6. Kết cấu của đề tài
3.1.3.Thu thập dữ liệu
Trong nghiên cứu này, nhóm tác giả sử dụng phương pháp lấy mẫu ngẫu nhiên và thuận tiện. Đối tượng khảo sát là các cá nhân, đang là sinh viên trên địa bàn thành phố Hà Nội. Họ đã và có nhu cầu sử dụng Mobile Money. Hình thức khảo sát là mẫu phiếu được thiết kế thông qua Google Docs và thông qua mạng Internet (chủ yếu các trang mạng xã hội).
Sau khi thu thập các phiếu khảo sát từ các đáp viên, nhóm nghiên cứu tiến hành xem xét cẩn thận các câu trả lời cho mỗi phiếu khảo sát. Do đó, nhóm nghiên cứu loại 18 phiếu khảo sát với một số lí do liên quan đến sự trùng lặp các câu trả lời và một số phần chưa hoàn thành. Kết quả là 398 phiếu được giữ lại và phục vụ cho các phân tích chính thức của nghiên cứu.
Quá trình thu thập dữ liệu của nghiên cứu này được chia làm hai bước, cụ thể nghiên cứu thí điểm (pre-test) và kiểm định bảng câu hỏi (pilot test). Sau khi hoàn thành việc thiết kế bảng hỏi, nhóm nghiên cứu đã kiểm định pretest với một số người khảo sát và chuyên gia chuyên ngành. Kết quả là một số vấn đề được phát hiện liên quan đến các
câu hỏi của bảng khảo sát như sự khó hiểu hoặc làm họ không biết cách trả lời như thế nào. Cụ thể, một số câu hỏi liên quan đến một số biến động cơ bên ngoài, sự lo lắng về
công nghệ, và sự đổi mới cá nhân được điều chỉnh và lược bỏ một số câu hỏi từ nghiên
cứu trước vì sự tương tự của các câu hỏi trong từng biến. Điều này giúp cho nghiên cứu gia tăng giá trị thực nghiệm đối với bối cảnh hiện tại và ngôn ngữ của Việt Nam.
Mục đích của nghiên cứu kiểm định bảng câu hỏi (pilot test) là đảm bảo tất cả người trong mẫu khảo sát không chỉ hỏi các câu hỏi trong bảng hỏi mà còn hiểu theo cùng một cách. Điều này hỗ trợ cho nguồn dữ liệu mà nhóm tác giả thu thập được chân thực và không bị sai lệch, tránh ảnh hưởng đến kết quả thống kê, phân tích và chạy mô hình. Thông qua kiểm định pilot test, nhóm nghiên cứu sẽ biết được một số câu hỏi cần phải điều chỉnh và hoàn thiện trước khi điều tra trên quy mô rộng. Bên cạnh đó, việc kiểm tra này giúp cho nhóm nghiên cứu có thể kiểm tra, xử lý thử được dữ liệu đã thu thập nhằm tìm ra phương án khắc phục lỗi dữ liệu có thể xảy ra. Trong nghiên cứu này, nhóm tác giả đã thực hiện pre-test với 43 đáp viên và kết quả thực nghiệm ban đầu cho thấy các biến đều có độ tin cậy lớn hơn 0.7 và các kết quả này không được đề cập chính thức trong nghiên cứu này.
3.2. Các nhân tố tác động tới dự định sử dụng Mobile Money của sinh viên các trường đại học trên địa bàn Hà Nội
3.2.1 Kết quả nhân khẩu học của mẫu nghiên cứu
Bảng 3.3 minh họa thống kê mô tả mẫu khảo sát. Trong mẫu khảo sát, phần lớn các đáp viên là nữ (chiếm 63.82%) và tỉ lệ đáp viên nam chiếm 36.18%. Về kinh nghiệm sử dụng các dịch vụ thanh toán và tài chính di động, đa số các đáp viên đã thực hiện các dịch vụ thanh toán từ 1 đến 2 năm (chiếm 47.99%), tiếp theo là dưới 1 năm (chiếm 36.93%). Trong khi tỉ lệ các đáp viên có kinh nghiệm về thanh toán và tài chính di động từ 3-4 năm chiếm 11.06%, tỉ lệ thấp nhất là kinh nghiệm trên 4 năm (chiếm 4.02%). Điều này phản ánh rằng các đáp viên là sinh viên của các trường đại học trên địa bàn Hà Nội bắt đầu sử dụng các giao dịch thanh toán và tài chính di động khi họ có nguồn tài chính (có thể từ hỗ trợ của người thân hoặc các công việc bán thời gian). Liên quan đến công việc, phần lớn các sinh viên tập trung vào việc học (chiếm 74%) và sinh viên có công việc (bán thời gian) chiếm 25%. Cuối cùng, liên quan đến nguồn tài chính hàng tháng của người sử dụng, chủ yếu nguồn tài chính của họ từ 2 đến 3 triệu VNĐ (chiếm 47%), tiếp theo nguồn thu nhập trên 3 triệu chiếm 38%, và 15% các đáp viên (sinh viên) có nguồn tài chính hàng tháng là dưới 2 triệu.
