Cronbach’s Alpha là thước đo tính nhất quán bên trong, nó được hiểu là mức độ chặt chẽ giữa các biến quan sát trong một tập hợp hay một nhân tố. Nó được coi là thước đo phổ biến nhất trong việc xác định độ tin cậy của thang đo.
Bảng 4.3. Bảng kiểm định thang đo biến AHXH (AHXH1-AHXH3) Thống kê tin cậy
Cronbach's Alpha Số mẫu
0,687 3
Item-Total Statistics Trung bình
thang đo
Phương sai thang đo nếu
Hệ số tương quan
Hệ số Cronbach’s
nếu loại
biến loại biến biến
Alpha nếu loại biến AHXH 1 7,41 3,054 0,466 0,652 AHXH 2 7,02 3,424 0,547 0,543 AHXH 3 7,38 3,387 0,502 0,592
Hệ số Cronbach’s Alpha của biến độc lập là 0,687 > 0,6, biến có ý nghĩa.
Hệ số tương quan biến của các biến quan sát AHXH1, AHXH2, AHXH3 > 0,3 nên thang đo của những biến này đạt chuẩn và đảm bảo đo lường tốt.
Do đó, sau khi kiểm định độ tin cậy của thang đo AHXH có 3 biến quan sát phù hợp và được giữ lại là : AHXH1, AHXH2, AHXH3.
Bảng 4.4. Bảng kiểm định thang đo biến CNHD (CNHD1-CNHD6) Thống kê tin cậy
Cronbach's Alpha Số mẫu
0,857 6
Item-Total Statistics Trung bình
thang đo nếu loại biến
Phương sai thang đo nếu
loại biến
Hệ số tương quan biến
Hệ số Cronbach’s Alpha nếu loại
CNHD1 21,14 9,501 0,631 0,836 CNHD2 21,14 9,771 0,601 0,841 CNHD3 21,1 9,718 0,623 0,837 CNHD4 20,92 9,391 0,714 0,821 CNHD5 21,29 9,129 0,628 0,838 CNHD6 21,02 9,535 0,692 0,825
Hệ số Cronbach’s Alpha của biến độc lập là 0,857 > 0,6, biến có ý nghĩa.
Hệ số tương quan biến của các biến quan sát CNHD1, CNHD2, CNHD3, CNHD4, CNHD5, CNHD6 > 0,3 nên thang đo của những biến này đạt chuẩn và đảm bảo đo lường tốt.
Do đó, sau khi kiểm định độ tin cậy của thang đo CNHD có 6 biến quan sát phù hợp và được giữ lại là : CNHD1, CNHD2, CNHD3, CNHD4, CNHD5, CNHD6.
Bảng 4.5. Bảng kiểm định thang đo biến DDSD (DDSD1-DDSD5)
Thống kê tin cậy
Cronbach's Alpha Số mẫu
0,794 5
Item-Total Statistics Trung bình
thang đo nếu loại biến
Phương sai thang đo nếu
loại biến
Hệ số tương quan biến
Hệ số Cronbach’s Alpha nếu loại
DDSD1 14,91 9,099 0,538 0,766
DDSD2 14,93 9,361 0,55 0,764
DDSD3 15,35 7,999 0,64 0,733
DDSD4 15,07 8,383 0,667 0,726
DDSD5 15,37 8,447 0,502 0,784
Hệ số Cronbach’s Alpha của biến độc lập là 0.794 > 0,6, biến có ý nghĩa.
Hệ số tương quan biến của các biến quan sát DDSD1, DDSD2, DDSD3, DDSD4, DDSD5 > 0,3 nên thang đo của những biến này đạt chuẩn và đảm bảo đo lường tốt.
Do đó, sau khi kiểm định độ tin cậy của thang đo DDSD có 5 biến quan sát phù hợp và được giữ lại là : DDSD1, DDSD2, DDSD3, DDSD4, DDSD5.
Bảng 4.6. Bảng kiểm định thang đo biến STC (STC1-STC3)
Thống kê độ tin cậy Cronbach's
Alpha Số mẫu
0,888 6
Item-Total Statistics Trung bình
thang đo nếu loại biến
Phương sai thang đo nếu
loại biến
Hệ số tương quan biến
Hệ số Cronbach’s Alpha nếu loại biến
STC1 19,75 12,262 0,696 0,869
STC3 19,84 11,713 0,785 0,855
STC4 19,76 12,081 0,737 0,863
STC5 19,76 12,219 0,707 0,868
STC6 19,81 12,608 0,561 0,892
Hệ số Cronbach’s Alpha của biến độc lập là 0.888 > 0,8, biến có ý nghĩa đo lường tốt.
