Đồng thời, họ xem xét dịch vụ này hữu ích vì dịch vụ Fintech di động đáp ứng mong đợi về sự ổn định (Hur & Lim, 2017)
Nhận thức về an ninh (nhận thức về an ninh dịch vụ, nhận thức về an ninh nền tảng, nhận thức về an ninh mạng và nhận thức về an ninh thiết bị) trong các dịch vụ Fintech di động sẽ tăng cường sự xác nhận của người dùng dịch vụ Fintech cũng như cảm nhận tính hữu ích
Trong nghiên cứu này, quyết định sử dụng liên tục dịch vụ Fintech di động đề cập đến việc người tiêu dùng đã có kinh nghiệm sử dụng dịch vụ Fintech di động có ý định tiếp tục sử dụng dịch vụ này Nhận thức về an ninh trong các dịch vụ Fintech di động là một cấu trúc quan trọng ở mức độ cao tác động đến sự hài lòng và ý định sử dụng liên tục các dịch vụ Nhận thức về an ninh trong các dịch vụ Fintech di động có thể tác động đến ý định sử dụng liên tục các dịch vụ này hơn là bất kỳ yếu tố nhận thức nào Do đó, nghiên cứu này đề xuất các giả thuyết sau
H2: An toàn và bảo mật tác động cùng chiều đến Lợi ích cảm nhận
+ Mối quan hệ giữa Sự tự chủ và Tính dễ sử dụng
Gottfredson và Hirschi (1990) dựa trên quan điểm cổ điển về hành vi con người:
"Mọi hành vi của con người có thể được hiểu là sự theo đuổi lợi ích cá nhân để đạt được niềm vui hoặc tránh đau khổ." Họ coi tội phạm là một cách theo đuổi lợi ích cá nhân phổ quát vì nó mang lại "niềm vui tức thời, dễ dàng và ngắn hạn" Đối với Gottfredson và Hirschi, việc tự chủ bản thân mình chính là chìa khóa trả lời cho câu nói trên Những người có khả năng tự chủ cao sẽ tự động tìm kiếm thông tin và cơ hội có ích cho bản thân Ngược lại, khả năng tự chủ thấp, sẽ khiến họ phụ thuộc nhiều vào người khác và điều đó khiến họ ít kiến thức về những lĩnh vực mình đang tìm kiếm Từ lý thuyết được nêu ra, có thể thấy, sự tự chủ là một nhân tố giúp con người tự chủ động tìm kiếm những thông tin hay các lợi ích giúp ích cho bản thân mình Và việc khi khách hàng tự chủ động tìm mọi cách để có thể sử dụng sản phẩm số như Fintech từ việc tìm kiếm Wifi giúp họ dễ dàng thanh toán mọi lúc mọi nơi Điều này đã được Davis (1989) đề cập về tính dễ sử dụng đề cập đến mức độ mà một cá nhân tin rằng việc sử dụng một hệ thống cụ thể sẽ không đòi hỏi nỗ lực đáng kể Điều này liên quan đến đánh giá của người dùng về khả năng hiểu và thao tác với sản phẩm một cách dễ dàng và không gặp nhiều khó khăn hay trở ngại Khi người dùng cảm thấy rằng một sản phẩm dễ sử dụng, họ sẽ thoải mái hơn và có khả năng cao hơn để chấp nhận và sử dụng nó Vì vậy, sự tự chủ có tác động rất lớn đến việc cảm nhận tính dễ sử dụng của người tiêu dùng Cảm nhận về tính dễ sử dụng đã được sử dụng trong mô hình TAM và giải thích cho nhiều hệ thống công nghệ khác nhau như dịch vụ thanh toán tổng hợp (Cao, 2016) Sự hiểu biết về tính dễ sử dụng được đo lường bởi các biến quan sát đặc trưng, miêu tả sự dễ dàng trong quá trình sử dụng sản phẩm dịch vụ Fintech, khi người dùng có thể thực hiện các giao dịch với thao tác đơn giản mà không cần nỗ lực Vì vậy, giả thuyết được đề xuất:
H3: Sự tự chủ tác động cùng chiều đến Tính dễ sử dụng
+ Mối quan hệ giữa Sự thuận tiện và Tính dễ sử dụng
Nghiên cứu của Arpita (2011) đã xem xét lối sống và các giá trị dự đoán cho quyết định sử dụng sản phẩm dịch vụ ngân hàng số ở Ấn Độ Sự thuận tiện nổi lên như là yếu tố dự báo chính của việc sử dụng sản phẩm dịch vụ ngân hàng số, sau đó là cảm giác thành đạt nhân tố có mức tác động thứ hai đến quyết định sử dụng sản phẩm dịch vụ ngân hàng số Nhân tố “Sự thuận tiện” được xem như là nhân tố làm tăng việc sử dụng các sản phẩm dịch vụ chuyển đổi số của ngân hàng Sư thuận tiện là các khách hàng cá nhân có thể sử dụng dịch vụ Fintech trong thời đại phát triển chuyển đổi số, đảm bảo sử dụng dịch vụ mọi lúc mọi nơi miễn họ có thiết bị di động và dữ liệu di động sẵn có để truy cập sử dụng mà vẫn đảm bảo tính an toàn của giao dịch tài chính Hơn nữa, sự thuận tiện còn đo lường mức độ thoải mái của người dùng khi sử dụng ví điện tử Adi và cộng sự (2019) đã nghiên cứu tác động của sự thuận tiện đến tính dễ sử dụng của ví điện tử Nghiên cứu này có sự tham gia của 60 người trả lời Kết quả nghiên cứu cho thấy sự tiện lợi có tác động đáng kể đến tính dễ sử dụng ví điện tử Vì vậy, giả thuyết được đề xuất như sau:
H4: Sự thuận tiện tác động cùng chiều đến Tính dễ sử dụng
+ Mối quan hệ giữa Lợi ích cảm nhận và Tính dễ sử dụng đối với Thái độ
Cảm nhận về tính dễ sử dụng được định nghĩa là mức độ mà người dùng cho rằng cần ít nỗ lực để sử dụng một hệ thống hoặc công nghệ (Davis và cộng sự, 1989) Trong nghiên cứu này, cảm nhận về tính hữu ích được giải thích là mức độ mà người dùng tin rằng hệ thống cụ thể sẽ có tác động trực tiếp đến hiệu suất của họ (Venkatesh
& Davis, 2000) Các nghiên cứu trước đây đã xem xét tính dễ sử dụng và tính hữu ích cảm nhận của một hệ thống và đã tìm thấy tác động tích cực đối với thái độ của người tiêu dùng đối với hệ thống đó (Al-Fahim, 2016; Chuang, Liu, & Kao, 2016; Lee, 2016; Lim & Cham, 2015; Venkatesh & Davis, 2000) Tình huống này có thể chỉ ra rằng khi một cá nhân nhận thấy các sản phẩm và dịch vụ FinTech là hữu ích và dễ sử dụng, thái độ của họ đối với công nghệ sẽ được cải thiện Một nghiên cứu do Chuang và cộng sự (2016) tiến hành tại Đài Loan đã phát hiện ra rằng cảm nhận về tính dễ sử dụng cũng như tính hữu ích có liên quan chặt chẽ đến thái độ của người tiêu dùng đối với việc sử dụng các sản phẩm FinTech Điều này là kết quả của các lợi ích từ FinTech, cụ thể là tính hữu ích, sự thân thiện với người dùng, tiết kiệm thời gian và tiện lợi Hơn nữa, như đã được chứng minh bởi Al-Fahim (2016) trong nghiên cứu của ông về ngành ngân hàng ở Yemen, tính dễ sử dụng và tính hữu ích của một hệ thống ngân hàng đã tác động tích cực đến thái độ và ý định sử dụng ngân hàng trực tuyến của người dùng Tóm tắt tất cả các lập luận như đã nêu ở trên, nghiên cứu này đưa ra hai giả thuyết rằng:
H5: Lợi ích cảm nhận tác động cùng chiều đến Thái độ
H6: Tính dễ sử dụng tác động cùng chiều đến Thái độ
+ Liên kết giữa Thái độ và Quyết định sử dụng djch vụ Fintech