Bảng 3.3 Kết quả đặc điểm của mẫu nghiên cứu Đặc điểm Tần suất Tỉ lệ % Giới tính Nam 144 36.18% Nữ 254 63.82% Công việc
Làm thêm (bán thời gian) 91 22.86%
Không có công việc 307 77.14%
Kinh nghiệm sử dụng các dịch vụ thanh toán và tài chính di động
<1 năm 147 36.93 1-2 năm 191 47.99 3-4 năm 44 11.06 >4 năm 16 4.02 Nguồn tài chính (VNĐ/tháng) Dưới 2 triệu 60 15.08% 2-3 triệu 187 46.98% Trên 3 triệu 151 37.94%
3.2.2 Kiểm định thang đo
Kiểm định thang đo được chia làm hai bước chính. Đầu tiên, nghiên cứu sẽ phân tích EFA với phương pháp Principal Axis Factoring và phép xoay Promax rotation để chọn lọc các thang đo. Hệ số tải (factor loading) của các items trong các biến phải thỏa mãn giá trị tiêu chuẩn là 0.5 (Hair và cộng sự, 2018). Đối chiếu bảng 2.4, hệ số tải đáp ứng tiêu chuẩn. Vì thế, không có biến quan sát nào bị loại. Bên cạnh đó, giá trị Kaiser-Meyer-Olkin’s sample Adequacy (KMO) đạt giá trị 0.917; Bartlett’s Test of Sphericity (chi-square) đạt giá trị 8892.452; df đạt giá trị 325 và sig đạt giá trị 0.000. Vì vậy, nghiên cứu khẳng định sự phù hợp trong kiểm định nhân tố EFA. Các yếu tố giải thích 78.556% tổng các biến được trích hay tỉ lệ phương sai trích đạt giá trị 78.556%.
Bước tiếp theo, nghiên cứu sẽ kiểm định sự phù hợp của đo lường thông qua một số tiêu chuẩn, bao gồm giá trị hội tụ, giá trị phân biệt và sự phù hợp của mô hình.
a. Giá trị hội tụ
Bảng 3.4 Kết quả phân tích nhân tố EFA
Items PRO INN SOC ANX INT EXT EOU ATT ADO
PRO1 0.841 PRO2 0.873 PRO3 0.866 INN1 0.887 INN2 0.925 INN3 0.897 INN4 0.812 SOC1 0.904 SOC2 0.881 SOC3 0.915
ANX1 -0.865 ANX2 -0.915 ANX3 -0.951 INT1 0.915 INT2 0.903 INT3 0.800 EXT1 0.834 EXT2 0.862 EXT3 0.853 EOU1 0.795 EOU2 0.907 EOU3 0.930 EOU4 0.847 ATT1 0.863 ATT2 0.869 ATT3 0.858 ADO1 0.860 ADO2 0.865 ADO3 0.651
Giá trị hội tụ được hiểu là các biến trong cùng một yếu tố có mối tương quan cao. Điều này thể hiện qua một số tiêu chuẩn như độ tin cậy, độ tin cậy tổng hợp, hệ số tải tiêu chuẩn hóa, và phương sai trích. Sau khi phân tích EFA, nhóm nghiên cứu thực hiện kiểm định độ tin cậy của các thang đo của mô hình nghiên cứu. Giá trị độ tin cậy (Cronbach’s alpha hay CA) nên lớn hơn hoặc bằng 0.7 (Hair và cộng sự, 2018). Kết quả kiểm định của nghiên cứu thể hiện giá trị lớn hơn 0.7, đạt giá trị từ 0.830 (yếu tố dự định chấp nhận - ADO) đến 0.944 (yếu tố sự lo lắng công nghệ - ANX). Do đó, kết quả này cho thấy các thang đo trong nghiên cứu này bước đầu đảm bảo độ tin cậy.
