3.5.1. Kiểm định mức độ tin cậy của thang đo
Để phân tích dữ liệu thống kê, nghiên cứu sử dụng phần mềm SPSS 20.0 để tiến hành
kiểm định độ tin cậy của thang đo đi kèm với các phép thống kê suy diễn khác. Nghiên
cứu sử dụng hệ số Cronbach's Alpha và phép phân tích yếu tố để kiểm định độ tin cậy
của từng thang đo của các nhân tố ảnh hưởng đến quyết định sử dụng ví điện tử của khách hang cá nhân tại TP.HCM.
lường tốt. Tuy nhiên, khi hệ số Cronbach’s Alpha quá lớn (trên 0.95) cho thấy nhiều biến trong thang đo không có sự khác biệt, hiện tượng này gọi là trùng lắp trong thang
đo (Thọ, 2011).
3.5.2. Phân tích nhân tố khám phá ( Exploratory factor analysis - EFA )
Phân tích nhân tố khám phá EFA được sử dụng để xác định giá trị hội tụ, giá trị phân biệt và thu gọn các tham số ước lượng cho các nhóm biến. Cơ sở của việc rút gọn này
dựa vào mối quan hệ tuyến tính của nhân tố với các biến quan sát. Sự phù hợp khi áp dụng phương pháp phân tích EFA được đánh giá qua kiểm định KMO và Bartlett’s (Thọ, 2011).
Kiểm định Bartlett là chỉ số để xem xét ma trận tương quan có phải ma trận đơn vị
hay không. Kiểm định Barlett có ý nghĩa thống kê khi Sig, <0.05 chứng tỏ các biến quan sát có tương quan với nhau trong tổng thể.
Kiểm định KMO (Kaiser - Meyer - Olkin) là chỉ số đánh giá sự phù hợp của phân
tích nhân tố. Hệ số KMO có giá trị từ 0.5 trở lên. Hệ số KMO càng lớn thì càng được đánh giá cao. Nếu KMO < 0.5 thì phân tích nhân tố không thích hợp với dữ liệu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
Phân tích nhân tố cho tất cả mọi biến trong mô hình được thực hiện với phương pháp rút trích nhân tố là “Principal component” và phương pháp xoay là “Varimax”, phép xoay vuông góc được lựa chọn nhằm mục đích trích tối đa % phương sai của các biến quan sát ban đầu và làm gọn các biến quan sát (Hair & cộng sự, 2010). Còn tiêu chuẩn rút trích là hệ số Eigenvalues lớn hơn hoặc bằng 1 nhằm đảm bảo mỗi nhân tố hình thành có thể giải thích tối thiểu biến thiên trọn vẹn của một biến quan sát (Hair & cộng sự, 2010). Tiêu chuẩn chọn biến cho nhân tố đảm bảo một số điều kiện sau:
- Đảm bảo hệ số trích phương sai trong tổng thể các biến > 0.5
- Hệ số tải lên nhân tố chính (Factor Loading) càng cao thì mối tương quan
29
Sau khi loại các biến không phù hợp, được tiến hành để kiểm tra lại độ phù hợp của các biến, kiểm định Cronbach’s Alpha được thực hiện lại trên các nhóm biến có sự hiệu chỉnh để khẳng định lại độ tin cậy của thang đo.
Trong phân tích nhân tố khám phá (EFA), kích thước mẫu tối thiểu để sử dụng EFA là 50, tốt hơn là từ 100 trở lên. Tỷ lệ số quan sát trên một biến phân tích là 5:1 hoặc 10:1, một số nhà nghiên cứu cho rằng tỷ lệ này nên là 20:1 (Hair và cộng sự, 2014). Sau khi phân tích nhân tố khám phá (EFA), tác giả xây dựng mô hình và phân tích hồi quy để đưa ra kết quả cuối cùng.
