CHƢƠNG 1 MỞ ĐẦU
3.7. PHÂN TÍCH DỮ LIỆU
3.7.3. Phân tích nhân tố khám phá (Exploratory Factor Analysi s EFA)
EFA là một phƣơng pháp phân tích định lƣợng dùng để rút gọn một tập gồm nhiều biến đo lƣờng phụ thuộc lẫn nhau thành một tập biến ít hơn (gọi là các nhân tố) để chúng có ý nghĩa hơn nhƣng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu (Hair và cộng sự, 2010).
Điều kiện cần để bảng kết quả có ý nghĩa thống kê là: Hệ số KMO (Kaiser Meyer Olkin) phải nằm trong đoạn từ 0.5 đến 1 (0.5 ≤ KMO ≤ 1); Kiểm định Barlett (Barlett’s Test of Sphericity) có sig phải nhỏ hơn 0.05; Tổng phƣơng sai trích (Total Variance Explained) lớn hơn hoặc bằng 50%; Hệ số tải nhân tố (Factor Loading) lớn hơn hoặc bằng 0.5.
3.7.4. Phân tích hệ số tƣơng quan
Thông thƣờng, Hệ số tƣơng quan đƣợc áp dụng để nghiên cứu sự tồn tại của mối quan hệ giữa cả dữ liệu định lƣợng và hai biến. Nói một cách đơn giản, hệ số tƣơng quan có thể chỉ ra mối quan hệ tuyến tính giữa hai biến liên tục mạnh đến mức nào. Ngoài ra, nó đƣợc ký hiệu là R và phạm vi đƣợc cung cấp nhƣ sau:
-1 ≤ 0 ≤ +1
Có ba loại tƣơng quan xuất hiện đƣợc sử dụng để chỉ ra bằng cách xem xét liệu một trong các biến tăng thì có xu hƣớng ảnh hƣởng đến biến khác hay không. Ƣớc tính bằng 0 đƣa ra giả định sẽ không có mối tƣơng quan giữa hai biến đƣợc tính đến. Điều này cũng có thể đƣợc giải thích rằng một biến không có xu hƣớng ảnh hƣởng đến biến khác. Ngoài ra, con số từ -1 và đến dƣới 0 ngụ ý rằng có một mối quan hệ nghịch giữa biến độc lập và biến phụ thuộc. Cũng có thể nói rằng có một mối tƣơng quan tiêu
cực mạnh tồn tại giữa hai biến và dữ liệu sẽ nằm trên một đƣờng thẳng hoàn hảo theo độ
dốc xuống. Nếu có sự tƣơng quan âm, thì khi một biến tăng thì biến còn lại sẽ giảm và ngƣợc lại. Mặt khác, một mối tƣơng quan dƣơng tồn tại khi các số liệu hiển thị cao hơn 0 đến +1. Khi có một mối tƣơng quan dƣơng thì một biến có xu hƣớng tăng thì biến còn lại cũng tăng, nên biểu đồ phân tán sẽ là độ dốc dƣơng và độ dốc hƣớng lên. Giá trị khác nhau của mối tƣơng quan hàm ý sức mạnh khác nhau của mối tƣơng quan. Nếu phạm vi rơi trong khoảng từ 0.00 đến 0.19 hoặc 0.00 đến -0.19 đƣợc coi là rất yếu; từ 0.20 đến 0.39 hoặc –0.20 to –0.39 đƣợc xem là yếu; từ 0.40 đến 0.59 hoặc –
0.40 to –0.59 là ở mức vừa phải; từ 0.60 đến 0.79 hoặc –0.60 to –0.79 đƣợc coi là mạnh và từ 0.80 đến 1.0 hoặc -0.80 đến -1.0 là rất mạnh.
3.7.5. Phân tích Hồi quy đa biến
Phân tích hồi quy đa biến tuyến tính đƣợc sử dụng để kiểm tra mối quan hệ giữa biến phụ thuộc và biến độc lập trong một nghiên cứu. Bằng cách sử dụng nhiều biến độc lập, điều quan trọng đối với các nhà nghiên cứu là nghiên cứu tất cả các biến độc lập độc lập đối với biến phụ thuộc của nó, bằng cách giữ tất cả các biến khác không đổi. Trong nghiên cứu gần đây, quyết định sử dụng thanh di động sẽ là biến phụ thuộc và biến độc lập sẽ đƣợc phân thành các biến nhỏ. Để làm phong phú thêm nghiên cứu này, mức ý nghĩa 1%, 5% và 10% sẽ đƣợc kiểm tra.
