Với các yếu tố liên quan đến ý định sử dụng thẻ ATM của BIDV – Chi nhánh Nam Đồng Nai tác giả dùng thang đo Likert 5 bậc Bậc 1 là hoàn toàn không đồng ý và bậc 5 là hoàn toàn đồng ý Có 5 lựa chọn tương ứng:
Về nội dung, bảng câu hỏi gồm 3 phần: Phần 1: Giới thiệu
Phần 2: Nội dung các câu hỏi đo lường các yếu tố ảnh hưởng đến ý định sử dụng thẻ ATM của BIDV – Chi nhánh Nam Đồng Nai
Phần 3: Thông tin cá nhân Đây là phần nhằm thu thập thông tin cá nhân của
Nhân tố Kí hiệu Biến quan sát Nguồn tham khảo
(2016) M3 Dịch vụ thẻ ATM rất phù hợp với tôi
vì tôi luôn mang thiết bị di động bên cạnh
Nguyễn Đinh Yến Oanh và Phạm Thụy Bích Uyên (2016) Rủi ro liên quan đến giao dịch trực tuyến (PRT)
PRT1 Thông tin cá nhân bị lộ Nguyễn Thị Hồng Hạnh và
cộng sự (2019) PRT2 Bị mất tiền khi giao dịch không thành
công
Nguyễn Thị Hồng Hạnh và cộng sự (2019) PRT3 Hệ thống giao dịch bị lỗi, ngừng hoạt
động khiến cho giao dịch bị chậm thực hiện
Nguyễn Thị Hồng Hạnh và cộng sự (2019) PRT4 Bị mất tiền khi đang giao dịch ATM Nguyễn Thị Hồng Hạnh
và cộng sự (2019)
Thái độ (ATU)
ATU1 Sử dụng thẻ ATM là một ý tưởng tốt Asrat molla fantaye (2017) ATU2 Sử dụng thẻ ATM làm việc thú vị hơn Asrat molla fantaye (2017) ATU3 Tôi thích giao dịch qua thẻ ATM Asrat molla fantaye (2017)
Ý định sử dụng (INT)
INT1 Khi có điều kiện thích hợp, tôi sẽ sử dụng thẻ ATM của BIDV
Asrat molla fantaye (2017) INT2 Tôi tin rằng tôi sẽ sử thẻ ATM của
BIDV
Asrat molla fantaye (2017) INT3 Tôi sẽ giới thiệu cho những người
khác về thẻ ATM của BIDV
Asrat molla fantaye (2017)
1 2 3 4 5
Rất không đồng ý
Không đồng ý
Trung dung Đồng ý Hoàn toàn
đối tượng nhằm phục vụ quá trình nghiên cứu Bảng câu hỏi chi tiết (Phụ lục 1)
3 3 2 Thiết kế mẫu nghiên cứu
Qui mô 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 28 Kích thước mẫu cần thiết là n = 28 x 5 = 140 Để kết quả khảo sát có độ tin cậy, tác giả chọn kích cỡ mẫu là 500 để đáp ứng được cỡ mẫu cần thiết Theo đó, số phiếu phát ra 500 phiếu, số phiếu thu về 346 phiếu, chỉ có 241 phiếu đạt tỷ lệ 48,2%
Phương pháp lấy mẫu: Địa điểm lấy mẫu tại các trung tâm thương mại, chuỗi cửa hàng điện máy lớn, hệ thống siêu thị để tiếp cận người dân trên địa bàn Thành Phố Biên Hoà
Phương pháp chọn mẫu phi xác suất, chọn mẫu thuận tiện với tổng thể khảo sát là những khách hàng chưa sử dụng và đang có ý định sử dụng thẻ của BIDV phát hành Để chọn ra được từng nhóm khách hàng theo tiêu chí trên tác giả sử dụng câu hỏi gạn lọc trong phiếu điều tra để lọc những khách hàng chưa sử dụng và đang có ý định sử dụng thẻ của BIDV, để loại những khách hàng đã sử dụng thẻ của BIDV ra khỏi tổng thể mẫu khảo sát
3 3 3 Phương pháp xử lý số liệu
3 3 3 1 Phương pháp thống kê mô tả
Thống kê mô tả là phương pháp dùng tổng hợp các phương pháp đo lường, mô tả, trình bày số liệu được ứng dụng vào trong lĩnh vực kinh tế Các bảng thống kê là hình thức trình bày số liệu thống kê và thu thập thông tin đã thu thập làm cơ sở để phân tích và kết luận, cũng là trình bày vấn đề nghiên cứu nhờ vào đó có thể đưa ra nhận xét về vấn đề đang nghiên cứu
Trong đề tài này phương pháp thống kê mô tả được thực hiện bằng cách lập bảng tần suất để mô tả mẫu thu thập được theo các thuộc tính: Giới tính, độ tuổi, nghề nghiệp, trình độ, thu nhập, …
3 3 3 2 Kiểm định độ tin cậy Cronbach’s Alpha
