PHƯƠNG PHÁP NGHIÊN CỨU TRONG KINH DOANH Thành phố Hồ Chí Minh, ngày 16 tháng 01 năm 2024 LỜI CAM ĐOAN Nhóm tác giả xin cam đoan bài báo cáo cuối kỳ về đề tài “Nghiên cứu về tác động của
TỔNG QUAN LÝ THUYẾT
Các khái niệm
2.1.1 Khái niệm về Apple Pay
Apple Pay, dịch vụ thanh toán không dây của Apple Inc., được ra mắt lần đầu vào ngày 20 tháng 10 năm 2014 tại Hoa Kỳ và nhanh chóng thu hút sự chú ý toàn cầu Hiện nay, Apple Pay hỗ trợ thanh toán với nhiều loại thẻ tại 83 quốc gia, bao gồm cả Việt Nam.
Apple Pay chính thức ra mắt tại Việt Nam vào ngày 8 tháng 8 năm 2023, thu hút sự quan tâm lớn từ người dùng Apple Hiện nay, một số ngân hàng như MBBank, ACB, Vietcombank, Techcombank, VPBank và Sacombank đã cho phép liên kết và hỗ trợ dịch vụ này.
Apple Pay cho phép người dùng kết nối với các thiết bị của Apple như Macbook, Apple Watch, iPhone và iPad để thực hiện thanh toán một cách tiện lợi Đây là một giải pháp thanh toán lý tưởng cho những tín đồ của Apple, vì ứng dụng này đã được cài đặt sẵn trên các thiết bị của hãng.
Apple Pay hoạt động bằng cách cho phép người dùng liên kết thẻ ghi nợ hoặc thẻ tín dụng với ứng dụng Sử dụng công nghệ NFC (Near Field Communication) hiện đại, Apple Pay yêu cầu người dùng thanh toán tại các cửa hàng hỗ trợ và có máy POS tương thích Người dùng có thể dễ dàng thực hiện giao dịch bằng cách xác thực qua Face ID hoặc Touch ID, mang lại sự tiện lợi và an toàn Thông tin thanh toán được mã hóa, đảm bảo bảo mật cho người sử dụng.
2.2 Cơ sở lý thuyết kinh tế
2.2.1 Lý thuyết nhu cầu Maslow (1943)
Lý thuyết nhu cầu của Maslow, do nhà tâm lý học Abraham Maslow phát triển vào năm 1943, phân loại nhu cầu của con người thành một hệ thống phân cấp hình tháp Hệ thống này bao gồm các nhu cầu cơ bản ở đáy và các nhu cầu cao hơn ở phía trên Dưới đây là mô tả chi tiết về 5 tầng trong tháp nhu cầu của Maslow.
5 tầng trong Tháp nhu cầu của Maslow:
Tầng thứ nhất của nhu cầu con người là nhu cầu cơ bản, đóng vai trò thiết yếu cho sự tồn tại và phát triển Những nhu cầu này bao gồm các yếu tố cần thiết để sống sót, từ đó giúp con người hướng đến những cấp bậc cao hơn trong thang nhu cầu.
4 thành phần: Không khí, thức ăn, nước uống, nơi ở
Tầng thứ hai trong thuyết nhu cầu của Maslow đề cập đến nhu cầu an toàn và an ninh, bao gồm an toàn về tài sản, tính mạng, công việc và sức khỏe Khi con người đạt được sự thỏa mãn ở cấp độ đầu tiên, họ sẽ tiếp tục nâng cao nhu cầu của mình, bởi vì ai cũng mong muốn kiểm soát cuộc sống và tạo ra một môi trường ổn định cho bản thân.
Tầng thứ ba của nhu cầu là nhu cầu về xã hội, nơi con người tìm kiếm sự kết nối với cộng đồng, bạn bè và gia đình sau khi đã thỏa mãn nhu cầu vật chất và tinh thần Nhu cầu này không chỉ giúp giảm cảm giác cô đơn mà còn mang lại sự gần gũi và thân thuộc, góp phần cải thiện chất lượng cuộc sống và công việc Tuy nhiên, cách mà mỗi người tiếp cận và xây dựng mối quan hệ xã hội sẽ ảnh hưởng đến mức độ thỏa mãn nhu cầu này.
Hình 4:Tháp nhu cầu Maslow
Tầng thứ tư trong nhu cầu của con người là nhu cầu được quý trọng (esteem needs), diễn ra sau khi đã thiết lập các mối quan hệ xã hội Con người ngày càng khao khát được chấp nhận và tôn trọng từ cộng đồng xung quanh Đây là giai đoạn mà mọi người không ngừng nỗ lực và phấn đấu để đạt được sự công nhận và tôn trọng từ người khác, điều này thể hiện rõ qua thành công và vị trí xã hội của họ.
Tầng thứ năm trong tháp nhu cầu Maslow là nhu cầu tự thể hiện (self-actualization needs), đại diện cho nhu cầu cao nhất của con người Khi đã thỏa mãn bốn nhu cầu cơ bản trước đó, con người sẽ hướng tới việc phát triển bản thân và thể hiện phiên bản hoàn hảo nhất của mình Tại đây, họ có xu hướng muốn cho thế giới thấy được tài năng và các giá trị cá nhân của mình.
