6. Kết cấu của đề tài
4.2.2.Phân tích hệ số Cronbach’s alpha thang đo thành phần ý định
Thành phần ý định gồm 3 biến quan sát (YD1, YD2, YD3) có hệ số Cronbach’s alpha là 0.853 và các hệ số tƣơng quan biến tổng của các biến đo lƣờng thành phần này đều đạt tiêu chuẩn cho phép (lớn hơn 0.3). Do đó, các biến đo lƣờng thành phần này sẽ đƣợc đƣa vào phân tích nhân tố.
Bảng 4.3: Hệ số Cronbach’s alpha của thành phần ý định
Biến quan sát
Trung bình thang
đo nếu loại biến Phƣơng sai thang đo nếu loại biến Tƣơng quan biến tổng Cronbach’s alpha nếu loại biến
Thang đo ý định sử dụng IB: Cronbach’s Alpha = 0.853
YD1 7.2822 1.547 .740 .792
YD2 7.4604 1.683 .784 .737
YD3 7.5644 2.098 .679 .844
4.3 Phân tích nhân tố khám phá EFA
Mục đích của phân tích nhân tố khám phá để thu nhỏ và gom các biến lại nhằm đạt đƣợc giá trị hội tụ của các biến quan sát theo từng nhân tố và giá trị phân biệt giữa các nhân tố.
Điều kiện cần và đủ để áp dụng phân tích nhân tố là khi kiểm định Bartlett (Bartlett’s test of sphericity) với sig. < 0.05 và chỉ số KMO lớn hơn 0.5.
Trong phân tích nhân tố, phƣơng pháp Principal components analysis đi cùng với phép xoay varimax thƣờng đƣợc sử dụng. Sau khi xoay các nhân tố, hệ số tải nhân tố > 0.5 đƣợc xem là có ý nghĩa thực tiễn. Phƣơng sai trích phải đạt từ 50% trở lên. Ngoài ra, trị số Eigenvalues phải lớn hơn 1. Những nhân tố có Eigenvalues nhỏ hơn 1 sẽ không có tác dụng tóm tắt thông tin tốt hơn một biến gốc. (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
4.3.1 Phân tích nhân tố khám phá thang đo các thành phần ảnh hƣởng đến ý định sử dụng IB
Các thang đo tác động đến ý định sử dụng IB gồm 6 thành phần đƣợc đo bằng 21 biến quan sát sau khi đạt độ tin cậy Cronbach’s alpha tiếp tục đƣợc đƣa vào phân tích nhân tố.
Kết quả phân tích nhân tố lần thứ nhất:
Kết quả kiểm định Bartlett (Bartlett’s test of sphericity) trong bảng kiểm định KMO và Bartlett's (bảng số 8, phụ lục 5) với sig = 0.000 và chỉ số KMO = 0.861 > 0.5 đều đáp ứng đƣợc yêu cầu.
Tại các mức giá trị Eigenvalues lớn hơn 1, phân tích nhân tố đã trích đƣợc 5 nhân tố từ 21 biến quan sát và với phƣơng sai trích là 72.694 % (lớn hơn 50%) đạt yêu cầu (bảng số 9, phụ lục 5). Dựa trên phân tích của bảng ma trận xoay nhân tố (bảng số 10, phụ lục 5), biến KN2 bị loại do có hệ số tải nhân tố chƣa đạt yêu cầu (nhỏ hơn 0.5). Do đó, việc phân tích nhân tố lần thứ hai đƣợc thực hiện với việc loại biến KN2 này ra.
Kết quả phân tích nhân tố lần thứ hai:
Kết quả kiểm định kiểm định Bartlett's và KMO (bảng số 11, phụ lục 5) với sig = 0.000 và chỉ số KMO = 0.866 đều đáp ứng đƣợc yêu cầu.
Tại các mức giá trị Eigenvalues = 1.177, phân tích nhân tố đã trích đƣợc 5 nhân tố và với phƣơng sai trích là 75.109% (> 50%) đạt yêu cầu (bảng số 12, phụ lục 5). Kết quả tại bảng 4.4 (xem thêm bảng số 13, phụ lục 5) cho thấy hệ số tải nhân tố
của các biến này đều lớn hơn 0.5 (đạt yêu cầu).