một kết quả khi tiến hành đo lặp đi lặp lại Độ tin cậy của thang đo được đánh giá bằng phương pháp nhất quán nội tại thông qua hệ số Cronbach’s alpha và hệ số tương quan biến – tổng, để nhằm loại bỏ những biến quan sát không đạt yêu cầu ra khỏi thang đo
a Phương pháp phân tích hệ số Cronbach’s Alpha
Hệ số Cronbach’s Alpha là một hệ số kiểm định thống kê về mức độ tin cậy và tương quan trong giữa các biến quan sát thang đo Nó dùng để đánh giá độ tin cậy của các nhóm nhân tố và từng biến quan sát nhỏ bên trong nhóm nhân tố đó Theo Peterson, 1994 thì hệ số Cronbach’s Alpha phải nằm trong giới hạn từ 0,7 đến 1,0 Trong các trường hợp cỡ mẫu nhỏ thì hệ số tin cậy Cronbach’s Alpha bằng 0,6 vẫn có thể được chấp nhận Đồng thời, các biến quan sát phải có hệ số tương quan giữa các biến và tổng (item-total correlation) phải lớn hơn 0,3
Thang đo được kiểm định bằng công cụ Cronbach’s Alpha, với hệ số này sẽ giúp loại những biến quan sát không đạt yêu cầu hay các thang đo chưa đạt yêu cầu trong quá trình nghiên cứu vì các biến này có thể tạo ra các nhân tố giả
Phương pháp phân tích Cronbach’s Alpha thực chất là phép kiểm định mức độ tương quan lẫn nhau của các biến quan sát trong thang đo thông qua việc đánh giá sự tương quan giữa bản thân các biến quan sát và tương quan điểm số trong từng biến quan sát với điểm số toàn bộ các biến quan sát Hệ số Cronbach’s alpha càng lớn thì độ tin cậy nhất quán nội tại càng cao Thông thường những thang đo có hệ số Cronbach’s Alpha trong khoảng từ 0,7 - 0,8 là sử dụng được, thang đo có hệ số Cronbach’s Alpha trong khoảng từ 0,8 – 1,0 được xem là thang đo tốt Tuy nhiên, đối với các trường hợp khái niệm đang nghiên cứu mới thì thang đo có hệ số Cronbach’s Alpha từ 0,6 trở lên là có thể sử dụng được Trong nghiên cứu này tác giả sử dụng Cronbach’s Alpha trong khoảng từ 0,7 trở lên
Tuy nhiên, hệ số Cronbach’s Alpha chỉ cho biết các đo lường có liên kết với nhau hay không, chứ không cho biết cần phải loại bỏ hoặc giữ lại biến quan sát nào Để giải quyết vấn đề này cần tính toán và phân tích hệ số tương quan biến – tổng
b Hệ số tương quan biến – tổng (item – total correlation)
Hệ số tương quan biến tổng chính là hệ số tương quan của một biến với điểm trung bình của các biến khác trong cùng một thang đo Nếu hệ số này càng cao thì sự
tương quan giữa biến với các biến khác trong nhóm càng cao Vì vậy, đối với các biến quan sát có hệ só tương quan biến – tổng (item – total correlation) nhỏ hơn 0,3 bị xem như là các biến rác và bị loại ra khỏi mô hình do có tương quan kém với các biến khác trong mô hình
3 3 3 3 Phương pháp phân tích khám phá nhân tố (EFA)
Phương pháp phân tích nhân tố được sử dụng để rút gọn và tóm tắt dữ liệu Sau khi đánh giá độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha và loại bỏ các biến không đủ độ tin cậy sẽ thực hiện việc phân tích nhân tố khám phá (EFA) Phân tích nhân tố khám phá (EFA) là kỹ thuật được sử dụng để thu nhỏ các tham số ước lượng theo từng nhóm biến Phương pháp này rất hữu ích trong việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu và được sử dụng để tìm mối quan hệ giữa các biến với nhau Phân tích nhân tố khám phá (EFA) được thực hiện thông qua đánh giá các chỉ tiêu sau để bảo đảm ý nghĩa thống kê:
a Kiểm định trị số KMO (Kaiser- Meyer – Olkin)