Với p-value lớn hơn 0.05, kết quả này chỉ ra rằng giả thuyết sẽ bị từ chối. Nói cách khác, biến độc lập đƣợc tính đến không đáng kể ở mức ý nghĩa 5%. Ngƣợc lại, nếu giá trị p-value nhỏ hơn 0.05, điều đó có nghĩa là có một mối quan hệ đáng kể giữa biến độc lập và biến phụ thuộc ở mức ý nghĩa ở mức 5%. Do đó, không bác bỏ giả thuyết. Mặt khác, giá trị beta của từng biến độc lập thể hiện mức độ tác động đến biến phụ thuộc của nó. Giá trị beta càng lớn, tác động của biến độc lập đối với biến phụ thuộc càng lớn. Tuy nhiên, một vấn đề đa cộng tuyến xảy ra khi các biến độc lập có sự tƣơng quan. Hệ số của mô hình sẽ trở nên rất nhạy cảm với từng thay đổi đƣợc thực hiện. Kết quả này chắc chắn sẽ làm suy yếu sức mạnh của mô hình hồi quy và không cảm nhận đƣợc tác động thực sự của từng biến độc lập trong nghiên cứu.
Do vậy để đảm bảo cho độ tin cậy của mô hình, việc dò tìm sự vi phạm các giả định là cần thiết. Giả định đa cộng tuyến đã đề cập ở trên, phần này sẽ làm về giả định phân phối chuẩn của phần dƣ và giả định liên hệ tuyến tính.
3.7.6. Phân tích Oneway ANOVA
Mục đích của nghiên cứu này đƣợc sử dụng Oneway ANOVA là để xác định sự khác biệt đáng kể giữa các nhóm yếu tố nhân khẩu học, bao gồm giới tính, học vấn, tuổi tác và mức thu nhập với biến phụ thuộc (quyết định sử dụng thanh toán di động). Khi đề cập đến bảng ANOVA, khi giá trị đáng kể giữa các nhóm riêng lẻ nhỏ hơn 0.05, điều đó có nghĩa là có ý nghĩa thống kê giữa các nhóm nhân khẩu học riêng lẻ đối với quyết định sử dụng thanh toán di động.
Nữ 44.4%
Nam 56.6%
0 20 40 60 80 100 120 140 160
CHƢƠNG 4. KẾT QUẢ NGHIÊN CỨU VỀ CÁC YẾU TỐ QUYẾT ĐỊNH SỬ DỤNG DỊCH VỤ THANH TOÁN DI ĐỘNG CỦA GEN-Y TẠI THÀNH PHỐ HỒ CHÍ MINH
Trong chƣơng 4, kết quả thu thập đƣợc từ khảo sát sẽ đƣợc phân tích. Với phân tích, giả thuyết đƣợc mô tả đƣợc đặt ở chƣơng 2 có thể đƣợc chấp nhận hoặc bác bỏ giả thuyết. Để thực hiện điều này, một số thử nghiệm sẽ trải qua nhƣ Phân tích mô tả, kiểm tra độ tin cậy, Phân tích nhân tố khám phá , Phân tích nhân tố khẳng định, Phân tích hệ số tƣơng quan, Phân tích Hồi quy đa biến, Kiểm tra các giả định hồi quy thiết hồi quy, Phân tích Oneway ANOVA.
4.1. Phân tích mô tả các yếu tố quyết định sử dụng dịch vụ thanh toán di động củaGen-Y tại Thành phố Hồ Chí Minh Gen-Y tại Thành phố Hồ Chí Minh
Phân tích mô tả là nghiên cứu về ngƣời trả lời để xác định xem các yếu tố nhân khẩu học nhƣ giới tính, tuổi tác, mức thu nhập và trình độ học vấn và các thống kê các yếu tố tác động đến việc sử dụng dịch vụ thanh toán di động.
4.1.1 Thông tin về nhân khẩu học
Hình 4.1. Phân tích mô tả Giới tính
Nguồn: Tác giả tổng hợp
Dựa trên các thông tin trên, kích thƣớc của ngƣời trả lời là nam lớn hơn ngƣời trả lời là nữ. Trong số tất cả những ngƣời đƣợc hỏi, nam trả lời là 138 ngƣời, chiếm 55.6% cho nghiên cứu này. Ngoài ra, có tổng số 110 ngƣời trả lời là nữ, chiếm 44.4% đang đƣợc sử dụng cho nghiên cứu này.
