Mục đích của phương pháp này là nhằm khám phá và điều chỉnh các yếu tố tác động đến ý định sử dụng Internet banking của khách hàng cũng như bổ sung thêm các nhân tố cho phù hợp. Bước nghiên cứu định tính này được tiến hành 2 lần:
+ Lần 1: Sau khi đưa ra được mô hình nghiên cứ đề xuất, tác giả tiến hành phỏng vấn đối với 6 cán bộ; hiện đang là các phó, trưởng phòng làm tại bộ phận giao dịch khách hàng và đang công tác tại các chi nhánh BIDV trên địa bàn tỉnh bằng cách sử dụng phương pháp thảo luận trực tiếp. Mục đích của bước phỏng vấn này là dựa vào ý kiến của các chuyên gia, những người đang làm trong bộ phận giao dịch khách hàng để có thể hiểu rõ hơn các yếu tố, và điều chỉnh hoặc bổ sung thêm các nhân tố cho phù hợp với đặc điểm cũng như địa bàn nghiên cứu.
+ Lần 2: Bước nghiên cứu này được tiến hành bằng cách trao đổi trực tiếp, phỏng vấn 10 người khách hàng cá nhân ngẫu nhiên tại BIDV chi nhánh Bà Rịa. Mục đích của nghiên cứu này là phỏng vấn lấy ý kiến của khách hàng để xem bảng câu hỏi có rõ ràng và đầy đủ không. Đồng thời tìm hiểu ý kiến của khách hàng về Internet banking.
Hình 3.2: Mô hình nghiên cứu đề xuất 3.3 Nghiên cứu định lượng
3.3.1 Mô hình nghiên cứu đề xuất
Nghiên cứu sử dụng các nhân tố cơ bản kế thừa từ các nghiên cứu trước, được điều chỉnh cho phù hợp đặc điểm của đối tượng nghiên cứu nhằm đảm bảo tính tổng quát và độ tin cậy trong quá trình xây dựng các biến. Mô hình bao gồm các biến: tính hiệu quả, tính dễ sử dụng, sự rủi ro, niềm tin vào tổ chức, ảnh hưởng của xã hội, ý định sử dụng. Mô hình nghiên cứu đề xuất được minh họa ở bên dưới.
۔ Xây dựng mô hình hồi quy
Mô hình hồi quy để tìm hiểu các yếu tố ảnh hưởng đến ý định sử dụng Internet banking của khách hàng cá nhân, mô hình hồi quy có dạng như sau:
YD = b0 + b1HQ + b2DS – b3RR + b4NT + b5AH + ei
Trong đó:
YD: là biến phụ thuộc Tính hiệu quả H1 Tính dễ sử dụng H2 Ý định sử dụng Sự rủi ro H3
Niềm tin vào tổ chức Ảnh hưởng của xã hội
H4 H5 Giới tính Độ tuổi Thu nhập Trình độ học vấn Nơi ở
HQ, DS, RR, NT, AH: là các biến độc lập b0: là hằng số
b1, b2, b3, b4, b5: là hệ số hồi quy ei: là phần dư của mô hình
3.3.2 Thiết lập phiếu khảo sát
Sau khi trao đổi lấy ý kiến của chuyên gia, là các cán bộ lãnh đạo phòng, những người có kinh nghiệm trong công việc tiếp xúc giao dịch với khách hàng về các sản phẩm của BIDV. Và cùng với phỏng vấn và trao đổi với khách hàng về bảng câu hỏi. Tác giả đã hình thành bảng câu hỏi khảo sát gồm các câu hỏi dạng thang đo Likert (Likert, 1932) từ 1 là “rất không đồng ý” đến 5 là “rất đồng ý” và điều chỉnh thành bảng câu hỏi chính thức.
