3.2.1. Thang đo nháp
Các khái niệm nghiên cứu trong đề tài này gồm: hai khái niệm nghiên cứu chính
được lựa chọn từ Mô hình thuyết chấp nhận công nghệ TAM của (Davis Fred, 1989) và Mô hình thuyết hợp nhất về chấp nhận và sử dụng công nghệ UTAUT (Venkatesh & ctg. 2003).
Các thang đo được xây dựng, bổ sung và hiệu chỉnh sau giai đoạn nghiên cứu định tính cho phù hợp với đối tượng, lĩnh vực nghiên cứu cũng như phù hợp với đối tượng
khách hàng cá nhân tại Việt Nam. Các thang đo được sử dụng trong nghiên cứu này là thang đo Likert 5 điểm. Thang đo Likert yêu cầu người tham gia chỉ ra mức độ mà họ đồng ý hoặc không đồng ý với một loạt các tuyên bố về các cấu trúc. Mỗi thang đo bao gồm năm loại phản ứng khác nhau, từ 1 = rất không đồng ý đến 5 = rất đồng ý (Antonucci
& Goeke, 2011). Thang đo nháp được tác giả tham khảo từ các công trình nghiên cứu trước và có sự góp ý của giảng viên hướng dẫn.
3.2.2. Thang đo chính thức
Kết quả nghiên cứu định tính cho thấy các yếu tố có tác động tới quyết định sử dụng dịch vụ Internet Banking: Ảnh hưởng xã hội, Điều kiện thuận lợi, Nhận thức dễ sử
Biến Phát biểu Kí hiệu
dụng, Chi phí sử dụng, Sự hữu ích, Tính bảo mật, Quyết định sử dụng. Nghiên cứu gồm 7 thang đo với 24 biến được thể hiện thông qua 24 câu hỏi. Cụ thể:
- Thang đo Ảnh hưởng xã hội được đo lường thông qua 3 biến quan sát lần lượt được kí hiệu là AHXH1, AHXH2, AHXH3. Các biến này dựa trên lý thuyết gốc của (Venkatesh, Thong, & Xu, 2012). Các biến quan sát trong thang đo Ảnh hưởng xã hội là đầy đủ để đo lường khái niệm nghiên cứu và dễ hiểu đối với người tham gia trả lời khảo sát.
- Thang đo Điều kiện thuận lợi được đo lường thông qua 4 biến quan sát lần lượt
được kí hiệu là DKTL1, DKTL2, DKTL3, DKTL4. Các biến này dựa trên lý thuyết gốc của (Venkatesh et al., 2012). Các biến quan sát trong thang đo Điều kiện thuận lợi là đầy đủ để đo lường khái niệm nghiên cứu và dễ hiểu đối với người tham gia trả lời khảo sát.
- Thang đo Nhận thức dễ sử dụng được đo lường thông qua 4 biến quan sát lần lượt được kí hiệu là NTDSD1, NTDSD2, NTDSD3, NTDSD4. Các biến này dựa trên lý thuyết gốc của (Venkatesh et al., 2012) và (Wu & Wang, 2005). Các biến quan sát trong thang đo Nhận thức dễ sử dụng là đầy đủ để đo lường khái niệm nghiên cứu và dễ hiểu đối với người tham gia trả lời khảo sát.
- Thang đo Chi phí sử dụng được đo lường thông qua 3 biến quan sát lần lượt được kí hiệu là CPSD1, CPSD2, CPSD3. Các biến này dựa trên lý thuyết của (Venkatesh
et al., 2012) và thang đo của (Wu & Wang, 2005), (Luarn & Lin, 2005). Các biến quan sát trong thang đo Chi phí sử dụng là đầy đủ để đo lường khái niệm nghiên cứu và dễ hiểu đối với người tham gia trả lời khảo sát.
- Thang đo Sự hữu ích được đo lường thông qua 3 biến quan sát lần lượt được kí hiệu là SHU1, SHU2, SHU3. Các biến này dựa trên thang đo của (Luarn & Lin, 2005),
(Wu & Wang, 2005). Các biến quan sát trong thang đo Sự hữu ích là đầy đủ để đo lường khái niệm nghiên cứu và dễ hiểu đối với người tham gia trả lời khảo sát.