Đây là chỉ số dùng để xem xét sự thích hợp của các phân tích nhân tố, trị số KMO có giá trị trong khoảng từ 0,5 đến 1,0 thì phân tích nhân tố là thích hợp với dữ liệu, còn trong trường hợp nhỏ hơn 0,5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu
b Đánh giá hệ số tải nhân tố (Factor loading –FL)
Đây là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của phân tích nhân tố khám phá EFA, hệ số tải nhân tố (Factor loading –FL) phụ thuộc vào kích thước mẫu quan sát và mục đích nghiên cứu Nếu FL>0,3 là đạt mức tối thiểu với kích thước mẫu bằng hoặc lớn hơn 350, nếu FL>0,4 là quan trọng và FL>0,5 là có ý nghĩa thực tiễn Khi kích thước mẫu khoảng 100 thì nên chọn FL>0,55; còn nếu kích thước mẫu bằng 50 thì nên chọn FL>0,75 Do đó để thang đo đạt giá trị hộ tụ thì hệ số tương quan đơn giữa các biến và các nhân tố (Factor loading –FL) phải lớn hơn hoặc bằng 0,5 trong một nhân tố đối với cỡ mẫu nhỏ hơn 350
c Đánh giá giá trị Eigenvalue
Đại lượng Eigenvalue đại diện cho lượng biến thiên được giải thích bởi mỗi nhân tố, đánh giá hệ số Eigenvalue là một trong những cách để xác định số lượng nhân tố Theo tiêu chuẩn Kaiser chỉ những nhân tố Eigenvalue lớn hơn 1 thì mới được
giữ lại trong mô hình, những nhân tố có Eigenvalue nhỏ hơn 1 sẽ bị loại vì không có tác dụng tóm tắt thông tin tốt hơn một biến gốc (Garson, 2003)
d Kiểm định Bartlett’s xem xét giả thiết H0
Bartlett’s test of sphericity là một đại lượng thống kê dùng để xem xét giả thuyết các biến không có tương quan trong tổng thể với các giả thuyết
H0: Độ tương quan giữa các biến quan sát bằng không trong tổng thể hay nói cách khác là các biến không có tương quan với nhau trong tổng thể Điều này cũng chính là nhằm mục đích xem xét việc phân tích nhân tố là có thích hợp hay không Nếu kiểm định này có ý nghĩa trong thống kê (Sig<0,05) thì ta có khả năng bác bỏ giả thuyết và chấp nhận các biến quan sát trong phân tích nhân tố có tương quan với nhau trong tổng thể Điều này đồng nghĩa phân tích nhân tố là thích hợp
H1: Có sự tương quan giữa các biến
Giá trị p của kiểm định là một số sao cho với mọi α > p thì sẽ bác bỏ giả thuyết H0 Với mức ý nghĩa α = 5%, kiểm định Barlett’s cho các kết quả sau:
Nếu giá trị p > α thì chấp nhận giả thuyết H0
Nếu giá trị p < α thì bác bỏ giả thuyết H0 và chấp nhận giả thuyết H1 e Đánh giá phương sai trích
Phương sai trích hay là phần trăm biến thiên (cummulative) của dữ liệu được giải thích bởi các nhân tố Tiêu chuẩn đạt yêu cầu đối với phương sai trích là tổng phương sai trích phải lớn hơn hoặc bằng 50% trở lên (Hair và cộng sự, 1998)
Giá trị tổng phương sai trích có ý nghĩa cho biết tổng số phần trăm biến thiên của dữ liệu được giải thích bởi các nhân tố
3 3 3 4 Phân tích tương quan (Pearson)
Hệ số tương quan Pearson (Pearson correlation coefficient, kí hiệu r) đo lường mức độ tương quan tuyến tính giữa hai biến Về nguyên tắc, tương quan Pearson sẽ tìm ra một đường thẳng phù hợp nhất với mối quan hệ tuyến tính của 2 biến
Hệ số tương quan Pearson (r) sẽ nhận giá trị từ +1 đến -1 Điều kiện để tương quan có ý nghĩa là giá trị sig <0 05
r < 0 cho biết một sự tương quan nghịch giữa hai biến, nghĩa là nếu giá trị của biến này tăng thì sẽ làm giảm giá trị của biến kia
r > 0 cho biết một sự tương quan thuận giữa hai biến, nghĩa là nếu giá trị của biến này tăng thì sẽ làm tăng giá trị của biến kia
3 3 3 5 Phân tích hồi quy