Các nghiên cứu trước đây cho thấy thái độ có mối quan hệ tích cực với ý định hành vi của cá nhân (Hsu & Lin, 2016; Venkatesh & Davis, 2000) Điều này có nghĩa là khi một người có trải nghiệm tốt trong việc sử dụng các sản phẩm và dịch vụ FinTech, sẽ tăng cường sự sẵn lòng của họ để tiếp tục sử dụng chúng Chứng cứ này đã được ủng hộ bởi Chuang và cộng sự (2016), cho thấy mối quan hệ tích cực giữa thái độ của người dùng và ý định sử dụng các sản phẩm FinTech ở Đài Loan Tương tự, Lee (2016) cũng tìm thấy rằng thái độ của người dùng có tác động đáng kể đến ý định sử dụng các Ứng dụng Doanh nghiệp Di động (MEA) Hơn nữa, Lee (2009) đã làm rõ rằng thái độ có tác động tích cực đến ý định của người tiêu dùng trong việc sử dụng dịch vụ ngân hàng trực tuyến Do đó, các chứng cứ trên đã thiết lập rằng thái độ và ý định sử dụng có mối liên hệ chặt chẽ Từ đó, giả thuyết sau được phát triển:
H7: Thái độ tác động cùng chiều đến Quyết định sử dụng sản phẩm và dịch vụ Fintech
2.4.2 Mô hình nghiên cứu đề xuất
Dựa vào những lập luận được nêu trên, mô hình xác định theo các biến độc lập được đưa ra là niềm tin (NT), an toàn và bảo mật (AT), sự tự chủ (TC) và sự thuận tiện (TT) Và các biến phụ thuộc là lợi ích cảm nhận (LI), tính dễ sử dụng (DSD), thái độ (TD) và quyết định sử dụng sản phẩm (QD) Tác giả đề xuất mô hình nghiên cứu như sau:
Hình 2.10 Mô hình nghiên cứu lý thuyết
An toàn và bảo mật
Thái độ Quyết định sử dụng
Nguồn: Đề xuất của tác giả
Nội dung chương 2 đề cập đến các cơ sở lý thuyết liên quan và các công trình nghiên cứu trước Từ đó đưa ra định hướng cho mô hình nghiên cứu Để xây dựng cơ sở cho mô hình nghiên cứu được trình bày trong chương 3, đề tài đã thực hiện việc tổng hợp các lý thuyết liên quan đến Fintech, quyết định sử dụng dịch vụ Fintech của các khách hàng cá nhân thuộc NHTMCP Ngoại Thương trên địa bàn TP HCM, cùng việc tham khảo các nghiên cứu liên quan trong và ngoài nước về các nhân tố tác động đến quyết định sử dụng dịch vụ Fintech của các khách hàng cá nhân Từ đó, đề xuất một số giả thuyết và mô hình Đề tài đề cập đến tám nhân tố tác động đến quyết định sử dụng dịch vụ của khách hàng cá nhân, bao gồm: Niềm tin, An toàn và bảo mật, Sự tự chủ, Sự thuận tiện, Lợi ích cảm nhận, Tính dễ sử dụng, Thái độ và Quyết định sử dụng
PHƯƠNG PHÁP NGHIÊN CỨU
Phương pháp nghiên cứu
Để thực hiện nghiên cứu này, tác giả sử dụng phương pháp hỗn hợp, kết hợp giữa nghiên cứu định tính và nghiên cứu định lượng, trong đó phương pháp nghiên cứu định lượng là chủ yếu
Nghiên cứu định tính được thực hiện với mục đích đánh giá, điều chỉnh và bổ sung các biến quan sát được sử dụng nhằm mục đích đo lường khái niệm liên quan đến Quyết định sử dụng dịch vụ Fintech Các nội dung chính bao gồm:
Tham khảo từ cơ sở lý thuyết và lược khảo các nghiên cứu liên quan, đề tài phát triển mô hình lý thuyết dự kiến cho các nhân tố tác động đến hành vi Quyết định sử dụng dịch vụ Fintech của các khách hàng cá nhân thuộc NHTM Ngoại Thương Việt Nam trên địa bàn Thành phố Hồ Chí Minh Mỗi yếu tố trong mô hình này bao gồm biến quan sát khác nhau
Sau khi thảo luận với chuyên gia (giảng viên hướng dẫn), nhằm đánh giá, điều chỉnh và bổ sung biến quan sát phù hợp cho việc đo lường các nhân tố tác động đến quyết định sử dụng sản phẩm dịch vụ Fintech trong hoạt động thanh toán của khách hang cá nhân Cuộc thảo luận tập trung vào việc thu thập ý kiến của chuyên gia về mức độ tác động của 8 nhóm nhân tố đã được đề cập trong các công trình nghiên cứu trước đây bao gồm: Niềm tin, An toàn và xã hội, Sự tự chủ, Sự thuận tiện, Lợi ích cảm nhận, Tính dễ sử dụng, Thái độ và Quyết định sử dụng sản phẩm
Sau khi thảo luận với các chuyên gia, các kết quả thu thập được từ nghiên cứu định tính là nền tảng để đề tài điều chỉnh các biến quan sát phù hợp với mục tiêu đề ra Đề tài tiến hành thu thập dữ liệu bằng cách gửi dữ liệu câu hỏi đến đối tượng khảo sát, giúp việc thu thập dữ liệu từ các đối tượng nghiên cứu một cách thuận tiện nhất
Xác định nhân tố tác động đến quyết định sử dụng sản phẩm dịch vụ Fintech của các khách hàng cá nhân thuộc NHTMCP Ngoại Thương Thang đo Likert 5 mức độ được sử dụng để đo lường giá trị các biến số Dựa vào phân tích kết quả thu thập được từ mẫu, đề tài sẽ sử dụng các phương pháp phân tích sau:
- Phân tích độ tin cậy của các thang đo nghiên cứu bằng hệ số Cronbach’s Alpha
- Phân tích nhân tố khám phá (Exploratory Factors Analysis – EFA) để kiểm định giá trị hội tụ, giá trị phân biệt và phương sai trích của các thang đo
- Phân tích nhân tố khẳng định (Confirmatory Factor Analysis – CFA) để kiểm định lại giá trị hội tụ, giá trị phân biệt và sự phù hợp của cấu trúc các khái niệm trong mô hình lý thuyết
- Kiểm định các giả thuyết nghiên cứu bằng mô hình cấu trúc tuyến tính (Structural Equation Modeling – SEM)
Quy trình nghiên cứu
Nghiên cứu tập trung xác định các nhân tố tác động đến quyết định sử dụng sản phẩm dịch vụ Fintech của các khách hàng cá nhân thuộc NHTMCP Ngoại Thương trên địa bàn TP HCM Quy trình thực hiện bài nghiên cứu bao gồm các bước trong sơ đồ 3.1
Hình 3.1 Sơ đồ quy trình nghiên cứu
Nguồn: Tác giả đề xuất
Xây dựng thang đo của mô hình nghiên cứu
Thang đo định danh là một tập hợp các câu hỏi mà đối tượng tham gia khảo sát được yêu cầu chọn từ các phương án hoặc trả lời theo các lựa chọn đã được thiết lập Thang đo định danh thường được sử dụng nhằm thu thập thông tin, mô tả đặc điểm hoặc phân loại các đối tượng trong một nghiên cứu hoặc khảo sát
Thang đo Likert (Likert, 1932) là một thang đo lường hoặc công cụ được sử dụng trong bảng khảo sát nhằm thu thập ý kiến, hành vi, nhận thức của người tham gia Các đối tượng tham gia khảo sát lựa chọn từ một loạt các câu trả lời có thể cho một câu hỏi hoặc tuyên bố cụ thể dựa trên mức độ đồng ý
Thang đo được đưa ra khảo sát trong đề tài và sử dụng thang đo ở 5 mức độ đánh giá khác nhau: bao gồm “1” = Rất không đồng ý; “2” = Không đồng ý; “3” Bình thường; “4” = Đồng ý; “5” = Rất đồng ý (Antonucci và Goeke, 2011)
Bảng 3 1 Thang đo nghiên cứu
Tiêu chí Thang đo kế thừa Niềm tin
NT1 Tôi tin rằng hệ thống giao dịch cho các dịch vụ FinTech là an toàn
G Saridakis, V Benson, J M Hansen, và G Saridakis, 2017) NT2 Tôi tin rằng quá trình giao dịch và kết quả từ FinTech là chính xác
NT3 Tôi tin rằng các khuyến mãi được cung cấp dễ dàng trao đổi (giáng cấp) khi sử dụng FinTech
NT4 Tôi tin rằng việc tạo tài khoản và mật khẩu để truy cập số dư tại FinTech có sẵn làm tăng cường an ninh
NT5 Tôi tin rằng việc nạp tiền qua FinTech là dễ dàng thực hiện
An toàn và bảo mật
AT1 Thông tin cá nhân, thông tin tài khoản được được bảo mật cao nhất
(Đào, et al., 2018) AT2 Ít khi gặp trục trặc kĩ thuật khi thực hiện thanh toán
