và cộng sự (2020) Việc sử dụng Ngân hàng số giúp
anh/chị tiết kiệm thời gian. PU2 Sử dụng Ngân hàng số cho phép
anh/chị tiếp cận với nhiều loại dịch
vụ. PU3
Anh/Chị thấy hữu ích khi sử dụng
Ngân hàng số PU4
Tính dễ sử dụng
Anh/Chị có thể dễ dàng tìm thấy tài
liệu về cách sử dụng Ngân hàng số. PEU1
Nguyễn Thị Oanh (2020) Quy trình sử dụng dịch vụ Ngân hàng số rất rõ ràng và dễ hiểu. PEU2 Anh/Chị có thể nhanh chóng sử dụng thành thạo các dịch vụ Ngân hàng số. PEU3
Anh/ Chị thấy dễ dàng trong việc sử
dụng Ngân hàng số PEU4
Độ bảo mật
Anh/Chị nghĩ rằng thông tin cá nhân của anh/chị sẽ không bị sử dụng sai
mục đích. IS1 Nguyễn
Đạt Ngọc và cộng sự
(2020) Anh/Chị không lo lắng rằng ai đó có
thể có thông tin cá nhân của anh/chị. IS2 Các giao dịch thực hiện trên hệ
Hệ thống bảo mật của Ngân hàng số rất đảm bảo
IS4
Sự tiện lợi
Anh/Chị thấy rằng hệ thống Ngân hàng số có thể được truy cập bất cứ lúc nào, bất cứ nơi nào miễn là có kết nối Internet.
CON1
Nguyễn Thị Oanh
(2020) Hệ thống Ngân hàng số giúp anh/chị
chủ động trong việc sắp xếp thời
gian. CON2
Anh/ Chị có thể dễ dàng tiếp cận hệ
thống Ngân hàng số. CON3
Hệ thống Ngân hàng số giúp anh/ chị dễ dàng so sánh giá dịch vụ giữa các
nhà cung cấp khác nhau. CON4
Sự tin tưởng
Trang web và ứng dụng của ngân
hàng đáng tin cậy. TRU1
Nguyễn Đạt Ngọc và cộng sự
(2020) Ngân hàng tuân thủ những gì đã
thông báo về Ngân hàng số. TRU2 Ngân hàng số thực hiện đúng những
gì họ đã cam kết TRU3
Ngân hàng số luôn cố gắng mang lại
lợi ích tốt nhất cho khách hàng. TRU4
Hình ảnh doanh nghiệp
TPBank là ngân hàng có uy tín trong
ngành. IMG1
Nguyễn Đạt Ngọc và cộng sự
(2020) TPBank luôn thể hiện sự chân thành
đối với khách hàng. IMG2
Hoạt động Ngân hàng số của TPBank được mọi người đánh giá
cao. IMG3
TPBank luôn thể hiện độ tin cậy IMG4
trong suốt quá trình sử dụng dịch vụ Ảnh hưởng từ xã hội Gia đình và bạn bè có thể ảnh hưởng đến ý định sử dụng Ngân hàng số của anh/chị SI1 Mufarih và cộng sự (2020) Anh/Chị sẽ sử dụng Ngân hàng số
nếu nhiều người xung quanh sử dụng
nó SI2
Anh/chị sẽ sử dụng Ngân hàng số nếu những bạn bè, đồng nghiệp, người thân nghĩ anh/chị nên sử dụng nó
SI3
Tổ chức nơi tôi làm việc/ học tập và sinh hoạt ủng hộ việc sử dụng Ngân
hàng số SI4
Nhận thức rủi ro
Anh/Chị cảm thấy không an toàn việc cung cấp thông tin tài khoản
ngân hàng trong thanh toán RIS1
Nguyễn Đạt Ngọc và cộng sự
(2020) Anh/Chị cảm thấy lo lắng bị người
khác lấy cắp thông tin cá nhân RIS2 Ngân hàng số không đáng tin cậy RIS3
Việc sử dụng Ngân hàng số có nhiều
rủi ro hơn ngân hàng truyền thống RIS4
Ý định sử dụng
Anh/Chị cảm thấy thích thú với hệ
thống Ngân hàng số INT1
Nguyễn Đạt Ngọc và cộng sự
(2020) Anh/Chị nghĩ việc sử dụng Ngân
hàng số là một lực chọn thông minh INT2 Anh/Chị sẽ tiếp tục sử dụng Ngân
hàng số trong thời gian tới INT3 Anh/Chị sẽ giới thiệu cho bạn bè,
đồng nghiệp, người thân sử dụng INT4
Ngân hàng số
Nguồn: Tác giả tự tổng hợp
3.2.2. Bảng khảo sát
Bảng câu hỏi được thiết kế gồm ba phần: phần thứ nhất dùng để sàng lọc bao gồm các câu hỏi nhằm mục đích chọn đúng đối tượng cần nghiên cứu, đối với đề tài nghiên cứu phần này lọc xem người tham gia khảo sát có phải là khách hàng đang sử dụng dịch vụ Ngân hàng số của TP Bank hay không. Phần thứ hai các câu hỏi nhằm thu thập dữ liệu cần cho mục đích nghiên cứu: mức độ đồng ý của các khách hàng đối với các dịch vụ Ngân hàng số tại ngân hàng Tiên Phong. Ở phần hai đề tài sử dụng thang đo Likert 5 mức độ - loại thang đo trong đó một chuỗi các phát biểu liên quan đến thái độ trong câu hỏi được nêu ra và người trả lời sẽ chọn một trong các trả lời đó. Phần thứ ba là phần dữ liệu về cá nhân bao gồm đặc điểm cá nhân của từng đối tượng khảo sát (độ tuổi, giới tính, thu nhập). Phần một và ba sử dụng dạng câu hỏi một lựa chọn đây là dạng các câu hỏi trong đó người trả lời dùng chỉ được một trong các câu trả lời có sẵn. Bảng câu hỏi chính thức được đính kèm tại Phụ lục.