Công việc đầu tiên trong bước này là kiểm tra tương quan giữa các biến độc lập với nhau, giữa biến phụ thuộc và biến độc lập để dự đoán có xảy ra hiện tượng đa cộng tuyến trong mô hình hồi quy hay không Sau đó phân tích hồi quy bằng phương pháp “Enter” được áp dụng để đo lường ảnh hưởng 7 thành phần đến ý định sử dụng thẻ ATM của cư dân tại BIDV – Chi nhánh Nam Đồng Nai Mô hình hồi quy sẽ được kiểm định độ phù hợp bằng kiểm định F và R2 Các giả thuyết nghiên cứu được kiểm định với mức ý nghĩa Sig < 0,05 Kiểm định đa cộng tuyến bằng hệ số phóng đại phương sai VIF < 10 Cuối cùng, để đảm bảo độ tin cậy của mô hình, tác giả thực hiện dò tìm các vi phạm giả định sau:
Giả định liên hệ tuyến tính thông qua biểu đồ Scatterrplot với giá trị phần dư chuẩn hóa trên trục tung và giá trị dự đoán chuẩn hóa trên trục hoành Nếu biểu đồ phân bố đều, rải rác thì giả định này không bị vi phạm Giả định phương sai của phần dư không đổi thông qua hệ số tương quan hạng Spearman của giá trị tuyệt đối phần dư và các biến độc lập Giả định này không bị vi phạm khi hệ số Sig của các hệ số tương quan > 0,05
Giả định phân phối chuẩn của phần dư thông qua biểu đồ Histogram với giá trị trung bình gần bằng 0 và độ lệch chuẩn gần bằng 1; và đồ thị Q-Q plot với các điểm quan sát tập trung sát đường chéo những giá trị kỳ vọng Giả định về tính độc lập của phần dư thông qua đại lượng thống kê Durbin-Watson có giá trị từ 0 đến 4
3 3 3 6 Kiểm định sự khác biệt giữa các nhóm
a Kiểm định T-Test
Phương pháp kiểm nghiệm t - test được dùng để kiểm định có hay không sự khác biệt của giá trị trung bình của một biến đơn với một giá trị cụ thể, với giả thuyết ban đầu cho rằng giá trị trung bình cần kiểm nghiệm thì bằng với một con số cụ thể nào đó Phương pháp kiểm định t - test này dùng cho biến dạng thang đo khoảng cách hay tỉ lệ Ta sẽ loại bỏ giả thuyết ban đầu khi kiểm nghiệm chó ta chỉ số Sig nhỏ hơn mức tinh cậy (0,05)
b Kiểm định Anova
Phương pháp kiểm định ANOVA nhằm xác định ảnh hưởng của các biến định tính như: Độ tuổi, nghề nghiệp, trình độ, thu nhập, …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 yếu tố ảnh hưởng đến ý định sử dụng thẻ ATM của BIDV – Chi nhánh Nam Đồng Nai giữa các nhóm khách hàng khác nhau Một số giả định khi thực hiện phân tích ANOVA:
- Các nhóm so sánh phải độc lập và được chọn một cách ngẫu nhiên;
- Các nhóm so sánh phải có phân phối chuẩn và cỡ mẫu phải đủ lớn để được xem là tiệm cận phân phối chuẩn;
- Phương sai các nhóm có so sánh phải đồng nhất
Tóm tắt chương 3
Trong chương này tác giả đã trình bày quy trình nghiên cứu, phương pháp nghiên cứu định tính và định lượng Trước tiên tác giả xây dựng thang đo nháp sau đó tác giả tiến hành khảo sát và thảo luận nhóm với 2 nhóm chuyên gia để hiệu chỉnh thang đo và xây dựng thang đo chính thức căn cứ vào những nhận xét của các chuyên gia Trong nghiên chính thức tác giả đã thực hiện đánh giá độ tin cậy thang đo
Cronbach’s Alpha và phân tích yếu tố khám phá EFA, hệ số tương quan, kiểm định sự khác biệt về các đặc điểm và phân tích hồi quy cho các thang đo được sử dụng trong nghiên cứu Trong chương tiếp theo sẽ trình bày kết quả nghiên cứu và thảo luận
CHƯƠNG 4
KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
4 1 Giới thiệu sơ lược về BIDV
4 1 1 Ngân hàng TMCP Đầu tư và Phát triển Việt Nam