PU PEU IS CON TRU IMG SI RIS INT PU Pearson Correlation 1 .291** .247** .314** .313** .459** .367** - .436** .573** 70
Kết quả bảng 4.17 cho thấy sau khi thực hiện xoay nhân tố bằng phương pháp “varimax” thì 4 biến quan sát (4 thang đo) đã tạo thành 1 nhóm hội tụ duy nhất với giá trị đều lớn hơn tiêu chuẩn tối thiểu là 0.5. Do đó, 4 biến quan sát này sẽ được giữ lại trong mô hình và tiến hành các phân tích chuyên sâu ở phần tiếp theo.
4.4. Phân tích hồi quy tuyến tính
Sau khi kiểm định thang đo bằng Cronbach’s Alpha và EFA, nghiên cứu vẫn giữ lại tổng cộng 36 biến quan sát. Do đó, mô hình nghiên cứu và các giả thuyết ban đầu vẫn được giữ nguyên để thực hiện các bước phân tích tiếp theo.
Xây dựng mô hình hồi quy đa biến (mô hình hồi quy bội) để đo lường tác động của từng yếu tố đến ý định sử dụng Ngân hàng số của khách hàng. Trong mô hình hồi quy, biến phụ thuộc là “Ý định sử dụng” (INT) và các biến độc lập là Tính hữu ích (PU), Tính dễ sử dụng (PEU), Độ bảo mật (IS), Sự tiện lợi (CON), Sự tin tưởng (TRU), Hình ảnh doanh nghiệp (IMG), Ảnh hưởng từ xã hội (SI), Nhận thức rủi ro (RIS).
Ta có mô hình hồi quy:
INT = β0 + β1*PU + β2*PEU + β3*IS + β4*CON + β5*TRU + β6*IMG + β7*SI + β8*RIS + ei
Trong đó:
- INT: Giá trị của biến phụ thuộc
- PU, PEU, IS, CON, TRU, IMG, SI, RIS: Giá trị của biến độc lập - βi: Các hệ số hồi quy
- ei: Một biến độc lập ngẫu nhiên có phân phối chuẩn với trung bình 0 và phương sai
không đổi σ2
71
4.4.1. Phân tích tương quan Pearson
Để phân tích hồi quy tuyến tính hiệu quả đầu tiên cần xem xét đến mức độ tương quan giữa biến phụ thuộc với các biến độc lập và giữa các biến độc lập với nhau hay nói cách khác xét đến mối quan hệ tuyến tính giữa từng yếu tố tác động với ý định sử dụng Ngân hàng số của khách hàng và mối quan hệ giữa các yếu tố với nhau. Kết quả được thể hiện tại bảng 4.18.