Kết luận: Nghiên cứu này áp dụng lý thuyết nhu cầu Maslow để phân tích tác động của Apple Pay đến hành vi thanh toán của người dân tại TP Hồ Chí Minh, từ đó làm rõ mối liên hệ giữa các nhu cầu của người tiêu dùng và sự chấp nhận công nghệ thanh toán điện tử.
- Nhu cầu an toàn: Apple Pay có thể đáp ứng được nhu cầu an toàn của người dùng
Apple Pay sử dụng công nghệ nhận diện sinh trắc học như Face ID và Touch ID, đảm bảo chỉ bạn mới có quyền thực hiện thanh toán.
Khi thêm thẻ vào Apple Pay, thông tin thẻ của bạn sẽ được mã hóa thành một token duy nhất và lưu trữ trên thiết bị của bạn Token này không được chia sẻ với bên thứ ba, đảm bảo an toàn thông tin Khi thực hiện thanh toán, token sẽ được gửi đến máy chủ thanh toán để xử lý mà không tiết lộ số thẻ thực của bạn.
Apple Pay không lưu trữ thông tin giao dịch liên quan đến sản phẩm bạn mua hoặc địa điểm giao dịch Thông tin này chỉ có thể được truy cập bởi nhà phát hành thẻ.
Nhu cầu thể hiện bản thân ngày càng cao, và Apple Pay nổi bật như một biểu tượng của công nghệ hiện đại Việc sử dụng Apple Pay không chỉ chứng tỏ bạn là người hiểu biết về công nghệ mà còn cho thấy bạn luôn cập nhật xu hướng mới Hơn nữa, Apple Pay được coi là một phương thức thanh toán sành điệu, thể hiện gu thẩm mỹ tốt và sự thành công, giàu có của người sử dụng.
Hành vi người tiêu dùng của Philip Kotler (2009):
PHƯƠNG PHÁP NGHIÊN CỨU
Giới thiệu
Sau khi tổng quan các khái niệm lý thuyết, giả thuyết và mô hình nghiên cứu, nhóm sẽ trình bày các phương pháp nghiên cứu được áp dụng để xây dựng và đánh giá Đồng thời, sẽ giới thiệu các thang đo được sử dụng để kiểm định mô hình và giả thuyết đã nêu ở chương 2.
Phương pháp tiếp cận nghiên cứu
Nhóm người sử dụng các sản phẩm có hệ điều hành của Apple trên địa bàn TP.HCM.
3.2.2 Thu nhập dữ liệu Ở bài nghiên cứu này, nhóm đã dùng hai phương thức thu nhập dữ liệu chính:
Nguồn dữ liệu thứ cấp bao gồm việc tìm kiếm thông tin từ các nguồn tin cậy và chính thống, chẳng hạn như các trang web, bài báo và nghiên cứu cả trong nước và quốc tế.
● Nguồn dữ liệu sơ cấp: Nhóm thu thập thông tin bằng cách khảo sát Google
Forms được gửi cho các đối tượng thông qua các nền tảng mạng xã hội như Facebook, Zalo, Instagram,
Nghiên cứu này thực hiện bằng hai phương pháp:
● Phương pháp nghiên cứu định tính: Sử dụng nguồn thông tin thứ cấp từ các bài nghiên cứu và các số liệu sẵn có.
➔ Các lý thuyết kinh tế
➔ Lược khảo nghiên cứu trước
Phương pháp nghiên cứu định lượng sử dụng khảo sát Google Forms để thu thập thông tin sơ cấp Mục đích của việc này là thu thập dữ liệu dưới dạng thống kê, từ đó phân tích và đánh giá đề tài nghiên cứu một cách hiệu quả.
Các yếu tố độc lập trong nghiên cứu này là những yếu tố ảnh hưởng đến ý định sử dụng Apple Pay của người tiêu dùng tại TP.HCM Những yếu tố này bao gồm:
● Lợi ích người tiêu dùng
Biến số (Y) phụ thuộc của đề tài nghiên cứu là:
● Ý định sử dụng Apple Pay của người tiêu dùng tại TP.HCM.
Bước 1 Xác định đề tài nghiên cứu.
Bước 2 Xác định mục tiêu, đối tượng nghiên cứu.
Bước 3 Nghiên cứu các khái niệm và lý thuyết Tìm hiểu các nghiên cứu trước đây. Bước 4 Xác định mô hình nghiên cứu.
Bước 5 Xây dựng các biến độc lập và các giả thuyết nghiên cứu.
Bước 6 Xây dựng bảng khảo sát sơ bộ và hoàn thiện thành bảng khảo sát chính thức.
Bước 7 Tiến hành cuộc khảo sát.
Bước 8 Thu thập và phân tích dữ liệu.
Bước 9 Làm sạch dữ liệu, loại bỏ những khảo sát không đạt yêu cầu.