- Thang đo Tính bảo mật được đo lường thông qua 4 biến quan sát lần lượt được
kí hiệu là TBM1, TBM2, TBM3, TBM4. Các biến này dựa trên thang đo của (Nasri & Zarai, 2014). Các biến quan sát trong thang đo Tính bảo mật là đầy đủ để đo lường khái niệm nghiên cứu và dễ hiểu đối với người tham gia trả lời khảo sát.
- Thang đo Quyết định sử dụng được đo lường thông qua 3 biến quan sát lần lượt
được kí hiệu là QDSD1, QDSD2, QDSD3. Các biến này dựa trên thang đo của (Luarn & Lin, 2005) và (Wu & Wang, 2005). Các biến quan sát trong thang đo Quyết định sử dụng
là đầy đủ để đo lường khái niệm nghiên cứu và có nội dung ngắn gọn và dễ hiểu.
Tác giả xây dựng thang đó Likert 5 mức độ: 1 = Rất không đồng ý, 2 = Không đồng ý, 3 = Trung bình, 4 = Đồng ý, 5 = Rất đồng ý.
Ảnh hưởng xã hội
Tôi có xu hướng sử dụng dịch vụ khi thấy những người
xung quanh tôi dùng Internet Banking__________________ AHXH1 Những người trên mạng xã hội chia sẻ nên sử dụng dịch vụ
Internet Banking AHXH2
Những người quan trọng với tôi (gia đình, người thân) cho
rằng tôi nên dùng Internet Banking AHXH3
Điều kiện thuận lợi
Tôi có các công cụ cần thiết để sử dụng Internet Banking DKTL1 Tôi có kiến thức cần thiết để sử dụng Internet Banking DKTL2 Ngân hàng hỗ trợ tôi trong việc sử dụng Internet Banking DKTL3 Internet Banking tương thích với các hệ thống khác mà tôi
đang sử dụng DKTL4
Nhận thức dễ sử dụng
Tôi học cách sử dụng Internet Banking thật dễ dàng NTDSD1 Tôi cảm thấy Internet Banking dễ dàng sử dụng NTDSD2 Các thao tác giao dịch trên Internet Banking rất đơn giản,
dễ thực hiện NTDSD3
Tôi nghĩ rằng dịch vụ Internet Banking rất hữu ích NTDSD4
Chi phí sử dụng
Giá cả cho việc sử dụng Internet Banking là hợp lý CPSD1 Tôi sẵn sàng trả tiền để sử dụng Internet Banking CPSD2 Dịch vụ Internet Banking đem lại giá trị tốt cho người
Sự hữu ích
Tôi tiết kiệm được thời gian và chi phí khi sử dụng dịch vụ
Internet Banking SHU1
Internet Banking giúp tôi chủ động quản lý tài chính cá
nhân, truy vấn thông tin SHU2
Tôi cảm thấy Internet Banking rất hữu ích SHU3
Tính bảo mật
Tôi tin tưởng vào dịch vụ Internet Banking mà ngân hàng
đang sử dụng TBM1
Tôi tin tưởng các giao dịch qua Internet Banking như giao
dịch tại quầy TBM2
Tôi tin rằng dịch vụ Internet Banking luôn an toàn và đáng
tin cậy TBM3
Các thông tin tài chính của tôi được bảo mật khi tôi sử
dụng Internet Banking TBM4
Quyết định sử dụng
Tôi sẽ tiếp tục sử dụng Internet Banking trong thời gian tới QDSD1 Tôi sẽ giới thiệu dịch vụ Internet Banking cho người thân,
bạn bè,... QDSD2
3.3. PHƯƠNG PHÁP THU THẬP DỮ LIỆU3.3.1. Thiết kế mẫu nghiên cứu 3.3.1. Thiết kế mẫu nghiên cứu
Trong bài nghiên cứu tác giả sử dụng phương pháp phân tích nhân tố khám phá EFA chính vì thế mẫu tối thiểu tốt nhất là 50 tốt hơn là 100 và tỉ lệ giữa quan sát với biến
đo lường là 5:1, nghĩa là 1 biến đo lường cần tối thiểu là 5 quan sát, tốt nhất là 10:1 trở lên (J. F. Hair, William C Black, Barry J Babin, Rolph E Anderson, and Ronald L Tatham,
2009). Nghiên cứu trên bao gồm 24 biến quan sát chính vì thế kích thước mẫu tối thiểu là 24*5=120 (24*10=240 là tốt nhất). Bên cạnh đó để phân tích hồi quy tuyến tính, quy mô mẫu phải thoả mãn n ≥ 50 + 8p (trong đó: n là kích thước mẫu tối thiểu cần thiết, p là
biến độc lập trong mô hình) (Thọ, 2011). Mô hình nghiên cứu trên gồm có 6 biến độc lập
suy ra mẫu tối thiểu cần là 50+8*6=98. Từ hai điều kiện trên, quy mô mẫu cần cho nghiên
cứu này tối thiểu là 120 quan sát (240 là tốt nhất).