AT3 Nếu sự cố xảy ra,Ít khi gây tổn thất tài chính và xử lý nhanh chóng
AT4 Được pháp luật đảm bảo an toàn
TC1 Khách hàng sử dụng thành thạo thiết bị công nghệ thông minh (Đào, et al.,
2018) TC2 Khách hàng có mức độ truy cập Internet thường xuyên
TC3 Khách hàng thường xuyên thưc hiện thanh toán online
TT1 Dễ dàng đăng nhập hoặc thoát khỏi hệ thống khi thanh toán qua Fintech Liao andCheung
(2002); Sharman (2006); Jayarman (2012) TT2 Giúp khách hàng có thể tiến hành thanh toán nhanh chóng mọi nơi mọi lúc
TT3 Thanh toán chính xác
Lợi ích và cảm nhận
LI1 Giúp thanh toán thuận lợi và tiện ích Chan and Lu
(2004); Liao and Cheng (2002); Wang et al (2006); Davis et al (1989) LI2 Giúp thực hiện nhiều, đa dạng các dịch vụ thanh toán
LI3 Giúp tiết kiệm thời gian
LI4 Giúp tiết kiệm chi phí
LI5 Giúp thanh toán tự động
DSD1 Dễ dàng truy cập, có hướng dẫn chi tiết để thực hiện Kalinic và
Marinkovic (2015); Phạm Thị Minh Lý và Bùi Ngọc Tuấn Anh (2012) DSD2 Giao diện đơn giản
DSD3 Dễ dàng truy vấn thông tin
DSD4 Thao tác thực hiện đơn giản, nhanh chóng
TD1 Tôi nghĩ rằng rất dễ dàng để tìm thông tin sử dụng dịch vụ FinTech mọi lúc, mọi nơi L M Chuang,
H K Kao (2016); J M Hansen, G Saridakis, V Benson, J M Hansen, and
G Saridakis (2017) TD2 Tôi nghĩ rằng việc sử dụng dịch vụ FinTech là một ý tưởng tuyệt vời
TD3 Tôi thích ý tưởng sử dụng dịch vụ FinTech
TD4 Tôi muốn dịch vụ FinTech cho phép chuyển tiền điện tử
(E-Money) cho người khác với một số tiền danh nghĩa theo ý thích
TD5 Tích cực sử dụng và giới thiệu người khác tham gia sử dụng
TD6 Tôi tin tưởng khi tiến hành thanh toán qua Fintech
QD1 Tôi muốn sử dụng các dịch vụ do dịch vụ Fintech cung cấp
H K Kao QD2 Tôi muốn sử dụng dịch vụ Fintech để kết nối thông tin
QD3 Tôi tiếp tục tăng tần suất sử dụng dịch vụ Fintech trong
Giao thông chia sẻ kinh tế
(2016); J M Hansen, G Saridakis, V Benson, J M Hansen, and
G Saridakis (2017) QD4 Tôi tin rằng tần suất sử dụng dịch vụ Fintech trong Giao thông chia sẻ kinh tế của tôi sẽ tiếp tục tăng
QD5 Tôi nạp tiền/thanh toán cho dịch vụ Giao thông chia sẻ kinh tế bằng Fintech
QD6 Tôi thường xuyên sử dụng hoặc sử dụng mã khuyến mãi do dịch vụ Giao thông chia sẻ kinh tế cung cấp
QD7 Tôi sẽ sử dụng dịch vụ Fintech bất kể điều gì
Nguồn: Tác giả tổng hợp
Phương pháp thu thập dữ liệu
Dữ liệu thứ cấp được thu thập từ thư viện Nhà Trường, thông tin trên mạng internet, các bài viết, bài báo được đăng trên các báo cáo, tạp chí khoa học có liên quan đến đề tài các nhân tố tác động đến quyết định sử dụng sản phẩm dịch vụ Fintech
Dữ liệu được thu thập bằng phương pháp điều tra online bằng bảng câu hỏi cấu trúc, sử dụng phương pháp chọn mẫu thuận tiện Bảng câu hỏi được soạn thảo thông qua tham khảo các thang đo từ các tài liệu, các nghiên cứu đăng trên các tạp chí khoa học, kết hợp với việc tham vấn ý kiến từ các chuyên gia Đối tượng khảo sát của nghiên cứu là các khách hàng cá nhân đang sử dụng sản phẩm dịch vụ Fintech thuộc NHTMCP Ngoại Thương tại TP HCM thông qua Internet và tại phòng giao dịch chi nhánh Hùng Vương tại TP HCM từ tháng 05/2024 đến tháng 06/2024 Thang đo Likert 5 mức độ được sử dụng để đo lường mức độ đồng ý của các khách hàng cá nhân thuộc NHTMCP Ngoại Thương trên địa bàn TP Hồ Chí Minh đối với các biến trong bảng câu hỏi, cụ thể là:
1 = Rất không đồng ý; 2 = Không đồng ý; 3 = Bình thường; 4 = Đồng ý; 5 = Rất đồng ý
Bài nghiên cứu này sử dụng phương pháp chọn mẫu thuận tiên, tỷ lệ mẫu quan sát/biến đo lường theo tỷ lệ là 5:1 Từ đó, cỡ mẫu tối thiểu là N ≥ 5*x, trong đó N: số lượng mẫu; x: tổng số biến quan sát Đối với quy mô mẫu, (Hair và cộng sự, 1998) đề xuất 5 mẫu cho 1 biến quan sát Mô hình lý thuyết bao gồm 37 biến quan sát nên số mẫu tối thiểu cho nghiên cứu cần 185 Vậy cỡ mẫu là N ≥ 185 để đáp ứng được cỡ mẫu cần thiếu cho bài nghiên cứu Tuy nhiên, chúng ta thấy rằng quy mô mẫu càng lớn thì càng tốt vì có độ tin cậy cao Do đó, kích thước mẫu trong bài nghiên cứu này được xác định là n 20 sau khi thông qua các bước phân tích làm sạch dữ liệu
Do hạn chế về nguồn lực đặc biệt là chi phí tài chính nên nghiên cứu này sử dụng phương pháp chọn mẫu xác xuất; cụ thể là phương pháp chọn mẫu thuận tiện
Số lượng bảng câu hỏi được gửi đi bằng công cụ trực tuyến là 344 bảng, sau khi kiểm tra và chọn lọc thì đạt 320 bảng khảo sát hợp lệ Tác giả sử dụng phần mềm SPSS 20.0 và AMOS 24.0 để tiến hành phân tích dữ liệu Các phiếu không đáp ứng yêu cầu đã được loại bỏ khỏi dữ liệu thu thập từ khảo sát, trước khi tiến hành quy trình mã hoá, làm sạch và phân tích dữ liệu.
Phương pháp phân tích dữ liệu
3.5.1 Phương pháp thống kê mô tả
Phương pháp này là quá trình biến đổi từ các dữ liệu thô thành các dạng dữ liệu dễ hiểu và giải thích, được mô tả cụ thể như sau:
- Đối với biến định tính, nghiên cứu sử dụng công cụ tần số (Frequencies)
- Đối với biến định lượng, sử dụng các tham số như giá trị trung bình (Mean), giá trị lớn nhất (Maximum) và giá trị nhỏ nhất (Minimum)
3.5.2 Phân tích độ tin cậy của thang đo
Kiểm định Cronbach’s Alpha là kiểm định nhằm phân tích, đánh giá độ tin cậy của thang đo Hệ số tương quan biến tổng là hệ số cho biến mức độ “liên kết” giữa một biến quan sát trong nhân tố với các biến còn lại; để xem mức độ đóng góp vào giá trị khái niệm của nhân tố của một biến quan sát cụ thể Tiêu chuẩn để đánh giá một biến có thực sự đóng góp giá trị vào nhân tố hay không là hệ số tương quan biến tổng phải lớn hơn 0,3 Theo Thọ và Trang (2009), các tiêu chí được chấp nhận nếu hệ số Cronbach alpha ≥ 0,6 Một tiêu chí được chấp nhận nếu có hệ số tương quan biến – tổng hiệu chỉnh (Corrected Item – Total Correlation) ≥ 0,3
Khi thực hiện các nghiên cứu định lượng, người nghiên cứu phải sử dụng các loại thang đo lường khác nhau Việc lượng hóa các khái niệm nghiên cứu đôi khi phải có những thang đo lường được xây dựng công phu và được kiểm tra độ tin cậy trước khi vận dụng Một trong những hình thức đo lường các khái niệm trừu tượng được sử dụng phổ biến nhất trong nghiên cứu kinh tế xã hội là thang đo được Rennis Likert (1932) giới thiệu Likert đã đưa ra loại thang đo năm mức độ phổ biến Câu hỏi điển hình của thang đo Likert này là: “Xin vui lòng đọc kỹ những phát biểu sau Sau mỗi câu phát biểu, hãy khoanh tròn trả lời thể hiện đồng nhất quan điểm của bạn Xin cho biết rằng bạn rất đồng ý, đồng ý, thấy bình thường, không đồng ý hay rất không đồng ý với mỗi câu phát biểu?”
