1. 5.1 Ý nghĩa về học thuật
2.5 Mơ hình nghiên cứu lí thuyết
Trên cơ sở lý thuyết phân tích 6 nhân tố ảnh hưởng đến thanh toán bằng
mã QR và 1 biến điều tiết có tác động đến các nhân tố bao gồm: Cảm nhận sự dễ
sử dụng, cảm nhận sự hữu ích, cảm nhận sự thích thú, ảnh hưởng xã hội, cảm nhận sự bảo mật, ý định sử dụng.
H1 H2 H6e H3 H4 H6d H5 H6c H6b H6a
Hình 2.1 Mơ hình nghiên cứu đề xuất.
Nguồn: Nhóm tác giảđề xuất
CHƯƠNG 3
PHƯƠNG PHÁP NGHIÊN CỨU
Nội dung trong chương này, nghiên cứu sẽ trình bày khái quát về phương pháp nghiên cứu và quy trình nghiên cứu; Xây dựng thang đo nghiên cứu; Trình
bày phương pháp lấy mẫu nghiên cứu và các phương pháp phân tích dữ liệu.
3.1 Khái quát vềphương pháp và quy trình nghiên cứu
3.1.1 Phương pháp nghiên cứu
Để thu thập và xử lý các dữ liệu thứ cấp và sơ cấp, nghiên cứu đã sử dụng
các phương pháp chủ yếu sau đây:
- Phương pháp nghiên cứu định lượng (điều tra, phỏng vấn): với mục tiêu
thu thập những tư liệu sơ cấp bổ sung cho các tư liệu thứ cấp giúp cho việc các
phỏng vấn người tiêu dùng tại thành phố Hồ Chí Minh từ đó kiểm định các nhân tố ảnh hưởng đến ý định thanh toán bằng mã QR trong lĩnh vực kinh doanh bán lẻ.
Phương pháp này đòi hỏi phải xây dựng bảng hỏi để thực hiện điều tra và
sử dụng các kỹ thuật của phần mềm SPSS 20.0 để phân tích Cronbach’s Alpha nhằm loại biến có hệ sốtương quan biến tổng nhỏ. Hệ số Cronbach’s Alpha tối thiểu lớn hơn 0.6 đối với các nhân tố (Hair và đồng tác giả, 1998) thì được chấp nhận. Sử dụng phần mềm SPSS 20.0 tác giả cũng sẽ phân tích nhân tố khám phá (EFA) nhằm loại bỏ các biến có trọng số nhân tố nhỏ hơn 0.5 (Factor loading –
FL) và thang đo đạt khi tổng phương sai trích lớn hơn 50%. Các biến cịn lại (thang đo hồn chỉnh) sẽ được đưa vào phân tích CFA để kiểm tra vai trị các
biến trong nhân tố.
Bài nghiên cứu sử dụng phần mềm hỗ trợ SPSS 20.0 và AMOS 20.0 để thực hiện phân tích CFA, đánh giá lại độ tin cậy của các thang đo và sự phù hợp của các yếu tố trong mơ hình. Tiếp theo nghiên cứu sử dụng phần mềm AMOS 20.0 để phân tích cấu trúc tuyến tính (SEM) để kiểm định độ phù hợp của mơ hình lý thuyết và các giả thuyết nghiên cứu.
- Phương pháp thu thập số liệu:
Nguồn dữ liệu thứ cấp: các dữ liệu thứ cấp được thu thập chủ yếu tại Thư
viện tài liệu – Đại học Tôn Đức Thắng. Dữ liệu thứ cấp cũng được thu thập trực tiếp qua các Website của các trường đại học có hệ đào tạo kinh tế (mục 3 công
khai theo quy định của Bộ giáo dục và Đào tạo). Dữ liệu thứ cấp cồn được thu thập qua các cơ sở dữ liệu điện tử: ScienceDirect – Nhà xuất bản Elsevier,
ProQuest ABI Inform Complete – Nhà xuất bản ProQuest, ResearchGate – Nhà xuất bản World (Đức), AMA – Nhà xuất bản World (Hoa Kỳ),…
Nguồn dữ liệu sơ cấp: được thu thập thơng qua phỏng vấn trực tiếp cá nhân có sử dụng bảng câu hỏi và khảo sát online bằng google form.