3.5.3. Phân tích hệ số tương quan Pearson
Để xác định mối quan hệ nhân quả giữa các biến trong mô hình, tác giả phân tích tương quan giữa các biến để xem có mối liên hệ tuyến tính giữa biến độc lập và biến phụ thuộc hay không. Các biến phụ thuộc và biến độc lập có tương quan cao với nhau
báo hiệu sự tồn tại của mối quan hệ tiềm ẩn giữa hai biến. Đồng thời, việc phân tích tương quan còn làm cơ sở để dò tìm sự vi phạm giả định của phân tích hồi qui tuyến tính: các biến độc lập có tương quan cao với nhau hay hiện tượng đa cộng tuyến.Nếu các hệ số tương quan giữa biến độc lập và biến phụ thuộc đều có ý nghĩa Sig < 0.05 thì các biến được đưa vào phân tích hồi quy.
3.5.4. Phân tích hồi quy
Dữ liệu dùng trong phân tích hồi quy tương quan được người nghiên cứu lựa chọn là dữ liệu chuẩn hóa được xuất ra từ phần mềm SPSS sau quá trình phân tích nhân tố khám phá. Phân tích hồi quy đa biến nhằm mục tiêu đánh giá mức độ và chiều hướng
tác động của các biến độc lập đến biến phụ thuộc Phân tích hồi quy tuyến tính sẽ giúp
ta biết được cường độ ảnh hưởng của các biến độc lập lên biến phụ thuộc.
Tần số Phần trăm
Nam 68 338
Bảng ANOVA phân tích phương sai để kiểm định lựa chọn mô hình tối ưu. Neu giá
trị Sig < 0.05 có ý nghĩa là biến độc lập đó giải thích được sự thay đổi của biến phụ thuộc trong mô hình.
Giá trị Sig. kiểm định ý nghĩa hồi quy. Nếu giá trị Sig. của hệ số hồi quy một biến
độc lập nhỏ hơn 0.05 thì biến độc lập đó có tác động đến biến phụ thuộc. Ngược lại, giá trị Sig. lớn hơn 0.05 thì biến độc lập không tác động đến biến phụ thuộc.
Công cụ chẩn đoán giúp phát hiện sự tồn tại của cộng tuyến trong dữ liệu được đánh giá mức độ cộng là: Hệ số phóng đại phương sai (Variance Inflation Factor -
VIF).
Quy tắc khi VIF vượt quá 10, đó là dấu hiệu của đa cộng tuyến (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
3.5.5. Phân tích ANOVA và T-Test
Phân tích này nhằm đánh giá tác động khác nhau của các biến nhân khẩu học và biến phụ thuộc.
Kiểm định T-TEST được áp dụng cho các biến nhân khẩu học có 2 nhóm
Nếu Sig. Levene < 0.05 thì kết luận phương sai giữa 2 nhóm không đồng nhất và bước sau sẽ dùng Sig. ở hàng (Equal variances not assumed) nghĩa là phương không sai đồng nhất. Sig. T-Test ≤ 0.05: có sự khác biệt giữa các biến định tính với biến phụ thuộc. Sig. T-Test > 0.05: không có sự khác biệt giữa các nhóm biến
Nếu Sig. Levene > 0.05 thì kết luận phương sai giữa 2 nhóm đồng nhất và bước sau sẽ dùng Sig. ở hàng (Equal variances assumed) nghĩa là phương sai đồng nhất. Sig. T-Test > 0.05: không có sự khác biệt giữa các biến định tính với biến phụ thuộc. Sig. T-Test ≤ 0.05: có sự khác biệt giữa các nhóm biến.
Kiểm định ANOVA được áp dụng cho các biến nhân khẩu học có từ 3 nhóm trở lên
Giá trị Sig. > 0.05 là điều kiện bắt buộc để đảm bảo giả định về sự đồng nhất phương sai giữa các nhóm phân loại (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Khi đó ta xét bảng ANOVA, nếu Sig. Anova < 0.05 có sự khác biệt trung bình về mức độ tác động của các nhóm, nếu Sig. Anova ≥ 0.05 không có sự khác biệt trung
CHƯƠNG 4. KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
Dựa trên các phương pháp được liệt kê và chạy mô hình, phân tích các dữ liệu và đánh giá kết quả mô hình. Chương 4 sẽ là cơ sở để đưa ra câu trả lời cho các câu hỏi ở Chương 1. Từ đó đưa ra kết luận của toàn bài nghiên cứu tại Chương 5.