3.3.3 Mẫu nghiên cứu
Xác định mẫu nghiên cứu là công việc quan trọng của một cuộc điều tra khảo sát. Để chọn được đối tượng khảo sát trong cuộc nghiên cứu thì phải xác định được tổng thể mẫu, tiếp theo là khung mẫu. Khung mẫu là xác định các cá thể trong tổng thể mẫu, kích thước mẫu và phương pháp chọn mẫu.
Phương pháp chọn mẫu: khách hàng cá nhân bao gồm cả người chưa sử dụng và đang sử dụng Internet banking có giao dịch ở ngân hàng BIDV. Mẫu khảo sát tập trung ở địa bàn tỉnh Bà Rịa – Vũng Tàu.
Kích thước mẫu:
+ Theo Hair và cộng sự (2006) thì kích thước mẫu tối thiểu để sử dụng EFA là 50, tốt hơn là 100 và tỷ lệ số quan sát/biến đo lường là 5:1, 1 biến đo lường cần tối thiểu 5 quan sát. Trong bài nghiên cứu này có tổng cộng 26 câu hỏi đo lường, áp dụng tỷ lệ 5:1, cỡ mẫu tối thiểu để phân tích EFA sẽ là 130.
+ Theo Tabachnick và Fidell (2007), kích thước mẫu tối thiểu cho mô hình hồi quy đa biến được tính theo công thức: N = 8*var + 50. Trong đó: N là kích thước mẫu, var là số biến độc lập đưa vào mô hình hồi quy. Trong bài nghiên cứu thì có 5 biến độc lập vậy cỡ mẫu tối thiểu sẽ là 90.
Do vậy, để đề phòng bản khảo sát nhận được không hợp lệ. Nên 170 bảng câu hỏi khảo sát đã được chuẩn bị để khảo sát ý kiến của khách hàng, nhằm loại bỏ các bảng khảo sát không hợp lệ để đủ mẫu phân tích dữ liệu.
3.3.4 Phương pháp thu thập số liệu
Nghiên cứu sử dụng phương pháp chọn mẫu thuận tiện phi xác suất. Việc tiếp cận khách hàng bằng cách điều tra trực tiếp tại các chi nhánh BIDV trên địa bàn tỉnh khi khách hàng đến giao dịch. Và nhờ sự hỗ trợ các bạn bè hỗ trợ điều tra các khách hàng BIDV.
Thời gian khảo sát là: 01/06/2018 đến 31/08/2018
Số phiếu khảo sát phát đi là 170 bản. Số phiếu thu về là 166 bản. Sau khi sàng lọc và loại đi các phiếu không hợp lệ thì số phiếu còn lại là 150 phiếu. Trong đó khách hàng chưa sử dụng Internet banking là 68 người và khách hàng đang sử dụng Internet banking là 82 người.
3.3.5 Phương pháp phân tích số liệu 3.3.5.1 Phương pháp thống kê mô tả 3.3.5.1 Phương pháp thống kê mô tả
Thống kê mô tả được sử dụng để mô tả những đặc tính cơ bản của dữ liệu thu thập được từ nghiên cứu thực nghiệm qua các cách thức khác nhau. Thống kê mô tả cung cấp những tóm tắt đơn giản về mẫu và các thước đo. Sau đó, để mô tả và tìm hiểu về đặc tính phân phối của một bảng số liệu thô là lập bảng phân phối tần số để làm rõ đặc tính của mẫu phân tích.
