5. Cấu trúc đề tài
3.8.KIỂM ĐỊNH MÔ HÌNH NGHIÊNCỨU VÀ CÁC GIẢ THUYẾT
Phân tích hồi quy đa biến đƣợc thực hiện để xem xét mối quan hệ giữa 5 biến độc lập nhận thức sự hữu ích, nhận thức khối lƣợng tới hạn, nhận thức dễ sử dụng, nhận thức sự thích thú, nhận thức rủi ro và bảo mật thông tin với biến phụ thuộc ý định sử dụng trong mô hình nghiên cứu. Trƣớc khi tiến hình phân tích hồi quy tuyến tính thì việc xem xét mối tƣơng quan tuyến tính giữa các biến độc lập và biến phụ thuộc và giữa các biến độc lập với nhau là công
việc phải làm và hệ số tƣơng quan Pearson trong ma trận hệ số tƣơng quan là phù hợp để xem xét mối tƣơng quan này.
Bảng 3.26. Kết quả phân tích tương quan Pearson
Correlations IB PU PE EN PCM PR IB Pearson Correlation 1 0.452** 0.567** 0.449** 0.502** 0.235** Sig. (2-tailed) 0.000 0.000 0.000 0.000 0.000 N 254 254 254 254 254 254 PU Pearson Correlation 0.452** 1 0.472** 0.424** 0.336** 0.151* Sig. (2-tailed) 0.000 0.000 0.000 0.000 0.016 N 254 254 254 254 254 254 PE Pearson Correlation 0.567** 0.472** 1 0.455** 0.417** 0.198** Sig. (2-tailed) 0.000 0.000 0.000 0.000 0.001 N 254 254 254 254 254 254 EN Pearson Correlation 0.449** 0.424** 0.455** 1 0.279** 0.018 Sig. (2-tailed) 0.000 0.000 0.000 0.000 0.774 N 254 254 254 254 254 254 PCM Pearson Correlation 0.502** 0.336** 0.417** 0.279** 1 0.359** Sig. (2-tailed) 0.000 0.000 0.000 0.000 0.000 N 254 254 254 254 254 254 PR Pearson Correlation 0.235** 0.151* 0.198** 0.018 0.359** 1 Sig. (2-tailed) 0.000 0.016 0.001 0.774 0.000 N 254 254 254 254 254 254
**. Correlation is significant at the 0.01 level (2-tailed).
Từ kết quả phân tích tƣơng quan Pearson ở bảng 3.26, ta thấy biến phụ thuộc ý định sử dụng với từng biến độc lập có sự tƣơng quan với nhau, thể hiện cụ thể qua hệ số tƣơng quan nhƣ sau: nhận thức sự hữu ích (0.452); nhận thức tính dễ sử dụng (0.567); nhận thức sự thích thú (0.449); nhận thức rủi ro và bảo mật thông tin (0.235); nhận thức số lƣợng sử dụng (0.502) và tất cả Sig. nhỏ hơn 0.05 (<0.05). Do đó có thể đƣa các biến độc lập này vào mô hình hồi quy để giải thích biến phụ thuộc ý định sử dụng.
3.8.2. Phân tí h hồi quy
a. Kiểm định sự phù hợp của mô hình
Tiêu chuẩn chấp nhận Tolerance của các biến độc lập đƣa vào mô hình hồi quy đều lớn hơn 0.1 đồng thời hệ số phóng đại phƣơng sai (VIF) < 10 (bảng 3.28) vì thế hiện tƣợng đa cộng tuyến giữa các biến độc lập là khó xảy ra. Hệ số Durbin-Watson bằng 2.187 (bảng 3.27) nằm trong khoảng 1.704 < d < 2.307nên có thể kết luận không có hiện tƣợng tự tƣơng quan giữa các biến độclập.
