KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. ,704
Bartlett's Test of Sphericity Approx. Chi-Square 294,548
df 3
Sig. ,000
Total Variance Explained
Component
Initial Eigenvalues Extraction Sums of Squared Loadings
Total % of Variance Cumulative % Total % of Variance Cumulative %
1 2,232 74,392 74,392 2,232 74,392 74,392 2 ,463 15,446 89,838 3 ,305 10,162 100,000 Component Matrixa Component 1 YD1 ,894 YD3 ,862 YD2 ,830
Hệ số KMO là 0,704 lớn hơn 0,5 và nhỏ hơn 1 và thống kê Chi-Square của kiểm định Bartlett đạt giá trị với mức ý nghĩa thống kê là 0,000 cho thấy phân tích EFA phù hợp với dữ liệu và các biến quan sát có tương quan với nhau trên phạm vi tổng thể.
Hệ số tải nhân tố đều > 0,5 nên các biến quan sát đều quan trọng đối với nhân tố. Phương sai trích đạt 74,392% (>50%) thể hiện rằng nhân tố giải thích được 74,392% biến thiên của dữ liệu, do vậy thang đo được chấp nhận. Điểm dừng khi rút trích một nhân tố với eigenvalue = 2,232 > 1, đạt yêu cầu.
Qua phân tích cho thấy, các biến đo lường trong thang đo ý định hành vi sử dụng ban đầu đều được giữ nguyên.
Khi phân tích nhân tố EFA cho các biến độc lập và biến phụ thuộc, ta dùng hàm mean để tính trung bình cộng các biến quan sát thuộc nhân tố để làm nhân tố đại diện. Đây là các nhân số của nhân tố nhằm tăng tính chính xác của việc thực hiện các phương pháp phân tích tương quan, hồi quy và ANOVA.
4.4.4. Phân tích tương quan
Kiểm định hệ số tương quan nhằm để kiểm tra mối quan hệ tuyến tính giữa các biến độc lập và các biến phụ thuộc. Khi các thang đo được đánh giá đạt yêu cầu được vào phân tích tương quan Pearson. Phân tích tương quan được sử dụng để xem xét sự phù hợp khi đưa các thành phần vào mơ hình hồi quy.
Giá trị tuyệt đối của Pearson càng gần đến 1 thì hai biến này có mối tương quan tuyến tính càng chặt chẽ. Sự tương quan chặt có thể gây ra hiện tượng đa cộng tuyến, ảnh hưởng lớn đến kết quả của phân tích hồi quy.
Bảng kết quả phân tích tương quan được trình bày ở Phụ lục 14. Tóm tắt kết quả phân tích tương quan:
- Các biến độc lập có tương quan tuyến tính khá mạnh với biến phụ thuộc, các hệ số tương quan đều có ý nghĩa thống kê (p<0,01).
- Mối quan hệ tương quan giữa biến Ý định sử dụng (YD) và hiệu quả mong đợi (HQ) là 0,642; tương quan với nỗ lực mong đợi (NL) là 0,463; tương quan với ảnh hưởng của xã hội (0,301); tương quan với điều kiện thuận tiện (DK) là 0,568;
tương quan với sự tin cậy (TC) là 0,531 và tương quan với thiết kế của thẻ (TK) là 0,268.
- Từ kết quả phân tích cho thấy sử dụng hồi quy tuyến tính là phù hợp.
4.4.5. Phân tích hồi quy
Phân tích hồi quy có mục đích là tìm quan hệ giữa biến phụ thuộc và biến độc lập, từ đó tiến hành kiểm định các giả thuyết đã đặt ra và xác định cụ thể trọng số của từng nhân tố độc lập tác động đến nhân tố phụ thuộc. Dựa vào đó đưa ra được phương trình hồi quy, xác định mức độ ảnh hưởng của từng nhân tố độc lập lên nhân tố phụ thuộc.
Căn cứ vào các bước phân tích nhân tố khám phá, phân tích tương quan,…, tác giả xây dựng mơ hình hồi quy tuyến tính bội như sau:
YD = β0+ β1 * HQ + β2 * NL + β3 * AH + β4 * DK + β5 * TC + β6 * TK + ε
Trong đó:
- Biến phụ thuộc: Ý định hành vi sử dụng (YD)
- Biến độc lập: Hiệu quả mong đợi (HQ), Nỗ lực mong đợi (NL), Ảnh hưởng của xã hội (AH), Điều kiện thuận tiện (DK), Sự tin cậy (TC), Thiết kế của thẻ (TK).
- βi: Hệ số hồi quy.
- ε: sai số và những yếu tố khác chưa biết
Sử dụng phương pháp Enter để đưa tất cả các nhân tố vào chạy hồi quy cùng một lúc. Chi tiết kết quả phân tích hồi quy được trình bày như sau: