hàng.____________________________________
Pin Luarn a, Hsin-Hui Lin
(2005
2 HI2 Mobile banking giúp bạn có thể giao dịch ngânhàng bất cứ khi nào (24/24).
3 HI3 Sử dụng dịch vụ Mobile banking giúp bạn thựchiện các giao dịch dễ dàng hơn so với giao dịch tại quầy.__________________________________ 4 HI4 Bạn có thể sử dụng dịch vụ Mobile banking bất
cứ nơi đâu.________________________________ 5 HI5 Sử dụng Mobile banking giúp bạn tiết kiệm
được thời gian.____________________________
II CẢM NHẬN DỄ SỬ DỤNG
6 SD1 Học sử dụng Mobile banking rất dễ dàng.
J.H. Wu, S.C. Wang (2004)
7 SD2 Thực hiện các giao dịch qua Mobile banking rất dễ dàng__________________________________ 8 SD3 Các chức năng tương tác trong Mobile banking
rõ ràng và dễ hiểu._________________________ 9 SD4 Bạn thấy thủ tục đăng ký, giao dịch trên Mobile
banking khá đơn giản.______________________ 10 SD5 Bạn có thể sử dụng Mobile Banking thành thạo.
11 TN1 Bạn tin răng thông tin giao dịch của bạn đượcgiữ bí mật khi sử dụng dịch vụ Mobile banking.
Chian-Son Yu (2012)
12 TN2 Bạn tin răng giao dịch qua Mobile bankingcũng an toàn như giao dịch qua quầy tại ngân hàng.____________________________________ 13 TN3 Bạn tin răng Mobile banking có thể bảo mậtnhững thông tin tài chính cá nhân của bạn.
14 TN4 Bạn tin răng sử dụng Mobile banking rât đáng tin cậy cho các giao dịch tài chính._____________ 15 TN5 Bạn thây hệ thống an ninh của Mobile banking
rât đảm bảo.______________________________
IV CẢM NHẬN VỀ CHI PHÍ
16 CP1 Bạn đã hiểu rõ vê biểu phí dịch vụ Mobile banking._________________________________
Bong-Keun Jeong & Tom E
Yoon (2012)
17 CP2 Phí sử dụng Mobile banking là khoản chi phíhợp lý đối với bạn (phí hàng tháng hay phí khi thực hiện giao dịch).________________________
18 CP3 Sử dụng Mobile banking giảm thiểu rât nhiêuchi phí (chi phí đi lại, chi phí giao dịch. Chi phí thời gian.)________________________________ 19 CP4 Sử dụng dịch vụ Mobile banking giảm chi phi
khi mua sắm______________________________
V CẢM NHẬN VỀ RỦI RO
20 RR1 Bạn e ngại nếu giao dịch qua Mobile banking bị lỗi bạn có thể bị mât tiên trong tài khoản.
Lisa Wessels & Judy Drennan
(2009)
21 RR2 Bạn e ngại răng việc cung câp thông tin cá nhâncho các giao dịch qua Mobile banking là không an toàn.__________________________________
22 RR3 Bạn e ngại việc sử dụng Mobile banking có thểbị kẻ xâu đánh cắp và sử dụng tài khoản của bạn._____________________________________ 23 RR4 Bạn e ngại nếu bị mât điện thoại khi sử dụngMobile banking thì tiên của bạn cũng sẽ bị mât.
VI ẢNH HƯỞNG CỦA XÃ HỘI
24 XH1 Lời khuyên từ người thân trong gia đình răng bạn nên dung Mobile banking.________________
26 XH3 Lời khuyên từ tổ chức nơi bạn làm việc, học tậpvà sinh hoạt rằng bạn nên dùng Mobile banking.
27 XH4 Hầu hết mọi người xung quang bạn đều sử dụngMobile Banking.
28 XH5 Thực hiện theo quy định của nhà nước việc hạn chế tiếp xúc trong thời gian đại dịch Covid-19.
Thảo luận Nhóm
VII QUYẾT ĐỊNH SỬ DỤNG DỊCH VỤ
29 QD1 Bạn sẽ tiếp tục sử dụng dịch vụ Mobile banking PGS-Tiến sỹ LêPhan Thị Diệu
Thảo - Nguyễn Minh Sáng
(2012)
30 QD2 Bạn sẽ sử dụng nhiều hơn các chức năng củaMobile banking.
31 QD3 Bạn sẽ giới thiệu người thân, bạn bè sử dụngdịch vụ Mobile Banking của ngân hàng trong tương
3.2.2 Nghiên cứu định lượng.
Nghiên cứu định lượng được sử dụng để đo lường các nhân tố ảnh hưởng đến quyết định sử dụng dịch vụ Mobile Banking của khách hàng tại Agribank chi nhánh tỉnh Bình Dương. Dữ liệu nghiên cứu định lượng được thu thập bằng phương pháp chọn mẫu thuận tiện để khảo sát khách hàng sử dụng dịch vụ Mobile banking của Agribank chi nhánh tỉnh Bình Dương.
Nghiên cứu chính thức là một nghiên cứu định lượng nhằm đánh giá độ tin cậy và giá trị của thang đo (giá trị hội tụ và phân biệt); đồng thời kiểm định mô hình nghiên cứu và các giả thuyết nghiên cứu, từ đó định vị mức độ ảnh hưởng của các nhân tố đến quyết định sử dụng dịch vụ Mobile banking của khách hàng tại Agribank chi nhánh tỉnh Bình Dương.
4.1.1.1 Cở mẫu
Dữ liệu trong nghiên cứu này có sử dụng phương pháp phân tích khám phá nhân tố EFA. Theo Hair & ctg (1998), để có thể thực hiện phân tích khám phá nhân tố cần thu thập dữ liệu với kích thước mẫu là ít nhất 5 mẫu trên 1 biến quan sát, tốt nhất
trên 10 mẫu. Tuy nhiên, nhằm mục tiêu nâng cao chất lượng mẫu và sự phân bố mẫu hợp lý đảm bảo suy rộng. Mô hình nghiên cứu có số biến quan sát là 30. Nếu theo tiêu chuẩn 5 mẫu cho một biến quan sát thì kích thước mẫu cần thiết là n = 31 x 5 = 155. Vậy ta chọn kích cỡ mẫu là 200 để đáp ứng được cỡ mẫu cần thiết là 155.
Số lượng bảng câu hỏi được phát ra là 205 bảng, số lượng thu về được 205 bảng, sau khi kiểm tra và chọn lọc thì chỉ có 200 bảng khảo sát hợp lệ. Thông qua phần mềm SPSS để phân tích và tổng hợp sau đó ra kết quả khảo sát cho từng câu hỏi.
4.1.1.2 Xử lý số liệu và kiểm định thống kê.Tổng quan về mẫu điều tra Tổng quan về mẫu điều tra
Tiến hành lập bảng tần số để mô tả mẫu thu thập được theo các đặc trưng. Trong mỗi loại tiến hành tính toán giá trị bình quân và độ lệch chuẩn để đánh giá tổng quan về độ hội tụ cũng như phân tán của mẫu. Phương pháp sử dụng chủ yếu là phân tổ kết hợp, số tuyệt đối và số tương đối, phương pháp đồ thị và bảng thống kê. Thực hiện thống kê theo các đặc tính: giới tính, độ tuổi, trình độ học vấn, nghề nghiệp, thu nhập. Dựa vào kết quả để đánh giá mức độ đại diện của mẫu.