Bước 10 Tóm lược kết quả.
Bước 11 Đánh giá kết quả nghiên cứu.
Bước 12 Đề ra các giải pháp và viết báo cáo.
Kích thước mẫu
Trong bài nghiên cứu này có 6 nhân tố và 26 câu hỏi được phân bổ như sau:
● Nhân tố Nhu cầu - 4 câu
● Nhân tố Tính Tiện Lợi - 7 câu
● Nhân tố Bảo Mật - 4 câu
● Nhân tố Lợi Ích - 5 câu
● Nhân tố Chính Sách - 3 câu
● Nhân tố Xu Hướng Xã Hội - 3 câu
Theo nghiên cứu của Theo Hair và cộng sự (2014), kích thước mẫu tối thiểu cho phân tích yếu tố khám phá (EFA) là 50, nhưng lý tưởng nhất là từ 100 trở lên Với tỷ lệ 5:1 (5 quan sát cho 1 biến đo lường) và tổng cộng 26 biến quan sát trong bảng câu hỏi khảo sát, cỡ mẫu tối thiểu cần thiết là 50 + 31 * 5 = 155 mẫu Trong nghiên cứu này, nhóm nghiên cứu dự định thu thập trên 250 mẫu.
Hair và cộng sự, Multivariate Data Analysis, Pearson, New Jersey, 2014).
Cần lưu ý rằng mẫu 213 là mẫu tối thiểu và không bắt buộc phải sử dụng trong mọi trường hợp Mẫu càng lớn sẽ làm tăng giá trị và tính cụ thể của nghiên cứu này.
Bảng câu hỏi và bảng thang đo
Bảng câu hỏi gồm có 4 phần chính được phân bổ như sau:
II XU HƯỚNG TIÊU DÙNG
III CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN Ý ĐỊNH SỬ DỤNG APPLE PAY
Chi tiết bảng khảo sát được trình bày như sau:
“NGHIÊN CỨU VỀ Ý ĐỊNH HÀNH VI SỬ DỤNG PHƯƠNG THỨC THANH TOÁN APPLE PAY TRÊN ĐỊA BÀN TP.HCM”
Xin chào mọi người, chúng tôi là nhóm sinh viên đến từ trường Đại học Kinh tế
Hiện nay, việc sử dụng " CÁC PHƯƠNG THỨC THANH TOÁN KHÔNG
Việc sử dụng tiền mặt đã trở nên phổ biến trong cuộc sống hàng ngày của người tiêu dùng Tuy nhiên, khi lựa chọn phương thức thanh toán, người dùng còn cân nhắc đến đánh giá và sức hút của thương hiệu "APPLE".
Sự ra mắt của Apple Pay trong năm nay đã tạo ra một bước đột phá mới cho thanh toán không dùng tiền mặt tại Việt Nam, mang đến cho người dùng, đặc biệt là người Việt, một lựa chọn thanh toán tiện lợi hơn Để hiểu rõ hơn về tình hình này, chúng tôi sẽ tiến hành thu thập thông tin khảo sát nhằm thực hiện nghiên cứu chi tiết.
Phần 2: Thông tin cá nhân
Bảng 2: Thông tin cá nhân
Câu hỏi Các phương án trả lời
Sinh viên Đã đi làm
3 Trình độ học vấn: Trung cấp Đại học Cao đẳng Sau đại học
5 Thu nhập hàng tháng: Dưới 5 triệu
6 Bạn có biết đến các phương thức thanh toán bằng ví điện tử ( Momo,
Zalo Pay, Vn Pay, ) không?
Phần 3: Thói quen tiêu dùng
Bảng 3:Thói quen tiêu dùng
Câu hỏi Các phương án trả lời
Bạn có thường sử dụng ví điện tử không? Có
Không Tần suất sử dụng ví điện tử và các phương thức thanh toán không dùng tiền mặt:
Sử dụng ví điện tử từ 1 đến 2 lần mỗi tháng giúp bạn thanh toán cho nhiều nhu cầu khác nhau như thời trang, ăn uống, đồ gia dụng và điện tử Ngoài ra, ví điện tử còn hỗ trợ thanh toán hóa đơn và mua sắm trực tuyến một cách nhanh chóng và tiện lợi.
