Sau khi mô tả dữ liệu các yếu tố của bộ thang đo tiếp tục được đưa vào phân tích nhân tố để kiểm định độ giá trị bằng hệ số tải (Factor loading). Qua đó kiểm nghiệm lại mơ hình lý thuyết trong Chương 2.
Phân tích nhân tố là phép rút gọn dữ liệu và biến bằng cách nhóm chúng lại với các nhân tố đại diện. Mục tiêu của luận văn khi sử dụng phân tích nhân tố là để nhận dạng số lượng các nhân tố (Factor) của mơ hình cũng như số lượng biến (items) của mỗi nhân tố.
Dữ liệu được tiến hành phân tích nhân tố bằng SPSS với phương pháp: Principal Component Analysis, với phép xoay Variamax cũng với phép thửKaiser-Meyer-Olkin (KMO) and Bartlett’s Test.
Phép thử Kaiser-Meyer-Olkin measure of sampling adequacy tests(Bảng 4.6) được sử dụng khi tương quan riêng phần của các biến là nhỏ. Bartlett's test of sphericity tests được sử dụng khi ma trận tương quan có tính đồng nhất. Phép thử này cho phép chúng ta kiểm định xem việc sử dụng Factor Analysis có phù hợp khơng? Kết quả phân tích KMO and Bartlett’s Test cho hệ số KMO của phân tích nhân tố là 0,89 >0,5 cũng như mức ý nghĩa Sig của Bartlett's Test of Sphericity bé hơn 0,05 (Bảng 4.19) cho thấy việc sử dụng Factor Analysis là phù hợp với bài toán nghiên cứu. Tóm lại, sau khi tiến hành kiểm định mơ hình bằng phép phân tích nhân tố, có thể kết luận rằng, bộ thang đo dùng trong nghiên cứu này là phù hợp.
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. 0.89
Bartlett's Test of Sphericity
Approx. Chi-Square 2591
Df 171
Sig. 0.00
Kết quả xử lý dữ liệu bằng SPSS cho thấy khi gom 19 yếu tố thành 4 nhân tố, hệ số Eigenvalue là tốt nhất (Là số nhỏ nhất mà vẫn lớn hơn 1; Eigen =1.1) với mức độ giải thích là 73,02%. (Xem Bảng 4.20).
Bảng 4.15: Mức độ giải thích khi phân nhóm theo hệ số Initial Eigenvalues. Total Variance Explained
Component Initial Eigenvalues Total % of Variance Cumulative % 1 7.30 38.42 38.42 2 2.65 13.96 52.38 3 2.10 11.03 63.41 4 1.83 9.61 73.02 5 0.83 4.39 77.41 6 0.50 2.62 80.03 7 0.48 2.55 82.58 8 0.43 2.29 84.87 9 0.40 2.13 87.00 10 0.38 2.01 89.01 11 0.33 1.72 90.73 12 0.30 1.59 92.32 13 0.27 1.44 93.76 14 0.26 1.38 95.14 15 0.24 1.28 96.42 16 0.22 1.14 97.57 17 0.17 0.90 98.46 18 0.15 0.80 99.26 19 0.14 0.74 100.00
50
Kết quả thu về cho thông tin về việc gom nhân tố như Bảng 4.21. Theo đó 19 yếu tố này có thể gom thành 4 nhân tố chính, trong đó.