Cronbach Alpha đo lường độ tin cậy của thang đo bao gồm từ ba biến quan sát trở lên Hệ số Cronbach alpha có giá trị biến thiên trong khoảng [0, 1] Về lý thuyết Cronbach Alpha càng cao thì độ tin cậy càng cao (độ tin cậy càng cao) Tuy nhiên, điều này không thực sự như vậy Hệ số Cronbach Alpha quá cao (> 0,95) cho thấy nhiều khả năng có một số biến đo lường không cần thiết (các biến này có thể có mức độ khái niệm giống nhau) Hệ số alpha này được gọi là hiện tượng trùng lắp trong đo lường
Một thang đo có độ tin cậy tốt khi Cronbach alpha biến thiên trong khoảng [0,7 – 0,8] Nếu Cronbach alpha ≥ 0,6 là thang đo có thể chấp nhận được về mặt độ tin cậy
3.5.3 Phân tích nhân tố khám phá
Sau khi đánh giá độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha và loại đi các biến quan sát nếu không đảm bảo độ tin cậy, phân tích nhân tố khám phá là một phương pháp phân tích được áp dụng để rút gọn một tập hợp ban đầu gồm các biến phụ thuộc lẫn nhau thành một tập biến (nhỏ gọn) ít hơn sao cho các biến trong tập có ý nghĩa hơn nhưng vẫn phản ánh được nội dung thông tin của tập biến ban đầu
Phân tích nhân tố là một kỹ thuật đa biến nhằm rút gọn hoặc tập hợp các biến có số đo cụ thể thành các nhóm Phương pháp này rất có ích cho việc xác định các tập hợp biến cần thiết cho một nghiên cứu và được sử dụng để tìm biện pháp rút gọn một tập biến có liên quan với nhau thành một số ít các biến hơn mà vẫn chứa đựng hầu hết thông tin của tập biến ban đầu
Về bản chất, phân tích nhân tố là một kỹ thuật phân tích tương quan, do đó các yếu tố cần đo lường trong phân tích nhân tố phải được tính toán bằng cách xác định các hệ số tương quan r, là những số đo lường mức độ liên hệ tuyến tính giữa các biến
Một số yêu cầu đặt ra cho phân tích nhân tố là ma trận tương quan phải khác không Để xác định mức độ phù hợp của mô hình phân tích nhân tố, người ta sử dụng các kiểm định KMO và Bartlett
Kiểm định KMO (Kaiser-Meyer-Olkin) là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố Nếu chỉ số KMO lớn (giá trị trong khoảng từ 0,5 trở lên) thì phân tích nhân tố là thích hợp Nếu chỉ số KMO nhỏ (giá trị < 0,5) thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu
Kiểm định Bartlett: cho biết các biến có tương quan với nhau hay không Kiểm định Bartlett có ý nghĩa thống kê (Sig < 0,05) thì các biến có tương quan với nhau trong tổng thể
Bảng 3.2 Bảng tóm tắt các bước phân tích nhân tố khám phá
1 Đối với các biến quan sát đo lường các khái niệm liên quan đến các nhân tố như niềm tin, an toàn và bảo mật, sự tự chủ, sự thuận tiện, lợi ích cảm nhận, tính dễ sử dụng, thái độ và quyết định sử dụng; tác giả sử dụng phương pháp trích chính là (Principal Axis Factoring) và phương pháp xoay nhân tố là phương pháp Promax
2 - Kiểm định Bartlett: các biến quan sát có tương quan với nhau trong tổng thể - Xem xét giá trị KMO: nếu 0,5 ≤ KMO ≤ 1 thì phân tích nhân tố là phù hợp Nếu hệ số KMO ≤ 0.5 thì cần loại bỏ một vài biến quan sát để làm tăng KMO (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008)
- Hệ số tải nhân tố EFA có giá trị Eigenvalue lớn hơn 1
- Số nhân tố được trích có tổng phương sai trích > 50%
- Hệ số tải nhân tố > 0.5
- Thang đo đạt giá trị hội tụ khi các biến quan sát có hệ số tải nhân tố cùng hội tụ về một nhân tố Thang đo đạt giá trị phân biệt khi các biến quan sát có hệ số tải nhân tố chỉ tải lên một nhân tố duy nhất và có sự khác biệt giữa các nhân tố
Nguồn: Tác giả tổng hợp
3.5.4 Phân tích nhân tố khẳng định
CFA cho phép chúng ta kiểm định cấu trúc lý thuyết của các thang đo cùng như mối quan hệ giữa một khái niệm nghiên cứu với các khái niệm khác mà không bị chệch do sai số đo lường Hơn nữa, chúng ta có thể kiểm định giá trị hội tụ và giá trị phân biệt của thang đo mà không cần dùng thêm các phương pháp truyền thống Vì thế, trong nghiên cứu này, tác giả ứng dụng CFA để kiểm định mức độ phù hợp của mô hình thang đo với dữ liệu thu thập được (thông tin thị trường) sau khi đã đánh giá độ tin cậy Cronbach’s alpha và phân tích nhân tố khám phá (EFA) Trong nghiên cứu này tác giả sử dụng phần mềm AMOS 24.0 để thực hiện kiểm định CFA và giá trị thước đo mô hình nghiên cứu
KẾT QUẢ NGHIÊN CỨU
Thống kê mô tả dữ liệu mẫu
Qua việc phát bảng khảo sát, tác giả thu thập được 344 phiếu khảo sát Sau khi loại bỏ các bảng câu hỏi đối với những người chưa sử dụng dịch vụ Fintech, số phiếu khảo sát đáp ứng yêu cầu còn lại là 320 phiếu và được phân bố cho các đặc điểm cá nhân của khách hàng như sau:
Bảng 4.1 Thống kê mô tả biến định tính Các đặc điểm cá nhân Tần số Tần suất Giới tính
Phổ thông trung học 33 10,3 Đại học/ Cao đẳng 216 67,5
Từ 7 triệu đến dưới 15 triệu 116 36,3
Từ 15 triệu đến dưới 30 triệu 80 25,0
Nguồn: Kết quả phân tích dữ liệu của tác giả
Bảng trình bày thống kê theo đặc điểm mẫu Về giới tính, trong 320 mẫu thì số lượng nam chiếm 51,9% chiếm tỷ trọng lớn hơn nữ với 48,1% Cơ cấu tỷ trọng cho thấy chênh lệch không đáng kể giữa nam và nữ
Về độ tuổi: số lượng người có độ tuổi từ 25 đến 45 tuổi có số lượng tham gia khảo sát là 161 người chiếm tỷ trọng cao nhất tương ứng là 50,3%; tiếp đến là độ tuổi từ 16 đến 25 với số lượng là 85 người chiếm tỷ trọng 26,6% và độ tuổi từ 45 đến 60 là 69 người với tỷ trọng tương đương là 21,6% Số lượng người tham gia khảo sát chiếm tỷ trọng nhất là những người từ 60 tuổi trở lên với 5 người tham gia khảo sát và tỷ trọng được tính là 1,6%
Về học vấn, những người thuộc học vấn đại học/ cao đẳng và sau đại học chiếm tỷ trọng cao nhất lần lượt là 67,5% và 22,2% Tỷ lệ thấp nhất là 10,3% đối với những người tham gia khảo sát đang ở trình độ phổ thông trung học
Về nơi làm việc, hầu hết những người tham gia khảo sát đang sinh sống và làm việc học tập hiện tại đều ở TP Hồ Chí Minh với tỷ trọng 98,1% Chỉ có 1,9% là làm việc ở những nơi nông thôn
Về thu nhập hằng tháng, tỷ trọng cao nhất là 36,3% và 26,6% tương ứng với mức lương từ 7 triệu đến 15 triệu và dưới 7 triệu Tiếp theo, mức lương từ 15 triệu đến 30 triệu chiếm 25% và cuối cùng mức lương từ 30 triệu trở lên có khoảng 39 người đạt được với tỷ trọng 12,2%.