Bảng 3.27. Kết quả Model Summary
Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 0.676a 0.458 0.447 0.52933 2.187
a. Predictors: (Constant), PR, EN, PU, PCM, PE b. Dependent Variable: IB
Bảng 3.28. Thống kê phân tích các hệ số hồi quy Coefficients Coefficientsa Model Unstandardized Coefficients Standardiz ed Coefficient s t Sig. Collinearity Statistics
B Std. Error Beta Toleran
ce VIF 1 (Constant) 0.205 0.291 0.705 0.481 PU 0.147 0.059 0.138 2.481 0.014 0.704 1.420 PE 0.326 0.064 0.300 5.136 0.000 0.639 1.564 EN 0.194 0.059 0.180 3.274 0.001 0.721 1.387 PCM 0.280 0.060 0.259 4.695 0.000 0.719 1.391 PR 0.051 0.044 0.058 1.149 0.252 0.853 1.172 a. Dependent Variable: IB
Các giá trị thống kê đánh giá độ phù hợp của mô hình hồi quy nhƣ R, R
2
(Rsquare), R
2
hiệu chỉnh (Adjusted R Square) và sai số chuẩn (Std. Error of the Estimate) đều đạt yêu cầu với R2 điều chỉnh lớn hơn 0 cho thấy hệ số này có ý nghĩa thống kê nên mức độ phù hợp của mô hình tƣơng đốicao.
Trị thống kê F đƣợc tính từ giá trị R square của mô hình đầy đủ với mức ý nghĩa (giá trị Sig) rất nhỏ (nhỏ hơn mức ý nghĩa 0.05) cho thấy mô hình hồi quy tuyến tính bội phù hợp với tập dữ liệu và có thể suy rộng ra cho toàn bộ tổng thể.
Bảng 3.29. ANOVA phân tích hồi quy
ANOVAb
Model
Sum of
Squares df Mean Square F Sig.
1 Regression 58.617 5 11.723 41.841 0.000a
Residual 69.486 248 0.280
Total 128.103 253
a. Predictors: (Constant), PR, EN, PU, PCM, PE Dependent Variable: IB
Kiểm định phần dƣ cho thấy phân phối chuẩn phần dƣ xấp xỉ chuẩn với trung bình Mean=0 và độ lệch chuẩn Std. Deviation = 0.99 (xấp xỉ bằng 1) do đó kết luận rằng giả thiết phân phối chuẩn không bị vi phạm phƣơng pháp hồi quy bội (adsbygoogle = window.adsbygoogle || []).push({});
Mặt khác, qua biểu đồ hình 3.1 cho thấy một đƣờng cong phân phối chuẩn đƣợc đặt chồng lên biểu đồ tần số. Vì vậy, có thể nói phân phối phần dƣ xấp xỉ chuẩn nghĩa là việc sử dụng mô hình là thích hợp.
b. Phương trình và kết quả hồi quy
Nghiên cứu này sử dụng phƣơng pháp hồi quy bội để kiểm nghiệm các giả thuyết của mô hình nghiên cứu (H1, H2, H3,H4, H5), bởi vì phƣơng pháp hồi quy bội cho phép xây dựng mô hình tƣơng quan với nhiều yếu tố cùng ảnh hƣởng đến biến phụ thuộc, có thể nói mô hình hồi quy bội phản ánh gần với mô hình tổng thể, và có thể đánh giá tầm quan trọng của các khái niệm cần nghiên cứu có tƣơng quan riêng với biến phụ thuộc một cách rõ ràng.
Sau khi kiểm tra mối quan hệ tƣơng quan giữa các biến độc lập và biến phụ thuộc thì các biến độc lập đều có mối tƣơng quan với biến phụ thuộc (ý định sử dụng). Phân tích hồi quy tuyến tính với các biến độc lập thuộc 5 thành phần thang đo –Nhận thức sự hữu ích, nhận thức tính dễ sử dụng, nhận thức sự thích thú, nhận thức số lƣợng quyết định, nhận thức rủi ro và bảo mật thông tin với biến phụ thuộc - thang đo ý định sử dụng. Mô hình hồi quy tuyến tính với phƣơng pháp hồi quy Enter đƣợc sử dụng. Để đánh giá sự phù hợp của mô hình tuyến tính, chúng ta sử dụng hệ số R, hệ số xác định R2(với 0 < R
2
< 1 đƣợc gọi là phù hợp), R2hiệu chỉnh và sai số chuẩn. Trƣớc hết, giả thuyết đặt ra trong nghiên cứu này là:
H0: “Mức độ ảnh hưởng của các biến độc lập đến biến phụ thuộc bằng không”
H1: “Mức độ ảnh hưởng của các biến độc lập đến biến phụ thuộc khác không”
Với giả thiết ban đầu cho mô hình nghiên cứu, ta có phƣơng trình hồi quy tuyến tính nhƣ sau:
Y = β0 + β1 * X1 + β2 * X2 + β3 * X3+β4 * X4+β5 * X5+ε
Trong đó:
Y: Giá trị của biến phụ thuộc – Ý định sử dụng
X1: Giá trị của biến độc lập thứ nhất là yếu tố nhận thức sự hữu ích X2: Giá trị của biến độc lập thứ hai là yếu tố nhận thức tính dễ sử dụng X3: Giá trị của biến độc lập thứ ba là yếu tố nhận thức sự thích thú X4: Giá trị của biến độc lập thứ ba là yếu tố nhận thức số lƣợng quyết định
X5: Giá trị của biến độc lập thứ ba là yếu tố nhận thức rủi ro và bảo mật thông tin
β0: Hệ số tự do của mô hình. Đây là giá trị của biến phụ thuộc khi các biến độc lập bằng 0.