4.1. THỐNG KÊ MÔ TẢ4.1.1. Giới thiệu mẫu nghiên cứu 4.1.1. Giới thiệu mẫu nghiên cứu
Trong tổng số 300 bảng khảo sát đã gửi đi, số lượng bảng câu hỏi thu về được là 235. Sau đó loại bỏ những bảng trả lời không phù hợp thì được 201 bảng trả lời sử dụng được. Tổng số lượng mẫu là N = 201
4.1.2. Thống kê mẫu theo từng yếu tố
Sau khi thu thập được kết quả khảo sát, bài nghiên cứu tiến hành xem xét mẫu nghiên
cứu được phân bố như thế nào theo các tiêu chí: Giới tính, Độ tuổi, Lĩnh vực công việc, Thu nhập với kết quả như sau:Bảng 4.1. Thống kê theo Giới Tính
Nữ 133 66.2
Từ 18 - 25 tuổi 47 234 Từ 25 - 35 tuổi 61 30.3 Từ 35 - 55 tuổi 49 24.4 Trên 55 tuổi 44 21.9 Tổng cộng 201 100.0 Tần số Phần trăm
Sinh viên, học sinh 44 219
Kinh doanh 36 17.9
Nhân viên, văn phòng 50 24.9
Cấp quản lý, giám đốc 36 17.9
Khác 35 17.4
Tổng cộng 201 100.0
Nguồn: Kết quả trích từ phân tích của tác giả trong SPSS
Kết quả bảng 4.1 cho ta thấy, trong 201 mẫu quan sát thì giới tính nữ xuất hiện 133 lần (chiếm 66.2%), giới tính nam xuất hiện 68 lần (chiếm 33.8%). Như vậy, nghiên cứu này nghiêng về giới tính nữ vì số lượng người khảo sát nữ lớn hơn so với số lượng
nam.
32
Bảng 4.2. Thống kê theo Độ Tuổi
Nguồn: Kết quả trích từ phân tích của tác giả trong SPSS
Trong tổng số 201 người, có 47 người từ 18 - 25 tuổi (chiếm 23.4%); 61 người từ 25 - 35 tuổi (chiếm 30.3%); 49 người từ 35 - 55 tuổi (chiếm 24.4%); và 44 người trên 55
tuổi (chiếm 21.9%). Kết quả này cho thấy, số thanh niên từ 25 - 35 tuổi chiếm tỷ lệ cao nhất; và số người trên 55 tuổi chiếm tỷ lệ thấp nhất trong số những người tham gia khảo sát. Bên cạnh đó, không có sự khác biệt lớn giữa số lượng người từ 18 - 25 tuổi và những người từ 35 - 55 tuổi.Bảng 4.3. Thống kê theo Công Việc
Tần số Phần trăm Dưới 5 triệu 36 17.9 Từ 6 - 15 triệu 46 22.9 Từ 15 - 30 triệu 27 13.4 Từ 30 - 50 triệu 39 19.4 Khác 53 26.4 Tổng cộng 201 100.0
Nguồn: Kết quả trích từ phân tích của tác giả trong SPSS
33
Kết quả bảng 4.3 cho thấy, trong 201 mẫu quan sát, nhân viên văn phòng chiếm nhiều
nhất 24.9%. Các nghề nghiệp khác chỉ chiếm 17.4%. Như vậy, nghiên cứu này nghiêng về các sinh viên, học sinh, và nhân viên văn phòng vì đây là những người có khả năng sử dụng điện thoại nhiều và dễ dàng tiếp cận với các ứng dụng công nghệ mới, tiên tiến. Bảng 4.4. Thống kê theo Thu Nhập
Biến Quan Sát Tương quan biến tổng loại biến
Nhận thức sự hữu ích với Cronbach’s Alpha = 0.891
HD1 .756 .862
HD2 .706 .873
HD3 .726 .869
HD4 692 .876
HD5 .788 .855
Mức độ dễ dàng sử dụng với Cronbach’s Alpha = 0.852
SD1 .676 .819
SD2 .735 .793
Nguồn: Kết quả trích từ phân tích của tác giả trong SPSS
Kết quả bảng 4.4 cho thấy, trong 201 mẫu quan sát, lần lượt có 27,36,39 người có thu nhập từ 15 đến 30 triệu chiếm 13.4%; dưới 5 triệu chiếm 17.9%; từ 30 đến 50 triệu chiếm 19.4%; còn lại các khoảng thu nhập từ 6 - 15 triệu và khác chiếm 22.9% và 26.4%. Như vậy, nghiên cứu này nghiêng về đối tượng có thu nhập từ 6 đến 15 triệu vì đây cũng là mức thu nhập phổ biến tại TPHCM.
