Cụ thể các bước trong mô hình như sau:
Bước 01: Dựa trên các nghiên cứu trước đây với mô hình TAM là mô hình cơ sở, nghiên cứu xác định các yếu tố ảnh hưởng đến việc sử dụng dịch vụ Internet Banking tại BIDV chi nhánh Bà Rịa- Vũng Tàu để xây dựng mô hình và đề xuất các giả thuyết nghiên cứu.
Phân tích dữ liệu Khảo sát chính thức, thu
thập dữ liệu Khảo sát sơ bộ, điều
chỉnh bảng câu hỏi Thiết kế bảng câu hỏi Xây dựng mô hình và giả
Bước 02: Thiết kế bảng câu hỏi dựa trên các công trình nghiên cứu trước, các câu hỏi sẽ được dịch từ tiếng Anh sang tiếng Việt, thể hiện một cách đầy đủ nhất nội dung của từng yếu tố trong mô hình.
Bước 03: Khảo sát sơ bộ 05 khách hàng am hiểu về dịch vụ Internet Banking để tham khảo ý kiến về bảng câu hỏi khảo sát đã phù hợp, rõ nghĩa chưa, có cần chỉnh sửa gì thêm hay không; từ đó sẽ có sự điều chỉnh cần thiết cho bảng câu hỏi khảo sát.
Bước 04: Tiến hành khảo sát khách hàng bằng hình thức mail trực tiếp và gửi link câu hỏi khảo sát trên Google Drive. Thu thập dữ liệu từ những bảng khảo sát khách hàng trả lời, lọc ra những bảng khảo sát hợp lệ, nhập dữ liệu thu thập được vào file excel để chuẩn bị cho việc phân tích ở bước 05.
Bước 05: Phân tích dữ liệu. Dữ liệu sau khi được nhập vào sẽ được phân tích chủ yếu bằng phần mềm Statistical Package for Social Sciences (SPSS ver 22.0). Đầu tiên, nghiên cứu sẽ thống kê mô tả mẫu quan sát được, sau đó thực hiện kiểm định độ tin cậy của thang đo, phân tích nhân tố khám phá để xác định các yếu tổ tố ảnh hưởng đến việc sử dụng dịch vụ Internet Banking; kiểm định tương quan, hiện tượng đa cộng tuyến để đo lường quan hệ giữa các biến với nhau và phân tích hồi quy tuyến tính để xác định mức độ ảnh hưởng của các biến đến việc sử dụng dịch vụ Internet Banking.
3.2. Thiết kế nghiên cứu
Bảng câu hỏi sẽ gồm hai phần: phần một là phần thông tin của khách hàng gồm các yếu tố: họ tên, giới tính, tuổi, nghề nghiệp, trình độ học vấn, tình trạng hôn nhân; phần hai gồm các câu hỏi thiết kế theo thang đo Likert. Chi tiết bảng câu hỏi khảo sát xem ở phụ lục 01. Bảng câu hỏi sẽ được gửi đến khách hàng bằng mail, gửi link bảng câu hỏi khảo sát trên Google Drive và phát trực tiếp cho khách hàng đến quầy giao dịch theo phương pháp chọn mẫu ngẫu nhiên.
Luận văn sử dụng năm biến số: sự tự hiệu quả của máy tính, sự tin cậy, sự hữu ích cảm nhận, sự dễ sử dụng cảm nhận và việc sử dụng Internet Banking, được đo lường bằng 15 biến quan sát cụ thể dựa trên các công trình nghiên cứu trước đây.