Hệ số tương quan biến của các biến quan sát STC1, STC2, STC3, STC4, STC5, STC6 > 0,3 nên thang đo của những biến này đạt chuẩn và đảm bảo đo lường tốt.
Do đó, sau khi kiểm định độ tin cậy của thang đo STC có 6 biến quan sát phù hợp và được giữ lại là : STC1, STC2, STC3, STC4, STC5, STC6.
4.2.2. Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis):
Phương pháp phân tích nhân tố khám phá EFA là một phương phân phân tích các biến định lượng trong một tập hợp đo lượng sự phụ thuộc lẫn nhau của các biến để từ đó đưa thành một nhân tố và nó sẽ bao gồm ý nghĩa của các biến kia.
Nghiên cứu này sử dụng phương pháp phân tích nhân tố khám phá EFA trong đó bao gồm: Principal Component Analysis, Varimax và với giá trị tiêu chuẩn lớn hơn 0,5 để đảm bảo rằng các biến đều có giá trị thực tiễn. .Phương pháp sẽ phân chia các biến có liên quan đến nhau ra thành từng phần và phân biệt chúng với các nhân tố khác.
Qua kết quả chạy EFA được trình bài trong bảng bên dưới cho thấy các biến quan sát được nhóm thành 4 nhân tố: Sự tin cậy, Cảm nhận hữu dụng, Dễ dàng sử dụng và Ảnh hưởng xã hội. Và 4 biến quan sát của biến phụ thuộc được nhóm thành 1 nhân tố với các chỉ số được phân tích chi tiết bên dưới bảng của mỗi phần.
Biến quan sát Nhân tố 1 2 3 4 Các biến độc lập AHXH1 -0,045 0,164 0,027 0,716 AHXH2 0,135 0,407 0,066 0,715 AHXH3 0,147 -0,074 0,366 0,733 CNHD1 0,141 0,641 0,434 0,137 CNHD2 0,192 0,51 0,258 0,389 CNHD3 0,495 0,661 0,071 -0,008 CNHD4 0,343 0,724 0,095 0,189 CNHD5 0,411 0,526 0,256 0,045 CNHD6 0,161 0,709 0,174 0,324 DDSD1 0,081 0,491 0,578 0,028 DDSD2 0,252 0,404 0,505 0,206 DDSD3 0,277 0,128 0,75 0,133 DDSD4 0,198 0,261 0,741 0,044 DDSD5 0,309 0,066 0,573 0,267
STC1 0,759 0,139 0,222 0,178 STC2 0,782 0,178 0,196 0,16 STC3 0,79 0,268 0,237 0,063 STC4 0,748 0,292 0,203 -0,045 STC5 0,673 0,481 0,162 -0,066 STC6 0,527 0,061 0,468 0,13
Với KMO = 0.890 (theo giả thiết 0,5 ≤ KMO ≤ 1 ) cùng sig=0,00 < 0,05; Phương sai trích đạt 63,222% và hệ số eigenvalue = 1,079 >1. Biến phụ thuộc QDSD1 0,832 QDSD2 0,829 QDSD3 0,793 QDSD4 0,754
Với KMO = 0.774 (theo giả thiết 0,5 ≤ KMO ≤ 1 ) cùng sig=0,00 < 0,05; Phương sai trích đạt 64,481% và hệ số eigenvalue = 2,579 >1
Các yếu tố này sẽ được sử dụng phân tích hồi quy ở bước tiếp theo do đã đạt tiêu chuẩn yêu cầu. Các biến quan sát là phù hợp, không xuất hiện gộp hay tách biến. 4 biến độc lập được sử dụng và các biến quan sát tương ứng được thể hiện như sau:
- AHXH1: Gia đình và bạn bè có ảnh hưởng đến quyết định sử dụng ví Momo của tôi.
- AHXH2: Tôi sẽ sử dụng ví điện tử Momo nếu xung quanh tôi có nhiều người sử dụng.