Phần 4: Các yếu tố ảnh hưởng đến việc SẴN SÀNG SỬ DỤNG APPLE PAY của
B-ng 4:Nhân tố nhu cầu của người tiêu dùng
1 Nhu cầu của người tiêu dùng
Nhu cầu thể hiện bản thân
B-ng 5:Nhân tố tiện lợi
2 Tính tiện lợi của Apple Pay
Không phải mang theo ví, tiền mặt
Có mặt tại nhiều địa điểm ở
Thanh toán nhanh với 1 lần chạm
Tất cả thẻ được lưu trên 1 phần mềm
Không cần mạng để sử dụng
Không cần phải nhập thông tin thẻ tín dụng
Giao diện đơn giản, không quảng cáo
3 Tính bảo mật của Apple Pay Được xác thực bằng
Thông tin thẻ ngân hàng được mã hóa
Hệ thống thanh toán không tiếp xúc NFC
Không lưu trữ và chia sẻ thông tin
4 Lợi ích của Apple Pay cho người tiêu dùng Được tích điểm 1 2 3 4 5
Quản lý chi tiêu dễ dàng 1 2 3 4 5
B-ng 7 : Lợi ích của Apple Pay cho người tiêu dùng
B-ng 8: Nhân tố chính sách
B-ng 9: Nhân tố xã hội
5 Xu hướng của xã hội:
Sự gia tăng của các thiết bị di động thông minh
Sự gia tăng của thương mại điện tử
Sự phát triển công nghệ thanh toán không dùng tiền mặt
1 Chính sách của Apple Pay
Không có hạn mức giới hạn 1 2 3 4 5
Hỗ trợ nhiều thiết bị và ngân hàng
B-ng 10: Câu hỏi tham kh-o ý định sử dụng Apple Pay
Câu h iỏ Các phươ ng án tr l iả ờ
Bạn có sẵn sàng chọn Apple Pay là phương thức thanh toán:
Rất sẵn sàng Sẵn sàng Trung lập Không sẵn sàng Rát không s n sàngẵ
Xin chân thành cảm ơn quý Anh/Chị đã dành thời gian để thực hiện phần khảo sát này.
Trong nghiên cứu định lượng, thang đo Likert 5 mức độ giúp thu thập ý kiến từ người tham gia khảo sát về các nhân tố ảnh hưởng đến quyết định hành vi Phương pháp này thể hiện mức độ tác động mạnh hay yếu và sử dụng số liệu thu thập để phân tích định lượng Mục tiêu là xác định mối quan hệ tương quan và tuyến tính giữa các biến độc lập, biến phụ thuộc, cũng như giữa các biến độc lập với nhau.
Nhóm chọn thang đo Likert 5 mức độ với lựa chọn tương ứng
Bên cạnh đó, thang đo định danh được sử dụng nhằm phân tích yếu tố nhân khẩu học như: giới tính, nghề nghiệp, thu nhập, độ tuổi.
B-ng 11: Thang đo định danh
Ký hiệu mã hóa Nhóm nhân tố về NHU CẦU
NC1 Nhu cầu thanh toán
NC2 Nhu cầu thể hiện bản thân
NC3 Nhu cầu an toàn
NC4 Nhu cầu trải nghiệm
Ký hiệu mã hóa Nhóm nhân tố vềTÍNH TIỆN LỢI
TTL1 Không phải mang theo ví, tiền mặt
TTL2 Có mặt tại nhiều địa điểm ở TP.HCM
TTL3 Thanh toán nhanh với 1 lần chạm
TTL4 Tất cả thẻ được lưu trên 1 phần mềm
TTL5 Không cần mạng để sử dụng
TTL6 Không cần phải nhập thông tin thẻ tín dụng
TTL7 Giao diện đơn giản, không quảng cáo
Ký hiệu mã hóa Nhóm nhân tố về BẢO MẬT
BM1 Được xác thực bằng Face ID, Touch ID
BM2 Thông tin thẻ ngân hàng được mã hóa
BM3 Hệ thống thanh toán không tiếp xúc
NFC (kết nối không dây)
BM4 Không lưu trữ và chia sẻ thông tin
Ký hiệu mã hóa Nhóm nhân tố LỢI ÍCH
LI3 Thanh toán linh hoạt
LI4 Quản lý chi tiêu dễ dàng
LI5 Tiết kiệm thời gian
Ký hiệu mã hóa Nhóm nhân tố CHÍNH SÁCH
CS1 Không có hạn mức giới hạn
CS2 Hỗ trợ nhiều thiết bị và ngân hàng
CS3 Tính năng trả góp
Ký hiệu mã hóa Nhóm nhân tố XÃ HỘI
XH1 Sự gia tăng của các thiết bị di động thông minh
XH2 Sự gia tăng của thương mại điện tử
XH3 Sự phát triển công nghệ thanh toán không dùng tiền mặt
KẾT QUẢ NGHIÊN CỨU
Thông tin về mẫu nghiên cứu
Mẫu khảo sát đã được thu thập từ bảng câu hỏi Google Form mà nhóm đã gửi qua các phương tiện xã hội và truyền thông từ ngày 15/12/2023.
Vào ngày 22 tháng 12 năm 2023, chúng tôi đã thu thập được 213 phiếu khảo sát Sau khi tiến hành lọc, 9 phiếu trong số đó đã bị loại vì đối tượng khảo sát chọn 'Không' ở câu hỏi liên quan.
Bạn có thường xuyên sử dụng ví điện tử không? Kết quả khảo sát đã được hoàn tất với 204 phiếu hợp lệ, cung cấp dữ liệu quý giá cho nhóm để tiến hành phân tích.