Đánh giá thang đo bằng hệ số tin cậy Cronbach’s Alpha
Hệ số tin cậy Cronbach’ s alpha là một phép kiểm định thống kê về mức độ chặt chẽ mà các biến quan sát trong thang đo tương quan với nhau, là phép kiểm định về sự phù hợp của thang đo đối với từng biến quan sát, xét trên mỗi quan hệ với một khía cạnh đánh giá. Phương pháp này cho phép loại bỏ các biến không phù hợp và hạn chế các biến rác trong quá trình nghiên cứu. Những biến quan sát không ảnh hưởng nhiều đến tiêu chí đánh giá sẽ tương quan yếu với tổng số điểm. Nhiều nhà nghiên cứu đồng ý rằng khi Cronbach’ s alpha từ 0,8 đến gần bằng 1 thì thang đo lường là rất tốt, từ 0,7 đến gần 0,8 là tốt.
Phân tích nhân tố EFA
Phân tích nhân tố khám phá (EFA) là một nhóm các thủ tục, phương pháp phân tích thống kê được sử dụng để thu nhỏ và rút gọn một tập dữ liệu gồm nhiều biến quan
sát phụ thuộc lẫn nhau thành một tập biến (còn gọi là các nhân tố) ít hơn để chúng có ý nghĩa hơn nhưng vẫn chứa đựng được hầu hết nội dung thông tin của tập biến ban đầu (Hair và ctg, 2006). Phương pháp thực hiện: Mô hình nghiên cứu ở đây gồm 28 biến quan sát đo lường 6 khái niệm thành phần, tác giả sử dụng phương pháp trích yếu tố Principal Components với phép xoay Varimax để cho ra ma trận nhân tố đã xoay, từ đó xác định được số lượng nhân tố đã trích ra cũng như số lượng các biến quan sát ban đầu thuộc về các nhân tố.
Điểu kiện để phân tích nhân tố khám phá EFA
Phân tích nhân tố khám phá (EFA) dựa trên cơ sở mối quan hệ giữa các biến đo lường, vì vậy trước khi quyết định phân tích nhân tố khám phá (EFA) cần phải xem xét mối quan hệ giữa các biến đo lường này. Sử dụng ma trận hệ số tương quan có thể nhận biết được mức độ quan hệ giữa các (Nguyễn Đình Thọ 2011). Nếu các hệ số tương quan nhỏ hơn 0,3 thì việc phân tích nhân tố khám phá (EFA) không phù hợp (Hair và ctg 2006). Một số tiêu chí đánh giá mối quan hệ giữa các biến sau
Phương pháp trích Principal Comperment với phép xoay varimax: Kiểm định Bartlett (Bartlett’s Test of Sphericity): Đại lượng Bartlett’s được sử dụng để xem xét giải thuyết HO các biến không có tương quan trong tổng thể. Kiểm định Bartlett’s có ý nghĩa tại mức sig thấp hơn 0,05; tức là giả thiết HO cho rằng ma trận tương quan giữa các biến trong tổng thể là một ma trận đơn vị sẽ bị bác bỏ.
Hệ số tải nhân tố (Factor loading): Tiêu chuẩn về hệ số tải nhân tố Factor loading, theo Hair & ctg (1998), hệ số tải nhân tố Factor loading 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 và Factor loading > 0,5 được xem là có ý nghĩa thực tiển.
Tổng phương sai trích: Để có thể phân tích nhân tố khẳng định, thì tổng phương sai trích 50% (Gerbing & Anderson 1988).
Hệ số KMO (Kaisor Meyer Olkin): Trong phân tích nhân tố khám phá, trị số KMO (Kaisor Meyer Olkin) là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Đơn vị KMO là tỷ lệ giữa bình phương tương quan của các biến với bình phương tương quan một phần của các biến. Trị số của KMO lớn (từ 0,5 đến 1) có ý nghĩa phân tích nhân tố thích hợp, còn nếu trị số này nhỏ hơn 0,5 thì phân tích nhân tố có nhiều khả năng không thích hợp với các dữ liệu.
