Chương 4 PHƯƠNG PHÁP VÀ KẾT QUẢ NGHIÊN CỨU
4.5. Thực hiện đánh giá độ phù hợp của của các thang đo
4.5.1. Kiểm định Cronbach’s Alpha
Trước khi thực hiện phân tích EFA, ta thực hiện đánh giá kiểm định Cronbach Alpha cho từng thang đo trước. Cronbach’s Alpha phải được thực hiện trước để loại các biến rác trước khi thực hiện phân tích EFA. Theo Nguyễn Đình Thọ (2011) thì “Quá trình này giúp ta tránh được các biến rác vì các biến rác này có thể tạo nên nhân tố giả khi phân tích EFA”.
Các biến quan sát có hệ số tương quan biến-tổng (item-total correlation) nhỏ hơn 0.3 sẽ bị loại và tiêu chuẩn chọn thang đo khi Cronbach’s Alpha từ 0.6 trở lên (Nguyễn Đình Thọ, 2011)
Kết quả chạy Cronbach’s Alpha của các thang đo được trình bày trong phần 2 của phụ lục 1. Kết quả cho thấy:
- Thang đo Nhận thức hữu ích (PU) có hệ số Cronbach’s Alpha đạt 0.743 tuy nhiên hệ số tương quan biến tổng của biến quan sát PU4 đạt 0.171 (<0.3). Khi loại biến PU4 và thực hiện kiểm định lần nữa kết quả đạt được: hệ số Cronbach’s Alpha đạt 0.866, các hệ số tương quan biến-tổng đạt trên 0.3, thỏa yêu cầu.
- Các thang đo còn lại đều đạt yêu cầu, hệ số Cronbach’s Alpha đều từ 0.6 trở lên: thấp nhất là 0.794 của thang đo Hiểu biết về dịch vụ (AW), cao nhất là 0.877 của thang đo Nhận thức dễ sử dụng (PEOU); các hệ số tương quan biến-tổng đều lớn hơn 0.3
Sau khi phân tích Cronbanh’s Alpha, biến PU4 bị loại, cho thấy khách hàng không cảm nhận rõ hoặc không thật sự chắc chắn việc sử dụng dịch vụ NHĐT có giúp họ tăng hiệu suất sử dụng dịch vụ ngân hàng hay khơng. Mơ hình có 9 thang đo và 29 biến quan sát.
4.5.2. Phân tích nhân tố khám phá EFA (Exploring Factor Analysis)
Các thang đo sẽ được đánh giá bằng phương pháp phân tích nhân tố khám phá EFA như sau:
Sử dụng phương pháp trích Principal Axis Factoring và phép xoay Promax. “Phương pháp trích Principal Axis Factoring với phép xoay Promax sẽ phản ảnh cấu trúc dữ liệu chính xác hơn phương pháp trích Principal Components với phép xoay Varimax.”( Nguyễn Đình Thọ, 2011)
Quan tâm đến tiêu chuẩn: |Factor Loading| lớn nhất của mỗi Item ≥ 0.5. Factor Loading (FL) là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA, FL > 0.3 được xem là đạt mức tối thiểu, FL > 0.4 được xem là quan trọng, FL ≥ 0.5 được xem là có ý nghĩa thực tiễn. Theo Hair, nếu chọn tiêu chuẩn FL > 0.3 thì cỡ mẫu ít nhất phải là 350, nếu cỡ mẫu khoảng 100 thì nên chọn tiêu chuẩn FL > 0.55 (Nguyễn Khánh Duy, 2009).
Quan tâm đến tiêu chuẩn: Tại mỗi Item, chênh lệch giữa |Factor Loading| lớn nhất và |Factor Loading| bất kỳ phải ≥ 0.3 (Nguyễn Khánh Duy, 2009).
Tổng phương sai trích ≥ 50%. Tổng phương sai trích (TVE) thể hiện nhân tố trích được bao nhiêu phần trăm của các biến đo lường, tổng này đạt từ 50% tức là phần chung phải lớn hơn phần riêng và sai số, nếu thỏa điều kiện này thì có thể kết luận mơ hình EFA phù hợp (Nguyễn Đình Thọ, 2011).