Bảng 4.4: Ma trận xoay nhân tố lần thứ hai
Component 1 (DD) 2 (HD) 3 (TC) 4 (QC) 5 (TN) PE2 .889 KN1 .884 PE1 .883 PE3 .875 KN3 .849 HD1 .832 HD3 .810 HD4 .807 HD2 .770 TC3 .830 TC1 .796 TC2 .778 TC4 .745 QC1 .851 QC4 .787 QC3 .774 QC2 .742 TN1 .819 TN2 .774 TN3 .750 Eigenvalues 7.060 3.523 1.900 1.362 1.177 Phƣơng sai trích (%) 35.299 17.614 9.502 6.812 5.883 Cronbach Alpha 0.929 0.887 0.866 0.889 0.782
Dựa trên phân tích của bảng ma trận xoay nhân tố tại bảng 4.4, kết quả có tổng cộng 5 nhân tố đƣợc rút trích từ 20 biến quan sát nhƣ sau:
Nhân tố thứ nhất gồm 5 biến quan sát (KN1, KN3, PE1, PE2, PE3): đƣợc
gom từ 2 nhân tố là kỹ năng và dễ sử dụng cảm nhận. Nhân tố này vẫn mang đặc trƣng của dễ sử dụng cảm nhận nên đƣợc đặt tên là nhân tố dễ dùng. 5 biến quan sát này đƣợc nhóm lại và ký hiệu là (DD) bằng lệnh Transform/Compute Variable/mean. Nhân tố này cũng đƣợc kiểm tra lại hệ số tin cậy Cronbach Alpha là 0.929 (bảng số 17, phụ lục 5).
Nhân tố thứ hai gồm 4 biến (HD1, HD2, HD3, HD4) đƣợc nhóm lại bằng
lệnh Transform/Compute Variable/mean và đặt tên là nhân tố hữu dụng cảm nhận ký hiệu là (HD).
Nhân tố thứ ba gồm 4 biến (TC1, TC2, TC3, TC4) đƣợc nhóm lại bằng lệnh
Transform/Compute Variable/mean và đặt tên là nhân tố tin cậy, ký hiệu là (TC). (adsbygoogle = window.adsbygoogle || []).push({});
Nhân tố thứ tƣ gồm 4 biến (QC1, QC2, QC3, QC4) đƣợc nhóm lại bằng lệnh Transform/Compute Variable/mean và đặt tên là nhân tố quy chuẩn chủ quan, ký hiệu là (QC).
Nhân tố thứ năm gồm 3 biến (TN1, TN2, TN3) đƣợc nhóm lại bằng lệnh
Transform/Compute Variable/mean và đặt tên là nhân tố tiện nghi, ký hiệu là (HD).
4.3.2 Phân tích nhân tố khám phá thang đo ý định sử dụng IB
Kết quả kiểm định Bartlett (Bartlett’s test of sphericity) trong bảng kiểm định KMO và Bartlett's (bảng số 14, phụ lục 5) với sig = 0.000 và chỉ số KMO = 0.717 đều đáp ứng đƣợc yêu cầu.
Tại mức giá trị Eigenvalues = 2.337 (bảng số 15, phụ lục 5), đã trích đƣợc một nhân tố từ ba biến quan sát và với phƣơng sai trích là 77.893 % (lớn hơn 50%) đạt yêu cầu. Ba biến YD1, YD2, YD3 đều có hệ số tải nhân tố lớn hơn 0.5 đều phù hợp.
Bảng 4.5: Kết quả phân tích nhân tố cho thành phần ý định. Nhân tố 1 YD2 .910 YD1 .885 YD3 .852 Eigenvalues 2.337 Phƣơng sai trích (%) 77.893
Ba biến YD1, YD2, YD3 thuộc nhân tố ý định sử dụng IB đƣợc nhóm lại bằng lệnh Transform/Compute Variable/mean và đặt tên là nhân tố ý định sử dụng IB, ký hiệu là (YD).
Bảng 4.6: Diễn giải các thành phần sau khi xoay nhân tố.
STT Mã hóa Diễn giải Nhân tố dễ dùng (DD)
Nhân
tố
1
PE1 Tôi thấy việc sử dụng IB là đơn giản
PE2 Tôi thấy không có khó khăn gì trong việc tìm hiểu và sử dụng IB PE3 Tôi thấy các quy định về sử dụng IB là dễ hiểu
KN1 Tôi tự tin về kỹ năng thao tác với thiết bị hỗ trợ và sử dụng dịch vụ Internet
KN3 Tôi có thể sử dụng dịch vụ IB mà không cần sự hỗ trợ thêm của ngân hàng
Nhân tố hữu dụng cảm nhận (HD)
Nhân
tố
2
HD1 Sử dụng IB nhanh hơn việc đến giao dịch tại quầy HD2 IB cho phép tôi thực hiện giao dịch ở bất cứ đâu
HD3 Tôi cho rằng sử dụng IB cho nhu cầu giao dịch của tôi dễ dàng hơn HD4 IB mang lại nhiều hữu ích hơn so với các phƣơng thức thực hiện giao
Nhân tố sự tin cậy (TC)
Nhân
tố
3
TC1 Tôi tin hệ thống an ninh mạng của ngân hàng rất tốt.