Ngồi các phương pháp nêu trên nghiên cứu cịn sử dụng nhiều phương
- Phương pháp phân tích: được dùng trong xem xét, đánh giá nhân tố ảnh
hưởng đến ý định hành vi thanh toán bằng mã QR dựa trên số liệu sơ cấp điều tra các đối tượng trong nghiên cứu.
- Phương pháp tổng hợp và so sánh: Tổng hợp dữ liệu thứ cấp các
nghiên cứu về sự cảm nhận và ý định thanh toán bằng mã QR dựa trên số liệu
sơ cấp điều tra nêu trên.
3.1.2 Quy trình nghiên cứu
Xuất phát từ mục tiêu nghiên cứu là tìm hiểu các nhân tố ảnh hưởng đến
ý định thanh toán bằng mã QR trong lĩnh vực bán lẻ tại TP. Hồ Chí Minh. Đo lường các thang đo và các nhân tố ảnh hưởng đến mối quan hệ trên, quy trình
nghiên cứu cụ thể gồm các bước sau:
Bước 1: Lựa chọn đề tài nghiên cứu
Bước 2: Xây dựng mơ hình nghiên cứu, xác định các nhân tố, biến của
bài nghiên cứu (kế thừa từ nghiên cứu trước)
Bước 3: Xây dựng bảng câu hỏi Bước 4: Khảo sát
Bước 5: Dựa vào dữ liệu thu được, đánh giá thang đo bằng Cronbach
Alpha và EFA.
Bước 6: Kiểm định thang đo bằng phương pháp CFA
Bước 7: Kiểm định mơ hình nghiên cứu và các giả thuyết nghiên cứu bằng
mơ hình SEM.
Bước 8: Phân tích cấu trúc đa nhóm theo giới tính. Bước 9: Kết luận, đúc kết từ kết quả nghiên cứu.
Từ mô tả nói trên, quy trình nghiên cứu được trình bày theo sơ đồ sau: Tìm hiểu vấn đề
nghiên cứu
Nghiên cứu tài liệu
Xây dựng mơ hình
3.2 Thang đo nghiên cứu
3.2.1 Mô tả thang đo
Nghiên cứu sử dụng các thang đo, biến được chú thích dưới bảng như sau:
Bảng 3.1 Mô tả các biến quan sát
Nhân tố Mô tả biến Tác giả
Cảm nhận sự
bảo mật (PS)
- Tơi cho rằng hệ thống thanh tốn bằng mã
QR đáng tin cậy (PS1).
- Thanh toán bằng mã QR bảo vệ truy cập trái
phép đến tài khoản thanh tốn của tơi (PS2).
- Tơi tin tưởng vào sự bảo mật thơng tin cá
nhân và tài chính khi thanh tốn bằng mã QR (PS3).
Roca và đồng tác giả (2009), Habib Ullah Khan
và Khaled A. AlShare (2015)
Kết luận từ nghiên cứu
- Sau cùng, tơi nghĩ thanh tốn bằng mã QR
là an tồn (PS4).
Cảm nhận sự
hữu ích (PU)
- Sử dụng thanh toán bằng mã QR giúp xử lý thanh toán dễ dàng hơn (PU1).
- Tơi nghĩ rằng thanh tốn bằng mã QR sẽ tiết kiệm thời gian so với thanh tốn truyền thống (PU2). (Ví dụ: mua vé và sử dụng phiếu giảm
giá di động, v.v.)
- Tôi tin rằng hệ thống thanh toán bằng mã QR cải thiện quyết định tiêu dùng của tôi (PU3). (Cung cấp tính linh hoạt, tốc độ, v.v.) - Nhìn chung, tơi thấy việc thanh tốn bằng mã QR hữu ích trong việc thanh tốn của mình (PU4). Bhattacherjee (2001), Devaraj, Fan, và Kohli (2002), Van der Heijden (2003), Schierz, Schilke, và Wirtz (2010), Habib Ullah Khan
và Khaled A. AlShare (2015)
Cảm nhận sự dễ
sử dụng (PEU)
- Hệ thống thanh toán bằng mã QR dễ làm quen và dễ thành thành thạo khi sử dụng (PEU1).