KMO ≥ 0.5, kiểm định Barlett có ý nghĩa thống kê (sig < 0.05) (Nguyễn Khánh Duy, 2009).
Phân tích EFA cho các biến độc lập và biến trung gian
Bảng kết quả của phân tích EFA cho các biến trên được thể hiện ở phần 1 phụ lục 2. Kết quả cho thấy:
- Tổng phương sai trích đạt 64.899% (> 50%) cho thấy 8 nhân tố giải thích được gần 65% biến thiên của các biến đo lường.
- KMO = 0.845 (> 0.5) và kiểm định Barlett có ý nghĩa thống kê (sig = 0.000< 0.05)
Các điều kiện đều thỏa mãn nên phân tích nhân tố khám phá EFA là phù hợp với dữ liệu.
Có 8 nhân tố được rút ra sau khi phân tích EFA:
- Nhân tố 1: gồm PEOU1 – PEOU4: đặt tên là “ Nhận thức dễ sử dụng” - Nhân tố 2: gồm ATT1 – ATT4: đặt tên là “Thái độ hướng đến sử dụng” - Nhân tố 3: gồm AW1 – AW4: đặt tên là “Hiểu biết về dịch vụ”
- Nhân tố 4: gồm TR1 – TR3: đặt tên là “Niềm tin”
- Nhân tố 5: gồm PU1 – PU3: đặt tên là “Nhận thức hữu ích” - Nhân tố 6: gồm SI1 – SI3: đặt tên là “Ảnh hưởng xã hội” - Nhân tố 7: gồm SE1 – SE3: đặt tên là “Sự tự tin”
- Nhân tố 8: gồm BI1 – BI2: đặt tên là “Hình ảnh ngân hàng”
Phân tích EFA cho biến phụ thuộc Ý định chấp nhận sử dụng dịch vụ NHĐT
Khái niệm ý định chấp nhận sử dụng dịch vụ NHĐT là khái niệm đơn hướng, khi phân tích EFA các biến quan sát rút thành một nhân tố, xem kết quả ở phần 2 phụ lục 2. Kết quả đạt được:
- Hệ số tải đều lớn hơn 0.5
- Tổng phương sai trích đạt 67.545%
- KMO = 0.717 và kiểm định Barlett có ý nghĩa thống kê (sig = 0.000 < 0.05) Các điều kiện đều đạt được nên EFA cũng phủ hợp với dữ liệu.
Sau khi phân tích EFA có một nhân tố được rút ra, gồm AI1 – AI3 được đặt tên là “Ý định chấp nhận sử dụng”
4.5.3. Phân tích nhân tố khẳng định CFA (Comfirmatory Factor Analysis)
Phân tích nhân tố khẳng định (CFA) là bước phân tích tiếp theo của phân tích nhân tố khám phá (EFA), bao gồm thiết kế để xác định, kiểm nghiệm và điều chỉnh các mơ hình đo lường một cách độc lập. Mục đích của CFA là nhằm thiết lập các mơ hình đo lường phù hợp tốt được dùng để kiểm định mơ hình cấu trúc. Trong kiểm định thang đo, phương pháp phân tích nhân tố khẳng định CFA có nhiều ưu điểm hơn so với phương pháp truyền thống như phương pháp hệ số tương quan, phương pháp phân tích nhân tố khám phá (EFA). Lý do là phương pháp CFA cho phép kiểm định cấu trúc lý thuyết của các thang đo lường như mối quan hệ giữa một khái niệm nghiên cứu với các khái niệm khác mà không bị chệch do sai số đo lường. Bên cạnh đó, chúng ta có thể kiểm định giá trị hội tụ và giá trị phân biệt của thang đo một cách rất đơn giản, trực quan, nhanh chóng mà khơng cần nhiều thủ tục như các phương pháp truyền thống khác (Nguyễn Khánh Duy, 2009)
Để đo lường mức độ phù hợp của mơ hình với bộ dữ liệu khảo sát, các nhà nghiên cứu sử dụng một số chỉ số đánh giá như Chi-bình phương (Chi-square), chỉ số thích hợp so sánh CFI (Comparative Fit Index), chỉ số GFI (Goodness of Fit Innex) và chỉ số RMSEA (Root Mean Square Error Approximation). Nếu một mơ hình nhận được giá trị Chi-square/df < 3; GFI, TIL, CFI từ 0.9 đến 1; RMSEA < 0.08 được xem là mơ hình phù hợp tốt với bộ dữ liệu khảo sát.