4.1.1 Thống kê mô tả mẫu nghiên cứu
Sau khi loại bỏ các mẫu không hợp lệ từ khảo sát, phân tích sẽ được tiến hành bằng cả phương pháp định tính và định lượng Nhằm cung cấp thông tin mô tả chính xác về các đặc điểm của mẫu nghiên cứu, nhóm tập trung áp dụng phương pháp thống kê mô tả.
Phương pháp thống kê mô tả là một kỹ thuật phổ biến trong nghiên cứu khoa học và xã hội, giúp tóm tắt và tổ chức các đặc điểm của tập dữ liệu Phương pháp này hỗ trợ quá trình thực nghiệm và phân tích dữ liệu hiệu quả.
Tiêu chí của mẫu nghiên cứu lần lượt là: giới tính, độ tuổi, nghề nghiệp, thu nhập, tần suất và chi trả của người sử dụng.
B-ng 12: Thống kê các tiêu chí của mẫu nghiên cứu
Kết quả khảo sát GIỚI TÍNH: Theo kết quả khảo sát giới tính nữ chiếm tỉ lệ 56%,
Số lượng Tỷ lệ Tổng %
Sinh viên 167 79.5% Đã đi làm 40 19%
100% Ăn uống 84 41.2% Đồ gia dụng, điện tử 5 2.5%
Mua sắm trực tuyến chiếm 34% với tỷ lệ 16.7% cao hơn so với nam giới, tuy nhiên sự khác biệt giữa hai giới là không đáng kể do tỷ lệ giữa nam và nữ không có sự chênh lệch lớn.
Hình 12:Biểu đồ thể hiện giới tính của mẫu nghiên cứu
Kết quả khảo sát về độ tuổi cho thấy nhóm nghiên cứu đã phân chia thành 4 nhóm tuổi Nhóm từ 19 - 25 chiếm tỷ lệ cao nhất với 80%, tiếp theo là nhóm từ 26 - 35 chiếm 10%, nhóm từ 15 - 18 chiếm 8%, và nhóm từ 35 trở lên chỉ chiếm 2% Điều này cho thấy đề tài của nhóm nghiên cứu thu hút sự quan tâm chủ yếu từ nhóm tuổi 19 - 25.
Hình 13:Biểu đồ thể hiện độ tuổi của mẫu nghiên cứu
Theo khảo sát, nhóm đối tượng chiếm tỷ lệ cao nhất là sinh viên với 80%, tiếp theo là những người đã đi làm với 19%, trong khi học sinh chỉ chiếm 1%.
Học sinh Sinh viên Đã đi làm
Hình 14:Biểu đồ thể hiện nghề nghiệp của mẫu nghiên cứu
Kết quả khảo sát về thu nhập cho thấy, nhóm nghiên cứu đã phân chia thu nhập thành 4 nhóm Cụ thể, thu nhập dưới 5 triệu đồng chiếm 58.6%, nhóm thu nhập từ 5-10 triệu đồng chiếm 24.8%, nhóm từ 10-25 triệu đồng chiếm 12.4%, và cuối cùng, thu nhập trên 25 triệu đồng chỉ chiếm 4.2%.
Dưới 5 triệu 5-10 triệu 10-25 triệu Trên 25 triệu
Hình 15:Biểu đồ thẻ hiện thu nhập của mẫu nghiên cứu
Theo khảo sát, tần suất sử dụng của người dùng cho thấy 61.3% sử dụng hàng ngày, 30.4% sử dụng từ 2-3 lần mỗi tuần, và chỉ 8.3% sử dụng ít hơn.
Mỗi ngày 2-3 lần/tuần 1-2 lần/tháng
Hình 16:Biểu đồ thể hiện tần suất của mẫu nghiên cứu
Kết quả khảo sát về chi trả cho thấy người dùng ví điện tử chủ yếu chi tiêu cho ăn uống với tỷ lệ 41.2% Tiếp theo, thanh toán hóa đơn chiếm 28.9%, trong khi mua sắm trực tuyến và thời trang lần lượt chiếm 16.7% và 10.8% Cuối cùng, chi tiêu cho đồ gia dụng điện tử chỉ chiếm 2.5%.
Thời trang Ăn uống Đồ gia dụng, điện tử Thanh toán hoá đơn
Hình 17:Biểu đồ thể hiện việc chi trả của mẫu nghiên cứu
Kết quả khảo sát về mức độ sẵn sàng sử dụng Apple Pay cho thấy, đa số người tham gia chọn mức Trung lập với gần 60 phiếu, tiếp theo là mức Sẵn sàng với 50 phiếu, mức Rất sẵn sàng đạt hơn 40 phiếu, mức Không sẵn sàng có trên 30 phiếu, và cuối cùng là mức Rất không sẵn sàng với hơn 20 phiếu.
Hình 18:Biểu đồ thể hiện mức độ sẵn sàng sử dụng ApplePay
Biểu đồ trên cho thấy tình hình hiện tại về việc sử dụng Apple Pay tại Việt Nam, với mức độ Trung lập cao nhất cho thấy nhiều người vẫn còn lưỡng lự trong việc chọn phương thức thanh toán này Nguyên nhân có thể là do Apple Pay mới được giới thiệu tại Việt Nam vào giữa năm 2023, khiến nó vẫn còn mới mẻ đối với người dân, đặc biệt là ở TpHCM Tuy nhiên, mức độ Sẵn sàng và Rất sẵn sàng cao hơn hai mức độ còn lại cho thấy tiềm năng lớn của Apple Pay trong thị trường Việt Nam, đặc biệt là tại TpHCM.