- Tương tác với hệ thống thanh toán bằng mã QR rõ ràng và dễ hiểu (PEU2).
- Thật dễ dàng để làm theo tất cả các bước hướng dẫn sử dụng hệ thống thanh toán bằng
mã QR (PEU3).
- Dễ dàng tương tác với hệ thống thanh toán bằng mã QR (PEU4). Bhattacherjee (2001), Davis (1989), Taylor và Todd (1995), Venkatesh và Davis (2000), Schierz, Schilke, và Wirtz (2010),Liébana- Cabanillas, F., Ramos de Luna, I.,
và Montoro-Ríos, F. J. (2015)
Cảm nhận sự
thích thú (PE)
- Sử dụng thanh toán bằng mã QR mang lại cho tôi sự thoải mái (PE1).
- Sử dụng thanh tốn bằng mã QR mang lại cho tơi nhiều trải nghiệm thú vị (PE2).
- Quá trình trải nghiệm hệ thống thanh tốn bằng mã QR làm tơi thấy lơi cuốn (PE3). - Quá trình trải nghiệm hệ thống thanh tốn bằng mã QR làm tơi cảm thấy vui vẻ (PE4).
Oghuma và đồng tác giả (2016), Md. Shamim Hossain và Xiaoyan Zhou (2018) Sựảnh hưởng xã hội (SI)
- Những người quan trọng (gia đình/ người thân/ bạn bè) khuyến khích tơi thanh tốn bằng mã QR (SI1).
- Những người quan trọng (gia đình/ người thân/ bạn bè) muốn tôi sử dụng thanh toán bằng mã QR (SI2).
- Tơi được những người quan trọng (gia đình/
người thân/ bạn bè) giới thiệu sử dụng thanh toán bằng mã QR (SI3).
- Những người quan trọng (gia đình/ người thân/ bạn bè) nghĩ rằng tơi nên sử dụng thanh tốn bằng mã QR (SI4).
Junadi và Sfenrianto (2015)
Ý định hành vi (BI)
- Tôi dự định sẽ tăng cường sử dụng thanh tốn bằng mã QR trong tương lai (BI1). - Tơi dự định sử dụng thanh toán bằng mã QR
khi có cơ hội (BI2).
- Tơi muốn sử dụng thanh tốn bằng mã QR
để mua hàng thay vì các phương thức thanh
tốn truyền thống (BI3). (Ví dụ: Tiền mặt). - Tôi sẽ khuyên người khác sử dụng thanh
toán bằng mã QR (BI4).
Tan và đồng tác giả (2014)
Thang đo Likert năm điểm với tiêu chí đánh giá từ 1 (Hồn tồn khơng đồng ý) đến 5 (Hoàn toàn đồng ý) (Pulliam B và Landry C. 2010, Ali F., 2016). Để tìm hiểu thơng tin của người tham gia khảo sát, nhóm đã tổng hợp các
nhân tố, biến để hoàn thành bảng hỏi và khảo sát ở phụ lục 1.
3.3 Mẫu nghiên cứu
Để thực hiện nghiên cứu này, tác giả dựa trên các dữ liệu thu thập được từ 378 mẫu khảo sát. Và tác giả thu thập được dữ liệu bằng cách sử dụng bảng câu hỏi khảo sát thông qua google biểu mẫu và khảo sát trực tiếp theo phương pháp lấy mẫu thuận tiện. Đối với bảng câu hỏi khảo sát bằng google form, gửi
mail, đăng bài trên facebook để thu thập dữ liệu từ những mối quan hệ bạn bè, người thân, thầy cô và từ nhiều nguồn khác ở phạm vi khu vực TP. Hồ Chí Minh.