Kiểm định độ tin cậy của thang đo
Phân tích Cronbach’s Alpha là một phép kiểm định thống kê về mức độ chặt chẽ mà các biến quan sát trong thang đo tương quan với nhau, giúp loại bỏ các biến quan sát hoặc thang đo không phù hợp Kết quả phân tích được thể hiện ở bảng 4.2:
Bảng 4.2 Kết quả kiểm định độ tin cậy của thang đo
Trung bình thang đo nếu loại bỏ biến
Phương sai thang đo nếu loại bỏ biến
Cronbach's Alpha nếu loại bỏ biến
Thang đo nhân tố Niềm tin (NT): Cronbach’s Alpha = 0,843
Thang đo An toàn và bảo mật (AT): Cronbach’s Alpha = 0,899
Thang đo Sự tự chủ (TC): Cronbach’s Alpha = 0,869
Thang đo Sự thuận tiện (TT): Cronbach’s Alpha = 0,798
Thang đo Lợi ích và cảm nhận (LI): Cronbach’s Alpha = 0,894
Thang đo Tính dễ sử dụng (DSD): Cronbach’s Alpha = 0,866
Thang đo Thái độ (TD): Cronbach’s Alpha = 0,867
Thang đo Quyết định sử dụng (QD): Cronbach’s Alpha = 0,890
Nguồn: Kết quả phân tích dữ liệu của tác giả
Dựa trên kết quả kiểm định độ tin cậy của thang đo ở bảng 4.2 và chi tiết của kết quả kiểm định ở phụ lục 02.01, tác giả có một số nhận xét như sau:
- Các thang đo niềm tin, an toàn và bảo mật, sự tự chủ, sự thuận tiện, lợi ích và cảm nhận, tính dễ sử dụng, thái độ và quyết định sử dụng đều có hệ số Cronbach’s Alpha lớn hơn 0,6 Hệ số tương quan biến tổng của các biến quan sát trong thang đo đều lớn hơn 0,3 và không có trường hợp loại bỏ biến quan sát nào có thể làm cho Cronbach’s Alpha của thang đo tăng Vì vậy, tất cả các biến quan sát được chấp nhận
Kết quả phân tích nhân tố Cronbach’s Alpha cho thấy rằng đa số các thang đo đều đạt độ tin cậy Vì vậy, có thể kết luận rằng thông qua phân tích Cronbach’s Alpha đủ điều kiện để thực hiện phân tích nhân tố khám phá.
Phân tích nhân tố khám phá
Từ kết quả phân tích độ tin cậy thang đo ở mục 4.2, việc phân tích nhân tố được tiến hành trên 37 biến quan sát Chi tiết về các biến quan sát được trình bày ở phụ lục 02.03 Các thông tin từ việc phân tích nhân tố EFA cho biết:
Bảng 4.3 Kết quả kiểm định KMO và Barlett’s
Chỉ số KMO và kiểm định Bartlett
Nguồn: Kết quả phân tích dữ liệu của tác giả
Kết quả kiểm định KMO và Barlett’s được thể hiện ở bảng 4.3 cho thấy chỉ số KMO là 0.939 Điều này chứng tỏ dữ liệu dùng để phân tích nhân tố là hoàn toàn thích hợp Kết quả kiểm định Barlett’s là 6675,976 với mức ý nghĩa (P-value) sig 0,000 < 0,05 (Bác bỏ giả thuyết H0: các biến quan sát không có tương quan với nhau trong tổng thể) như vậy giả thuyết về ma trận tương quan giữa các biến là ma trận đồng nhất bị bác bỏ, tức là các biến có tương quan với nhau và thỏa điều kiện phân tích nhân tố
Thực hiện phân tích nhân tố theo phương pháp trích Principal Axis Factoring với phép quay Promax Kết quả phân tích được thể hiện ở bảng 4.4 Từ kết quả phân tích bảng 4.4 cho thấy 37 biến quan sát ban đầu được nhóm thành 8 nhóm Giả trị tổng phương sai trích được thể hiện qua bảng 4.4 với kết quả đạt được là 60,178% > 50% nên được xem là đạt yêu cầu, khi đó có thể nói rằng 8 nhân tố này giải thích 60,178% biến thiên của dữ liệu Giá trị hệ số Eigenvalue của các nhân tố đều cao (>1), nhân tố thứ 8 Eigenvalue thấp nhất (Eigenvalue = 1,023)
Bảng 4.4 Bảng tổng phương sai được giải thích
Tổng phương sai được giải thích
Giá trị riêng ban đầu Tổng bình phương hệ số tải khi trích
Nhân tố Tổng Phần trăm phương sai
Tổng Phần trăm phương sai
Nguồn: Kết quả phân tích dữ liệu của tác giả
Các hệ số tải nhân tố đều lớn hơn 0,5, ngoại trừ biến quan sát AT4 trong lần chạy EFA đầu tiên vì hệ số tải nhỏ hơn 0,5 (0,047 < 0,5) được trình bày ở phụ lục 02.03 Sau khi loại bỏ biến quan sát AT4, kết quả thu được 8 nhân tố đều thỏa mãn tính chất phân biệt và hội tụ và hệ số tải các nhân tố đều đảm bảo lớn hơn 0,5 Cụ thể được trình bày ở bảng 4.5:
Bảng 4.5 Kết quả phân tích EFA cho các khái niệm trong mô hình
Ma trận xoay nhân tố
Nguồn: Kết quả phân tích dữ liệu của tác giả
Phân tích nhân tố khẳng định CFA
Hình 4.1 Mô hình phân tích CFA chuẩn hóa
Nguồn: Kết quả phân tích dữ liệu của tác giả
Kết quả phân tích nhân tố khám phá trích rút được 8 nhân tố đại diện cho các khái niệm cần đo lường, các thang đo đo lường cấu trúc khái niệm sẽ là đối tượng của phân tích nhân tố khẳng định CFA (phân tích CFA) bằng cách sử dụng phần mềm AMOS 24.0 Các thang đo bao gồm Niềm tin, An toàn và bảo mật, Sự tự chủ, Sự thuận tiện, Lợi ích cảm nhận, Tính dễ sử dụng, Thái độ và Quyết định sử dụng Kết quả phân tích CFA chuẩn hóa được thể hiện ở hình 4.1
Mức độ phù hợp của mô hình: Kết quả phân tích ở hình 4.1 cho biết Chi- bình phương là 719,248 với 566 bậc tự do, tỷ số 1 < Chi-square/df = 1,271 < 3, giá trị RMSEA = 0,029 < 0,08, các chỉ số TLI = 0,973, CFI = 0,976 đều lớn hơn mức đề nghị 0,9 Như vậy, có thể kết luận rằng mức độ phù hợp của mô hình đạt chuẩn
Bảng 4.6 Bảng đo lường mức độ phù hợp của mô hình (CFA)
Measure Ước lượng Ngưỡng chấp nhận Đánh giá
CMIN/DF 1,271 Giữa 1 và 3 Xuất sắc
Nguồn: Kết quả phân tích dữ liệu của tác giả
Về độ tin cậy của thang đo (Reliability), được đánh giá thông qua 3 chỉ số: độ tin cậy tổng hợp (CR), phương sai rút trích trung bình (AVE) và hệ số Cronbach’s Alpha Thang đo được đánh giá là đáng tin cậy khi độ tin cậy tổng hợp có ý nghĩa khi có giá trị lớn hơn 0,5 và AVE có ý nghĩa khi có giá trị trên 0.5 (Hair & cộng sự 1995; Nunnally, 1978) Kết quả được trình bày ở bảng 4.7: Để kiểm định giá trị hội tụ, phải dựa trên hai tiêu chí để đánh giá kết quả
Thang đo được xem là đạt giá trị hội tụ khi các trọng số chuẩn hóa của các thang đo lớn hơn 0.5 và có ý nghĩa thống kê (Gerbring & Anderson, 1988; Hair & cộng sự, 1992) Ngoài ra, còn một tiêu chí khác để kiểm tra giá trị hội tụ đó là AVE của các khái niệm Fornell và Larcker (1981) cho rằng để nhân tố đạt giá trị hội tụ thì AVE đạt từ khoảng 0.5 trở lên Theo kết quả phân tích cho thấy, tất cả các hệ số đã chuẩn hóa và chưa chuẩn hóa đều lớn hơn 0,5 (Phụ lục 02.04); đồng thời các giá trị AVE đều lớn hơn 0.5 (Bảng 4.7) nên có thể kết luận các nhân tố đạt giá trị hội tụ
Bảng 4.7 Kết quả đánh giá độ tin cậy tổng hợp và phương sai trích trung bình