Trị số đặc trưng (Eigenvatue): Ngoài ra, phân tích nhân tố còn dựa vào chỉ số Eigenvalue để xác định số lượng các nhân tố. Chỉ những nhân tố nào có chỉ số Eigenvalue lớn hơn 1 mới được giữ lại trong mô hình phân tích. Đại lượng Eigenvalue đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố. Những nhân tố có chỉ số Eigenvalue < 1 sẽ không có tác dụng tóm tắt thông tin tốt hơn biến gốc.
Phân tích hồi quy đa biến
Phân tích hồi quy là sự nghiên cứu mức độ ảnh hưởng của một hay nhiều biến số (biến độc lập hay biến giải thích) đến một biến số (biến kết quả hay biến phụ thuộc) nhằm dự báo biến kết quả dựa vào các giá trị được biết trước của các biến giải thích. Sau khi hoàn tất việc phân tích đánh giá độ tin cậy thang đo (Kiểm định Cronbach’ s Alpha) và kiểm định giá trị khái niệm thang đo (Phân tích nhân tố khám phá EFA), các biến không đảm bảo giá trị hội tụ tiếp tục bị loại bỏ khỏi mô hình cho đến khi các tham số được nhóm theo các biến. Việc xác định mối quan hệ giữa các nhóm biến này cũng như xác định mối quan hệ giữa các nhóm biến độc lập (các nhân tố thành phần) và nhóm biến phụ thuộc trong mô hình nghiên cứu được thực hiện bằng phương pháp phân tích hồi quy bội. Giá trị của biến mới trong mô hình nghiên cứu là giá trị trung bình của các biến quan sát thành phần của biến đó. Tuy nhiên trước khi tiến hành phân tích hồi quy, cần kiểm tra các giả định về khuyết tật mô hình.
Phương trình hồi quy tổng thể có dạng như sau:
QD=β0+β1HI+β2SD+β3TN+β4CP+ β5RR+ β6XH.
Trong đó:
Frequency (Tần số) Percent (Tỷ Lệ %) ' N (số quan sát) Giới tính Nam_______________________ 93 46,5 200 Nữ 107 53,5 Độ tuổi Dưới 25 tuổi 43 21,5 200 Từ 25 đến dưới 45 tuổi 140 70 Trên 45 tuổi 17 85 Trình độ Trung học phổng thông 19 9.5 200 Trung cấp 55 27,5 Cao đẳng 48 24 Đại học 62 31 Trên đại học 16 8
Nghề nghiệp Công nhân 26 13 200
Nhân viên văn phòng 61 305
Cán bộ công viên chức 77 385
HI: Giá trị biến độc lập thứ nhất “cảm nhận sự hữu ích”. SD: Giá trị biến độc lập thứ hai “cảm nhận dễ sủ dụng”. TN: Giá trị biến độc lập thứ ba “cảm nhận về sự tín nhiệm”. CP: Giá trị biến độc lập thứ tư “cảm nhận về chi phí”. RR: Giá trị biến độc lập thứ năm “cảm nhận về rủi ro”. XH: Giá trị biến độc lập thứ sáu “ảnh hưởng của xã hội” βi là hệ số hồi quy riêng phần (i=0,1,2,3,4,5,6).
Phân tích phương sai (ANOVA).
Phương pháp kiểm định ANOVA nhằm xác định ảnh hưởng của các biến định tính như: giới tính, độ tuổi, trình độ học vấn, nghề nghiệp, thu nhập của khách hàng. Phương pháp sử dụng là phương pháp phân tích phương sai một yếu tố (One-Way- ANOVA). Phương pháp này được sử dụng trong trường hợp chỉ sử dụng một biến yếu tố để phân loại các quan sát thành các nhóm khác nhau. Việc phân tích nhằm mục đích tìm kiếm xem có sự khác nhau (có ý nghĩa thống kê) hay không về các nhân tố ảnh hưởng đến quyết định sử dụng dịch vụ Mobile Banking của khách hàng.
Chương 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
4.1. Kết quả nghiên cứu.4.1.1 Thống kê mô tả biến. 4.1.1 Thống kê mô tả biến.