4.2 Kiểm định sự khác biệt giữa nhân khẩu học với ý định sẵn sàng sử dụng Apple Pay ở TpHCM Để kiểm định sự khác biệt giữa nhân khẩu học với biến phụ thuộc (Y) là ý định sẵng sàng sử dụng Apple Pay ở TpHCM nhóm nghiên cứu dựa vào phương pháp kiểm địnhANOVA (ANOVA test).
Phân tích phương sai (ANOVA) là công cụ quan trọng trong nghiên cứu hồi quy, giúp xác định ảnh hưởng của các biến độc lập đối với biến phụ thuộc Thay vì chỉ so sánh các đối tượng trong một nhóm nghiên cứu, ANOVA cho phép so sánh giữa hai hoặc nhiều nhóm đối tượng, mở rộng phạm vi phân tích và tăng tính chính xác trong việc đánh giá sự khác biệt.
4.2.1 Mối quan hệ giữa giới tính với ý định sẵn sàng sử dụng Apple Pay ở
B-ng 13:B-ng ANOVA giữa biến giới tính và ý định sẵn sàng sử dụng
Tests of Homogeneity of Variances
Levene Statistic df1 df2 Sig.
Based on Median and with adjusted df
Y: Ý định sẵn sàng sử dụng Apple Pay ở TpHCM
Nhóm tiến hành đưa ra 2 giả thiết như sau:
H0: Không có sự khác biệt giữa nhóm giới tính và ý định sẵn sàng sử dụng Apple Pay ở TpHCM
H1: Có sự khác biệt giữa nhóm giới tính và ý định sẵn sàng sử dụng Apple Pay ở TpHCM
Phân tích nhân tố khám phá EFA
4.4.1 Các tiêu chí trong phân tích EFA
Hệ số Kaiser-Mayer-Olkin (KMO) là chỉ số quan trọng trong phân tích nhân tố khám phá (EFA), dùng để đánh giá sự phù hợp của dữ liệu cho phân tích này Giá trị KMO cần đạt từ 0.5 trở lên và nhỏ hơn 1; nếu thấp hơn 0.5, khả năng phân tích nhân tố có thể không phù hợp với tập dữ liệu.
Dựa vào trị số KMO, phân tích nhân tố có thể được đánh giá theo từng mức độ như sau:
Hệ số KMO có giá trị >=0.9: Xuất sắc
Hệ số KMO có giá trị >=0.8 và =0.7 và =0.6 và =0.5: Chấp nhận
Hệ số KMO có giá trị 2 cho thấy khả năng cao xảy ra hiện tượng này Chúng tôi đặt giả thuyết Ho rằng hệ số hồi quy của các biến độc lập Xn bằng 0.
(Nguồn: Kết quả thu được từ phân tích dữ liệu)Hình 31:Bảng Coefficients
Dựa vào bảng Coefficients, giá trị Sig = 0,001 cho thấy rằng chúng ta bác bỏ giả thuyết H0 và chấp nhận giả thuyết H1, điều này cho thấy hệ số hồi quy của biến độc lập Xi khác 0 Do đó, biến Xi có tác động đến biến phụ thuộc Y Kết quả này xác nhận rằng tất cả các biến độc lập đều có ý nghĩa thống kê và ảnh hưởng đến biến phụ thuộc.
Chỉ số VIF của tất cả các biến độc lập đều có giá trị dương, dao động từ 1.0 đến 1.2, cụ thể là X1 = 1.254, X2 = 1.170, X3 = 1.075, X4 = 1.207, X5 = 1.236 và X6 = 1.231 Do đó, dữ liệu không vi phạm giả định đa cộng tuyến.
Hệ số hồi quy chuẩn hóa Beta dương cho thấy tất cả 6 biến độc lập đều có mối tương quan thuận với biến phụ thuộc Trong đó, nhóm nhân tố X1 (TL) có ảnh hưởng mạnh nhất với hệ số 0.456, tiếp theo là X2 (LI) và X3 (NC) đều có hệ số 0.277, X4 (BM) với 0.246, X5 (XHXH) là 0.163 và cuối cùng là X6 (CS) với 0.141, cho thấy tác động ít nhất đến hành vi thanh toán bằng Apple Pay Điều này chỉ ra rằng người dùng Apple Pay chủ yếu quan tâm đến sự tiện lợi và lợi ích mà dịch vụ mang lại Đặc biệt, nhóm yếu tố chính sách có ảnh hưởng yếu nhất đến hành vi thanh toán bằng Apple Pay tại TP.HCM, chứng tỏ rằng chính sách không phải là yếu tố quyết định chính trong hành vi này.