Biến sự tự hiệu quả máy tính gồm 03 biến quan sát dựa theo nghiên cứu của Tzung- I Tang và cộng sự (2004). Biến sự tin cậy gồm 03 thang đo, được trích từ nghiên cứu của Chong và cộng sự (2010). Biến sự hữu ích cảm nhận được đo lường bằng 03 thang đo được lấy từ nghiên cứu của Giovanis và cộng sự (2012). Có 04 biến quan sát liên quan đế sự dễ sử dụng cảm nhận, 04 biến này tương tự như trong nghiên cứu của Awni Rawashdeh (2015). Cuối cùng là việc sử dụng dịch vụ Internet Banking được đo lường bởi 02 thang đo được sử dụng từ nghiên cứu của Syed, A.R. và Nida Hanif (2012). Cụ thể các biến được trình bày ở bảng 3.1:
Bảng 3.1: Các biến quan sát trong mô hình Các biến số Mã biến số Các biến quan sát Nguồn của các biến số Sự tự hiệu quả của máy tính
THQMT1 Tôi sử dụng Internet Banking nếu có hướng dẫn cụ thể trên website.
Tzung-I Tang và cộng sự, 2004 THQMT2 Tôi sử dụng Internet Banking nếu tôi đã thấy
ai đó sử dụng trước khi tôi tự sử dụng.
Tzung-I Tang và cộng sự, 2004 THQMT3 Tôi sử dụng Internet Banking nếu tôi có thể
gọi ai đó giúp đỡ khi cần.
Tzung-I Tang và cộng sự, 2004 Sự tin
cậy
TC1 Tôi tin tưởng rằng các giao dịch thực hiện trên Internet banking là an toàn và bảo mật
Chong và cộng sự, 2010
TC2 Tôi tin rằng các quy trình trong quá trình thực hiện giao dịch trên Internet banking được tiến hành một cách an toàn
Chong và cộng sự, 2010
TC3 Tôi tin rằng các thông tin cá nhân của tôi là bảo mật Chong và cộng sự, 2010 Sự hữu ích cảm nhận
HICN1 Sử dụng Internet Banking sẽ giúp các giao dịch hiệu quả hơn
Giovanis và cộng sự, 2012
HICN2 Sử dụng Internet Banking giúp các giao dịch dễ dàng hơn
Giovanis và cộng sự, 2012
HICN3 Sử dụng Internet Banking giúp các giao dịch nhanh hơn Giovanis và cộng sự, 2012 Sự dễ sử dụng cảm nhận
DSDCN1 Sử dụng Internet banking không đòi hỏi chuyên môn và nỗ lực nhiều
Awni Rawashdeh, 2015
DSDCN2 Tôi thấy Internet banking dễ dàng để sử dụng Awni Rawashdeh, 2015
DSDCN3 Các tương tác trên Internet Banking rõ ràng và dễ hiểu
Awni Rawashdeh, 2015
DSDCN4 Việc sử dụng thành thạo Internet banking không khó khăn với tôi
Awni Rawashdeh, 2015 Việc sử dụng Internet Banking
HD1 Tôi sẽ sử dụng Internet Banking thường xuyên
Syed, A.R. và Nida Hanif, 2012
HD2 Tôi sẽ giới thiệu người khác sử dụng Internet Banking
Syed, A.R. và Nida Hanif, 2012
3.3. Phương pháp nghiên cứu
Nghiên cứu sử dụng phương pháp định lượng; dữ liệu sau khi thu thập đầy đủ, chọn lọc rồi sẽ được xử lý trên phần mềm Statistical Package for Social Sciences (SPSS ver 22.0) theo trình tự như sau:
Trước tiên, nghiên cứu đánh giá độ tin cậy của các thang đo bằng hệ số Cronbach’s alpha. Mục đích của kiểm định Cronbach’s alpha là tìm hiểu xem nếu đưa các biến quan sát nào đó thuộc về một biến nghiên cứu thì nó có phù hợp hay không. Sử dụng phương pháp hệ số tin cậy Cronbach’s alpha trước khi phân tích nhân tố EFA để loại các biến không phù hợp vì các biến rác này có thể tạo ra các yếu tố giả (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2009). Hair và các cộng sự, 1998 đưa ra các quy tắc đánh giá về giá trị của hệ số Conbach’s alpha như sau:
- <0.6: Thang đo nhân tố là không phù hợp
- 0.7-0.8: Chấp nhận được - 0.8-0.95: Tốt
- >= 0.95: Chấp nhận được nhưng không tốt, nên xem xét các biến quan sát có thể có hiện tượng trùng biến.