Cronbach’s Alpha Độ tin cậy tổng hợp
Phương sai trích trung bình AVE (Average Variance Extracted)
Nguồn: Kết quả phân tích dữ liệu của tác giả
Giá trị phân biệt được đánh giá qua những tiêu chí sau: (1) Đánh giá hệ số tương quan giữa các nhân tố có khác biệt với 1 hay không; (2) Tiêu chuẩn Fornell và Larcker: So sánh giá trị căn bậc 2 của AVE với các hệ số tương quan của một nhân tố với các nhân tố còn lại Các P-value (mức ý nghĩa) trong kết quả này nhằm kiểm định 1 cặp giả thuyết như sau: H0: Hệ số tương quan đó bằng 1 và H1: Hệ số tương quan đó khác 1 Với mức ý nghĩa được quy ước khi thực hiện kiểm định là 5%
Dựa vào kết quả bảng 4.8, các hệ số tương quan đều khác 1 và các giá trị P- value đều đạt ý nghĩa thống kê Điều đó nghĩa là bác bỏ H0, chấp nhận H1 Và vì các hệ số tương quan đều khác 1 nghĩa là chúng thực sự phân biệt với nhau
Ngoài ra, để kiểm định giá trị phân biệt của các nhân tố trong mô hình nghiên cứu phải dựa vào chỉ số AVE theo tiêu chuẩn Fornell và Larcker Đối chiếu với bảng 4.9, có thể thấy được căn bậc hai của AVE là các chỉ số được in đậm theo hàng chéo từ nhân tố NT đến QD đều lớn hơn 0,5, như vậy có thể kết luận các nhân tố có tính phân biệt
Bảng 4.8 Bảng kết quả kiểm định giá trị phân biệt trong mô hình nghiên cứu
Mối tương quan Hệ số tương quan /corelation (r)
Nguồn: Kết quả phân tích dữ liệu của tác giả
Ghi chú: Trong bảng 4.9, các con số in đậm trên đường chéo là căn bậc hai của AVE Các con số còn lại là hệ số tương quan
Bảng 4.9 Bảng giá trị hội tụ và giá trị phân biệt
NT AT TC TT LI DSD TD QD
Nguồn: Kết quả phân tích dữ liệu của tác giả
Phân tích mô hình cấu trúc tuyến tính SEM
Sau khi phân tích CFA, tác giả tiến hành chạy phân tích mô hình SEM và được kết quả như hình 4.2 (Chi tiết kết quả được trình bày ở phụ lục 02.04)
Hình 4.2 Kết quả phân tích mô hình cấu trúc tuyến tính
Nguồn: Kết quả phân tích dữ liệu của tác giả
Bảng 4.10 Bảng kết quả đánh giá độ phù hợp của mô hình (SEM)
Measure Ước lượng Ngưỡng chấp nhận Đánh giá
CMIN/DF 1,328 Giữa 1 và 3 Phù hợp
Nguồn : Kết quả phân tích dữ liệu của tác giả
Kết quả phân tích mô hình cấu trúc tuyến tính SEM chưa chuẩn hóa ở hình 4.2 và bảng 4.9 cho thấy Chi-Square = 771,756 có df = 581 với P = 0,000 < 0,05 ; 1< Chi-square/df = 1,328 < 3 ; CFI = 0,970 > 0,95 ; TLI = 0,967 > 0,9; SRMR = 0,054
< 0,08; RMSEA = 0,032 < 0,06 và PClose = 1 > 0,05, cho thấy mô hình phù hợp tốt với dữ liệu được thu thập có ý nghĩa với cỡ mẫu được khảo sát là 320 Việc kiểm định các mối quan hệ cấu trúc sẽ được thực hiện thông qua trọng số hồi quy chưa chuẩn hóa, đã chuẩn hóa và giá trị thống kê P-value, kết quả kiểm định được thể hiện như sau
Trọng số hồi quy Regression Weights được trình bày trong bảng 4.11 Dựa vào P-value ở bảng 4.11, nhận thấy cả 7 giả thuyết đưa ra đều có P-value < 1% (ký hiệu
*** trên bảng 4.11 nghĩa là thống kê đó có mức ý nghĩa < 1%) tức là đều có ý nghĩa thống kê Do đó ta có thể kết luận 7 giả thuyết được chấp nhận, cụ thể các giả thuyết về các mối quan hệ được chấp nhận được thể hiện trong bảng 4.12
Bảng 4.11 Kết quả phân tích mô hình cấu trúc tuyến tính SEM
Mối quan hệ/ Đường dẫn
Hệ số chưa chuẩn hóa (Regression Weights)
Hệ số chuẩn hoá (Standardized Weights)
Nguồn: Kết quả phân tích dữ liệu của tác giả
Bảng 4.12 Bảng kết quả kiểm định các giả thuyết Giả thuyết Mô tả giả thuyết P- value Kết luận
H1 Niềm tin tác động cùng chiều đến lợi ích cảm nhận *** Chấp nhận
H2 An toàn và bảo mật tác động cùng chiều đến lợi ích cảm nhận
H3 Sự tự chủ tác động cùng chiều đến tính dễ sử dụng *** Chấp nhận
H4 Sự thuận tiện tác động cùng chiều đến tính dễ sử dụng
H5 Lợi ích cảm nhận tác động cùng chiều đến thái độ *** Chấp nhận
H6 Tính dễ sử dụng tác động cùng chiều đến thái độ *** Chấp nhận
H7 Thái độ tác động cùng chiều đến quyết định sử dụng
Nguồn: Tổng hợp từ kết quả phân tích dữ liệu của tác giả
Kết quả mô hình chuẩn hóa được thể hiện ở hình 4.2 Mô hình chuẩn hóa cho biết mức độ tác động mạnh yếu của các nhân tố trong mô hình nghiên cứu Từ kết quả phân tích mô hình cấu trúc tuyến tính SEM chuẩn hóa ở hình 4.2 và các phân tích trước đó, tác giả rút ra một số kết luận như sau:
- Nhân tố thái độ tác động cùng chiều trực tiếp đến quyết định sử dụng sản phẩm dịch vụ Fintech và cũng là tác động mạnh nhất với trọng số hồi quy chuẩn hóa là 0,755
- Các nhân tố lợi ích cảm nhận và tính dễ sử dụng là các nhân tố trung gian hay còn gọi là các nhân tố điều tiết vừa đóng vai trò là phụ thuộc vừa đóng vai trò là độc lập tác động gián tiếp đến quyết định sử dụng dịch vụ Fintech thông qua nhân tố thái độ Trong đó, lợi ích cảm nhận tác động cùng chiều mạnh nhất đến thái độ với trọng số hồi quy chuẩn hóa là 0,539, còn lại là tính dễ sử dụng tác động cùng chiều đến thái độ với trọng số hồi quy chuẩn hóa cách biệt không đáng kể là 0,533
- Đối với các nhân tố còn lại là niềm tin, an toàn và bảo mật, sự tự chủ và sự thuận tiện tác động cùng chiều đến các nhân tố trung gian lần lượt là lợi ích cảm nhận và tính dễ sử dụng Trong đó, niềm tin tác động cùng chiều mạnh nhất với lợi ích cảm nhận (trọng số hồi quy chuẩn hóa = 0,531), tiếp đến là sự tự chủ và sự thuận tiện tác động cùng chiều đến tính dễ sử dụng (trọng số hồi quy chuẩn hóa lần lượt là 0,471 và 0,395), cuối cùng là an toàn và bảo mật tác động cùng chiều thấp nhất đến lợi ích và bảo mật (trọng số hồi quy chuẩn hóa = 0,289)
Dựa vào bảng kết quả 4.13, một số nhận xét như sau:
- Giá trị R bình phương của DSD 53,6%, như vậy các biến độc lập TC, TT giải thích được 53,6% sự biến thiên của DSD
- Giá trị R bình phương của LI 54,2%, như vậy các biến độc lập NT, AT giải thích được 54,2% sự biến thiên của LI
- Giá trị R bình phương của TD 74,2%, như vậy các biến độc lập LI, DSD, TC,
TT, NT, AT giải thích được 74,2% sự biến thiên của TD
- Giá trị R bình phương của QD là 57%, như vậy biến độc lập TD, LI, DSD,
TC, TT, NT, AT giải thích được 57% sự biến thiên của TT
Bảng 4.13 Bảng hệ số xác định hệ số R bình phương
Nhân tố Hệ số xác định
Nguồn: Kết quả phân tích dữ liệu của tác giả