3.3.5.2 Phương pháp phân tích độ tin cậy của thang đo
Hệ số của Cronbach là một phép kiểm định thống kê về mức độ chặt chẽ mà các mục hỏi trong thang đo tương tác với nhau. Phương pháp này cho phép phân tích loại bỏ các biến không phù hợp, hạn chế các biến rác trong quá trình nghiên cứu và đánh giá độ tin cậy của thang đo thông qua hệ số Cronbach alpha. Hệ số Cronbach Alpha có giá trị biến thiên trong khoản từ [0,1]. Về lý thuyết, những biến có hệ số tương quan biến tổng nhỏ hơn 0.3 sẽ bị loại. Cronbach Alpha càng cao thì càng tốt,
nghĩa là thang đo có độ tin cậy cao. Nếu Cronbach Alpha α ≥ 0.6, thì thang đo có thể chấp nhận được về mặt tin cậy (Nunnally và Bernstein, 1994; Peterson, 1994; Slater, 1995). Tuy nhiên, nếu hệ số Cronbach Alpha quá lớn (α>0.95), thì cho thấy nhiều biến quan sát trong thang đo không có sự khác biệt hiện tượng này gọi là trùng lắp trong thang đo (Nguyễn Đình Thọ, 2011).
3.3.5.3 Phương pháp phân tích khám phá nhân tố EFA
Sau khi đánh giá độ tin cậy của thang đo với hệ số Cronbach’s Alpha thì bước tiếp theo phải đánh giá giá trị của nó. Hai giá trị quan trọng của thang đo là giá trị hội tụ và giá trị phân biệt. Để đánh giá hai giá trị này, tác giả sử dụng phương pháp phân tích nhân tố khám phá EFA. Phương pháp phân tích EFA thuộc nhóm phân tích đa biến phụ thuộc lẫn nhau, nghĩa là không có biến phụ thuộc và độc lập mà nó dựa vào mối tương quan giữa các biến với nhau. EFA dùng để rút gọn một tập k các biến quan sát thành một tập F (F<k) các nhân tố có ý nghĩa hơn việc rút gọn này dựa vào mối quan hệ tuyến tính giữa các nhân tố với biến quan sát. Để xác định sự phù hợp khi dùng EFA thì ta dùng hai loại kiểm định là Barlett và kiểm định KMO.
Kiểm định Bartlett (Bartlett’s test of sphericity) dùng để xem xét ma trận tương quan có phải là ma trận đơn vị I, là ma trận có các thành phần bằng 0 và đường chéo bằng 1. Nếu phép kiểm định Bartlett có Sig < 5% chúng ta từ chối giả thuyết H0 (ma trận tương quan là ma trận đơn vị), nghĩa là các biến có tương quan với nhau (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008; Nguyễn Đình Thọ, 2011).
Kiểm định KMO là chỉ số dùng để so sánh độ lớn của hệ số tương quan giữa hai biến với độ lớn của hệ số tương quan riêng phần của chúng. Để sử dụng EFA, KMO phải > 0.5 (Nguyễn Đình Thọ, 2011).
Để chọn số lượng nhân tố, ba phương pháp thường được sử dụng là tiêu chí Eigenvalue, tiêu chí điểm uốn, xác định trước số lượng nhân tố. Trong nghiên cứu này tác giả chọn tiêu chí eigenvalue. Với tiêu chí này, số lượng nhân tố được xác định ở nhân tố có eigenvalue tối thiểu bằng 1 (>=1) (Nguyễn Đình Thọ, 2011).
lệch trọng số phải ≥ 0.3 (Nguyễn Đình Thọ, 2011).
Cuối cùng là khi đánh giá ta cần xem xét tổng phương sai trích Total Variance Explained. Tổng này thể hiện các nhân tố trích được bao nhiêu phần trăm của các biến đo lường. Tổng này phải đạt từ 50% trở lên (Gerbing và Anderson, 1988), nghĩa là phần chung phải lớn hơn phần riêng và sai số (từ 60% trở lên là tốt) (Nguyễn Đình Thọ, 2011).
3.3.5.4 Phân tích tương quan Pearson
Mục đích chạy tương quan Pearson nhằm kiểm tra mối tương quan tuyến tính chặt chẽ giữa biến phụ thuộc với các biến độc lập, vì điều kiện để hồi quy là trước nhất phải tương quan.