Hệ số tin cậy này không cho biết biến quan sát nào cần bỏ đi và biến nào cần giữ lại. Khi đó, ta dùng đến hệ số tương quan biến tổng; hệ số tương quan biến tổng sẽ giúp loại ra những biến quan sát nào không đóng góp nhiều cho sự mô tả của khái niệm cần đo (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005). Như vậy, các tiêu chí để chấp nhận biến khi thực hiện đánh giá độ tin cậy thang đo gồm:
- Hệ số Cronbach’s alpha của các biến phải từ 0.6 trở lên.
- Hệ số tương quan biến tổng của từng biến quan sát phải từ 0.3 trở lên.
Sau khi kiểm định độ tin cậy Cronbach’s alpha, các nhân tố còn lại được đưa vào để phân tích nhân tố khám phá (EFA), việc phân tích nhân tố khám phá giúp loại bỏ các biến quan sát không phù hợp có trong mô hình. Theo Hair và cộng sự (1998) thì phân tích nhân tố khám phá là một phương pháp phân tích thống kê dùng để rút gọn một tập nhiều biến quan sát thành một nhóm để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết các nội dung thông tin của biến ban đầu. Cơ sở của việc rút gọn này dựa vào mối quan hệ tuyến tính của các nhân tố với các biến nguyên thủy (biến quan sát). Phương pháp Cronbach Alpha dùng để đánh giá độ tin cậy của thang đo. Còn phương pháp phân tích nhân tố khám phá EFA giúp chúng ta đánh giá hai loại giá trị quan trọng của thang đo là giá trị hội tụ và giá trị phân biệt. Giá trị hội tụ thể hiện ở chỗ các biến quan sát hội tụ về cùng một nhân tố. Giá trị phân biệt thể hiện ở chỗ các biến quan sát thuộc về nhân tố này phải phân biệt với nhân tố khác. Các tác giả Mayers, Gamst, Guarino (2006) đề cập rằng: Trong phân tích nhân tố, phương pháp trích Pricipal Components Analysis đi cùng với phép xoay Varimax là cách thức được sử dụng phổ biến nhất. Vì vậy, nghiên cứu cũng dùng phương pháp này. Khi phân tích nhân tố khám phá cần lưu ý những điểm sau:
Thứ nhất là về hệ số tải nhân tố: Theo Hair và cộng sự (1998, 111), Factor loading (hệ số tải nhân tố hay trọng số nhân tố) là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA:
- Factor loading > 0.3 được xem là đạt mức tối thiểu. - Factor loading > 0.4 được xem là quan trọng.
- Factor loading > 0.5 được xem là có ý nghĩa thực tiễn
Hair và cộng sự (1998, 111) cũng khuyên rằng nếu chọn tiêu chuẩn hệ số tải nhân tố > 0.3 thì cỡ mẫu ít nhất phải là 350, nếu cỡ mẫu khoảng 100 thì nên chọn tiêu chuẩn hệ số tải nhân tố > 0.55, nếu cỡ mẫu khoảng 50 thì hệ số tải nhân tố phải > 0.75. Trong bài nghiên cứu này, vì cỡ mẫu là 75 nên tác giả lấy hệ số tải nhân tố là 0.65; cho nên nếu biến quan sát nào có hệ số tải nhân tố <0.65 sẽ bị loại.
Thứ hai là hệ số KMO (Kaiser-Meyer-Olkin): Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc, (2005) thì hệ số KMO là một chỉ số được dùng để xem xét sự thích hợp của phân tích nhân tố khám phá EFA. Nếu 0,5 ≤ KMO ≤ 1 thì phân tích nhân tố là thích hợp. Kiểm định Bartlett xem xét giả thuyết Ho: độ tương quan giữa các biến quan sát bằng không trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig ≤ 0,05) thì các biến quan sát có tương quan với nhau trong tổng thể.