30 – 35 tuổi 26.2% 24 – 29 tuổi 39.9% 18 – 23 tuổi 33.9% 0 20 40 60 80 100 120 Trên đại học 9.3% Đại học 40.3% Trung học phổ thông 50.4% 0 20 40 60 80 100 120 140
Hình 4.2. Phân tích mô tả Độ tuổi
Nguồn: Tác giả tổng hợp
Từ Hình 4.2, độ tuổi 18 - 23 tuổi chiếm 33.9% trong tổng số ngƣời khảo sát. Độ tuổi từ 24 – 29 tuổi là tỷ lệ cao nhất trong nhóm tuổi chiếm 39.9%. Và độ tuổi 30 - 35 tuổi bao là 26.2% cũng là tỷ lệ thấp nhất trong nhóm tuổi.
Hình 4.3. Phân tích mô tả Trình độ học vấn
Nguồn: Tác giả tổng hợp
Theo Hình 4.3, số ngƣời đƣợc hỏi có trình độ Trung học phổ thông là 125 (50.4%). 100 ngƣời đƣợc hỏi đạt trình độ Đại học chiếm tỉ lệ 40.3% cuối cùng có 23 ngƣời đƣợc hỏi có trình độ học vấn Trên đại học chiếm 9.3%.
Dựa vào Hình 4.4 bên dƣới, có 64 (25.8%) ngƣời đƣợc hỏi có mức thu nhập dƣới 5 triệu, 85 (34.3%) ngƣời trả lời có thu nhập khoảng Từ 5-10 triệu, 70 (28.2%) ngƣời
Trên 20 triệu 11.7%
Từ 10-20 triệu 28.2%
Từ 5-10 triệu 34.3%
Dƣới 5 triệu 25.8%
0 20 40 60 80 100
đƣợc hỏi có thu nhập Từ 10-20 triệu, 29 (11.7%) ngƣời đƣợc hỏi có thu nhập Trên 20 triệu.
Hình 4.4. Phân tích mô tả Thu nhập
Nguồn: Tác giả tổng hợp
4.1.2. Các yếu tố quyết định sử dụng thanh toán di động
Trong PHỤ LỤC 2 thể hiện kết quả thống kê mô tả của các biến độc lập bao gồm Kỳ vọng kết quả thực hiện đƣợc (PE), Kỳ vọng nỗ lực (EE), Ảnh hƣởng xã hội (SI), Các điều kiện thuận lợi (FC), Nhận thức bảo mật (PS) và Sự tin tƣởng (TR). Và biến phụ thuộc Dự định hành vi (BI).
PE gồm 5 biến quan sát (PE1, PE2, PE3, PE4, PE5) có 248 mẫu đƣợc thu thập cho mỗi biến, có giá trị đƣợc đánh từ 1 đến 5 và có độ lệch chuẩn tƣơng ứng là 0.905, 0.679, 0.990, 1.022, 0.900.
EE gồm 4 biến quan sát (EE1, EE2, EE3, EE4) có 248 mẫu đƣợc thu thập cho mỗi biến, các biến EE1, EE2, EE4 có giá trị từ 1 đến 5, riêng biến EE3 có giá trị từ 2 đến 5 và chúng có độ lệch chuẩn tƣơng ứng 0.825, 0.809, 0.750, 0.826.
SI gồm 3 biến quan sát (SI1, SI2, SI3) có 248 mẫu đƣợc thu thập cho mỗi biến, có giá trị đƣợc đánh từ 1 đến 5 và có độ lệch chuẩn tƣơng ứng là 1.026, 0.884, 0.956.
FC gồm 4 biến quan sát (FC1, FC2, FC3, FC4) có 248 mẫu đƣợc thu thập cho mỗi biến, có giá trị đƣợc đánh từ 1 đến 5 và có độ lệch chuẩn tƣơng ứng 0.937, 0.699, 0.838, 0.990.
PS gồm 3 biến quan sát (PS1, PS2, PS3) có 248 mẫu đƣợc thu thập cho mỗi biến, có giá trị đƣợc đánh từ 1 đến 5 và có độ lệch chuẩn tƣơng ứng là 1.455, 1.388, 1.440. TR gồm 4 biến quan sát (TR1, TR2, TR3, TR4) có 248 mẫu đƣợc thu thập cho mỗi biến, có giá trị đƣợc đánh từ 1 đến 5 và có độ lệch chuẩn tƣơng ứng 0.812, 0.827, 0.806, 0.839.
BI gồm 4 biến quan sát (BI1, BI2, BI3, BI4) có 248 mẫu đƣợc thu thập cho mỗi biến, có giá trị đƣợc đánh từ 1 đến 5 và có độ lệch chuẩn tƣơng ứng 0.949, 0.798, 1.104, 1.036.