Nhân tố số 1: đại diện chung cho các yếu tố nói về nhận thức tính tiện dụng
khi dùng thẻ. Trong đó các yếu tố có hệ số tải factor loading cao (trên 0.8) có
thể kể đến là:
o Thủ tục mở thẻ tín dụng là nhanh chóng và đơn giản
o Dễ dàng để tìm tìm ra được các điểm chấp nhận thanh toán thẻ khi đi du lịch, cơng tác ở nước ngồi
o Việc khai báo một số thông tin bảo mật khi mua sắp trực tuyến đơn giản, khơng khó khăn để mua sắp trực tuyến với thẻ tín dụng
o Có nhiều phương thức để thanh tốn thẻ tín dụng
So sánh với mơ hình lý thuyết trong Chương 2, có một điểm khác biệt nhỏ là người dùng thẻ ở HCM và Hà Nội xếp yếu tố: Cảm thấy phong cách và hiện đại khi dùng thẻ vào nhóm tiện dụng chứ khơng phải trong nhóm nhận thức tính hữu ích như mơ hình lý thuyết. Với hệ số Factor loading khá nhỏ 0.47 lên nhân tố tiện dụng, chưa thể khẳng định rằng yếu tố này thuộc về nhóm nhận thức tính tiện dụng, tuy nhiên có thể khẳng định rằng yếu tố này khơng thuộc về nhóm nhận thức tính hữu ích như mơ hình lý thuyết, điều này có vẻ hợ lý hơn vì yếu tố này thiên về phong cách, là những lợi ích cảm tính, lợi ích chìm (Emotional benefit) hơn là các yếu tố lợi ích về mặt chức năng (functional befenfit). Do đó mơ hình lý thuyết cần được hiệu chỉnh lại ở điểm này.
Nhân tố số 2: đại diện chung cho các yếu tố nói về nhận thức về tính Kinh Tế
khi dùng thẻ. Với 3 yếu tố rất tập trung về mặt hệ số tải (Factor Loading >0.9):
o Thẻ giúp kiểm soát tốt chi tiêu hàng tháng o Chi phí thường niên, lãi suất sử dụng thẻ hợp lý
dùng thẻ. Với 3 yếu tố cũng khá tập trung về mặt hệ số tải (Factor Loading
>0.8):
o Giúp việc thanh toán hóa đơn nhanh chóng và dễ dàng. o Có thể thanh tốn được nhiều nơi trên thế giới.
o Có thể thanh tốn được ở nhiều tỉnh thành ở Việt Nam.
Nhân tố số 4: đại diện chung cho các yếu tố nói về nhận thức về tính an tồn
và bảo mật khi sử dụng thẻ. Với 3 yếu tố cũng khá tập trung về mặt hệ số tải
(Factor Loading >0.8)
o Không cần mang theo tiền mặt, tranh rủi ro mất cắp. o Có tính bảo mật cao, khi mất thẻ cũng khơng mât tiền. o Bảo mật tốt khi thanh toán trực tuyến.
Như vậy, khi so sánh với mơ hình lý thuyết trong Chương 2, yếu tố nhận thức tính hữu ích trong mơ hình lý thuyết được NDT HCM và Hà Nội phân tách rõ ràng hơn thành 3 yếu tố độc lập với nhau:
- Nhận thức về tính kinh tế khi sử dụng thẻ. - Nhận thức về tính hữu ích khi sử dụng thẻ.
- Nhận thức về tính an tồn và bảo mật khi sử dụng thẻ.
Theo đó mơ hình lý thuyết Chương 2 sau khi kiểm định cần phải điều chỉnh lại để phù hợp hơn với nhận thức của NDT ở HCM và Hà Nội.
Bảng 4.16: Phân nhóm các nhân tố và đặt tên nhân tố
Rotated Component Matrix(a)
Nhân tố Thuộc tính Component
1 2 3 4
Tiện dụng
Thủ tục để làm thẻ tín dụng này rất nhanh
gọn và đơn giản 0.86
Khơng q khó khăn cho tơi để tìm ra được các điểm chấp nhận thanh toán thẻ này khi tơi đi du lịch/cơng tác nước ngồi.
0.85
Việc khai báo một số thông tin bảo mật khi mua sắm trực tuyến cũng hết sức đơn giản mà an tồn. Tơi khơng thấy khó khăn gì mua sắm trực tuyến với thẻ này.
0.84
Có nhiều phương thức để thanh tốn thẻ tín dụng:Có thể qua Internet Banking, qua các máy ATM thu tiền tự động, đóng tại quầy hoặc có nhân viên thu tại nhà.
0.82
Khơng q khó khăn cho tơi để tìm ra được các điểm chấp nhận thanh toán thẻ này khi tôi đi du lịch, công tác ở các tỉnh/thành phố khác ở Việt Nam.