β1, β2, β3, β4, β5: Hệ số hồi quy từng phần tƣơng ứng với các biến độc lập.
Kết quả thực hiện hồi quy cho thấy, với giá trị Sig = 0.000 < 0.05 (bảng 4.29), đủ điều kiện bác bỏ giả thuyết H0, chấp nhận rằng mức độ tác động của các biến độc lập đến biến phụ thuộc khác không, nói cách khác; biến phụ thuộc có chịu ảnh hƣởng bởi các biến độc lập. Nhƣ vậy, các mô hình hồi quy thích hợp để thực hiện việc kiểm định mô hình nghiên cứu.
Bảng 3.27 trình bày kết quả ƣớc lƣợng của mô hình này. Sau khi đƣa tất cả các biến vào mô hình, phƣơng trình hồi quy có hệ số R2điều chỉnh (Adjusted R Square) là 0.447 thể hiện sự phù hợp của mô hình với tổng thể, điều này cho biết 44.7% biến phụ thuộc đƣợc giải thích bởi các biến độc lập.
Dựa vào bảng 3.28 Coefficientsa
của phân tích hồi qui, kết quả của mô hình hồi quy lần 1 đã loại 2 biến độc lập, sig= 0.252 lớn hơn 0.05 (>0.05), đó là nhân tố nhận thức rủi ro và bảo mật thông tin và nhân tố nhận thức tính sự hữu ích có sig=0.14>0.05. Điều này cho thấy nhân tố “nhận thức rủi ro và bảo
mật thông tin”, nhân tố “nhận thức sự hữu ích” không có ý nghĩa thống kê tới “ý định sử dụng” của ngƣời dân trên địa bàn thành phố Đà Nẵng khi sử dụng các ứng dụng liên lạc miễn phí (OTT). Do đó giả thuyết H1 và giả thuyết H5
không đƣợc chấp nhận.
Hồi quy hạy lại lần 2
Bảng 3.30. Model Summary phân tích hồi quy (lần 2)
Model Summaryb Model R R Square Adjusted R Square Std. Error of the Estimate Durbin-Watson 1 0.664a 0.441 0.434 0.53538 2.127
a. Predictors : (Constant), PCM, EN, PE b. Dependent Variable: IB
Dựa vào giá trị Durbin-Watson trong bảng 4.30 với n= 254, k = 3 ta tra bảng đƣợc giá trị:
= 1.643, = 1.704, d=2.127
Ta thấy = 1.704 < d=2.127< = 2.357
Vậy nên ta kết luận mô hình không có hiện tƣợng tự tƣơng quan. (adsbygoogle = window.adsbygoogle || []).push({});
Bảng 3.31. ANOVA phân tích hồi quy (lần 2)
ANOVAb
Model
Sum of
Squares df Mean Square F Sig.
1 Regression 56.444 3 18.815 65.639 0.000a
Residual 71.659 250 0.287
Total 128.103 253
a. Predictors : (Constant), PCM, EN, PE b. Dependent Variable: IB
Từ bảng ANOVA phân tích hồi quy trên, ta thấy F= 65.639 và sig= 0.000 bé hơn 0.05 (<0.05) chứng tỏchúngtacóthể bácbỏ giả thuyếtchorằngtất cả các hệ số hồi quy bằng 0, nghĩa là mô hình hồi quy phù hợp với dữ liệu nghiên cứu và có thể sử dụng tốt trên tổng thể
Bảng 3.32. Bảng Coefficientsa
của phân tích hồi qui (lần 2)
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) 0.474 0.274 1.732 0.084
PE 0.378 0.061 0.348 6.170 0.000 0.702 1.425
EN 0.223 0.058 0.207 3.873 0.000 0.783 1.276
PCM 0.323 0.057 0.299 5.709 0.000 0.816 1.225
a. Dependent Variable: IB
Dựa vào hệ số phóng đại phƣơng sai VIF. Tại bảng Coefficients, ta thấy giá trị VIF của các biến đều nhỏ (<10), cho thấy các biến độc lập này không có quan hệ chặt chẽ với nhau do đó ta kết luận không có xảy ra hiện tƣợng đa cộng tuyến.