TC2 Tôi tin rằng thông tin cá nhân của tôi đƣợc bảo vệ an toàn
TC3 Tôi tin rằng việc giao dịch qua IB là an toàn (adsbygoogle = window.adsbygoogle || []).push({});
TC4 Tôi tin ngân hàng sẽ bảo vệ quyền lợi hợp pháp của tôi khi giao dịch
Nhân tố quy chuẩn chủ quan (QC)
Nhân
tố
4
QC1 Bạn bè, đồng nghiệp… khuyên tôi nên sử dụng dịch vụ IB
QC2 Nhận xét, đánh giá của những ngƣời xung quanh tác động đến ý định sử dụng dịch vụ IB của tôi
QC3 Quảng cáo, hƣớng dẫn chi tiết của ngân hàng có thể ảnh hƣởng đến y định sử dụng IB của tôi QC4 Khi mọi ngƣời đều sử dụng IB, tôi có thể sử dụng IB
Nhân tố tiện nghi (TN)
Nhân
tố
5
TN1 Tôi có sẵn những trang thiêt bị cần thiết để sử dụng dịch vụ IB TN2 Tôi có sự am hiểu cần thiết để thực hiện giao dịch qua IB
TN3 Tôi cho rằng chi phí liên quan đến thiết bị, dịch vụ hỗ trợ IB có ảnh hƣởng đến việc sử dụng IB của tôi
Nhân tố ý định dùng IB (YD)
Nhân
tố
6
YD1 Tôi dự định sử dụng dịch vụ IB trong tƣơng lai
YD2 Chắc chắn trong tƣơng lai tôi sẽ sử dụng IB nếu có nhu cầu
YD3 Tôi cho rằng những ngƣời khác cũng sử dụng IB
4.4 Mô hình hiệu chỉnh sau khi phân tích nhân tố
Sau khi phân tích và kiểm định bằng hệ tin cậy Cronbach’s alpha và nhân tố khám phá (EFA), chỉ còn lại 5 nhân tố bao gồm 20 biến quan sát (bảng 4.5) tác động đến ý định sử dụng IB và nhân tố ý định sử dụng IB vẫn giữ nguyên (bảng
4.4). Mô hình nghiên cứu và các giả thuyết ban đầu (trình bày ở chƣơng 1) đƣợc điều chỉnh lại nhƣ hình 4.1:
Hình 4.1: Mô hình nghiên cứu điều chỉnh lần 1
Giả thuyết H1: nhân tốdễ dùng có quan hệ đồng biến với ý định sử dụng dịch vụ IB
Giả thuyết H2: Hữu dụng cảm nhận có quan hệ đồng biến với ý định sử dụng dịch
vụ IB.
Giả thuyết H3: Sự tin cậy có quan hệ đồng biến với ý định sử dụng dịch vụ IB.
Giả thuyết H4: Quy chuẩn chủ quan có quan hệ đồng biến với ý định sử dụng dịch (adsbygoogle = window.adsbygoogle || []).push({});
vụ IB.
Giả thuyết H5: Tính tiện nghi có quan hệ đồng biến với ý định sử dụng dịch vụ IB.
Năm nhân tố tác động đến ý định sử dụng IB đƣợc ký hiệu theo thứ tự các giả thiết trên lần lƣợt là DD, HD, TC, QC và TN cùng với nhân tố ý định dùng IB ký hiệu là YD sẽ đƣợc đƣa vào phân tích tƣơng quan và hồi qui tuyến tính bội.
