4.1.3.1 Phân tích tương quan
Đề tài tiến hành phân tích tương quan với mục đích kiểm định xem các biến trong mô hình có tương quan với nhau không và mức độ tương quan như thế nào. Việc phân tích tương quan giữa các biến sẽ là cơ sở để tiến hành phân tích hồi quy, đánh giá sự phù hợp của mô hình.
Bảng 4.18: Tương quan giữa các biến trong mô hình Correlations SDSD ILCN RRCN GCCN TCCQ KSHV SDDV SDSD Pearson Correlation 1 .037 -.163** .291** .183** .033 .426** Sig. (2-tailed) .520 .004 .000 .001 .567 .000 N 306 306 306 306 306 306 306 ILCN Pearson Correlation .037 1 -.329** .252** .220** .138* .429** Sig. (2-tailed) .520 .000 .000 .000 .015 .000 N 306 306 306 306 306 306 306 RRCN Pearson Correlation -.163** -.329** 1 -.387** -.331** -.080 -.598** Sig. (2-tailed) .004 .000 .000 .000 .163 .000 N 306 306 306 306 306 306 306 GCCN Pearson Correlation .291** .252** -.387** 1 .351** .065 .534** Sig. (2-tailed) .000 .000 .000 .000 .256 .000 N 306 306 306 306 306 306 306 TCCQ Pearson Correlation .183** .220** -.331** .351** 1 .180** .534** Sig. (2-tailed) .001 .000 .000 .000 .002 .000 N 306 306 306 306 306 306 306 KSHV Pearson Correlation .033 .138* -.080 .065 .180** 1 .101 Sig. (2-tailed) .567 .015 .163 .256 .002 .078 N 306 306 306 306 306 306 306 SDDV Pearson Correlation .426** .429** -.598** .534** .534** .101 1 Sig. (2-tailed) .000 .000 .000 .000 .000 .078 N 306 306 306 306 306 306 306 **. Correlation is significant at the 0.01 level (2-tailed).
*. Correlation is significant at the 0.05 level (2-tailed). (Nguồn: Phụ lục 6)
Qua bảng kết quả ta nhận thấy các biến độc lập SDSD, ILCN, RRCN, GCCN, TCCQ đều có tương quan khá mạnh đối với biến phụ thuộc, các hệ số tương quan đều có ý nghĩa thống kê (p<0,01). Cụ thể, mối quan hệ tương quan giữa biến sử dụng dịch vụ (SDDV) và sự dễ sử dụng (SDSD) là 0,426, tương quan với biến ích lợi cảm nhận (ILCN) là 0,429, tương quan với biến rủi ro cảm nhận (RRCN) là 0,598, tương quan với biến giá cả cảm nhận (GCCN) là 0,534, tương quan với biến tiêu chuẩn chủ quan (TCCQ) là 0,534.
Tuy nhiên, kết quả phân tích tương quan cũng cho thấy hệ số tương quan giữa biến độc lập kiểm soát hành vi (KSHV) và biến phụ thuộc SDDV thấp (0,101), đồng
thời có p = 0,078 > 0,05 nên yếu tố này không có ý nghĩa giải thích cho hành vi sử dụng của khách hàng. Do đó yếu tố này bị loại và mô hình hồi quy được xây dựng lại.
Mô hình nghiên cứu đã được điều chỉnh:
Hình 4.2: Mô hình nghiên cứu hiệu chỉnh
4.1.3.2 Dò tìm sự vi phạm các giả định cần thiết trong hồi quy tuyến tính
Mô hình hồi quy được xây dựng trên các giả định cần thiết cho hồi quy tuyến tính. Vì thế, mô hình cần phải kiểm tra lại các giả định này.
Giả định liên hệ tuyến tính
Từ biểu đồ phân tán giữa hai biến: giá trị dự đoán chuẩn hóa (Standardized Predicted Value) và phần dư chuẩn hóa (Standardized Residual) cho thấy phần dư phân tán ngẫu nhiên. Vì vậy giả định liên hệ tuyến tính không bị vi phạm.