- AHXH3: Tôi sẽ sử dụng ví điện tử Momo nếu người thân, bạn bè, đồng nghiệp nghĩ tôi nên sử dụng.
Biến độc lập 2: Cảm nhận hữu dụng mong đợi (CNHD)
- CNHD1: Chuyển tiền trong hệ thống miễn phí nhanh chóng - CNHD2: Chuyển tiền ngân hàng tiện lợi
- CNHD3: Mua và nạp thẻ điện thoại có chiết khấu
- CNHD4: Mua vé xem phim, vé máy bay, vé xe,.. nhanh chóngiờ.
- CNHD5: Thanh toán cho ứng dụng khác như Tiki, Lazada, Be,.. để nhận ưu đãi. - CNHD6: Thanh toán hóa đơn điện nước, cửa hàng, quán ăn tiện lợi.
Biến độc lập 3: Cảm nhận dễ sử dụng mong đợi (DDSD)
- DDSD1: Giao diện bắt mắt, đơn giản, dễ dùng.
- DDSD2: Ứng dụng dễ thanh toán, hiển thị thông tin đầy đủ. - DDSD3: Ứng dụng chạy mượt mà, ổn định.
- DDSD4: Ví Momo giúp tôi quản lí tài chính tốt hơn nhờ hiển thị thu chi rõ ràng. - DDSD5: Sử dụng ví điện tử Momo giúp tôi có nhiều giảm giá, chiết khấu khi
thanh toán.
Biến độc lập 4: Sự tin cậy (STC)
- STC1: Thông tin thanh toán được bảo mật.
- STC2: Thông tin cá nhân không bị chia sẻ với các bên khác. - STC3: Tiền trong ví điện tử được cam kết bảo vệ an toàn.
- STC4: Thanh toán được thực hiện đúng như trên ứng dụng hiển thị. - STC5: Có chính sách đảm bảo quyền riêng tư cho người dùng. - STC6: Có chính sách bảo mật an toàn.
Biến phụ thuộc: Quyết định sử dụngiờ (QDSD)
- QDSD1: Tôi cảm thấy Momo là một dịch vụ tiện lợi và hữu dụng.
- QDSD2: Tôi có ý định sử dụng VĐT Momo thay vì tiền mặt để thanh toán.
- QDSD3: Tôi sẵn sàng sử dụng VĐT Momo thường xuyên để thanh toán các giao dịch.
- QDSD4: Tôi sẽ giới thiệu cho người thân bạn bè đồng nghiệp sử dụng VĐT Momo.
4.3 Phân tích tương quan và hồi quy bội:
Giá trị trung bình đại diện cho nhân tố:
Dựa vào bảng giá trị trung bình đại diện cho nhân tố bên dưới, dễ thấy các biến đại diện trung bình đều có giá trị trung bình cộng đạt giá trị lớn hơn 3, trong đó biến đại diện trung bình có giá trị trung bình cộng min là biến AHXH “Ảnh hưởng xã hội” còn biến đại diện trung bình đạt giá trị trung bình cộng max là biến CNDH “Cảm nhận hữu dụng”.
Bảng 4.8. Bảng giá trị trung bình đại diện cho nhân tố
Trung bình cộng AHXH 3,67 CNHD 4,32 DDSD 3,78 STC 4,09 QDSD 4,17
4.3.1 Phân tích tương quan:
Bây giờ, ta cần nhóm các biến quan sát lại thành các biến đại diện để chuẩn bị cho phân tích tương quan Pearson. Phân tích này sẽ làm rõ các mối quan hệ giữa biến độc lập với biến phụ thuộc cũng như mối quan hệ giữa các biến độc lập với nhau.
Hệ số tương quan Pearson (r) được sử dụng để đo lường sự chặt chẽ của mối quan hệ tuyến tính giữa các biến độc lập và phụ thuộc. Giá trị tuyệt đối của r càng cao cho thấy tính tương quan giữa hai biến càng lớn. Một vấn đề khác là nếu các biến độc lập có tính tương quan chặt chẽ với nhau thì phải lưu ý vấn đề đa cộng tuyến khi phân tích hồi quy.