Phương trình hồi quy chuẩn hóa:
Bảng phân tích mô hình hồi quy Coefficients cung cấp hệ số Beta cho từng yếu tố, từ đó cho phép chúng ta xây dựng phương trình hồi quy chuẩn hóa một cách chính xác.
X1 : Nhóm nhân tố về Tiện Lợi
X2 : Nhóm nhân tố về Lợi Ích
X3 : Nhóm nhân tố về Nhu Cầu
X6: Nhóm nhân tố về Chính Sách
Nghiên cứu cho thấy hành vi thanh toán bằng Apple Pay (biến Y) chịu ảnh hưởng bởi các nhân tố X1, X2, X3, X4, X5, X6 Đặc biệt, nhóm nhân tố tiện lợi có tác động mạnh nhất đến hành vi này, dựa trên khảo sát với 204 người tham gia tại TP.HCM.
Nhóm nhân tố tiện lợi (X1) : ảnh hưởng lớn nhất đến hành vi thanh toán bằng Apple
Hệ số hồi quy của việc thanh toán bằng Apple Pay là 0.456, cho thấy sự tiện lợi có ảnh hưởng tích cực đến hành vi sử dụng dịch vụ này Cụ thể, khi mức độ tiện lợi của Apple Pay tăng lên 1 đơn vị độ lệch chuẩn, hành vi thanh toán bằng Apple Pay cũng tăng theo 0.456 đơn vị độ lệch chuẩn.
Nhóm nhân tố lợi ích (X2) : ảnh hưởng lớn thứ hai đến hành vi thanh toán bằng
Apple Pay có hệ số hồi quy là 0.277, cho thấy rằng yếu tố tiện lợi ảnh hưởng tích cực đến hành vi thanh toán Cụ thể, khi lợi ích của Apple Pay tăng thêm 1 đơn vị độ lệch chuẩn, hành vi thanh toán bằng Apple Pay cũng sẽ tăng lên 0.277 đơn vị độ lệch chuẩn.
Nhóm nhân tố nhu cầu (X3) : cũng có ảnh hưởng đến hành vi thanh toán bằng Apple
Hệ số hồi quy của Pay là 0.277, cho thấy nhu cầu sử dụng Apple Pay có ảnh hưởng tích cực đến hành vi thanh toán Cụ thể, khi nhu cầu của người dùng Apple Pay tăng lên 1 đơn vị độ lệch chuẩn, hành vi thanh toán bằng Apple Pay cũng tăng lên 0.277 đơn vị độ lệch chuẩn.
Nhóm nhân tố bảo mật (X4) : ảnh hưởng lớn thứ tư đến hành vi thanh toán bằng
Apple Pay có hệ số hồi quy là 0.246, cho thấy rằng yếu tố bảo mật có tác động tích cực đến hành vi thanh toán Cụ thể, khi mức độ bảo mật của Apple Pay tăng lên 1 đơn vị độ lệch chuẩn, hành vi thanh toán bằng Apple Pay cũng sẽ tăng lên 0.246 đơn vị độ lệch chuẩn.
Nhóm nhân tố xu hướng xã hội (X5) : ảnh hưởng hành vi thanh toán bằng Apple
Hệ số hồi quy cho thấy rằng yếu tố xu hướng xã hội có tác động tích cực đến hành vi thanh toán bằng Apple Pay, với hệ số hồi quy là 0.163 Cụ thể, khi xu hướng xã hội tăng lên 1 đơn vị độ lệch chuẩn, hành vi thanh toán bằng Apple Pay cũng sẽ tăng lên 0.163 đơn vị độ lệch chuẩn.
Nhóm nhân tố chính sách (X6) có ảnh hưởng ít nhất đến hành vi thanh toán bằng Apple Pay, với hệ số hồi quy là 0.141 Hệ số hồi quy dương cho thấy rằng nhân tố chính sách tác động cùng chiều đến hành vi thanh toán này Cụ thể, khi chính sách của Apple Pay tăng lên 1 đơn vị độ lệch chuẩn, hành vi thanh toán bằng Apple Pay cũng tăng lên 0.141 đơn vị độ lệch chuẩn.
Bảng phân tích mô hình hồi quy cung cấp các giá trị ở cột Coefficients, cho phép chúng ta xác định các Unstandardized Coefficients của từng yếu tố Từ đó, chúng ta có thể xây dựng phương trình hồi quy chưa chuẩn hóa.
X1 : Nhóm nhân tố về Tiện Lợi
X2 : Nhóm nhân tố về Lợi Ích
X3 : Nhóm nhân tố về Nhu Cầu
X4 : Nhóm nhân tố về Bảo Mật
X5 : Nhóm nhân tố về Xu Hướng Xã Hội
X6: Nhóm nhân tố về Chính Sách
Tất cả các nhóm nhân tố đều có tác động tích cực đến hành vi thanh toán bằng Apple Pay, với các hệ số hồi quy lần lượt là: X1 (TL) = 0.286, X2 (LI) = 0.177, X3 (NC) = 0.176, X4 (BM) = 0.158, X5 (XHXH) = 0.096, và X6 (CS) = 0.093.