0.79
Thủ tục thay đổi hạn mức, mở thẻ phụ,
hủy thẻ đơn giản, nhanh chóng 0.79 Phương thức thanh tốn thẻ tín dụng cũng
nhanh gọn và đơn giản. Chỉ mất vài phút là tơi có thể thực hiện xong việc thanh toán thẻ.
0.79
Khi cà thẻ tại các điểm thanh toán, phương thức cà thẻ cũng hết sức nhanh gọn và đơn giản, không hề gặp các trục trặc về nghẽn mạng, sai thông tin…
0.79
Rất thuận tiện cho tơi để kiểm sốt thơng tin mỗi lần giao dịch/thanh toán bằng thẻ này vì ngân hàng cấp thẻ có rất nhiều phương thức thơng báo. Ví dụ như qua email, sms và thậm chị cả gọi điện thoại mỗi khi có giao dịch số tiền lớn.
0.75
Khi sử dụng thẻ để tiến hành thanh tốn,
Nhân tố
Thuộc tính
1 2 3 4
Thẻ này giúp tơi kiểm sốt tốt các khoản chi tiêu hàng tháng. Giúp tôi biết được tiền của tôi đi đâu, về đâu.
0.95
Chi phí thường niên, lãi suất của thẻ này
vừa phải hợp lý 0.92
Thẻ này có nhiều chương trình liên kết giảm giá với nhiều điểm bán, giúp tôi tiết kiệm chi phí
0.92
Hữu ích
Thẻ này giúp việc thanh tốn các hóa đơn của tơi được tiến hành nhanh chóng và dễ dàng
0.88
Thẻ này được chấp nhận rộng rải, nên tơi có thanh tốnhóa đơn/rút tiền mặt ở nhiều nước trên thế giới.
0.87
Thẻ này được chấp nhận rộng rải, nên tơi có thanh tốnhóa đơn/rút tiền mặt ở nhiều tỉnh thành ở Việt Nam
0.85
An tồn và bảo mật
Thẻ này giúp cho tơi khơng cần phải mang theo nhiều tiền mặt trong người, tránh rủi ro mất cắp
0.87
Thẻ này có tín bảo mật cao, khi mất cắp người khác cũng không sử dụng tiền của tôi được
0.85
Khi thanh tốn trực tuyến, thẻ này có phương thức bảo mật rất tốt, tránh rị rỉ thơng tin cũng như nguy cơ bị đánh cắp thông tin của chủ thẻ.
0.84
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a Rotation converged in 5 iterations.
Như vậy, mơ hình nghiên cứu sau khi kiểm định bằng phép phân tích nhân tố sẽ được điều chỉnh lại. Các nhân tố trong Bảng 4.21, cùng với các yếu tố nhân khẩu học sẽ được đưa vào phép phân tích hồi quy với biến phụ thuộc là [Khối lượng sử dụng trung bình/tháng] (Đã xây dựng trong Mục 4.1.2- Thói quen và hành vi sử dụng thẻ) để xây dựng nên mơ hình nghiên cứu hiệu chỉnh như hình 4.1. Phép phân tích hồi quy tiếp theo sẽ cung cấp các hệ số của mơ hình để định lượng mức độ ảnh hưởng của các nhân tố này lên thói quen và hành vi sử dụng thẻ của người dùng ở HCM và Hà Nội..
Hình 4.1: Mơ hình nghiên cứu điều chỉnh.
Mơ hình nghiên cứu hiệu chỉnh này hơi khác với mơ hình tổng quát trong Chương 2, cụ thể là nhiều nhân tố hơn, điều này có thể dễ dàng hiểu được vì mơ hình đề xuất trong Chương 2 là mơ hình lý thuyết tổng qt, cịn các nhân tố được phát triển ra trong Bảng 4.21 là 4 yếu tố khác biệt của NDT HCM và HN, rút trích lại từ mơ hình tổng qt. Và mơ hình trong hình 4.1 là mơ hình phù hợp nhất áp dụng cho bài nghiên cứu này.
Phép phân tích hồi quy sẽ cung cấp các hệ số của mơ hình để định lượng mức độ ảnh hưởng của các nhân tố này lên sự khối lượng sử dụng trung bình của NDT ở HCM và Hà Nội.