Kiểm định ước lượng mô hình nghiên cứu bằng Bootstrap
Boostrap là phương pháp lấy mẫu lặp lại và có thay thế Mẫu nghiên cứu thông thường được chia làm hai mẫu con, một nửa dùng để ước lượng tham số trong mô hình nghiên cứu và một nửa dùng để đánh giá lại các ước lượng Do mô hình cấu trúc tuyến tính được sử dụng để phân tích thường đòi hỏi mẫu lớn nên cách thức này thường tốn kém thời gian và chi phí, do đó, Schumaker và Lomax (1996) cho rằng mô hình Boostrap là phương pháp phù hợp trong những trường hợp như vậy Phương pháp Boostrap được sử dụng trong nghiên cứu này với số lượng mẫu lặp lại N = 1000 lần Kết quả ước lượng từ 1000 mẫu cho thấy trị tuyệt đối tới hạn (CR) nhỏ hơn 1,96, độ lệch tuy có xuất hiện nhưng không nhiều và tất cả các P-value đều > 0,5 nên có thể kết luận rằng các ước lượng trong mô hình đều đáng tin cậy được Kết quả ước lượng mô hình bằng phương pháp Boostrap được trình bày trong bảng 4.14 dưới đây như sau:
Bảng 4.14 Bảng kết quả ước lượng bằng mô hình Boostrap
Mối quan hệ SE SE-SE Trung bình Bias SE-
Nguồn: Kết quả phân tích dữ liệu của tác giả
Thảo luận kết quả nghiên cứu
Dựa trên kết quả nghiên cứu được phân tích bằng phần mềm SPSS 20.0 và AMOS 24.0, tác giả đã rút ra những thông tin quan trọng về các vấn đề nghiên cứu Trước hết, các thang đo đã được tích hợp và kế thừa từ các nghiên cứu trước đây, cả trong và ngoài nước Đồng thời, các thang đo cũng đã được điều chỉnh và bổ sung các biến quan sát quan trọng trong các nghiên cứu để phản ánh đúng thực tế khảo sát và đối tượng nghiên cứu Từ kết quả nghiên cứu, đề tài đã cung cấp một góc nhìn chính xác hơn về các yếu tố tác động đến quyết định sử dụng dịch vụ Fintech của khách hàng cá nhân tại TP HCM Họ tiếp tục tổng hợp và xác định những yếu tố mới có tác động lớn nhất đến quyết định sử dụng Fintech Điều này đã giúp tác giả đạt được mục tiêu nghiên cứu đầu tiên một cách có cơ sở và đáng tin cậy Ngoài ra, dựa trên các yếu tố đã được tổng hợp, thông qua bảng khảo sát để đánh giá mức độ tác động của từng yếu tố, và sau đó sử dụng phần mềm SPSS 20.0 để phân tích mô hình, tác giả đã xác định được các mức độ tác động khác nhau của từng yếu tố đối với quyết định sử dụng dịch vụ Fintech của người dân TP HCM
Niềm tin tác động cùng chiều đến Lợi ích cảm nhận Điều này chỉ ra rằng các khách một khi có niềm tin vào sản phẩm dịch vụ Fintech thông qua bởi Vietcombank khi sử dụng, họ sẽ cảm nhận được những lợi ích mà sản phẩm này mang lại và có tăng cao niềm tin của mình vào tổ chức này Một số nghiên cứu trước đó, nghiên cứu của Erick và cộng sự (2018) đã khám phá ra niềm tin là rất quan trọng trong việc tác động gián tiếp đến quyết định sử dụng Fintech Kết quả tương đồng với nghiên cứu của Kim và Prabhakar (2000) cho thấy 100% học sinh được khảo sát cho rằng niềm tin thúc đẩy đến hành vi đưa ra quyết định sử dụng
An toàn và bảo mật tác động cùng chiều gián tiếp đến quyết định sử dụng Mức độ an toàn và bảo mật của mỗi trường hợp đều có thể đánh giá ở nhiều cấp bậc khác nhau, song chung quy mục đích chung vẫn là bảo vệ dữ liệu cá nhân của người tránh bị đánh cắp hay lan truyền ra bên ngoài tổ chức Kết quả nghiên cứu của Hằng và cộng sự (2018) nhận thấy rằng tính an toàn và bảo mật là nhân tố có tác động mạnh mẽ nhất đến việc tiếp nhận sản phẩm Fintech với hệ số hồi quy chuẩn hóa là 0,366 Theo đó, việc luôn đầu tư phát triển công nghệ để hệ thống luôn bảo đảm tính an toàn trong giao dịch và bảo mật dữ liệu là vấn đề hàng đầu cần được ưu tiên hàng đầu Song, trong bài nghiên cứu này, đó là nhân tố tác động yếu nhất vì các khách hàng trên một địa bàn cụ thể là thành phố Hồ Chí Minh – nơi sở hữu những cơ sở hạ tầng được đánh giá cao nhất Việt Nam, các khách hàng đang dần cảm thấy tính an toàn và bảo mật của sản phẩm số chưa được hoàn toàn đảm bảo Bởi lẽ bây giờ là năm 2024 – năm của những trí tuệ nhân tạo mới được ra đời hàng loạt và công nghệ chuyển đổi số đang dần lan rộng ra khắp Việt Nam, khi mà ngày càng nhiều thông tin liên quan đến việc buôn bán dữ liệu của mỗi cá nhân cho bên thứ ba của các doanh nghiệp khác, họ dần cảm nhận tính an toàn và bảo mật của các sản phẩm chưa làm họ tin tưởng tuyệt đối Mặc dù theo kết quả nghiên cứu trong bài, niềm tin tác động gián tiếp đến lợi ích cảm nhận ở mức độ cao (0,531) nhưng việc biến quan sát AT4 “Được pháp luật được đảm bảo an toàn” bị loại bỏ khỏi mô hình nghiên cứu cho thấy rằng các khách hàng cảm thấy chưa hoàn toàn yên tâm về sự an toàn của dữ liệu của mình khi sản phẩm này không có sự bảo vệ quyền lợi từ pháp luật Và điều này dẫn đến thang đo nghiên cứu an toàn và bảo mật chưa thật sự tác động mạnh mẽ đến việc ra quyết định sử dụng Fintech của người dân Bài nghiên cứu này trong bối cảnh hiện tại đánh giá nhận thức của mỗi người về tính an toàn và bảo mật của các sản phẩm số đang dần giảm xuống bởi lẽ đang có nhiều thông tin tiêu cực về việc tuồng dữ liệu hay hệ thống chưa thực sự bảo mật đang khiến nhiều khách hàng cảm thấy lo lắng thông tin của mình đang bị lộ cho nhiều tổ chức khác Chính vì vậy, cần phải có những biện pháp cụ thể hóa để giảm thiểu tình trạng này và tăng cường tính bảo mật công nghệ hệ thống của sản phẩm Fintech trong tương lai