Thứ ba, thang đo được chấp nhận khi tổng phương sai trích ≥ 50% (Gerbing & Anderson, 1998).
Thứ tư, hệ số Eigenvalue - đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố, hệ số này có giá trị ≥ 1 thì nhân tố rút ra có ý nghĩa tóm tắt thông tin tốt nhất (Gerbing & Anderson, 1998).
Thứ năm, khác biệt về hệ số tải nhân tố của một biến quan sát giữa các nhân tố ≥ 0,30 để đảm bảo giá trị phân biệt giữa các nhân tố. Do đó, trong ma trận xoay, một biến quan sát tải lên ở cả hai nhân tố mà giá trị chênh lệch hệ số tải dưới 0.3 thì biến đó bị loại. (Jabnoun & Al-Tamimi, 2003).
Tiếp theo, nghiên cứu sẽ dựa vào kết quả sau khi phân tích nhân tố khám phá để hiệu chỉnh lại mô hình nghiên cứu cho phù hợp rồi tiến hành phân tích tương
quan Pearson giữa các biến độc lập với biến phụ thuộc. Từ đó sẽ chọn ra những biến độc lập thực sự có tương quan với biến phụ thuộc và đưa những biến đó vào hồi quy. Hệ số tương quan Pearson đo lường mức độ tương quan tuyến tính giữa hai biến. Hệ số này nhận giá trị từ -1 đến +1. Hệ số tương quan Pearson > 0 cho biết có sự tương quan thuận giữa hai biến, nghĩa là nếu giá trị của biến này tăng sẽ làm giá trị của biến kia tăng và ngược lại. Hệ số tương quan Pearson < 0 cho biết có sự tương quan nghịch giữa hai biến. Giá trị tuyệt đối của hệ số tương quan Pearson càng cao thì mức độ tương quan giữa hai biến càng lớn. Nếu giữa hai biến độc lập có tương quan chặt chẽ thì phải lưu ý vấn đề đa cộng tuyến khi phân tích hồi quy. Vấn đề của hiện tượng đa cộng tuyến là chúng cung cấp cho mô hình những thông tin rất giống nhau, và rất khó tách rời ảnh hưởng của từng biến một đến biến phụ thuộc. Đa cộng tuyến làm tăng độ lệch chuẩn của hệ số hồi quy và làm giảm ý nghĩa của các hệ số.
Cuối cùng, sau khi chạy một loạt các phân tích Cronbach’s alpha, phân tích nhân tố khám phá EFA, phân tích tương quan, ta thực hiện phân tích hồi quy. Phân tích hồi quy dùng để xác định cụ thể trọng số của từng biến độc lập tác động đến biến phụ thuộc, mức độ ảnh hưởng của từng biến độc lập đến biến phụ thuộc; từ đó đưa ra được phương trình hồi quy. Phương trình hồi quy trong nghiên cứu có dạng như sau:
IB = β1 (THQMT) + β2 (TC) +β3 (HICN) +β4 (DSDCN) + ε
Với IB là: việc sử dụng dịch vụ Internet Banking; THQMT là: sự tự hiệu quả của máy tính; TC là: sự tin cậy; HICN là: sự hữu ích cảm nhận; DSDCN là: sự dễ sử dụng cảm nhận; ε là sai số ngẫu nhiên.
3.4. Dữ liệu nghiên cứu
Đối tượng nghiên cứu: Chọn ngẫu nhiên khách hàng đang sử dụng dịch vụ Internet Banking tại BIDV chi nhánh Bà Rịa- Vũng Tàu. Nguồn khách hàng này sẵn có trong hệ thống của ngân hàng.