4.2. Kiểm tra độ tin cậy của các yếu tố quyết định sử dụng dịch vụ thanh toán di động của Gen-Y tại Thành phố Hồ Chí Minh
Bảng 4.1 cho thấy kết quả kiểm tra độ tin cậy. Trong thử nghiệm này, mục đích là để kiểm tra tính nhất quán bên trong bằng cách sử dụng kết quả của Cronbach’s Alpha cho các biến độc lập và biến phụ thuộc. Đối với biến phụ thuộc Dự định hành vi (BI), có Cronbach’s alpha cho ý định áp dụng là 0.847. Trong khi đối với các biến độc lập, kết quả đƣợc thu thập nhƣ dƣới đây: Kỳ vọng kết quả thực hiện đƣợc (PE) là 0.873, Kỳ vọng nỗ lực (EE) nhận đƣợc 0.759, Ảnh hƣởng xã hội (SI) 0.890, Các điều kiện thuận lợi (FC) 0.857, Nhận thức bảo mật (PS) 0.718 và Sự tin tƣởng (TR) 0.756. Vì Cronbach’s Alpha của tất cả các biến đều lớn hơn 0.7, do đó, không có bất kỳ câu hỏi nào từ khảo sát phải loại bỏ.
Bảng 4.1. Kiểm tra độ tin cậy
Biến Cronbach's Alpha
Kỳ vọng kết quả thực hiện đƣợc (PE) 0.873
Kỳ vọng nỗ lực (EE) 0.759
Ảnh hƣởng xã hội (SI) 0.890
Các điều kiện thuận lợi (FC) 0.857
Nhận thức bảo mật (PS) 0.718
Sự tin tƣởng (TR) 0.756
Dự định hành vi (BI) 0.847
Bên cạnh đó trong PHỤ LỤC 3 các biến quan sát trong của biến độc lập và biến phụ thuộc đều đƣợc kiểm tra độ tin cậy. Các biến quan này đều có Hệ số tƣơng quan tổng lớn hơn 0.4, vì vậy các biến quan sát đều thỏa mãn điều kiện và đƣợc giữ lại và thực hiện bƣớc tiếp theo.
4.3. Phân tích các yếu tố quyết định sử dụng dịch vụ thanh toán di động của Gen- Ytại Thành phố Hồ Chí Minh tại Thành phố Hồ Chí Minh
4.3.1. Phân tích nhân tố khám phá (EFA)
Phân tích nhân tố khám phá với biến độc lập
Phân tích lần 1
Chỉ số KMO là 0.789 > 0.5 phân tích nhân tố thích hợp với dữ liệu nghiên cứu.
Kết quả kiểm định Bartlett's là 2,750.273 với mức ý nghĩa sig = 0.000 < 0.05, (bác bỏ H0: các biến quan sát không có tƣơng quan với nhau trong tổng thể) nhƣ vậy giả thuyết về mô hình nhân tố là không phù hợp và bị bác bỏ, điều này chứng tỏ dữ liệu dùng để phân tích nhân tố là hoàn toàn thích hợp.
Bảng 4.2. Kiểm định KMO & Bartlett's biến độc lập lần 1
Chỉ số KMO .789 Kiểm định Bartlett's Approx. Chi-Square 2,750.273 df 253 Sig. .000 Nguồn: Tác giả tổng hợp
Dựa vào PHỤ LỤC 4 kết quả cho thấy các biến quan sát đƣợc nhóm thành 6 nhóm. Giá trị tổng phƣơng sai trích = 67.858% > 50% đạt yêu cầu; khi đó có thể nói rằng 6 biến độc lập giải thích 67.858% biến thiên của dữ liệu
Giá trị Eigenvalues của 6 nhân tố lớn hơn 1
Quan sát ma trận xoay ở Bảng 4.3. ta thấy các biến quan sát đều có giá trị xoay lớn hơn 0.5 tuy nhiên biến quan sát PE2 tải cùng lúc lên 2 nhân tố ở nhóm 1 và nhóm 3 nhƣng có chênh lệch (lấy lớn trừ nhỏ) < 0.3 nên vi phạm “giá trị phân biệt”, do đó phải loại bỏ biến PE2 và phải phân tích lại.