Sau khi lấy được thơng tin đủ 378 mẫu, tác giả sẽ tiến hành chọn lọc những thông tin phù hợp, cũng như loại bỏ những dữ liệu khơng đạt u cầu để tiếp tục trong q trình nghiên cứu. Trong đó loại bỏ 61 mẫu vì khơng đạt yêu cầu. Còn lại 317 mẫu tiến hành nhập dữ liệu vào phần mềm SPSS 20.0.
3.4 Phương pháp phân tích
Phương pháp phân tích dựa trên 3 bước: kiểm định độ tin cậy thang đo, phân tích độ phù hợp của thang đo và phân tích mơ hình cấu trúc tuyến tính SEM
(Dunn, Seaker và Waller, 1994; Hair, 2010).
3.4.1 Đánh giá độ tin cậy của thang đo bằng hệ sốCronbach’s Alpha
Trước hết, độ tin cậy của thang đo được đánh giá thông qua hệ số Cronbach’s Alpha. Sử dụng phương pháp hệ số tin cậy Cronbach’s Alpha trước khi phân tích nhân tố EFA để loại các biến khơng phù hợp vì các biến rác này có thể tạo ra các yếu tố giả (Nguyễn và Nguyễn, 2009). 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 tốn hệ số tương quan giữa biến tổng sẽ giúp loại ra những biến quan
sát nào khơng đóng góp nhiều cho sự mơ tả của khái niệm cần đo (Hoàng và Chu, 2005). Các tiêu chí được sử dụng khi thực hiện đánh giá độ tin cậy thang đo:
- Loại các biến quan sát có hệ số tương quan biến tổng nhỏ hơn (nhỏ hơn 0,3); tiêu chuẩn chọn thang đo khi có độ tin cậy Cronbach’s Alpha lớn hơn 0,6 (Alpha càng lớn thì độ tin cậy nhất quán nội tại càng cao) (Nunally và Burnstein, 1994; Nguyễn và Nguyễn, 2009).
- Các mức giá trị của Alpha: lớn hơn 0,8 là thang đo lường tốt; từ 0,7 đến 0,8 là sử dụng được; từ 0,6 trở lên là có thể sử dụng trong trường hợp khái niệm nghiên cứu là mới hoặc là mới trong bối cảnh nghiên cứu (Nunally, 1978; Peterson, 1994; Slater, 1995; Hoàng và Chu, 2005).
- Các biến quan sát có tương quan biến tổng nhỏ hơn (nhỏ hơn 0,4) được xem là rác thì sẽ được loại ra và thang đo được chấp nhận khi hệ số tin cậy Alpha
đạt yêu cầu (lớn hơn 0,7).
Dựa theo thông tin trên, nghiên cứu thực hiện đánh giá thang đo dựa theo tiêu chí:
- Loại các biến quan sát có hệ số tương quan biến tổng nhỏ hơn 0,4 (đây là những biến khơng đóng góp nhiều cho sự mơ tả của khái niệm cần đo và nhiều nghiên cứu trước đây đã sử dụng tiêu chí này).
- Chọn thang đo có độ tin cậy Alpha lớn hơn 0,6 (các khái niệm trong nghiên cứu này là tương đối mới đối với đối tượng nghiên cứu khi tham gia trả lời).
3.4.2 Đánh giá giá trị thang đo bằng phân tích nhân tớ khám phá (EFA)
Phương pháp phân tích nhân tố EFA thuộc nhóm phân tích đa biến phụ
thuộc lẫn nhau, nghĩa là khơng có biến phụ 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 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 thuỷ (biến quan sát). Theo Mayer và đồng tác giả (2000) đề cập rằng trong phân tích nhân tố, phương pháp trích Principal Components Analysis đi cùng với phép xoay Varimax là cách thức được sử dụng phổ biến nhất.
Tuy nhiên, theo Gerbing và Anderson (1988), phương pháp trích Principal
Axis Factoring với phép xoay Promax sẽ phản ánh cấu trúc dữ liệu chính xác
hơn phương pháp Principal Components Analysis với phép xoay Varimax.