4.2. ĐÁNH GIÁ ĐỘ TIN CẬY CRONBACH’S ALPHA CỦA THANG ĐO
Kết quả kiểm định thang đo của các yếu tố trong mô hình nghiên cứu theo hệ số Cronbach’s Alpha được trình bày cụ thể như sau:
34
SD3 .778 .786
SD4 .612 .850
An toàn/bảo mật với Cronbach’s Alpha = 0.824
ATI .735 .749
AT2 .706 .750
AT3 .606 .800
AT4 .573 .813
Khuyến mãi với Cronbach’s Alpha = 0.773
KM1 .610 .692
KM2 .602 .701
KM3 .612 .689
Ảnh hưởng xã hội với Cronbach’s Alpha = 0.693
XH1 .645 .512
XH2 .469 .634
XH3 Ãõĩ .615
XH4 .323 .731
Quyết định sử dụng ví điện tử với Cronbach’s Alpha = 0.786
QD1 .639 .696
QD2 .696 .630
Kiểm định Bartlett’s
Giá trị Chi bình phương xấp xỉ 1888.976
df 190
Mức ý nghĩa Sig. 0.000
Tổng phương sai trích
Nhân tố Tổng Phần trăm của phương saiEigenvalues khởi tạo Phần trăm tích lũy
1 5.096 25.482 25.482
2 2.851 14.255 39.737
3 2.492 ___________12.462__________ ________52.198________
4 1.735 ___________8.676___________ ________60.874________
5 1.390 __________4.617__________ 67.822
Nguồn: Kết quả trích từ phân tích của tác giả trong SPSS
35
Theo kết quả Bảng 4.5, tất cả các thang đo Nhận thức sự hữu ích (HD); Mức độ dễ dàng sử dụng (SD); An toàn/Bảo mật (AT); Khuyến mãi (KM); Ảnh hưởng xã hội (XH) và Quyết định sử dụng ví điện tử (QD) có hệ số Cronbach’s Alpha lần lượt là 0.891 ; 0.852 ; 0.824 ; 0.773 ; 0.693 ; 0.786 đều lớn hơn 0.6 và các hệ số tương quan biến tổng của các biến quan sát của các thang đo đều lớn hơn 0.3 vì vậy các thang đo đều đáp ứng độ tin cậy.