Hình 4.3: Kiểm định liên hệ tuyến tính
(Nguồn: Phụ lục 7) Sự dễ sử dụng
Ích lợi cảm nhận
Rủi ro cảm nhận
Giá cả cảm nhận
Tiêu chuẩn chủ quan
SỬ DỤNG DỊCH VỤ NHĐT (+) (+) (+) (-) (+)
Giả định phương sai của sai số không đổi
Cũng từ biểu đồ phân tán hình 4.4, ta nhận thấy độ lớn của phần dư chuẩn hóa không tăng hoặc giảm cùng với giá trị dự đoán chuẩn hóa. Vì vậy giả định phương sai của sai số không đổi không bị vi phạm.
Hình 4.4: Kiểm định phương sai
(Nguồn: Phụ lục 7)
Giả định về phân phối chuẩn của phần dư
Nhìn biểu đồ ta thấy phần dư là một phân phối xấp xỉ chuẩn (trung bình Mean gần bằng 0, độ lệch chuẩn Std.Dev = 0,992). Ngoài ra, các giá trị quan sát thể hiện trên biểu đồ cũng tập trung gần sát với đường chéo thể hiện giá trị kỳ vọng. Điều này cũng cho thấy dữ liệu phần dư có phân phối xấp xỉ chuẩn. Như vậy giả định về phân phối chuẩn phần dư không bị vi phạm.
Tóm lại với các kết quả phân tích như trên, ta thấy rằng mô hình nghiên cứu hoàn toàn phù hợp và khẳng định có mối liên hệ chặt chẽ giữa biến phụ thuộc Sử dụng dịch vụ NHĐT với các thành phần còn lại của mô hình.
4.1.3.3 Phân tích hồi quy tuyến tính
Dựa vào mô hình nghiên cứu đã được điều chỉnh, phương trình hồi quy bội được xây dựng như sau:
SDDV = βo+ β1*SDSD + β2*ILCN + β3*RRCN + β4*GCCN + β5*TCCQ +ei
Trong đó:
Biến phụ thuộc: SDDV là giá trị của thang đo Sử dụng dịch vụ NHĐT Các biến độc lập: SDSD là giá trị của thang đo Sự dễ sử dụng
ILCN là giá trị của thang đo Ích lợi cảm nhận RRCN là giá trị của thang đo Rủi ro cảm nhận GCCN là giá trị của thang đo Giá cả cảm nhận TCCQ là giá trị của thang đo Tiêu chuẩn chủ quan
Để tiến hành phân tích hồi quy tuyến tính bội, các biến được đưa vào mô hình theo phương pháp Enter. Việc đánh giá mức độ phù hợp của mô hình thông qua hệ số xác định R2. Kiểm định giả thuyết về ý nghĩa toàn diện mô hình bằng đại lượng thống kê F. Kiểm định giả thuyết về ý nghĩa của các hệ số hồi quy bằng trị số thống kê t. Công cụ chẩn đoán giúp phát hiện sự tồn tại của cộng tuyến trong dữ liệu và đánh giá mức độ cộng tuyến làm thoái hóa tham số ước lượng là: Hệ số phóng đại phương sai (Variance inflation factor – VIF). Ngoài ra, giả định về phân phối chuẩn của phần dư được kiểm tra bằng cách xây dựng biểu đồ tần số của phần dư.
Bảng 4.19: Bảng Phân tích hồi quy Model Summaryb Mode l R R Square Adjusted R Square Std. Error of the Estimate Durbin- Watson 1 .798a .637 .631 .458 2.004 a. Predictors: (Constant), Tieu chuan chu quan, Su de su dung, Ich
loi cam nhan, Rui ro cam nhan, Gia ca cam nhan b. Dependent Variable: Su dung dich vu
ANOVAa Model Sum of Squares df Mean Square F Sig. 1 Regression 110.486 5 22.097 105.265 .000b Residual 62.976 300 .210 Total 173.462 305 Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics B Std. Error Beta Tolerance VIF
1 (Constant) 1.082 .339 3.188 .002 SDSD .271 .038 .262 7.150 .000 .903 1.108 ILCN .234 .043 .206 5.506 .000 .862 1.160 RRCN -.344 .042 -.327 -8.181 .000 .760 1.316 GCCN .222 .048 .185 4.584 .000 .742 1.348 TCCQ .293 .042 .268 6.961 .000 .819 1.222 (Nguồn: Phụ lục 7)
Đánh giá mức độ phù hợp của mô hình
Từ bảng, so sánh 2 giá trị R Square và Adjusted R Square ta thấy Adjusted R Square nhỏ hơn nên ta dùng hệ số này để đánh giá độ phù hợp của mô hình sẽ an toàn hơn vì nó không thổi phồng mức độ phù hợp của mô hình.