Hệ số tương quan Pearson (Pearson correlation coefficient, kí hiệu r) đo lường mức độ tương quan tuyến tính giữa hai biến. Về nguyên tắc, tương quan Pearson sẽ tìm ra một đường thẳng phù hợp nhất với mối quan hệ tuyến tính của 2 biến. Hệ số tương quan Pearson (r) sẽ nhận giá trị từ +1 đến -1. Điều kiện để tương quan có ý nghĩa là giá trị Sig <0.05.
+ r < 0 cho biết một sự tương quan nghịch giữa hai biến, nghĩa là nếu giá trị của biến này tăng thì sẽ làm giảm giá trị của biến kia.
+ r = 0 cho thấy không có sự tương quan.
+ r > 0 cho biết một sự tương quan thuận giữa hai biến, nghĩa là nếu giá trị của biến này tăng thì sẽ làm tăng giá trị của biến kia.
Ngoài ra cần nhận diện vấn đề đa cộng tuyến khi các biến độc lập cũng có tương quan mạnh với nhau. Dấu hiệu nghi ngờ dựa vào giá trị sig tương quan giữa các biến độc lập nhỏ hơn 0.05 và giá trị tương quan Pearson lớn hơn 0.4
3.3.5.5 Phương pháp phân tích hồi quy đa biến
Xây dựng mô hình hồi quy đa biến: mô hình hồi quy đa biến là một trong những mô hình thống kê được sử dụng phổ biến trong kiểm định lý thuyết khoa học (kiểm
định mô hình nghiên cứu và các giả thuyết nghiên cứu). Khi sử dụng mô hình hồi quy đa biến chúng ta cần chú ý đến sự phù hợp của mô hình và kiểm trả các giả định của nó.
- Các tiêu chí trong hồi quy đa biến:
+ Giá trị Sig của kiểm định F được sử dụng để kiểm định độ phù hợp của mô hình hồi quy. Nếu sig nhỏ hơn 0.05, ta kết luận mô hình hồi quy tuyến tính phù hợp với tập dữ liệu và có thể sử dụng được.
+ Giá trị R2 (R Square), R2 hiệu chỉnh (Adjusted R Square) phản ánh mức độ giải thích biến phụ thuộc của các biến độc lập trong mô hình hồi quy. R2 hiệu chỉnh phản ánh sát hơn so với R2. Mức dao động của 2 giá trị này là từ 0 đến 1.
+ Trị số Durbin – Watson (DW) dùng để kiểm tra hiện tượng tự tương quan chuỗi bậc nhất (kiểm định tương quan của các sai số kề nhau). Theo Field (2009), nếu DW nhỏ hơn 1 và lớn hơn 3, chúng ta cần thực sự lưu ý bởi khả năng rất cao xảy ra hiện tượng tự tương quan chuỗi bậc nhất. Theo Yahua Qiao (1999), thường giá trị DW nằm trong khoảng 1.5 – 2.5 sẽ không xảy ra hiện tượng tự tương quan.
+ Giá trị sig của kiểm định t được sử dụng để kiểm định ý nghĩa của hệ số hồi quy. Nếu sig kiểm định t của hệ số hồi quy của một biến độc lập nhỏ hơn 0.05, ta kết luận biến độc lập đó có tác động đến biến phụ thuộc.
+ Hệ số phóng đại phương sai VIF dùng để kiểm tra hiện tượng đa cộng tuyến. Thông thường, nếu VIF của một biến độc lập lớn hơn 10 nghĩa là đang có đa cộng tuyến xảy ra với biến độc lập đó. Khi đó, biến này sẽ không có giá trị giải thích biến thiên của biến phụ thuộc trong mô hình hồi quy.