3.3.2. Đối tượng nghiên cứu
Đề tài nghiên cứu tác động của các yếu tố đến quyết định sử dụng dịch vụ Internet
Banking của sinh viên tại TP.HCM chính vì thế đối tượng khảo sát của nghiên cứu chính là những sinh viên hiện nay đang sinh sống và học tập tại TP.HCM.
3.3.3. Phương pháp chọn mẫu
Có nhiều phương pháp chọn mẫu được chia thành hai nhóm chính là phương pháp chọn mẫu theo xác suất và chọn mẫu không theo xác suất. Để thuận tiện cho quá trình nghiên cứu cũng như đảm bảo tiến độ thực hiện và ngân sách cho phép đề tài sử dụng phương pháp chọn mẫu thuận tiện - là phương pháp chọn mẫu phi xác suất trong đó tiếp cận với phần tử mẫu bằng phương pháp thuận tiện nghĩa là chọn bất kì sinh viên nào mà tác giả có thể tiếp cận được không phân biệt giới tính, thu nhập,...
3.3.4. Cách thức thu thập dữ liệu
Sau khi đã xác định kích thước mẫu và phương pháp chọn mẫu, tiến hành nghiên
cứu thu thập dữ liệu thông qua công cụ khảo sát trực tuyến đối với những sinh viên đang sinh sống và học tập tại TP.HCM dựa trên mối quan hệ quen biết giữa tác giả với người khảo sát hoặc thông qua bạn của người tham gia khảo sát.
3.4. PHƯƠNG PHÁP PHÂN TÍCH DỮ LIỆU
Trong nghiên cứu này, tác giả sử dụng phần mềm SPSS 20.0 để hỗ trợ phân tích dữ liệu. Với những dữ liệu thu về từ khảo sát, sau khi loại bỏ những phiếu không đạt yêu cầu, tác giả tiến hành mã hoá, làm sạch dữ liệu và sử dụng một số phương pháp phân tích.
3.4.1. Phương pháp thống kê mô tả
Phân tích thống kê mô tả là quá trình chuyển dịch dữ liệu thô thành những dạng thích hợp hơn cho việc hiểu và giải thích. Cụ thể:
- Với biến định tính (giới tính, độ tuổi, trình độ học vấn, thâm niên làm việc, thu
nhập theo tháng) nghiên cứu dùng công cụ tần suất (frequencies) và phần trăm (percent). - Với các biến định lượng (continuous) sử dụng công cụ tính giá trị trung bình (mean), giá trị nhỏ nhất (minimum), giá trị lớn nhất (maximum).