Kiểm định phần dƣ cho thấy phân phối chuẩn phần dƣ xấp xỉ chuẩn với trung bình Mean=0 và độ lệch chuẩn Std. Deviation = 0.994 (xấp xỉ bằng 1) do đó kết luận rằng giả thiết phân phối chuẩn không bị vi phạm phƣơng pháp hồi quy bội.
Hình 3.2 Biểu đồ phân phối chuẩn của phần dư
Qua biểu đồ hình 4.2 cho thấy một đƣờng cong phân phối chuẩn đƣợc đặt chồng lên biểu đồ tần số. Vì vậy, có thể nói phân phối phần dƣ xấp xỉ chuẩn nghĩa là việc sử dụng mô hình là thích hợp.
Kết quả của phân tích hồi quy ở bảng 4.25 đã cho thấy cả 3 biến độc lập đều có ý nghĩa thống kê trong mối quan hệ tác động với biến phụ thuộc qua phƣơng pháp hồi quy Enter, đó là: Nhận thức tính dễ sử dụng (X1); Nhận thức sự thích thú (X2) và Nhận thức số lƣợng tới hạn (X3). Do giá trị Sig. của tất cả các biến độc lập đều có giá trị nhỏ hơn 0.05 cho thấy chúng có ý nghĩa trong mô hình, đủ cơ sở kết luận các biến độc lập có mối quan hệ tác động với biến phụ thuộc. Điều này có nghĩa là sự biến thiên tăng hay giảm hệ số của từng biến này đều có ảnh hƣởng đến ý định sử dụng ứng dụng OTT của ngƣời dân trên địa bàn thành phố Đà Nẵng.
c.Ý nghĩa của các hệ số hồi quy trong mô hình
Hệ số Beta càng cao thể hiện mức độ ảnh hƣởng của các yếu độc lậpđến ý định sử dụng OTT càng cao, theo mô hình hồi quy ở trên, có thể biểu diễn lại dƣới dạng phƣơng trình hồi quy tuyến tính nhƣsau:
Y =0.474+ 0.378*X1 + 0.223*X2 + 0.323*X3
Nhƣ vậy trong các yếu tố độc lập thì nhận thức tính dễ sử dụng đƣợc xem là có ảnh hƣởng nhiều nhất đến ý định sử dụng OTT.
Yếu tố Nhận thứ tính ễ sử ụngcó mức ảnh hƣởng cao nhất (β = 0.378). Kết quả này ủng hộ giả thuyết H2. Điều này có thể lý giải nhƣ sau: Khi ngƣời dùng sử dụng một ứng dụng OTT, họ thấy rằng ứng dụng này dễ sử dụng, các giao diện đơn giản, dễ hiểu, ngôn ngữ phù hợp, từ đó họ sẽ có ý định sử dụng ứng dụng này cao hơn so với các OTT có giao diện phức tạp, khó sử dụng.
Yếu tố Nhận thứ nhận thứ số l ợng quyết định có mức ảnh hƣởng thứ hai (β = 0.223). Kết quả này ủng hộ giả thuyết H4. Có thể giải thích là khi sử dụng ứng dụng OTT, nếu đem lại niềm vui, sự thích thú, hào hứng cho họ thì ý định sử dụng sẽ gia tăng (adsbygoogle = window.adsbygoogle || []).push({});
Yếu tố Nhận thứ sự thí h thú có mức ảnh hƣởng thứ ba (β = 0.176). Kết quả này ủng hộ giả thuyết H3, cácứng dụng OTT có các tính năng nhƣ gửi dán nhãn, biểu tƣợng cảm xúc, thấy danh sách bạn bè, …các tính năng này mang lại niềm vui, sụ thích thú cho ngƣời dung từ đó gia tang ý định sử dụng ứng dụng OTT.
d.Kết luận chung
Từ các kết quả phân tích đƣợc trình bày ở trên, rút ra kết luận sau: Các giả thuyết H2, H3, H4 đã đặt ra ban đầu đƣợc chấp nhận.