Hơn thế nữa, giá trị hội tụ còn thể hiện ở một số tiêu chuẩn như độ tin cậy tổng hợp (composite reliability – CR), phương sai trích (average variance extracted – AVE) và hệ số tải chuẩn hóa (stvàardized loadings). Theo tiêu chuẩn được giới thiệu bởi Hair và cộng sự (2018) và Fornell và Larcker (1981), hệ số tải tiêu chuẩn hóa nên lớn hơn 0.5; độ tin cậy tổng hợp nên lớn hơn 0.5 và phương sai trích nên lớn hơn 0.5. Số liệu trong Bảng 3.5 cho thấy các yếu tố và items đều đáp ứng giá trị tiêu chuẩn. Cụ thể, độ tin cậy tổng hợp đạt giá trị từ 0.799 (yếu tố dự định chấp nhận - ADO) đến 0.944 (yếu tố sự lo lắng công nghệ - ANX); phương sai trích đạt giá trị từ 0.573 (yếu tố dự định chấp nhận - ADO) đến 0.848 (yếu tố sự lo lắng công nghệ - ANX); hệ số tải tiêu chuẩn hóa đạt giá trị từ 0.677 (ADO1) đến 0.938 (INT2). Vì vậy, mô hình đạt giá trị hội tụ và độ tin cậy cao (xem Bảng 3.5).
Bảng 3.5 Hệ số tải chuẩn hóa, cronbach’s alpha, phương sai trích, và độ tin cậy tổng hợp
Construct items Std-loadings CA AVE CR
PRO PRO1 0.830 0.902 0.756 0.903 PRO2 0.884 PRO3 0.894 INN INN1 0.880 0.939 0.794 0.939 INN2 0.906 INN3 0.912 INN4 0.866 SOC SOC1 0.908 0.929 0.813 0.929 SOC2 0.883 SOC3 0.914 ANX ANX1 0.915 0.944 0.848 0.944 ANX2 0.925 ANX3 0.923 INT INT1 0.849 0.912 0.772 0.910 INT2 0.938 INT3 0.845 EXT EXT1 0.841 0.886 0.722 0.886 EXT2 0.858 EXT3 0.851 EOU EOU1 0.850 0.929 0.768 0.930 EOU2 0.907 EOU3 0.904 EOU4 0.842 ATT ATT1 0.873 0.907 0.764 0.907 ATT2 0.884 ATT3 0.865 ADO ADO1 0.677 0.830 0.573 0.799 ADO2 0.694 ADO3 0.883
b. Giá trị phân biệt
Giá trị phân biệt là mức độ mà các yếu tố khác biệt với nhau và không tương quan với nhau. Nguyên tắc là các biến phải liên quan nhiều hơn đến yếu tố của chúng so với các yếu tố khác. Để đánh giá giá trị phân biệt, giá trị tương quan giữa các yếu tố nhỏ hơn căn bậc hai của phương sai trích (AVE). Minh họa Bảng 3.6, các giá trị nằm ở đường chéo mô tả giá trị căn bậc hai của phương sai trích và các yếu tố nằm ngoài đường chéo góc mô tả tương quan giữa các yếu tố. Kết quả Bảng 3.6 cho thấy, các giá trị thỏa mãn điều kiện tiêu chuẩn nêu trên; do đó, mô hình đảm bảo giá trị phân biệt.
Bảng 3.6 Correlation matrix (adsbygoogle = window.adsbygoogle || []).push({});
Construct PRO INN SOC ANX INT EXT EOU ATT ADO
PRO 0.869
INN 0.501 0.891
ANX -0.583 -0.575 -0.354 0.921 INT 0.508 0.521 0.405 -0.431 0.879 EXT 0.233 0.317 0.194 -0.326 0.270 0.850 EOU 0.479 0.477 0.303 -0.428 0.517 0.363 0.876 ATT 0.520 0.616 0.441 -0.528 0.537 0.354 0.506 0.874 ADO 0.572 0.615 0.479 -0,500 0.841 0.397 0.693 0.669 0.757 c. Sự phù hợp của mô hình
Sự phù hợp của mô hình được xác định bởi sự tương ứng giữa ma trận hiệp phương sai quan sát được và một ma trận hiệp phương sai ước lượng lấy kết quả từ mô hình được đề xuất. SEM sử dụng một chuỗi các đo lường để miêu tả giải thuyết nghiên cứu giải thích dữ liệu đầu vào như thế nào. Dữ liệu đầu vào tạo thành ma trận hiệp phương sai giữa các biến đo lường. Nếu chúng ta giải thích được tất cả mối tương quan chính vốn có trong tập dữ liệu thì chúng ta sẽ có mô hình phù hợp. Nếu có sự khác biệt giữa các mối tương quan đề xuất và các mối tương quan quan sát được, chúng ta sẽ có một mô hình có độ phù hợp thấp. Một số chỉ số đo độ phù hợp của mô hình bao gồm Chi-square/degree of freedom (hay X2/df), Tucker-Lewis Fit Index (TLI), Comparative Fit Index (CFI), Normal Fit Index (NFI), Incremental Fit Index (IFI), và Root Mean Square Error of Approximation (RMSEA).