4.3. PHÂN TÍCH NHÂN TỐ KHÁM PHÁ EFA4.3.1. Ket quả phân tích nhân tố cho các biến độc lập 4.3.1. Ket quả phân tích nhân tố cho các biến độc lập
Bảng 4.6. Hệ số KMO và kiểm định Bartlett’s của các biến độc lập
Nguồn: Kết quả trích từ phân tích của tác giả trong SPSS
Kết quả bảng 4.6 cho ta thấy hệ số KMO của mô hình là 0.778 lớn hơn hệ số KMO tiêu chuẩn là 0.5 và vượt qua kiểm định Bartlett’ ở mức ý nghĩa Sig = 0.000 < 0.05. Do đó, phân tích nhân tố cho mô hình nghiên cứu là phù hợp, các biến chọn trong mô
Nhân tố 1 2 3 4 5 HD1 .838 HD5 .833 HD2 .820 HD3 .794 HD4 .750 SD2 .865 SD3 .858 SD1 .828 SD4 .722 ÃT2 .862 ÃTĨ .859 ÃT3 .758 AT4 .737 XH1 .861 XH3 .711 XH2 .656 XH4 .527 KM2 .809 KM2 .808 KM1 .788
Nguồn: Kết quả trích từ phân tích của tác giả trong SPSS
36
Bảng 4.7 cho thấy, phân tích nhân tố khám phá EFA trích ra được 5 nhân tố đại diện cho 20 biến quan sát với tiêu chuẩn Eigenvalues là 1.390 lớn hơn 1. Bảng phương sai tích lũy cho thấy giá trị phương sai trích là 67.822%. Điều này có nghĩa là các nhân tố đại diện giải thích được 67.822% mức độ biến động của 20 biến quan sát trong các thang đo. Đúng với giả thuyết ban đầu, mô hình nghiên cứu gồm 5 biến độc lập.
0.677 Kiểm định Bartlett’s Giá trị Chi bình phương xấp xỉ 181.855
df 3
Mức ý nghĩa Sig. 0.000
Tổng phương sai trích
Nhân tố Eigenvalues khởi tạo
Tổng Phần trăm của phương sai Phần trăm tích lũy
1 2.102 70.070 70.070
2 .556 18.545 88.615
3 .342 11.385 100.000
Nguồn: Kết quả trích từ phân tích của tác giả trong SPSS
37
Kết quả bảng 4.8 cho thấy sau khi thực hiện xoay nhân tố bằng phương pháp Varimax
thì 20 biến quan sát đã tạo thành các nhóm hội tụ với hệ số tải các nhân tố (Factor Loading) đều lớn hơn tiêu chuẩn tối thiểu là 0.5. Tất cả các biến quan sát hội tụ đúng theo trật tự của từng biến và có ý nghĩa thống kê tốt.
Bảng 4.9. Hệ số KMO và kiểm định Bartlett’s của biến phụ thuộc
Nguồn: Kết quả trích từ phân tích của tác giả trong SPSS
Kết quả bảng 4.9 cho ta thấy hệ số KMO của mô hình là 0.677 nằm trong hệ số KMO
tiêu chuẩn từ 0.5 đến 1 và vượt qua kiểm định Bartlett’s ở mức ý nghĩa Sig = 0.000 < 0.05. Do đó, phân tích nhân tố cho mô hình nghiên cứu là phù hợp và biến phụ thuộc được chọn trong mô hình là đáng để nghiên cứu.Bảng 4.10. Tổng phương sai trích và hệ số Eigenvalues của biến phụ thuộc
Nhân tố 1
QD2 18^
QD1 .846
QD3 .783
Nguồn: Kết quả trích từ phân tích của tác giả trong SPSS
Kết quả bảng 4.10 cho thấy phân tích nhân tố khám phá EFA trích ra được 1 nhân tố đại diện cho 3 biến quan sát trong thang đo quyết định sử dụng ví điện tử của khách hàng với tiêu chuẩn Eigenvalues là 2.102 lớn hơn 1. Cột phương sai tích lũy trong Bảng 4.11 cho thấy giá trị phương sai trích là 70.070%. Điều này có nghĩa là nhân tố
38
đại diện cho quyết định sử dụng ví điện tử của khách hàng giải thích được 70.070% mức độ biến động của 3 biến quan sát trong các thang đo. Do vậy, mô hình này đúng với giả thuyết ban đầu, mô hình nghiên cứu có 1 biến phụ thuộc.
HD Tương quan Pearson Sig. .543** .000 SD Tương quan Pearson Sig. .431** .000 .271** .000
Nguồn: Kết quả trích từ phân tích của tác giả trong SPSS