Điều này có nghĩa là đối với các ứng dụng OTT đƣợc ngƣời sử dụng nhận thức là dễ sử dung, thích thú, và số lƣợng ngƣời sử dụng ứng dụng này
lớn thì ý định sử dụng ứng dụng OTT đó của ngƣời dân sẽcàng cao. Đây chính là một trong những căn cứ để đƣa ra những gợi ý nhằm nâng cao ý định sử dụng ứng dụng OTT của ngƣời dân. Mức độ ƣu tiên của những gợi ý chính sách cũng dựa vào mức độ tác động của các yếu tố này đến ý định sử dụng.
KẾT LUẬN CHƯ NG 3
Chƣơng 3 tác giả trình bày về kết quả phân tích sau khi thu thập và thống kê bằng phần mềm SPSS. Mô hình nghiên cứu ban đầu của tác giả gồm có 5 nhân tố ảnh hƣởng đến ý định sử dụng ứng dụng OTT, tuy nhiên thông qua phân tích độ tin cây, kiểm định EFA, phân tích hồi quy, kết quả có ba nhân tố ảnh hƣởng đến ý định sử dụng OTT bao gồm: nhận thức tính dễ sử dụng, nhận thức sự thích thú, nhận thức số lƣợng quyết định. Trông đó nhân tố nhận thức tính dễ sử dụng tác động mạnh nhất đến ý định sử dụng ứng dụng OTT, tiếp đó là nhận thức số lƣợng quyết định, nhận thức sự thích thú. Các kết quả này sẽ làm cơ sở để tác giả đƣa ra hàm ý cho các doanh nghiệp, tổ chức có ý định kinh doanh loại hình sản phẩm, dịch vụ này.
CHƯ NG 4
BIỆN LUẬN KẾT QUẢ NGHIÊN CỨU
4.1. TÓM TẮT CÁC KẾT QUẢ CHÍNH
Quá trình nghiên cứu đƣợc thực hiện thông qua hai bƣớc: nghiên cứu sơ bộ và nghiên cứu chính thức.
Nghiên cứu sơ bộ đƣợc thực hiện thông qua bảng câu hỏi ngắn nhằm mục đích tìm hiểu về mức độ hiểu nội dung câu hỏi của các đối tƣợng đƣợc phỏng vấn và những lý do nào mà ngƣời sử dụng lại sử dụng ứng dụng OTT.
Nghiên cứu chính thức đƣợc thực hiện bằng phƣơng pháp nghiên cứu định lƣợng, sử dụng bảng câu hỏi khảo sát theo phƣơng pháp thuận tiện, kết quả thu đƣợc 254 câu trả lời phù hợp. Nghiên cứu định lƣợng đƣợc thực hiện qua các bƣớc: kiểm định thang đo (đánh giá độ tin cậy Cronch bach Alpha và phân tích nhân tố khám phá EFA), kiểm định các giả thuyết của phƣơng pháp hồi quy đa biến đƣợc thực hiện bằng mềm SPSS 16.0
Thống kê thông tin từ mẫu cho thấy thuộc tính của các đối tƣợng nghiên cứu nhƣ sau: tập trung từ 18 – 25 tuổi chiếm 83.5%, trình độ cao đẳng - đại học chiếm 93.7%, thời gian trung bình một lần sử dụng trên 2 tiếng chiếm 63.8%, mục đích sử dụng OTT vừa để giải trí cá nhân vừa mục đích công việc chiếm 47.2%. Hầu hết đối tƣợng khảo sát lần này đối tƣợng trả lời bảng câu hỏi chủ yếu là nữ chiếm 70.1%, tuy nhiên kết quả phân tích IndependentT-test và One-WayANOVA cho thấy không có sự khác biệt về ý định sử dụng giữa nam và nữ nên tỷ lệ nữ nhiều hơn nam không ảnh hƣởng nhiều đến kết quả nghiên cứu.
Trên cơ sở tiếp cận những hệ thống lý thuyết nghiên cứu TRA, TAM, UTAUT, thuyết nhận thức rủi ro,… mô hình lý thuyết ban đầu đƣa ra 5 nhân tố với 20 biết quan sát, sau khi thực hiện phân tích nhân tố EFA và phân tích