Để đánh giá độ phù hợp của mô hình, X2/df phải đạt hay lớn hơn giá trị tiêu chuẩn 3.0; TLI, CFI, NFI và IFI nên lớn hơn giá trị tiệu chuẩn 0.9; và RMSEA phải lớn hơn giá trị tiêu chuẩn 0.08 (Hair và cộng sự, 2018). Nhìn vào Bảng 3.7, các giá trị X2/df, TLI, CFI, NFI, IFI, và RMSEA đều thỏa mãn các giá trị được đề xuất. Vì vậy, nghiên cứu này đạt được sự phù hợp của mô hình.
Bảng 3.7 Sự phù hợp (goodness-of-fit) mô hình nghiên cứu
Index Threshold value Structural model
X2/df <3.0 2.259 TLI <0.9 0.949 CFI <0.9 0.955 NFI <0.9 0.922 IFI <0.9 0.955 RMSEA <0.08 0.056
3.2.3 Kiểm định mô hình cấu trúc
Để đánh giá mô hình cấu trúc của nghiên cứu này, mô hình cấu trúc tuyến tính (Structural Equation Modelling - SEM) được áp dụng thông qua việc sử dụng phần mềm xử lý số liệu AMOS. Kết quả kiểm định các giả thuyết được phản ánh trong Bảng 3.8. Kết quả cho thấy rằng 12 giả thuyết (trên tổng số 13 giả thuyết) được chấp nhận. Mô hình nghiên cứu đề xuất giải thích lần lượt 42.7%, 30.2%, 9.1%, 39.9%, và 96.6% các biến động cơ bên trong, tính dễ sử dụng, động cơ bên ngoài, thái độ, và dự định chấp nhận đối với Mobile Money.
Liên quan đến các giả thuyết các yếu tố ảnh hưởng đến động cơ bên trong của người sử dụng để chấp nhận đối với Mobile Money, có 3 trên 4 giả thuyết có ý nghĩa thống kê. Cụ thể, các yếu tố bao gồm chương trình xúc tiến (β = 0.250; p = 0.000), sự đổi mới cá nhân (β = 0.297; p = 0.000), sự ảnh hưởng của xã hội (β = 0.151; p = 0.000) tác động tích cực và có ý nghĩa đối với động cơ bên trong đối với Mobile Money. Tuy nhiên, mối quan hệ giữa sự lo lắng công nghệ (β = -0.051; p > 0.05) và động cơ bên trong được khám phá không có ý nghĩa thống kê. Vì thế, trong khi ba giả thuyết H1, H2, và H3 được chấp nhận, giả thuyết H4 không được chấp nhận trong mô hình nghiên cứu.
Liên quan đến các giả thuyết sự ảnh hưởng của động cơ bên trong đến các yếu tố trong học thuyết dự định chấp nhận công nghệ, có 4 giả thuyết có ý nghĩa thống kê. Cụ thể, động cơ bên trong tác động tích cực và ý nghĩa đến nhận thức dễ sử dụng (β = 0.578; p = 0.000), động cơ bên ngoài (β = 0.258; p = 0.000), thái độ (β = 0.419; p = 0.000), và dự định chấp nhận (β = 0.560; p = 0.000). Vì vậy, 4 giả thuyết H5, H6, H7, và H8 được chấp nhận hoàn toàn.
Liên quan đến sự ảnh hưởng của nhận thức tính dễ sử dụng với đánh giá và dự định chấp nhận đối với Mobile Money, hai giả thuyết có ý nghĩa thống kê. Cụ thể nhận thức tính dễ sử dụng có tác động tích cực và ý nghĩa đến thái độ (β = 0.221; p = 0.000) và dự định chấp nhận (β = 0.140; p = 0.000) của người sử dụng đối với Mobile Money. Do đó, hai giả thuyết H9 và H10 được chấp nhận.