3.3. Nghiên cứu định lượng
3.3.1. Mau 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 (Hair và các cộng sự, 2006). Nghiên cứu trên bao gồm 36 biến quan sát chính vì thế kích thước mẫu tối thiểu là 36*5=180 (36*10=360 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
46
lập trong mô hình) (Nguyễn, 2011). Mô hình nghiên cứu trên gồm có 8 biến độc lập suy ra mẫu tối thiểu cần là 50+8*8=114. Từ hai điều kiện trên, quy mô mẫu cần cho nghiên cứu này tối thiểu là 180 quan sát (360 là tốt nhất).
3.3.2. Đối tượng khảo sát
Đề tài nghiên cứu các yếu tố tác động đến ý đêịnh sử dụng dịch vụ Ngân hàng số của TP Bank chính vì thế đối tượng khảo sát của nghiên cứu chính là các khách hàng hiện đang sử dụng dịch vụ Ngân hàng số của Ngân hàng TMCP Tiên Phong.
3.3.3. Phương pháp chọn mẫu
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 phi xác suất, nghĩa là tác giả sẽ chọn bất kì khách hàng nào có thể tiếp cận được không phân biệt giới tính, thu nhập, độ tuổi, ...
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 phát bảng câu hỏi khảo sát trực tiếp hoặc công cụ khảo sát trực tuyến đối với những khách hàng đang sử dụng dịch vụ Ngân hàng số của TP Bank. Giới hạn về thời gian, nhân lực và tài chính vì thế tác giả chia quá trình thu thập dữ liệu thành 2 giai đoạn: giai đoạn 1 tiến hành nghiên cứu 180 quan sát (mẫu tối thiểu) nhằm đánh giá tổng quan độ tin cậy của thang đó thông qua Cronbach’s Alpha (Kết quả đính kèm trong phụ lục). Sau khi vượt qua các kiểm định ban đầu, tiến hành mở rộng phạm vi khảo sát. Giai đoạn 2 sẽ được tiến hành trong vòng 5 ngày với hơn 400 bảng khảo sát được gửi đi, tác giả nhận về được 310 trả lời. Trong đó có 10 bảng khảo sát không hợp lệ
47
đã bị loại ra khỏi cơ sở dữ liệu. Kết quả là có tổng cộng 300 bảng khảo sát đạt yêu cầu để đưa vào phân tích các bước tiếp theo của nghiên cứu.
3.4. Phương pháp phân tích dữ liệu
Trong nghiên cứu này, tác giả sử dụng phần mềm SPSS 20 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, 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 thang đo— Cronbach ’s Alpha
Đây là kiểm định đánh giá độ tin cậy nội tại của thang đo. Mục đích của kiểm định này là tìm hiểu xem các biến quan sát có cùng đo lường một khái niệm cần đo hay không. Phép kiểm định này phản ánh mức độ tương quan chặt chẽ giữa các biến quan sát trong cùng một nhân tố. Qua đó, cho phép loại bỏ những biến không phù hợp trong mô hình nghiên cứu. Các tiêu chí được sử dụng khi thực hiện đánh giá độ tin cậy thang đo Cronbach’s Alpha:
Hệ số Cronbach’s Alpha có giá trị biến thiên trong đoạn [0,1]. Mức giá trị hệ số Cronbach’s Alpha từ 0.6 trở lên được coi là thang đo đủ điều kiện, từ 0.7 đến 0.8 thang đo sử dụng tốt và từ 0.8 đến gần bằng 1 thang đo lường sử dụng rất tốt (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2007).