Cỡ mẫu: Vì nghiên cứu sử dụng 15 biến quan sát nên số lượng khách hàng cần để nghiên cứu ít nhất là 75. Kích thước này là đủ lớn và đảm bảo yêu cầu của phương pháp phân tích nhân tố (mẫu gấp ít nhất năm lần số biến trong phân tích) (Hair và cộng sự, 2009).
Thời gian khảo sát: ba tháng để có thể khảo sát được đủ số quan sát và số liệu thu được đủ độ bao quát.
Thang đo sử dụng: nghiên cứu sử dụng thang đo Likert 5 điểm từ (1) là hoàn toàn không đồng ý, (2) là không đồng ý, (3) là bình thường, (4) là đồng ý và (5) là hoàn toàn đồng ý. Thang đo dùng để đo lường các biến.
Phương thức nghiên cứu: mail bảng câu hỏi đến khách hàng và gửi link bảng câu hỏi khảo sát trên Google Drive và phát trực tiếp cho khách hàng đến quầy giao dịch.
Kết luận chương:
Chương 3 của bài luận văn trình bày năm bước của quy trình nghiên cứu, cách thiết kế nghiên cứu, các phương pháp nghiên cứu (kiểm định độ tin cậy, phân tích nhân tố khám phá, phân tích tương quan và phân tích hồi quy) và dữ liệu nghiên cứu.
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU 4.1. Mô tả mẫu 4.1. Mô tả mẫu
Về kích thước mẫu thì trong nghiên cứu của Hair và cộng sự (2009) có đề cập kích thước mẫu tối thiểu gấp năm lần số biến quan sát. Theo Comrey và Lee (1992) đánh giá thì mẫu có kích thước 50 là rất kém, 100 là kém, 300 là tốt và 500 là rất tốt. Bảng câu hỏi được gửi tới khách hàng đang sử dụng dịch vụ Internet Banking bằng cả mail và khảo sát điện tử qua công cụ Google Drive. Đường link bảng câu hỏi khảo sát được gửi đến 100 khách hàng, mail được tác giả gửi đến 50 người. Trong tổng số 150 bảng khảo sát được gửi đi thì tác giả thu về 102 bảng khảo sát (chiếm 68% tổng số phiếu khảo sát), tuy nhiên, chỉ có 75 phiếu khảo sát là hợp lệ (chiếm 73,5% số phiếu khảo sát thu về).
Các thông tin cá nhân trong bảng câu hỏi khảo sát gồm giới tính, tuổi, nghề nghiệp, trình độ học vấn và tình trạng hôn nhân.
- Về giới tính: trong số những người được khảo sát có 42 người là nữ (chiếm 56%), còn lại 33 người là nam (chiếm 44%).
- Về độ tuổi: những người có độ tuổi dưới 30 chiếm 44% trên tổng số người có phiếu hợp lệ thu về; cụ thể là 33 người. Những người từ 30 tuổi trở lên có sử dụng dịch vụ Internet Banking là 42 người (chiếm 56%).
- Về trình độ học vấn: mẫu quan sát này có trình độ học vấn khá cao, có 13.33% (10 người) là trình độ phổ thông trung học; còn lại 86.67% (65 người) đều tốt nghiệp trung cấp/cao đằng/đại học.
- Về tình trạng hôn nhân: có 62.67% (47 người) trong tổng số người có bảng khảo sát hợp lệ đã kết hôn, còn lại 37.34% (28 người) đang độc thân.
- Về nghề nghiệp: mẫu quan sát đa dạng, phong phú về nghề nghiệp; trong đó chiếm nhiều nhất (20%) là những người tự kinh doanh, buôn bán và các nhân viên văn phòng (cũng chiếm 20%). Điều này khá phù hợp với thực tế rằng những người
này thường không có nhiều thời gian đến quầy để giao dịch nên họ thích sử dụng dịch vụ Internet Banking hơn.
4.2. Kết quả của các kiểm định, phân tích
4.2.1. Kiểm định độ tin cậy của thang đo – Cronbach’s alpha