Liên quan đến sự ảnh hưởng của động cơ bên ngoài với thái độ và dự định chấp nhận đối với Mobile Money, hai giả thuyết có ý nghĩa thống kê. Cụ thể động cơ bên ngoài có tác động tích cực và ý nghĩa đến thái độ (β = 0.178; p = 0.002) và dự định chấp nhận (β = 0.051; p = 0.050) của người sử dụng đối với Mobile Money. Do đó, hai giả thuyết H11 và H12 được chấp nhận.
Cuối cùng, mối quan hệ giữa thái độ (β = 0.075; p = 0.007) và dự định chấp nhận được xác nhận tích cực và có ý nghĩa trong bối cảnh Mobile Money. Vì thế, nghiên cứu xác nhận giả thuyết H13.
Bảng 3.8. Kết quả kiểm định giả thuyết
Giả thuyết Paths Estimate t-value p-value Kết quả
H1 PRO→INT 0.250 4.539 0.000 Xác nhận H2 INN→INT 0.297 5.635 0.000 Xác nhận H3 SOC→INT 0.151 3.506 0.000 Xác nhận H4 ANX→INT -0.051 -1.037 0.300 Từ chối H5 INT→EOU 0.578 10.872 0.000 Xác nhận H6 INT→EXT 0.258 5.516 0.000 Xác nhận
H7 INT→ATT 0.410 6.883 0.000 Xác nhận H8 INT→ADO 0.560 12.731 0.000 Xác nhận H9 EOU→ATT 0.221 4.209 0.000 Xác nhận H10 EOU→ADO 0.140 5,457 0.000 Xác nhận H11 EXT→ATT 0.178 3.132 0.002 Xác nhận H12 EXT→ADO 0.051 1.961 0.050 Xác nhận H13 ATT→ADO 0.075 2.694 0.007 Xác nhận
Hình 3.5. Phân tích mô hình cấu trúc
Notes: ***p <0.001; **p < 0.01; *p < 0.05; n.s: not significant. Chương trình xúc tiến Sự đổi mới cá nhân Ảnh hưởng xã hội Động cơ bên trong Dễ sử dụng Thái độ Động cơ bên ngoài Dự định hành vi Sự lo lắng công nghệ -0.051n.s 0.250*** 0.297*** 0.151*** 0.578*** 0.258*** 0.41*** 0.56*** 0.221*** 0.14*** 0.051* 0.178** 0.075**
CHƯƠNG 4. ĐỀ XUẤT GIẢI PHÁP NHẰM ĐẨY MẠNH ỨNG DỤNG MOBILE MONEY CHO SINH VIÊN CÁC TRƯỜNG ĐẠI HỌC TRÊN ĐỊA
BÀN HÀ NỘI
Để đẩy mạnh việc ứng dụng Mobile Money cần có sự chung tay của tất cả các bên, đặc biệt trong đó là các cơ quan quản lý (NHNN, Bộ Thông tin và Truyền thông, Bộ Công An, Bộ Tài chính) và các nhà mạng – nhà cung cấp dịch vụ Mobile Money.
Kinh nghiệm của các nước cho thấy, các quy định pháp luật đóng vai trò quan trọng đối với sự phát triển của Mobile Money. Nhưng quy định chặt chẽ ở mức độ nào, vào thời điểm nào lại là vấn đề không dễ, bởi nếu không phù hợp thì các quy định này có thể cản trở sự phát triển của tiền di động. Các vấn đề này được thể hiện ở quỹ đạo phát triển thị trường bao gồm bốn giai đoạn. Mỗi giai đoạn sẽ đại diện cho một vị thế khác nhau của các cơ quan quản lý trong việc tìm ra thách thức và tồn tại của thị trường Mobile Money:
- Giai đoạn đầu: Đây là thời điểm nhà cung cấp đưa ra và thử nghiệm các sản phẩm để tìm kiếm thành công ban đầu. Ở giai đoạn này, các cơ quan quản lý cần phải đảm bảo sự cân bằng, với các quy định sao cho vừa hỗ trợ nhà cung cấp, vừa bảo vệ được người tiêu dùng.
- Giai đoạn bùng nổ: Đây là thời điểm nhà cung cấp đã thu hút được một