Sự tự chủ tác động cùng chiều trực tiếp đến tính dễ sử dụng và tác động gián tiếp dến quyết định sử dụng Fintech Thuật ngữ "sự tự chủ" bắt nguồn từ lý thuyết nhận thức xã hội và liên quan đến niềm tin của một người vào khả năng của mình trong việc hoàn thành nhiệm vụ và đạt được mục tiêu trong điều kiện nhất định Nói cách khác, một người có sự tự chủ cao thì rất có động lực để nỗ lực thêm nhằm hoàn thành nhiệm vụ (Liu và cộng sự, 2020) Sự tự chủ là đánh giá của một người về khả năng của mình trong việc thực hiện các hoạt động cần thiết để đạt được kết quả mong muốn (Younis và cộng sự, 2021) Zhang, Guo và Vogel (2020) cho rằng tự hiệu quả không phản ánh những gì mọi người đã làm trước đây, mà đánh giá những gì họ có thể làm trong tương lai Hơn nữa, nó quan tâm đến quan điểm của cá nhân về việc họ sẽ có thể thực hiện một nhiệm vụ như thế nào, chứ không phải là bộ kỹ năng hiện tại của họ (Kao, Tsou, & Chen, 2021) Theo lý thuyết nhận thức xã hội, việc đánh giá đúng đắn về hiệu quả cá nhân có ý nghĩa thực tiễn quan trọng (Wardana và cộng sự, 2020) Sự tự chủ đã được nhấn mạnh như một biến số xác định quyết định tiếp tục sử dụng dịch vụ tài chính của người tiêu dùng một cách trực tiếp hoặc gián tiếp (Abbott và cộng sự, 2018) Từ những nghiên cứu trên được đưa ra và hệ số hồi quy được phân tích trong bài (0,471), có thể thấy rằng việc khách hàng tự chủ để thực hiện kết nối và giao dịch trên phần mềm bằng thiết bị cá nhân là sự cần thiết Với bối cảnh nghiên cứu hiện nay, mạng dữ liệu di động đã phổ biến rộng rãi không chỉ các hàng quán nơi tụ tập nhiều người, mà mọi người còn kết nối với dữ liệu di động 4G và 5G khi đi ngoài đường Bên cạnh đó, công ty Fintech và Vietcombank ở Việt Nam phải nổ lực hơn trong việc tạo điều kiện cho khách hàng tự chủ thực hiện thanh toán giao dịch của mình như phủ sóng thêm các mạng dữ liệu di động ở các cây ATM của mình cũng được xem là một ý kiến tốt nâng cao giá trị tự chủ của mỗi khách hàng
Sự thuận tiện tác động cùng chiều gián tiếp đến quyết định sử dụng Fintech và tác động trực tiếp đến tính dễ sử dụng Phân tích dữ liệu chỉ ra rằng sự thuận tiện tác động ở mức trung bình đến quyết định sử dụng của người dùng Bởi lẽ, khách hàng muốn sự thuận tiện tối đa nhất khi họ có nhu cầu thanh toán mua sắm, nhưng đôi lúc hệ thống giao dịch của Fintech lại bảo trì đột xuất hay một lỗi trục trặc gì đó trong hệ thống khiến giao dịch thanh toán của khách hàng bị giữ tiền hoặc bị hủy bỏ Các trường hợp này tuy hiếm khi xảy ra nhưng khi xuất hiện sẽ làm khách hàng cảm thấy hệ thống giao dịch Fintech của công ty mình đang bị xuống cấp Các nghiên cứu trước đây cũng chỉ ra sự thuận tiện trong thanh toán giao dịch được đánh giá ở mức độ trung bình thậm chí là tác động yếu đến việc tiếp nhận sử dụng Fintech (Đào và cộng sự, 2018; Erick và cộng sự, 2018) Mặc dù đối với bối cảnh của bài nghiên cứu này, hệ thống đã được nâng cấp phần nào nhưng đôi khi vẫn xảy ra những lỗi như đã đề cập ở trên Chính vì vậy, một lần nữa, cho thấy việc bảo trì hệ thống thường xuyên là điều cần thiết và nên thực hiện việc bảo trì này tránh khỏi những giờ cao điểm khi người dùng đang thực hiện thanh toán giao dịch của họ
Lợi ích cảm nhận tác động cùng chiều đến thái độ Các nghiên cứu trước đây xác định lợi ích cảm nhận là một yếu tố quan trọng không thể thiếu khi tác động đến quyết định sử dụng Fintech (Đào và cộng sự, 2018; Erick và cộng sự, 2018) Trong bối cảnh nghiên cứu của đề tài này, và với sự phát triển của công nghệ số, việc tạo ra sự hài lòng của khách hàng khi sử dụng sản phẩm số là điều hiển nhiên bởi vì những điều kiện tạo ra sự hữu ích do khách hàng cảm nhận được là những điều thu hút khách hàng thành công tham gia vào thị trường của mình Từ việc thanh toán thuận tiện và nhanh chóng giúp tiết kiệm thời gian đến các dịch vụ miễn phí các chi phí khi rút tiền và chuyển tiền cũng tạo nên sự hài lòng cho các khách hàng Và với kết quả nghiên cứu được phân tích thông qua AMOS 24.0 từ tác giả, hệ số hồi quy của nhân tố này là 0,539 đã làm rõ vấn đề về sự tác động mạnh mẽ thứ hai đến việc đưa ra quyết định sử dụng Fintech
Tính dễ sử dụng tác động cùng chiều trực tiếp đến thái độ và gián tiếp đến quyết định sử dụng Fintech Theo kết quả của các nghiên cứu trước của nước ngoài và trong nước, nhân tố tính dễ sử dụng được chỉ được đánh giá ở mức độ trung bình (Đào và cộng sự, 2018; Erick và cộng sự, 2018) Bởi lẽ vì bối cảnh lúc đó, sản phẩm số hay Fintech chưa được phổ biến rộng rãi như hiện này đồng thời các hệ thống công nghệ lúc đó chưa phát triển hoàn toàn trong việc cập nhật giao diện thuận tiện và đơn giản cho người dùng Nhưng với bối cảnh nghiên cứu đề tài này, như đã đề cập ở trên tình hình hiện nay đang phát triển mạnh về hệ thống AI và công nghệ số, việc tạo nên tính dễ sử dụng trên phần mềm cho người dùng đã được cải thiện đáng kể Với hệ số hồi quy được nghiên cứu ở trên (0,533), đã cho thấy tỉ lệ người dùng nhìn nhận về vấn đề này đã gia tăng rất nhiều so với nghiên cứu trước đây (hệ số hồi quy của nhân tố này của Đào và cộng sự, 2018 chỉ đạt 0,256)
Từ những nhân tố trên, đã hình thành nên nhân tố tác động trực tiếp đến quyết định sử dụng Fintech là thái độ của người dùng Với con số kết quả được nghiên cứu trong bài là 0,755 cho thấy nó tác động cực mạnh đến quyết định sử dụng các sản phẩm dịch vụ Fintech của người dân TP Hồ Chí Minh trong bối cảnh hiện nay
Nghiên cứu đã đưa ra kết quả các nhân tố quan trọng được kiểm định với mức ý nghĩa 1% Từ đó, cho thấy biểu hiện quyết định sử dụng Fintech đối với người dân thành phố Hồ Chí Minh là đạt mức khả quan Xét về các mối quan hệ giữa các biến độc lập với biển phụ thuộc và biến điều tiết thì toàn bộ các biến đều biến thiên theo chiều hướng kỳ vọng Điều này cho thấy rằng khi niềm tin, lợi ích cảm nhận và tính dễ sử dụng tăng cao làm cho thái độ của mọi người sẽ theo xu hướng tích cực hơn để nhìn nhận về sản phẩm Fintech Một khi xây dựng đủ lòng tin của khách hàng về các nhân tố được nêu trong bài, khách hàng sẽ tự tìm tới và truyền tai nhau thúc đẩy lượng khách hàng sử dụng sản phẩm dịch vụ Fintech của Vietcombank.
Chương 4 trình bày thông tin chi tiết về kết quả phân tích dữ liệu được thu thập từ 320 khách hàng cá nhân là những người đang sử dụng dịch vụ Fintech thuộc NHTMCP Ngoại Thương trên địa bàn Thành phố Hồ Chí Minh với mẫu dữ liệu được thu thập bằng bảng khảo sát Sau khi thu thập mẫu, tác giả tiến hành thực hiện phương pháp phân tích thống kê mô tả, đánh giá độ tin cậy bằng hệ số Cronbach’s Alpha, phân tích nhân tố khám phá EFA, phân tích nhân tố khẳng định CFA, kiểm định mô hình cấu trúc tuyến tính SEM Từ kết quả nghiên cứu các mối quan hệ giả thuyết có thể thấy rằng, mối quan hệ của Thái độ tác động mạnh nhất đến Quyết định sử dụng sản phẩm dịch vụ Fintech Có tất cả 7 giả thuyết trong mô hình đều được chấp nhận sau khi thực hiện kiểm định giả thuyết thông qua phần mềm AMOS 24.0.