Hệ số tương quan Pearson (r) khi xuất hiện trên bảng kết quả phân tích nằm trong khoảng -1 đến +1. Để phân tích tương quan có ý nghĩa buộc giá trị Sig. thỏa mãn điều
kiện Sig. < 0.05. Nếu r càng tiến về +1 có nghĩa là tương quan càng mạnh. Ngược lại, r càng tiến về 0 có nghĩa là tương quan càng yếu.
• r < 0 cho thấy mối tương quan không cùng chiều giữa các biến, vì vậy khi có sự tăng lên trong giá trị của một biến thì sẽ có sự giảm sút trong giá trị của biến còn lại.
• r > 0 cho thấy mối tương quan cùng chiều (thuận) giữa các biến, vì vậy khi có sự tăng lên trong giá trị của một biến thì sẽ có sự tăng lên trong giá trị của biến còn lại.
• r = 0 cho thấy rằng hai biến này không có sự tương quan.
Phân tích tương quan được thực hiện giữa biến phụ thuộc là quyết định sử dụng ví điện tử Momo (QDSD) và các biến độc lập: Ảnh hưởng xã hội (AHXH), Cảm nhận hữu dụng (CNHD), Cảm nhận Dễ dàng sử dụng (DDSD), Sự tin cậy (STC).
Nhận xét: Nhìn bảng trên ta có thể thấy đa phần các biến độc lập đều thể hiện mối tương quan nhất định với biến phụ thuộc, ta có hệ số tương quan trải dài từ 0.265 - 0.740 và các hệ số tương quan đều có ý nghĩa thống kê với sig. < 0.05. Tất cả các biến độc lập đều có mối quan hệ cùng chiều (thuận) đối với quyết định sử dụng ví điện tử Momo. Các biến độc lập cũng thể hiện mối tương quan với nhau ở mức trung bình. Tuy nhiên, chúng tôi vẫn nên chú ý đến hiện tượng đa cộng tuyến trong quá trình thực hiện phân tích hồi quy tiếp theo.
4.4.2. Phân tích hồi quy
Phân tích hồi quy được tiến hành với 4 biến độc lập Ảnh hưởng xã hội (AHXH), Cảm nhận hữu dụng (CNHD), Cảm nhận Dễ dàng sử dụng (DDSD), Sự tin cậy (STC) và biến phụ thuộc quyết định sử dụng ví điện tử Momo (QDSD), chúng tôi sử dụng phương pháp enter trong phân tích hồi quy. Có nghĩa là ta đưa dữ liệu vào phần mềm SPSS một lần để xử lý. Phương trình hồi quy có dạng:
QDST = ß0 + ß1*AHXH + ß2*CNHD + ß3*DDSD + ß4*STC Kết quả phân tích hồi quy lần 1.
Bảng 4.10. Bảng tóm tắt mô hình lần 1 Model Summaryb Model R R Square Adjusted R Square Std. Error of
the Estimate Durbin-Watson
1 ,795a ,632 ,627 ,419 1,866
a. Predictors: (Constant), STC, AHXH, DDSD, CNHD b. Dependent Variable: QDSD
Bảng 4.11. ANOVA lần 1
Model Sum of Squares df Mean Square F Sig. 1 Regression 80,364 4 20,091 114,685 ,000b Residual 46,774 267 ,175 Total 127,139 271 a. Dependent Variable: QDSD
b. Predictors: (Constant), STC, AHXH, DDSD, CNHD
Bảng 4.12. Trọng số hồi quy lần 1 Coefficientsa Model Unstandardiz ed Coefficients Standardi zed Coefficie nts t Sig. Collinearity Statistics B Std. Error
Beta Tolerance VIF
1 (Constant) ,294 ,186 1,582 ,115
AHXH -,050 ,035 -,062 -1,454 ,047 ,761 1,313
CNHD ,578 ,064 ,513 9,100 ,000 ,434 2,307
DDSD -,012 ,053 -,012 -,219 ,827 ,453 2,207
a. Dependent Variable: QDSD
Sau khi thực hiện phân tích ANOVA, ta có Sig.= 0 < 0.05 nên ta có thể bác bỏ giả thiết Ho (ß = 0). Kết luận mức độ phù hợp của mô hình hồi quy tuyến tính là có thể chấp nhận được.