Bảng 4.3. Ma trận xoay biến độc lập lần 1Nhóm Nhóm 1 2 3 4 5 6 PE5 .858 PE3 .855 PE4 .752 PE1 .749 PE2 .618 .340 FC1 .873 FC4 .840 FC3 .774 FC2 .686 SI1 .920 SI3 .903 SI2 .867 TR4 .780 TR3 .771 TR1 .723 TR2 .680 EE2 .767 EE1 .741 EE4 .686 EE3 .659 PS1 .796 PS2 .750 PS3 .747 Nguồn: Tác giả tổng hợp Phân tích lần 2
Bảng 4.4. Kiểm định KMO & Bartlett's biến độc lập lần 2
Chỉ số KMO .777 Kiểm định Bartlett's Approx. Chi-Square 2,555.259 df 231 Sig. .000 Nguồn: Tác giả tổng hợp 68
Chỉ số KMO là 0.777 > 0.5 phân tích nhân tố thích hợp với dữ liệu nghiên cứu.
Kết quả kiểm định Bartlett's là 2,555.259 với mức ý nghĩa sig = 0.000 < 0.05, (bác bỏ H0: các biến quan sát không có tƣơng quan với nhau trong tổng thể) nhƣ vậy giả thuyết về mô hình nhân tố là không phù hợp và bị bác bỏ, điều này chứng tỏ dữ liệu dùng để phân tích nhân tố là hoàn toàn thích hợp.
Dựa vào PHỤ LỤC 4 kết quả cho thấy các biến quan sát đƣợc nhóm thành 6 nhóm. Giá trị tổng phƣơng sai trích = 68.363% > 50% đạt yêu cầu; khi đó có thể nói rằng 6 biến độc lập giải thích 68.363% biến thiên của dữ liệu
Giá trị Eigenvalues của 6 nhân tố lớn hơn 1
Bảng 4.5. Ma trận xoay biến độc lập lần 2Nhóm Nhóm 1 2 3 4 5 6 PE5 .870 PE3 .857 PE1 .747 PE4 .746 FC1 .874 FC4 .842 FC3 .778 FC2 .689 SI1 .919 SI3 .913 SI2 .868 TR4 .783 TR3 .772 TR1 .724 TR2 .682 EE2 .756 EE1 .752 EE4 .678 EE3 .669 PS1 .806 PS3 .747 PS2 .745
Quan sát ma trận xoay sau khi loại biến PE2 có thể thấy các Hệ số tải đều >0.5 và rút trích đƣợc 6 nhân tố độc lập tƣơng ứng trong bảng ma trận xoay.
Sau khi rút ra đƣợc 6 biến độc lập từ các biến phụ thuộc trong ma trận xoay Tác giả tạo các biến đại diện cho các nhân tố rút trích đƣợc để phục vụ cho việc chạy tƣơng quan, hồi quy trên phần mềm SPSS. [PE = mean(PE1,PE3,PE4,PE5); FC = mean (FC1,FC2,FC3,FC4); EE = mean(EE1,EE2,EE3,EE4); SI = mean(SI1,SI2,SI3); PS = mean(PS1,PS2,PS3); TR = mean(TR1,TR2,TR3,TR4); BI = mean(BI1,BI2,BI3,BI4)].
Bảng 4.6. Thống kê mô tả biến độc lập
N Nhỏ nhất Lớn nhất Trung bình Độ lêch chuẩn
PE 248 1.25 5.00 3.0252 0.81056 FC 248 1.50 4.75 3.0161 0.73016 EE 248 1.50 4.75 3.0323 0.61193 SI 248 1.00 5.00 3.0766 0.86671 PS 248 1.00 5.00 2.8602 1.14185 TR 248 1.50 5.00 2.9980 0.62383 BI 248 1.25 5.00 3.0706 0.80990 Giá trị N 248 Nguồn: Tác giả tổng hợp
Phân tích nhân tố khám phá với biến phụ thuộc
Bảng 4.7. Kiểm định KMO & Bartlett's biến phụ thuộc
Chỉ số KMO .817 Kiểm định Bartlett's Approx. Chi-Square 422.805 df 6 Sig. .000 Nguồn: Tác giả tổng hợp
Chỉ số KMO là 0.817> 0.5 phân tích nhân tố thích hợp với dữ liệu nghiên cứu.
Kết quả kiểm định Bartlett's là 422.805 với mức ý nghĩa sig = 0.000 < 0.05, (bác bỏ H0: các biến quan sát không có tƣơng quan với nhau trong tổng thể) nhƣ vậy giả
thuyết về mô hình nhân tố là không phù hợp và bị bác bỏ, điều này chứng tỏ dữ liệu dùng để phân tích nhân tố là hoàn toàn thích hợp.
Bảng 4.8. Bảng Eigenvalues và Phương sai trích đối với biến phụ thuộc
Nhân tố Giá trị ban đầu Tổng của bình phƣơng tải Tổng % Phƣơng