Sau khi phân tích nhân tố khám phá độc lập EFA và phân tích tương quan, mô hình có được 5 nhóm nhân tố, ta tiếp tục thực hiện phân tích hồi quy với 5 nhân tố HI, DD, AT, AH và DK.
Phương trình hồi quy được xây dựng như sau:
QD = β0 + β1. HI + β2. DD + β3. AT + β4. AH + β5. DK
Trong đó: Biến phụ thuộc QD: Quyết định, dự định sử dụng dịch vụ mobile banking của khách hàng. Các biến độc lập gồm: HI (nhóm nhân tố cảm nhận sự hữu ích), DD (nhóm nhân tố cảm nhận sự dễ dàng), AT (nhóm nhân tố cảm nhận an toàn và bảo mật), AH (nhóm nhân tố ảnh hưởng xã hội) và DK (nhóm nhân tố điều kiện thuận lợi).
Phân tích hồi quy là phép phân tích dùng để xác định cụ thể tác động của các biến độc lập lên biến phụ thuộc. Bài nghiên cứu sử dụng hệ số xác định R2 để đánh giá sự
Mô hình Hệ số R Hệ số R bình phương Hệ số R bình phương hiệu chỉnh
Sai số ước lượng chuẩn
Durbin-Watson
1 .779a .607 .586 .496 2.035
Model Sum of Squares df Mean Square F Sig.
1
Regression 35.710 5 7.142 29.061 .000b
Residual 23.102 94 .246
Total 58.812 99
phù hợp của mô hình hồi quy tuyến tính bội. Hệ số này phản ánh mức độ ảnh hưởng của sự các biến độc lập trong mô hình tác động lên biến phụ thuộc:
Bảng 3.9. Model Summaryb
Nguồn: Phân tích số liệu SPSS của tác giả
Bảng 3.9 cho biết R2 hiệu chỉnh là 0.586 > 50%, các biến trong mô hình có thể giải thích được 58,6% sự biến động của dự định, quyết định dùng dịch vụ ngân hàng điện thoại - mobile banking của khách hàng. Phần trăm còn lại là do các biến ngoài mô hình và sai số ngẫu nhiên.
Durbin Watson (DW) được dùng để kiểm định tự tương quan của các sai số kế nhau (tương quan chuỗi bậc nhất). Ở trên ta có với k=5, n =100 thì dl= 1.571 và du = 1.780. Gắn vào thanh DW ta thấy 1.571 < 2.035 < 4 - 1.780 nên không có sự tương quan bậc nhất trong mô hình.
Sự phù hợp trên mới chỉ thể hiện giữ mô hình xây dựng phù hợp với tệp dữ liệu nghiên cứu. Và ta phải kiểm định độ phù hợp của mô hình hồi quy tổng thể. Đại lượng F được sử dụng cho kiểm định này.
Mô hình
Hệ số chưa chuẩn hóa Hệ số đã chuẩn hóa t Sig. Thống kê cộng tuyến B Sai số chuẩn Beta Toleranc e VIF 1 (Constan t) .056 .350 .161 .873 DD .195 .094 .188 2.073 .041 .506 1.976 AH .075 .076 .071 .985 .327 .812 1.231 DK .495 .087 .476 5.692 .000 .597 1.676 AT .074 .080 .072 .921 .359 .675 1.481 HI .154 .076 .165 2.038 .044 .636 1.572
Nguồn: Phân tích số liệu SPSS của tác giả
38
Gía trị sig của kiếm định F là 0.000 < 0.005, như vậy mô hình hồi quy tuyến tính xây dựng được phù hợp với tổng thế.
Trong quá trình nghiên cứu mô hình có hiện tượng đa cộng tuyến dễ xảy ra. Hiện tượng đa cộng tuyến xảy ra khi các biến độc lập trong mô hình có tương quan chặt chẽ với nhau và cung cấp những thông tin giống nhau. Khi đó, sử dụng hệ số phóng đại phương sai VIF làm chỉ số đế đánh giá hiện tượng này.
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constan t) .275 .314 .875 .384 DD .247 .086 .239 2.878 .005 .606 1.649 DK .526 .084 .506 6.250 .000 .637 1.570 HI .152 .076 .162 2.003 .048 .637 1.570
Nguồn: Phân tích số liệu SPSS của tác giả
Theo lý thuyết thì “khi hệ số phóng đại phương sai VIF (Variance Inflation Factor) lớn hơn hoặc bằng 10 thì có thế nhận xét hiện tượng đa cộng tuyến xảy ra”. Kết quả ở bảng 3.11 thu được cho thấy tất cả các biến độc lập trong mô hình nghiên cứu đều có hệ số VIF < 2. Do đó, tính đa cộng tuyến của các biến độc lập trong mô hình nghiên cứu là
không đáng kể và các biến trong mô hình được chấp nhận. Mô hình hồi quy tuyến tính đa bội phù hợp với tệp dữ liệu và có thể sử dụng được.
Tuy nhiên, giá trị sig của hai biến độc lập AH và AT lớn hơn 0.05 nên hai nhân tố này không có ý nghĩa thống kê cho biến phụ thuộc. Do vậy, bỏ biến AH và AT ra khỏi mô hình ta thu được kết quả mới:
Nguồn: Phân tích số liệu SPSS của tác giả
Vậy kết quả thu được phương trình hồi quy chưa chuẩn hóa là:
QD = 0.275 + 0.152. HI + 0.526. DK + 0.247. DD
Mô hình chuẩn hóa: QD = 0.162.HI + 0.506. DK + 0.239. DD
Mô hình cho thấy các hệ số hồi quy đều mang dấu dương (+) chứng tỏ ba nhân tố “cảm nhận sự hữu ích”, “cảm nhận dễ sử dụng”, “điều kiện thuận lợi” có tác động tích cực (tỷ lệ thuận) với quyết định, dự định sử dụng dịch vụ ngân hàng điện thoại - mobile banking đối với khách hàng cá nhân. Trong đó “điều kiện thuận lợi” tác động mạnh nhất đến quyết định, dự định sử dụng dịch vụ ngân hàng điện thoại - mobile banking của khách hàng với hệ số β = 0.506. Tiếp theo là “cảm nhận sự dễ dàng” (β = 0.239) và ít tác
động hơn là “cảm nhận sự hữu ích” (β = 0.162). Nghĩa là khi tăng bất kỳ một nhân tố nào trong ba nhân tố trên cũng sẽ làm cho dự định, quyết định và thái độ của khách hàng đối với dịch vụ ngân hàng điện thoại - mobile banking của ngân hàng thương mại tăng lên.
Với độ tin cậy 95% thì các biến độc lập của mô hình giải thích được khoảng 59% sự biến thiên của biến phụ thuộc (hay biến quyết định, dự định của khách hàng).