3.4.2. Phương pháp kiểm định độ tin cậy - Cronbach’s Alpha
Hệ số tin cậy Cronbach’s Alpha chỉ cho biết các đo lường có liên kết với nhau hay không; nhưng không cho biết biến quan sát nào cần bỏ đi và biến quan sát nào cần giữ lại. Khi đó, việc tính toán hệ số tương quan giữa 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 & Chu, 2008). Các tiêu chí được sử dụng khi thực hiện đánh giá độ tin cậy thang đo Cronbach’s Alpha:
- Loại các biến quan sát có hệ số tương quan biến - tổng nhỏ (nhỏ hơn 0,3); tiêu
chuẩn chọn thang đo khi có độ tin cậy Alpha lớn hơn 0,6 (Alpha càng lớn thì độ tin cậy nhất quán nội tại càng cao) (Nunnally & Bernstein, 1994)
- Các mức giá trị của Alpha: lớn hơn 0,8 là thang đo lường tốt; từ 0,7 đến 0,8là sử dụng được; từ 0,6 trở lên là có thể sử dụng trong trường hợp khái niệm nghiên cứulà mới hoặc là mới trong bối cảnh nghiên cứu (Nunnally, 1978)
- Các mức giá trị của Alpha: lớn hơn 0,8 là thang đo lường tốt; từ 0,7 đến 0,8là sử dụng được; từ 0,6 trở lên là có thể sử dụng trong trường hợp khái niệm nghiên cứulà mới hoặc là mới trong bối cảnh nghiên cứu (Nunnally, 1978)
3.4.3. Phân tích nhân tố khám phá (EFA)
Phương pháp phân tích nhân tố EFA thuộc nhóm đa biến phụ thuộc lẫn nhau, nghĩa là không có biến phụ thuộc và biến độc lập mà nó dựa vào mối tương quan giữa các biến với nhau. EFA dùng để rút gọn một tập k biến quan sát thành một tập F (F < k) các yếu tố có ý nghĩa hơn. Cơ sở của việc rút gọn này dựa vào mối quan hệ tuyến tính của các yếu tố với các biến nguyên thuỷ (biến quan sát). Phân tích nhân tố EFA trong đề tài sử dụng phương pháp trích hệ số là Principal Component Analysis và phép quay Varimax để phân nhóm các yếu tố bởi vì các biến quan sát đo lường 6 khái niệm thành phần và khái niệm sự hài lòng đều là thang đo đơn hướng. Nếu các hệ số tương quan nhỏ
hơn 0.30, khi đó sử dụng EFA không phù hợp (Hair, Black, Babin, & Anderson, 2009). Các tiêu chí trong phân tích EFA:
- Hệ số Kaiser - Meyer - Olkin (KMO) là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố thoả mãn 0.5 ≤ KMO ≤ 1. Neu chỉ số này nhỏ hơn 0.5 thì phân tích
nhân tố có khả năng không thích hợp với dữ liệu nghiên cứu. Để sử dụng được hệ số KMO thì chỉ số này phải lớn hơn 0.5 (Hair et al., 2009)
- Bartlett’s test of sphericity: Bartlett là đại lượng thống kê dùng để xem xét các
giả thuyết biến không có tương quan trong tổng thể. Nếu kiểm định Bartlett có ý nghĩa thống kê Sig < 5% (0.05) thì các biến quan sát có mối tương quan với nhau trong tổng thể (Hair et al., 2009).
- Chỉ số Eigenvalue là một tiêu chí sử dụng để xác định số lượng yếu tố trong phân tích EFA. Những yếu tố nào có Eigenvalue ≥ 1 mới được giữ lại trong mô hình phân
tích các yếu tố có Eigenvalue <1 sẽ bị loại khỏi mô hình. Phương sai trích (Variance Explained Criteria): tổng phương sai trích phải lớn hơn 50% (Hair et al., 2009)
- Total Variance Explained (Tổng phương sai trích) ≥ 50% cho thấy mô hình là phù hợp. Coi biến thiên là 100% thì trị số này thể hiện các yếu tố được trích cô đọng được
bao nhiêu % và bị thất thoát bao nhiêu % của các biến quan sát.
- Hệ số tải yếu tố (Factor loading): Theo (Hair et al., 2009) hệ số tải yếu tố hay còn gọi là trọng số yếu tố (Factor loading) là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA là Factor loading > 0.3 được xem là đạt mức tối thiểu, nếu Factor loading > 0.4 được xem là quan trọng hoặc Factor loading > 0.5 được xem là có ý nghĩa thực tiễn.