48
Hệ số tương quan biến tổng (Corrected - Total correlation): Hệ số tương quan biến tổng là hệ số cho biết mức độ “liên kết” giữa một biến quan sát trong nhân tố với các biến còn lại. Nó còn phản ánh mức độ đóng góp vào giá trị khái niệm của nhân tố của một biến quan sát cụ thể. Các biến quan sát có hệ số tương quan biến tổng ≥ 0.3 thì biến đó đạt yêu cầu (Nunnally, 1978).
3.4.3. Phân tích nhân tố khám phá (EFA)
Phương pháp phân tích nhân tố EFA thuộc nhóm phân tích 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 nhân tố có ý nghĩa hơn. Cơ sở của việc rút gọn này dựa vào mối quan hệ tuyến tính của các nhân tố với các biến nguyên thủy (biến quan sát). Tuy nhiên, trước khi thực hiện EFA, phân tích Cronbach’s Alpha phải được thực hiện trước để loại các biến rác. 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 nhân tố bởi vì các biến quan sát đo lường 7 khái niệm thành phần và khái niệm sự hài lòng đều là thang đo đơn hướng. 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. Nếu trị số này nhỏ hơn 0.5 thì phân tích nhân tố có khả năng không thích hợp với dữ liệu nghiên cứu.
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 có ý nghĩa thống kê (Sig. < 0.05) thì các biến quan sát có mối tương quan với nhau trong tổng thể.
49
Hệ số Eigenvalue là một tiêu chí sử dụng để xác định số lượng nhân tố trong phân tích EFA. Những nhân tố nào có Eigenvalue ≥ 1 mới được giữ lại trong mô hình phân tích (Giá trị này không xem xét với đề tài chạy CFA, SEM).
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 nhân tố được trích cô đọng được bao nhiêu % và bị thất thoát bao nhiêu % của các biến quan sát. Hệ số tải nhân tố (Factor loading): Theo (Hair và các cộng sự, 2006), hệ số tải nhân tố hay còn gọi là trọng số nhân 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. 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) 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 thấy không có sự tương quan.
• 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.
50
3.4.4.2. 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 Trọng và Chu Nguyễn Mộng Ngọc, 2007). Nghiên cứu thực hiện hồi quy đa biến theo phương pháp Enter: tất cả các biến được đưa vào một lần và xem xét các kết quả thống kê liên quan. 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 hơn mức ý nghĩa kiểm định (thường < 5%) sẽ giúp khẳng định sự phù hợp của mô hình hồi quy (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2007).
3.4.4.3. Kiểm tra sự vi pphạm các giả định của mô hình
Mô hình tuyến tính được thực hiện bằng phương pháp ước lượng tổng bình phương nhỏ nhất (OLS) với một số giả định và mô hình chỉ thực sự có ý nghĩa khi các giả định này được đảm bảo. Do vậy để đảm bảo độ tin cậy của mô hình, cần dò tìm sự vị phạm các giả định cần thiết.
51
Kiểm định hiện tượng liên hệ tuyến tính giữa các biến thông qua biểu đồ phân tán Scatterplot. Ta cần chú ý đến phần dư chuẩn hoá (Regression Standardized Residual) và giá trị dự đoán chuẩn hoá (Regression Standardized Predicted Value).
Kiểm định phân phối chuẩn phần dư thông qua đồ thị Histogram về mặt lí thuyết phân phối chuẩn là phân phối có trung bình bằng 0, phương sai bằng 1. Kiểm định phương sai sai số thay đổi: đây là hiện tượng phương sai của các số hạng không giống nhau kiểm định thông qua phương pháp Spearman
Kiểm định hiện tượng tự tương quan: đây là một dạng vi phạm các giả thuyết cơ bản số hạng nhiễu, thông qua Durbin - Watson để kiểm tra tương quan chuỗi bậc nhất.
Kiểm định hiện tượng đa cộng tuyến: Đa cộng tuyến là một hiện tượng trong có các biến độc lập có tương quan chặt chẽ với nhau. Vấn đề của hiện tượng đa cộng tuyến là chúng cung cấp cho mô hình những thông tin giống nhau và rất khó tách ảnh hưởng của từng biến một. Thông qua hệ số phóng đại phương sai VIF (Variance Inflation Factor) để kiểm tra vấn đề trên. Nếu VIF ≥ 10 thì có hiện tượng đa cộng tuyến (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2007).
3.4.4.4. Kiểm định các giả thuyết hồi quy
Tiêu chuẩn kiểm định sử dụng thống kê t và giá trị Sig. Giá trị Sig. được so sánh