4.5 Phân tích tƣơng quan
Phân tích tƣơng quan bằng hệ số tƣơng quan Pearson (bảng 4.7) cho thấy có
Sự tin cậy
Tiện nghi
Quy chuẩn chủ quan Dễ dùng Hữu dụng cảm nhận H1 H2 H3 H4 H5 Ý ĐỊNH SỬ DỤNG IB
sự tƣơng quan giữa nhân tố tác động đến ý định sử dụng IB với nhân tố ý định dùng IB và những mối liên hệ này là cùng chiều. Các giá trị sig. đều nhỏ (=0.000), do vậy chúng đều có ý nghĩa về mặt thống kê. Đồng thời cũng có tƣơng quan giữa các nhân tố tác động đến việc sử dụng IB với nhau nên mối quan hệ giữa các thành phần này cần phải xem xét kỹ trong phần phân tích hồi qui tuyến tính bội dƣới đây nhằm tránh hiện tƣợng đa cộng tuyến.
Bảng 4.7: Ma trận tƣơng quan giữa các thành phần nghiên cứu
Correlations YD DD HD TC QC TN YD Pearson Correlation 1 .275** .633** .695** .736** .590** Sig. (2-tailed) .000 .000 .000 .000 .000 N 202 202 202 202 202 202 DD Pearson Correlation .275** 1 .212** .168* .187** .110 Sig. (2-tailed) .000 .003 .017 .008 .119 N 202 202 202 202 202 202 HD Pearson Correlation .633** .212** 1 .409** .501** .480** Sig. (2-tailed) .000 .003 .000 .000 .000 N 202 202 202 202 202 202 TC Pearson Correlation .695** .168* .409** 1 .580** .389** Sig. (2-tailed) .000 .017 .000 .000 .000 N 202 202 202 202 202 202 QC Pearson Correlation .736** .187** .501** .580** 1 .396** Sig. (2-tailed) .000 .008 .000 .000 .000 N 202 202 202 202 202 202 TN Pearson Correlation .590** .110 .480** .389** .396** 1 Sig. (2-tailed) .000 .119 .000 .000 .000 N 202 202 202 202 202 202
**. Correlation is significant at the 0.01 level (2-tailed). *. Correlation is significant at the 0.05 level (2-tailed).
4.6 Phân tích hồi qui tuyến tính bội
4.6.1 Xác định biến độc lập và biến phụ thuộc.
Nếu kết luận đƣợc là các biến độc lập và biến phụ thuộc có tƣơng quan tuyến tính với nhau qua hệ số tƣơng quan Pearson, đồng thời giả định rằng chúng ta đã
cân nhắc kỹ bản chất của mối liên hệ tiềm ẩn giữa các biến và xem nhƣ đã xác định đúng hƣớng của một mối quan hệ nhân quả giữa chúng, thì chúng ta có thể mô hình hóa mối quan hệ nhân quả của chúng bằng mô hình hồi qui tuyến tính bội, trong đó một biến đƣợc gọi là biến phụ thuộc và biến còn lại gọi là các biến độc lập (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
YD = β0 + β1*DD + β2*HD + β3*TC + β4*QC + β5*TN
Trong đó:
YD : Biến phụ thuộc (Y): Ý định sử dụng IB
Các biến độc lập (Xi): nhân tố dễ dùng (DD), nhân tố hữu dụng cảm
nhận (HD), nhân tố tin cậy (TC), nhân tố quy chuẩn chủ quan (QC), nhân tố tiện nghi (TN).
βk: Hệ số hồi qui riêng phần. (k = 0…5)
4.6.2 Hồi qui tuyến tính bội.
Để kiểm định sự phù hợp giữa năm nhân tố tác động đến ý định dùng IB và ý
định dùng IB, hàm hồi qui tuyến tính bội với phƣơng pháp đƣa vào một lƣợt (Enter)
đƣợc sử dụng. Nghĩa là phần mềm SPSS xử lý tất cả các biến đƣa vào một lần và đƣa ra các thông số thống kê liên quan đến các biến.
Hệ số hồi qui riêng phần đã chuẩn hóa của thành phần nào càng lớn thì mức độ ảnh hƣởng của thành phần đó đến ý định sử dụng IB càng cao, nếu cùng dấu thì mức độ ảnh hƣởng thuận chiều và ngƣợc lại.
Bảng 4.8: Kết quả phân tích hồi qui bội
Coefficientsa
Model (adsbygoogle = window.adsbygoogle || []).push({});
Hệ số hồi qui
Chƣa chuẩn hóa đã chuẩn hóa Hệ số hồi qui T Sig. đa cộng tuyến Thống kê
B Std. Error Beta Tolerance VIF
1
Hệ số chặn -.328 .194 -1.690 .093
DD .071 .029 .090 2.473 .014 .944 1.060 HD .229 .049 .206 4.672 .000 .638 1.568
TC .231 .034 .306 6.869 .000 .626 1.599 QC .269 .036 .350 7.521 .000 .572 1.749 TN .270 .050 .224 5.386 .000 .717 1.395
Kết quả phân tích hồi qui bội tại bảng 4.8, các giá trị Sig. tƣơng ứng với các nhân tố DD, HD, TC, QC, TN lần lựợt là 0.014, 0.000, 0.000, 0.000 và 0.000 đều rất nhỏ. Vì vậy, có thể khẳng định các nhân tố này có ý nghĩa thống kê trong mô hình.