3.4.4. Phân tích hồi quy đa biến
3.4.4.1. Xây dựng phương pháp hồi quy
Sau khi kiểm định các thang đo, thì dữ liệu sẽ được xử lý để chạy hồi quy tuyến tính thực hiện bằng cách ước lượng tổng bình phương nhỏ nhất (OLS) với phương pháp đồng thời (Enter).
3.4.4.2. Phân tích tương quan hệ số Pearson
Hệ số tương quan Pearson (Pearson correlation coefficient, kí hiệu r) đo lường mức độ tương quan tuyến tính giữa hai biến. Kiểm định hệ số tương quan Pearson dùng để kiểm tra mối liên hệ tuyến tính giữa các biến độc lập và biến phụ thuộc. Nếu các biến độc lập với nhau có tương quan chặt thì phải lưu ý đến vấn đề đa cộng tuyến khi phân tích hồi quy (giả thuyết H0: hệ số tương quan bằng 0). Hệ số tương quan Pearson (r) có giá trị giao động trong khoảng liên tục từ -1 đến +1:
Nếu r càng tiến về 1, -1: tương quan tuyến tính càng mạnh, càng chặt chẽ. Tiến về 1 là tương quan dương, tiến về -1 là tương quan âm.
Nếu r càng tiến về 0: tương quan tuyến tính càng yếu.
Nếu r = 1: tương quan tuyến tính tuyệt đối, khi biểu diễn trên đồ thị phân tán Scatter, các điểm biểu diễn sẽ nhập lại thành 1 đường thẳng.
Nếu r = 0: không có mối tương quan tuyến tính. Lúc này sẽ có 2 tình huống xảy ra. Một, không có một mối liên hệ nào giữa 2 biến. Hai, giữa chúng có mối liên hệ phi tuyến.
3.4.4.3. Kiểm định sự phù hợp của mô hình
Sau khi kết luận được các biến có mối quan hệ tuyến tính thì có thể mô hình hoá
mối quan hệ nhân quả này bằng hồi quy tuyến tính (Hoàng & Chu, 2008). Đánh giá mức độ phù hợp của mô hình hồi quy đa biến thông qua R2 và R2 hiệu chỉnh, kiểm định ANOVA.
Hệ số R2 (R Square) và R2 hiệu chỉnh. Hai giá trị này dùng đo sự phù hợp của mô hình hồi quy, còn gọi là hệ số xác định (Coefficient of Determination) nghĩa là các biến (nhân tố) độc lập giải thích được bao nhiêu phần trăm (%) biến thiên của biến phụ thuộc. Giá trị R2 dao động từ 0 đến 1. R2 càng gần 1 thì mô hình đã xây dựng càng phù hợp với bộ dữ liệu dùng chạy hồi quy. R2 càng gần 0 thì mô hình đã xây dựng càng kém phù hợp với bộ dữ liệu dùng chạy hồi quy. Thông thường, R2 > 50% mô hình phù hợp.
Kiểm định ANOVA được sử dụng để kiểm định mức độ phù hợp của mô hình tương quan, tức là có hay không có mối quan hệ giữa các biến độc lập hay biến phụ thuộc.
Thực chất của kiểm định ANOVA đó là kiểm định xem biến phụ thuộc có liên hệ tuyến tính với toàn bộ tập hợp các biến độc lập hay không, và giả thuyết H0 được đưa ra là Hệ số xác định R = 0. Giá trị Sig. nhỏ (thường < 5%) hơn mức ý nghĩa kiểm định sẽ giúp khẳng định sự phù hợp của mô hình hồi quy (Hoàng & Chu, 2008). Kết quả kiểm định ANOVA:
Sig. < 0.05: Bác bỏ giả thuyết H0, nghĩa là có sự khác biệt trung bình một cách có ý nghĩa thống kê giữa các nhóm giá trị.
Sig. > 0.05: Chấp nhận giả thuyết H0, nghĩa là không có sự khác biệt trung bình