+ Kiểm tra các giả định hồi quy, bao gồm phần dư chuẩn hóa và liên hệ tuyến tính:
Phần dư có thể không tuân theo phân phối chuẩn vì những lý do như: sử dụng sai mô hình, phương sai không phải là hằng số, số lượng các phần dư không đủ nhiều để phân tích... Vì vậy, chúng ta cần thực hiện nhiều cách khảo sát khác nhau. Hai cách phổ biến nhất là căn cứ vào biểu đồ Histogram và Normal P- P Plot. Đối với biểu đồ Histogram, nếu giá trị trung bình Mean gần bằng 0, độ lệch
chuẩn gần bằng 1, ta có thể khẳng định phân phối là xấp xỉ chuẩn. Đối với biểu đồ Normal P-P Plot, nếu các điểm phân vị trong phân phối của phần dư tập trung thành 1 đường chéo, như vậy, giả định phân phối chuẩn của phần dư không bị vi phạm.
Kiểm tra vi phạm giả định liên hệ tuyến tính: biểu đồ phân tán Scatter Plot giữa các phần dư chuẩn hóa và giá trị dự đoán chuẩn hóa giúp chúng ta dò tìm xem, dữ liệu hiện tại có vi phạm giả định liên hệ tuyến tính hay không. Nếu phần dư chuẩn hóa phân bổ tập trung xunh quanh đường hoành độ 0, chúng ta có thể kết luận giả định quan hệ tuyến tính không bị vi phạm.
3.4 Tóm tắt chương 3
Chương 3, tác giả đã đề xuất mô hình nghiên cứu và giải thích các biến. Bên cạnh đó, tác giả đã trình bày cụ thể quy trình thực hiện nghiên cứu bao gồm phương pháp nghiên cứu, chọn mẫu, lấy mẫu, xử lý dữ liệu. Phương pháp nghiên cứu gồm có 2 phương pháp chính đó là: sử dụng phương pháp nghiên cứu định tính và phương pháp nghiên cứu định lượng. Nghiên cứu định tính nhằm xác định các yếu tố có ảnh hưởng đến ý định sử dụng Internet banking của khách hàng, từ đó hoàn thiện được bảng khảo sát chính thức. Từ bảng khảo sát chính thức đó, tác giả sẽ thu thập dữ liệu và dùng phương pháp định lượng để xử lý kết quả như thống kê mô tả, sử dụng phương pháp Cronbach Alpha để kiểm tra độ tin cậy của thang đo, phân tích nhân tố khám phá EFA, và sử dụng phương pháp hồi quy đa biến để kiểm định giả thuyết và xem mức độ tác động của các nhân tố.
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
Dựa trên cơ sở lý thuyết và phương pháp nghiên cứu đã được xây dựng ở chương 3, tác giả tiếp tục chương 4 với nội dung thực trạng sử dụng Internet banking của khách hàng cá nhân tại BIDV địa bàn tỉnh Bà Rịa – Vũng Tàu và kết quả nghiên cứu.
4.1 Tình hình đăng ký sử dụng Internet banking của các chi nhánh BIDV
Chi nhánh Bà Rịa – Vũng Tàu
Trong năm 2015 tỷ lệ khách hàng cá nhân sử dụng Internet banking của chi nhánh Bà Rịa – Vũng Tàu là 3.65%. Tỷ lệ này giảm đi trong năm 2016 và đến năm 2017 tỷ lệ này chỉ còn 3.2%. Mặc dù tính đến năm 2017 lượng khách hàng cá nhân của chi nhánh BRVT là 75815 nhưng nhìn chung tỷ lệ khách hàng sử dụng Internet banking là thấp trong 3 năm, chỉ xấp xỉ dao động trên 3%.
۔ Thành phố Vũng Tàu là trung tâm kinh tế, tài chính, văn hóa, du lịch, giao thông vận tải và giáo dục. Hiện tại trên thành phố Vũng Tàu có 2 khu công nghiệp lớn đó là khu công nghiệp Đông Xuyên, và khu công nghiệp dầu khí Long Sơn. Ngoài ra thành phố còn có hơn 10 cảng biển và cảng sông phục vụ ngành dầu khí, quốc