Theo Hair và đồng tác giả (1998), Factor loading (hệ số tải nhân tố hay trọng số nhân tố) là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA:
- Factor loading > 0,3 được xem là đạt mức tối thiểu Factor loading > 0,3 - Factor loading > 0,4 được xem là quan trọng
- Factor loading > 0,5 được xem là có ý nghĩa thực tiễn
Trong nghiên cứu này, tác giả xác định điều kiện để phân tích nhân tố
khám phá là phải thoả mãn các yêu cầu: - Hệ số tải nhân tố (Factor loading) > 0,5
- 0,5 ≤ KMO ≤ 1: Hệ số KMO (Kaiser-Meyer-Olkin) là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO lớn có ý nghĩa phân tố nhân tố là thích hợp.
- Kiểm định Bartlett có ý nghĩa thống kê (Sig. < 0,05): Đây là một đại lượng thống kê dùng để xem xét giả thuyết các biến khơng có tương quan trong tổng thể. Nếu kiểm định này có ý nghĩa thống kế (Sig. < 0,05) thì các biến có mối
tương quan với nhau trong tổng thể.
- Phần trăm phương sai toàn bộ (Percentage of variance) > 50%: thể hiện phần trăm biến thiên của các biến quan sát. Nghĩa là xem biến thiên là 100% thì giá trị này cho biết phân tích nhân tố giải thích được bao nhiêu %.
3.4.3 Phân tích nhân tớ khẳng định CFA
Trong kiểm định thang đo, phương pháp CFA trong phân tích mơ hình
cấu trúc tuyến tính (SEM) có nhiều ưu điểm hơn so với các phương pháp truyền thống như phương pháp hệ số tương quan, phương pháp phân tích nhân tố khám
phá EFA, phương pháp truyền thống – đa khái niệm Multitrait – Multimethod…
(Bagozzi và Foxali, 1996). Lý do vì CFA cho phép chúng ta kiểm định cấu trúc lý thuyết của các thang đo cũng như mối quan hệ giữa một khái niêm nghiên cứu với các khái niệm khác mà không bị chệch do sai số đo lường (Steenkamp và
Để đo lường mức độ phù hợp của mơ hình với thơng tin thị trường, người ta thường sử dụng Chi-square (CMIN); Chi-square điều chỉnh theo bậc tự do
(CMIN/df); chỉ số thích hợp so sánh (CFI: Comparative Fit Index). Chỉ số Tucker & Lewis (TLI: Tucker & Lewis Index); chỉ số RMSEA (Root Mean Square Error Approximation). Mơ hình được xem là thích hợp với dữ liệu thị trường khi kiểm
định Chi-square có P_value < 0,05. Tuy nhiên, Chi-square có nhược điểm là phụ
thuộc vào kích thước mẫu. Khi kích thước mẫu càng lớn thì Chi-square càng lớn,
do đó làm giảm mức độ phù hợp của mơ hình. Bởi vậy, bên cạnh p_value, các
tiêu chuẩn được sử dụng là CMIN/df. Trong một số nghiên cứu thực tế, người ta
phân thành hai trường hợp: CMIN/df < 5 (với cỡ mẫu N > 200) và CMIN/df < 3
(với cỡ mẫu N < 200) thì mơ hình được xem là phù hợp (Kettingger và Lee, 1995). Trong nghiên cứu này, với cỡ mẫu nghiên cứu là N = 378 > 200, tác giả sẽ sử dụng tiêu chuẩn CMIN/df < 5. Ngồi ra, một mơ hình nhận được các giá trị GFI ≥ 0,9 là tốt, GFI ≥ 0,95 là rất tốt (Hair và đồng tác giả, 2010) và GFI ≥ 0,8 là chấp nhận được (Baumgartner và Homburg, 1995; Doll, Xia, và Torkzadeh, 1994); TLI ≥ 0,9 tốt nhất (Bentler và Bonett, 1980) và TLI ≥ 0,8 là chấp nhận được (Hair và đồng tác giả, 2010); CFI ≥ 0,9 là tốt, CFI ≥ 0,95 là rất tốt, CFI ≥ 0,8 là chấp nhận được (Hair và đồng tác giả, 2010); RMSEA ≤ 0,08 là