Phép phân tích hồi quy đa biến đòi hỏi các biến nguyên nhân và hệ quả phải có hệ thang đo khoảng cách (Scale). Phép phân tích nhân tố trong Mục 4.2 đã nhóm 19 yếu tố thành 4 nhân tố nguyên nhân (Save variable as regression), và 4 biến nhân tố này đều đã ở định dạng thang đo khoảng cách
- Nhận thức về tính hữu ích - Nhận thức về tính tiện dụng - Nhận thức về tính kinh tế
- Nhận thức về tính an tồn, bảo bảo mật
Cịn các biến nguyên nhân về nhân khẩu học hiện tại hầu hết ở các dạng thang đo thứ tự (ordinal) và thang đo (định danh), các biến nhân khẩu học này sẽ được phân tích mối quan hệ với bến kết quả: Khối lượng sử dụng, sẽ được trình bài chi tiết trong mục 4.4 (Phân tích Anova) của đề tài.
Mơ hình phân tích hồi quy đa biên của bài viết này gồm các biến nguyên nhân (trích từ phép phân tích nhân tố) là (1) Nhận thức tính hữu ích; (2) Nhận thức tính tiện dụng, (3) Nhận thức tính kinh tế, (4) Nhận thức tính an tồn, bảo bảo mật và biến phụ thuộc là (5) khối lượng sử dụng trung bình/năm (câu 9b: “Vui lịng cho biết khối lượng sử dụng trung bình 1 năm vào khoảng nào sau đây?”)
Ít hơn 20 triệu Khoảng 21- 40 triệu Khoảng 41- 60 triệu Khoảng 61- 80 triệu Trên 80 triệu 1 2 3 4 5
Bảng 4.20: Tóm tắt mơ hình hồi quy và chỉ số giải thích của mơ hình Model Summary(b)
Mode
l R R Square Adjusted RSquare Std. Error ofthe Estimate Change Statistics
1 0.93 0.86 0.86 3.72 0.86
A Predictors: (Constant), EducationTrinh do theo scale, F3Huu ich, F4An Toan & Bao mat, F2Kinh Te, F1Tien Dung
B Dependent Variable: VolumeLuong dung
Bảng trên đưa ra mơ hình hồi quy đa biến giữa các biến nguyên nhân và phụ thuộc. Hệ số R thể hiện độ tương quan giữa kết hợp của 8 biến nguyên nhân với biến kết quả (khối lượng sử dụng trung bình). Ngồi ra, dựa vào hệ số quyết định (coefficient of determination) Adjusted R Square từ bảng trên cho thấy: kết hợp của các biến nguyên nhân đã giải thích được 86% sự biến thiên trong biến kết quả (khối lượng sử dụng trung bình). Kết quả thống kê này chứng tỏ mơ hình hồi quy này là có ý nghĩa về mặt thống kê. Hay nói cách khác là có mối quan hệ tuyến tính rất mạnh (86%) giữa kết hợp của các biến nguyên nhân với biến kết quả. Luận văn sẽ xem xét thêm các thơng số cho phương trình hồi quy từ bảng sau (Bảng 4.23):
Bảng 4.21: Các chỉ số mơ hình hồi quy Coefficients(a) Mode l Unstandardized Coefficients Std Coeff t Sig. B Std. Error Beta 1 (Constant) 11.73 0.26 44.55 0.00 F1 Tiện dụng 8.72 0.26 0.88 33.04 0.00 F2 Kinh tế 0.37 0.26 0.04 1.41 0.16 F3 Hữu ích 2.08 0.26 0.21 7.88 0.00 F4 An toàn & bảo mật 1.89 0.26 0.19 7.17 0.00
A Dependent Variable: Volume Luong dung
Đa cộng tuyến làm sai lệch giá trị Adjusted R Square và các hệ số hồi quy. Với SPSS, chúng ta cần kiểm tra hiện tượng đa cộng tuyến bằng việc xem xét hệ số Tolerance hoặc VIF. Nhận thấy, chỉ số VIF của cả 4 yếu tố đều xấp xỉ 1, điều đó cho thấy là khơng có hiện tượng đa cộng tuyến diễn trong mơ hình này, hay nói cách khác
độ giải thích Adjusted R Square là số chính xác, khơng bị ước tính dư.