4.6.3 Kiểm tra các giả định hồi qui
Phân tích hồi qui không chỉ là việc mô tả các dữ liệu quan sát đƣợc mà còn phải suy rộng cho mối liên hệ giữa các biến trong tổng thể từ các kết quả quan sát đƣợc trong mẫu đó. Kết quả của mẫu suy rộng ra cho giá trị của tổng thể phải đáp ứng các giả định cần thiết dƣới đây:
Giả định liên hệ tuyến tính: giả định này sẽ đƣợc kiểm tra bằng biểu đồ phân tán scatter cho phần dƣ chuẩn hóa (Standardized residual) và giá trị dự doán chuẩn hóa (Standardized predicted value). Kết quả (hình số 1, phụ lục 6) cho thấy phần dƣ phân tán ngẫu nhiên qua đƣờng thẳng qua điểm 0, không tạo thành một hình dạng nào cụ thể nào. Nhƣ vậy, giả định liên hệ tuyến tính đƣợc đáp ứng.
Giả định phƣơng sai của sai số không đổi: kết quả kiểm định tƣơng quan
hạng Spearman (bảng số 21, phụ lục 5) cho thấy giá trị sig. của các thành phần dễ dùng, hữu dụng, tin cậy, quy chuẩn, tiện nghi với giá trị tuyệt đối của phần dƣ lần lƣợt là: 0.176, 0.957, 0.462, 0.370, 0.800. Điều này cho thấy chúng ta không thể bác bỏ giả thiết Ho, nghĩa là phƣơng sai của sai số không đổi. Nhƣ vậy, giả định phƣơng sai của sai số không đổi không bị vi phạm.
Giả định phần dƣ có phân phối chuẩn: kiểm tra biểu đồ phân tán của phần
dƣ (hình số 2, phụ lục 6) cho thấy phân phối phần dƣ xấp xỉ chuẩn (trung bình mean gần bằng 0 và độ lệch chuẩn Std. gần bằng 1). Nhƣ vậy, giả định phần dƣ có phân phối chuẩn không bị vi phạm.
Giả định không có tƣơng quan giữa các phần dƣ: đại lƣợng thống kê Durbin-Watson (d) đƣợc dùng để kiểm định tƣơng quan chuỗi bậc nhất. Kết quả nhận đƣợc từ bảng 4.9cho thấy đại lƣợng thống kê Durbin-Watson có giá trị là 2.052 gần bằng 2, nên chấp nhận giả thuyết không có sự tƣơng quan chuỗi bậc nhất trong mô hình. Nhƣ vậy, mô hình hồi qui bội đáp ứng đƣợc tất cả các giả định.
4.6.4 Kiểm định độ phù hợp mô hình và hiện tƣợng đa cộng tuyến.
Kiểm định độ phù hợp của mô hình
Hệ số R² điều chỉnh là thƣớc đo sự phù hợp đƣợc sử dụng cho tình huống hồi quy tuyến tính bội vì nó không phụ thuộc vào độ lệch phóng đại của hệ số R². Kết quả phân tích hồi qui bội (bảng 4.9) cho thấy R² điều chỉnh (Adjusted R Square) bằng 0.751, nghĩa là mức độ phù hợp của mô hình là 75.10%. Có thể nói các thành phần biến đƣợc đƣa vào mô hình đạt kết quả giải thích khá tốt.
Bảng 4.9: Model Summaryb Model R R Square Hệ số R2 điều chỉnh Std. Error of the Estimate Durbin-Watson 1 .870a .757 .751 .32094 2.052 Kết quả nhận đƣợc từ bảng ANOVAb
(bảng 4.10) cho thấy trị thống kê F với giá trị Sig. rất nhỏ (= 0.000 < 0.05) cho thấy sẽ an toàn khi bác bỏ giả thiết Ho. Nhƣ vậy, có thể kết luận rằng mô hình hồi qui bội thỏa mãn các điều kiện đánh giá và kiểm định độ phù hợp cho việc rút ra các kết quả nghiên cứu.