Hệ số xác định hiệu chỉnh Adjusted R Square là 0,631 nghĩa là mô hình hồi quy tuyến tính đã xây dựng phù hợp với tập dữ liệu đến mức 63,1%, điều này còn có ý
nghĩa là các biến độc lập đã góp phần giải thích 63.1% sự khác biệt của biến phụ thuộc là Sử dụng dịch vụ NHĐT.
Kiểm định giả thuyết về ý nghĩa toàn diện của mô hình
Để kiểm định ý nghĩa toàn diện của mô hình, có nghĩa là mô hình này vẫn phù hợp khi suy rộng ra thành mô hình tổng thể, chúng ta kiểm định giả thuyết về hệ số xác định R2của mô hình tổng thể. Ta đặt giả thuyết Ho: R2= 0.
Đại lượng thống kê F được sử dụng cho kiểm định này. Theo kết quả bảng , ta thấy kiểm định F có giá trị là 105,265 với Sig. = 0,000, do đó giả thuyết Ho bị bác bỏ. Điều này chứng tỏ mô hình hồi quy tuyến tính bội là phù hợp với tập dữ liệu và có thể sử dụng để suy rộng ra tổng thể.
Đo lường đa cộng tuyến
Ta dùng hệ số phóng đại phương sai VIF để kiểm tra khả năng xảy ra hiện tượng đa cộng tuyến giữa các biến độc lập. Quy tắc là khi VIF < 2: hiện tượng đa cộng tuyến giữa các biến độc lập ảnh hưởng không đáng kể đến mô hình; 2 ≤ VIF ≤ 10: hiện tượng đa cộng tuyến giữa các biến độc lập ảnh hưởng đáng kể đến mô hình; VIF > 10: dấu hiệu của đa cộng tuyến.
Nhìn bảng ta thấy hệ số VIF của các biến đều nhỏ hơn 2. Điều này có nghĩa là hiện tượng đa cộng tuyến giữa các biến độc lập không ảnh hưởng đến mô hình, hay ta có thể nói không có hiện tượng đa cộng tuyến.
4.1.3.4 Kiểm định các giả thuyết của mô hình
Kết quả bảng cho thấy các hệ số β đều khác không và Sig <0,05, nghĩa là các biến độc lập đều có quan hệ với biến phụ thuộc Sử dụng dịch vụ NHĐT. Điều đó chứng tỏ các giả thuyết H1, H2, H3, H4, H5 của mô hình đã đi ều chỉnh được chấp nhận với mức ý nghĩa thống kê là 5%.
So sánh các giá trị β của các biến độc lập, ta thấy thành phần Rủi ro cảm nhận có quan hệ nghịch chiều với Sử dụng dịch vụ NHĐT nên có hệ số β<0 (β= -0,327) nhưng giá trị tuyệt đối lớn nhất, điều này nói lên đây là thành phần quan trọng nhất và có tác động lớn nhất đến Sử dụng dịch vụ NHĐT. Tiếp đến là thành phần Tiêu chuẩn chủ quan (β= 0,268), thành phần Sự dễ sử dụng (β=0,262), thành phần Ích lợi cảm nhận (β=0,206) và tác động ít nhất là thành phần Giá cả cảm nhận (β=0,185).