Khi tăng cường yếu tố tiện lợi (biến X1) lên 1 đơn vị độ lệch chuẩn, hành vi thanh toán qua Apple Pay sẽ tăng lên 0.286 đơn vị độ lệch chuẩn.
Đánh giá giả định hồi quy qua 3 biểu đồ
4.8.1 Biểu đồ tần số phần dư chuẩn hóa Histogram
Phần dư có thể không tuân theo phân phối chuẩn do nhiều nguyên nhân như sử dụng sai mô hình, phương sai không hằng số, hoặc số lượng phần dư không đủ lớn Để khảo sát, một phương pháp đơn giản là xây dựng biểu đồ tần số Histogram Khi phân tích Histogram, nếu giá trị trung bình gần 0, độ lệch chuẩn gần 1, và các cột phân bố theo hình chuông, ta có thể khẳng định rằng phân phối xấp xỉ chuẩn, đồng nghĩa với việc giả định phân phối chuẩn của phần dư không bị vi phạm.
Hình 32 :Biểu đồ tần số phần dư chuẩn hóa Histogram
Dựa vào biểu đồ Histogram, ta thấy giá trị trung bình Mean = 2.05E-15 = 2.05 ×10 -
Giá trị gần bằng 0 là 15, trong khi độ lệch chuẩn là 0.985, gần bằng 1 Các cột giá trị phần dư phân bố theo hình chuông, với phần lớn giá trị tập trung trong khoảng từ -2 đến 2, và giá trị lớn nhất nằm gần -1 Do đó, phân phối phần dư xấp xỉ phân phối chuẩn, cho thấy giả định về phân phối chuẩn của phần dư không bị vi phạm.
4.8.2 Biểu đồ phần dư chuẩn hóa P-P Plot
Ngoài biểu đồ Histogram, P-P Plot là một công cụ phổ biến để kiểm tra sự vi phạm giả định phần dư chuẩn hóa Khi phân tích biểu đồ Normal P-P Plot, nếu các điểm dữ liệu bám sát đường chéo, điều này cho thấy phần dư có phân phối chuẩn Ngược lại, nếu các điểm dữ liệu phân bố xa đường chéo, phân phối sẽ ít chuẩn hơn Như hình trên cho thấy, các hệ số quan sát nằm gần đường chéo, chứng tỏ rằng phần dư có phân phối chuẩn và không vi phạm giả định này Các điểm phân vị của phần dư tập hợp thành một đường chéo tương ứng với đường phân phối chuẩn.
Hình 33:Biểu đồ phần dư chuẩn hóa P-P Plot
4.8.3 Biểu đồ kiểm tra giả định liên hệ tuyến tính Scatter Plot
Trong hồi quy, một giả định quan trọng là sự tồn tại mối liên hệ tuyến tính giữa biến phụ thuộc và các biến độc lập Để kiểm tra giả định này, biểu đồ phân tán (Scatter Plot) giữa các phần dư chuẩn hóa và giá trị dự đoán chuẩn hóa sẽ giúp chúng ta xác định xem dữ liệu có vi phạm giả định tuyến tính hay không Hình dạng và cách bố trí của các điểm dữ liệu trên đồ thị phản ánh bản chất của biến phụ thuộc; do đó, cần đánh giá tổng quát xu hướng của đám mây điểm dữ liệu Các điểm trên biểu đồ đại diện cho giá trị của các phân vị trong phân phối của biến quan sát Nếu các điểm phân vị nằm gần đường chéo hoặc trên đường chéo, điều này cho thấy giả định phân phối chuẩn của phần dư không bị vi phạm.
Dựa vào hình 27, có thể thấy rằng các điểm phân vị không nằm trên đường chéo hoặc sát đường thẳng kỳ vọng, mặc dù một số điểm vẫn tiếp xúc với đường chéo Các điểm phân vị cũng không cách xa đường thẳng kỳ vọng quá nhiều Phần dư trên biểu đồ P-P Plot cho thấy có sai số, nhưng khoảng phần dư này không lớn Do đó, kết luận là giả định phân phối chuẩn của phần dư không bị vi phạm.
Biểu đồ Scatter Plot là công cụ hữu ích để phân tích mối liên hệ giữa hai biến số định lượng Khi các điểm trên biểu đồ phân tán rải rác, điều này cho thấy giả thuyết về quan hệ tuyến tính vẫn được giữ nguyên Ngược lại, nếu các điểm tập trung lại, có thể có sự vi phạm trong giả thuyết này.
Hình 34:Biểu đồ kiểm tra giả định liên hệ tuyến tính Scatter Plot
(Nguồn: Kết quả thu được từ phân tích dữ liệu)
Biểu đồ cho thấy các điểm phân vị phân tán không theo một đường thẳng, điều này cho thấy giả định về mối liên hệ tuyến tính vẫn được giữ nguyên Vì vậy, mô hình hồi quy trong nghiên cứu được xác định là chính xác và có độ tin cậy cao.