Kết quả thống kê chỉ số Beta cho thấy, cả 8 yếu tố nguyên nhân đều có tác động dương đến biến kết quả, trong đó [Nhận thức tính Tiện dụng] là yếu tố có tác động tích cực nhất lên yếu tố khối lượng sử dụng thẻ tín dụng (B=0.88). Kế đến là yếu tố [Nhận thức tính hữu ích] và [Nhận thức tính an tồn và bảo mật] cũng có tác động tích cực lên khối lượng sử dụng thẻ tín dụng với B=0.21 và 0.19. Cuối cùng là [Nhận thức tính kinh tế] cũng có đóng góp vào sự ảnh hưởng nhưng cường độ yếu nhất.
Kết hợp với phần phân tích mơ tả trong Mục 4.1.3 cho thấy yếu tố quan trọng nhất là [Nhận thức tính tiện dụng] nhưng đang được đánh giá thấp nhất. Hay nói một cách đơn giản đây chính là ẩn số của thị trường thẻ tín dụng tại HCM và Hà Nội, các ngân hàng cung cấp dịch vụ thẻ đang đầu tư nguồn lực chưa đúng chỗ, điều quan trọng hơn thì lại thiếu. Điều này sẽ dẫn tiềm năng của thị trường thẻ tín dụng ở HCM và Hà Nội chưa được khai thác một cách tối ưu nhất.
4.4PHÂN TÍCH ANOVA – ẢNH HƯỞNG CỦA NHÂN KHẨU HỌC
Để xem xét tính ảnh hưởng của các yếu tố nhân khẩu học, tác giả dùng phương pháp phân tích One way Anova giữa các biến nhân khẩu học và biến khối lượng sử dụng. Phần trình bày tiếp theo sẽ thống kê chỉ số khối lượng sử dụng trung bình của từng nhóm người dùng trong từng yếu tố nhân khẩu học.
Bảng 4.25: Lượng dùng trung bình theo từng nhóm tuổi.
Descriptives VolumeLuong dung N Mean Std. Deviation Std. Error Từ 18 đến 29 34 3.1 1.0 0.2 Từ 30 đến 45 98 10.8 9.4 1.0 Từ 46 đến 55 54 13.8 6.9 0.9 Trên 55 14 31.1 4.0 1.1 Tổng cộng 200 11.7 9.9 0.7
Bảng 4.26: Kết quả ANOVA cho lượng dùng trung bình x nhóm tuổi. ANOVA VolumeLuong dung Sum of Squares df Mean Square F Sig. Between Groups 8076.941 3 2692.314 46.401 .000 Within Groups 11372.557 196 58.023 Total 19449.497 199
Xem xét mối quan hệ giữa lượng dùng trung bình và nhóm tuổi, với chỉ số Sig <0.01, cho thấy rằng nhóm tuổi có ảnh hưởng lớn đến lượng dùng trung bình. Cụ thể, nhóm tuổi càng cao, sử dụng càng nhiều. Nhóm sử dụng nhiều nhất là nhóm trên 55 tuổi với khối lượng sử dụng trung bình là 31 triệu/tháng. Kế đến là nhóm 46-55 với khối lượng sử dụng trung bình 13.8 triệu/tháng.
Descriptives VolumeLuong dung N Mean Std. Deviation Std. Error Nam 94 12.9 11.0 1.1 Nữ 106 10.7 8.7 0.8 Tổng cộng 200 11.7 9.9 0.7
Bảng 4.28: Kết quả ANOVA cho lượng dùng trung bình x nhóm giới tính. ANOVA VolumeLuong dung Sum of Squares Df Mean Square F Sig. Between Groups 246.701 1 246.701 2.544 .112 Within Groups 19202.797 198 96.984 Total 19449.497 199
Xem xét mối quan hệ giữa lượng dùng trung bình và nhóm giới tính, với chỉ số Sig > 0.05, cho thấy rằng nhóm giới tính khơng có ảnh hưởng một cách có ý nghĩa thống kê đến lượng dùng trung bình.