Từ kết quả trên, ta có phương trình hồi quy tuyến tính thể hiện Sử dụng dịch vụ NHĐT theo các biến độc lập là:
SDDV = 0,262*SDSD + 0,206*ILCN – 0,327*RRCN + 0,185*GCCN + 0,268*TCCQ
4.1.3.5 Phân tích phương sai (ANOVA)
Phân tích phương sai được sử dụng để kiểm định mối liên hệ giữa việc sử dụng dịch vụ NHĐT với các biến phân loại mẫu như: giới tính, tuổi, thu nhập, trình độ học vấn và kênh thông tin tìm hiểu. Kết quả kiểm định sẽ cho ta biết được có sự khác biệt hay không về hành vi sử dụng dịch vụ NHĐT của các nhóm đối tượng được phân loại theo các tiêu chí trên đây. Nếu có sự khác biệt thì việc phân tích sâu ANOVA sẽ cho biết việc sử dụng dịch vụ NHĐT sẽ khác nhau như thế nào giữa những nhóm người có giới tính, tuổi, thu thập, trình độ học vấn và kênh thông tin tìm hiểu về dịch vụ NHĐT khác nhau.
Trong phân tích ANOVA, ta kiểm định giả định sự đồng nhất về phương sai của các nhóm so sánh bằng đại lượng thống kê Leneve. Sau đó ta kiểm định ANOVA với mức ý nghĩa thống kê là 0,05. Trong phân tích sâu ANOVA, ta dùng phương pháp kiểm định thống kê Bonferrori để so sánh các giá trị trung bình của các nhóm và đưa ra kết luận.
Nếu giả định về phương sai bằng nhau giữa các nhóm không được thỏa mãn thì ta thực hiện kiểm định Tamhane’s T2 thay cho kiểm định ANOVA và Bonferroni.
Phụ lục về phân tích phương sai ANOVA cho ta kết quả kiểm định mối liên hệ giữa các biến định tính và biến phụ thuộc Sử dụng dịch vụ NHĐT như sau:
Kiểm định mối liên hệ giữa Giới tính và Sử dụng dịch vụ NHĐT Bảng 4.20: Mối liên hệ giữa Giới tính và Sử dụng dịch vụ NHĐT
Test of Homogeneity of Variances
Levene Statistic df1 df2 Sig. .502 1 304 .479
ANOVA
Sum of Squares df Mean Square F Sig. Between Groups .130 1 .130 .228 .633
Within Groups 173.331 304 .570 Total 173.462 305
Kết quả cho thấy với mức ý nghĩa 0,479, giả thuyết Ho của kiểm định Levene về sự đồng nhất của phương sai được chấp nhận, nghĩa là phương sai của hai nhóm khách hàng có giới tính khác nhau không khác nhau một cách có ý nghĩa thống kê. Như vậy, kết quả phân tích ANOVA có thể sử dụng tốt.
Giả thuyết Ho của phân tích ANOVA: Không có sự khác biệt về việc sử dụng dịch vụ NHĐT giữa hai nhóm khách hàng nam và nữ.
Kết quả phân tích ANOVA cho thấy mức ý nghĩa quan sát Sig.= 0,633 (>0,05) nên giả thuyết Ho được chấp nhận, nghĩa là hành vi sử dụng dịch vụ NHĐT của hai nhóm khách hàng nam và nữ không khác nhau một cách có ý nghĩa thống kê.
Kiểm định mối liên hệ giữa Độ tuổi và việc sử dụng dịch vụ NHĐT Bảng 4.21: Mối liên hệ giữa Độ tuổi và việc sử dụng dịch vụ NHĐT Test of Homogeneity of Variances
Levene Statistic df1 df2 Sig. 2.564 3 302 .055
ANOVA
Sum of Squares df Mean Square F Sig. Between Groups 30.319 3 10.106 21.322 .000 Within Groups 143.143 302 .474
Total 173.462 305
(Nguồn: Phụ lục 8)
Kết quả cho thấy với mức ý nghĩa 0,055, giả thuyết Ho của kiểm định Levene về sự đồng nhất của phương sai được chấp nhận, nghĩa là phương sai c ủa các nhóm khách hàng phân theo độ tuổi không khác nhau một cách có ý nghĩa thống kê. Như vậy, kết quả phân tích ANOVA có thể sử dụng tốt.