Tuy nhiên, trong khi 03 nhân tố Cảm nhận hữu dụng (CNHD), Sự tin cậy (STC) và Ảnh hưởng xã hội (AHXH) có hệ số Sig. < 0.05 thì Cảm nhận Dễ dàng sử dụng (DDSD) có Sig. = 0,827 > 0.05. Vì vậy biến độc lập này sẽ bị loại bỏ ra khỏi mô hình hồi quy.
Sau khi loại bỏ biến DDSD, ta tiếp tục thực hiện phân tích hồi quy lần 2. Kết quả của phân tích hồi quy lần thứ 2 như sau:
Bảng 4.13. Bảng tóm tắt mô hình lần 2 Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 ,795a ,632 ,628 ,418 1,864
a. Predictors: (Constant), STC, AHXH, CNHD b. Dependent Variable: QDSD Bảng 4.14. ANOVA lần 2 ANOVAa Model Sum of Squares df Mean Square F Sig. 1 Regression 80,356 3 26,785 153,442 ,000b Residual 46,783 268 ,175
Total 127,139 271 a. Dependent Variable: QDSD
b. Predictors: (Constant), STC, AHXH, CNHD
Bảng 4.15. Trọng số hồi quy lần 2 Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant ) ,294 ,186 1,585 ,114 AHXH -,052 ,033 ,064 1,561 ,020 ,812 1,231 CNHD ,573 ,060 ,509 9,570 ,000 ,485 1,860 STC ,383 ,050 ,385 7,700 ,000 ,549 1,820 a. Dependent Variable: QDSD
Ta phân tích được: Hệ số Sig. trong bảng 4.15 của 3 biến độc lập có giá trị < 0.05, các biến này đều có ý nghĩa giải thích cho biến phụ thuộc, vậy nên chúng được giữ lại.
Với mức ý nghĩa 5%, số biến độc lập là 3 và tổng số biến quan sát là 15, tra bảng DW ta được DL = 1,791, DU = 1,831. Ta có DW = 1,864 sau khi tra bảng tóm tắt lần 2. Vì thế, chúng ta không thể kết luận được sự tương quan chuỗi bậc nhất trong mô hình.
Các biểu đồ trong phân tích hồi quy.
1. Biểu đồ tần số phần dư chuẩn hóa Histogram. Hình 4.5. Biểu đồ tần số Histogram
Biểu đồ mang một đường cong hình chuông có phân phối chuẩn đè lên trên biểu đồ tần số. Giá trị Mean ~ 0, độ lệch chuẩn = 0,996 ~ 1, vì vậy ta đi đến kết luận: phân phối phần dư xấp xỉ phân phối chuẩn. Vì vậy, giả thiết phân phối chuẩn của phần dư không bị vi phạm.
2. Biểu đồ Scatter Plot kiểm tra giả định liên hệ tuyến tính.
Biểu đồ phân tán Scatter Plot có chức năng giúp chúng ta dò tìm xem, dữ liệu hiện tại có vi phạm giả định liên hệ tuyến tính hay không.
Đồ thị cho thấy các điểm phân bố của phần dư nằm xung quanh đường ngang 0. Vì thế giả định quan hệ tuyến tính không bị vi phạm.
3. Biểu đồ phần dư chuẩn hóa Normal P-P Plot.
P-P Plot cũng là một loại biểu đồ hay được dùng để giúp nhận diện sự vi phạm giả định phần dư chuẩn hóa.
Biểu đồ tần số P-P Plot cho ta thấy các điểm quan sát tập trung quanh đường chéo, do đó, giả định phân phối chuẩn của phần dư không bị vi phạm.
Hình 4.7. Biểu đồ tần số P-P Plot
Tóm lại, mô hình hồi quy đã đáp ứng được hết 3 loại biểu đồ đã nêu ở trên về giả định phân phối chuẩn của phần dư.
Nhận xét:
1. Độ phù hợp của mô hình.
Mô hình nghiên cứu có hệ số R2 hiệu chỉnh đạt 0,628, nghĩa là 62,8% sự biên thiên ý nghĩa của quyết định sử dụng ví điện tử Momo (QDSD) được giải thích do sự biến thiên của 3 nhân tố độc lập: Cảm nhận hữu dụng (CNHD), Sự tin cậy (STC) và Ảnh hưởng xã hội (AHXH). Còn lại 37,2% là bởi những biến không thuộc mô hình cùng với