Giả thuyết Ho của phân tích ANOVA: Không có sự khác biệt về hành vi sử dụng dịch vụ NHĐT giữa các nhóm khách hàng có độ tuổi khác nhau.
Kết quả phân tích ANOVA cho thấy mức ý nghĩa quan sát Sig = 0,000 (<0,05) nên giả thuyết Ho bị bác bỏ, nghĩa là việc sử dụng dịch vụ NHĐT của các nhóm khách hàng phân theo độ tuổi khác nhau một cách có ý nghĩa thống kê.
Kiểm định Bonferroni (Phụ lục 8) cho thấy hai nhóm khách hàng có độ tuổi dưới 25 và từ 25 đến dưới 35 có trung bình lớn nhất, kế đến là nhóm khách hàng có độ tuổi từ 35 đến dưới 50, sau đó mới đến nhóm khách hàng có độ tuổi từ 50 trở lên. Sự khác biệt giữa nhóm khách hàng có độ tuổi từ 35 đến dưới 50 và nhóm khách hàng có
độ tuổi từ 50 trở lên so với các nhóm còn lại là có ý nghĩa thống kê do có Sig<0,05. Còn giữa hai nhóm khách hàng có độ tuổi dưới 25 và từ 25 đến dưới 35 thì sự chênh lệch trung bình không có ý nghĩa thống kê do có Sig=1(>0,05).
Như vậy, qua kiểm định ANOVA của mẫu nghiên cứu quan sát được ta thấy nhóm khách hàng có độ tuổi dưới 35 muốn sử dụng dịch vụ NHĐT hơn nhóm khách hàng có độ tuổi trên 35 và nhóm khách hàng có độ tuổi từ 50 trở lên ít muốn sử dụng dịch vụ NHĐT nhất. Nghĩa là những người trẻ tuổi sẽ có xu hướng sử dụng dịch vụ NHĐT nhiều hơn những người lớn tuổi.
Kiểm định mối liên hệ giữa Thu nhập và việc sử dụng dịch vụ NHĐT Bảng 4.22: Mối liên hệ giữa Thu nhập và việc sử dụng dịch vụ NHĐT Test of Homogeneity of Variances
Levene Statistic df1 df2 Sig. 1.869 3 302 .135
ANOVA
Sum of Squares df Mean Square F Sig. Between Groups 34.803 3 11.601 25.267 .000 Within Groups 138.659 302 .459
Total 173.462 305
(Nguồn: Phụ lục 8)
Kết quả cho thấy với mức ý nghĩa 0,135, giả thuyết Ho của kiểm định Levene về sự đồng nhất của phương sai được chấp nhận, nghĩa là phương sai c ủa các nhóm khách hàng phân theo thu nhập không khác nhau một cách có ý nghĩa thống kê. Như vậy, kết quả phân tích ANOVA có thể sử dụng tốt.
Giả thuyết Ho của phân tích ANOVA: Không có sự khác biệt về hành vi sử dụng dịch vụ NHĐT giữa các nhóm khách hàng có thu nhập khác nhau.
Kết quả phân tích ANOVA cho thấy mức ý nghĩa quan sát Sig = 0,000 (<0,05) nên giả thuyết Ho bị bác bỏ, nghĩa là việc sử dụng dịch vụ NHĐT của các nhóm khách hàng phân theo thu nhập khác nhau một cách có ý nghĩa thống kê.
Kiểm định Bonferroni (Phụ lục 8) cho thấy hai nhóm khách hàng có thu nhập từ 5 đến 10 triệu và từ 10 đến 15 triệu có trung bình lớn nhất, kế đến là nhóm khách hàng có thu nhập từ 15 triệu trở lên, sau đó mới đến nhóm khách hàng có thu nhập dưới 5 triệu. Sự khác biệt giữa nhóm khách hàng có thu nhập dưới 5 triệu và nhóm khách hàng có thu nhập từ 15 triệu trở lên so với các nhóm còn lại là có ý nghĩa thống kê do
có Sig <0,05. Còn giữa hai nhóm khách hàng có thu nhập từ 5 đến 10 triệu và từ 10 đến 15 triệu thì sự chênh lệch trung bình không có ý nghĩa thống kê do có