Kiểm định sự phù hợp của mơ hình:
Mơ hình đo lường được trình bày chi tiết tại phần 1 phụ lục 3. Kết quả CFA đạt được như sau:
- Chi-square = 577.579; df = 341, P = 0.000 (P < 0.05): thỏa yêu cầu - Chi-square/df = 1.694 (< 3): thỏa yêu cầu
- GFI = 0.844 (< 0.9): chưa thỏa yêu cầu
- TIL = 0.914 (> 0.9) và CFI = 0.928 (> 0.9): thỏa yêu cầu - RMSEA = 0.057 (<0.08): thỏa yêu cầu
Vậy tất cả các yêu cầu đều thỏa mãn trừ chỉ số GFI nhỏ hơn 0.9, tuy nhiên rất khó có mơ hình nào có thể đạt được tất các các yêu cầu cùng một lúc (Nguyễn Khánh Duy, 2009) do đó ta có thể chấp nhận kết quả phân tích CFA trên và kết luận mơ hình đạt độ tương thích với dữ liệu thị trường.
Giá trị hội tụ
Trong bảng 1 phụ lục 3, ta thấy các trọng số chuẩn hóa của thang đo đều lớn hơn 0.5 và đều có ý nghĩa thống kê (p-value = 0.000) nên các khái niệm đạt được giá trị hội tụ (Nguyễn Khánh Duy, 2009)
Tính đơn ngun
Mơ hình này phù hợp với dữ liệu thị trường và khơng có trường hợp các sai số của các biến quan sát tương quan với nhau, do đó biến quan sát đạt được tính đơn nguyên (Nguyễn Khánh Duy, 2009)
Giá trị phân biệt
Để thang đo đạt được giá trị phân biệt thì hệ số tương quan giữa các khái niệm thành phần của một khái niệm lớn phải < 0.9 (Nguyễn Khánh Duy, 2009)
Bên cạnh đó, có thể kiểm định giá trị phân biệt của khái niệm trong mơ hình tới hạn Ta thực hiện kiểm định hệ số tương quan xét trên phạm vi tổng thể giữa các khái niệm có thực sự khác biệt với 1 hay khơng. Nếu thật sự có sự khác biệt thì thang đo đạt giá trị phân biệt. (Nguyễn Khánh Duy, 2009)
Vậy, ta kiểm định giả thiết H0: Hệ số tương quan giữa các khái niệm bằng 11Từ dữ liệu của bảng 2 phụ lục 3, ta có
Bảng 4.3: Hệ số tương quan giữa các biến 2
1 Quy tắc kiểm định:
H0: ρ = ρ0 H1: ρ ≠ ρ0
Tính T = (|r – ρ0|)/√((1-r2)/(n-2)
r SE = SQRT((1-r2)/(n-2)) CR = (1-r)/SE P-value Estimate SE CR P-value PEOU<-->ATT 0.488 0.060 8.54 0.000 PEOU<-->AW 0.594 0.055 7.35 0.000 PEOU<-->TR 0.334 0.065 10.29 0.000 PEOU<-->PU 0.536 0.058 8.00 0.000 PEOU<-->SI 0.4 0.063 9.53 0.000 PEOU<-->SE 0.28 0.066 10.92 0.000 PEOU<-->AI 0.574 0.056 7.57 0.000 PEOU<-->BI 0.125 0.068 12.84 0.000 ATT<-->AW 0.394 0.063 9.60 0.000 ATT<-->TR 0.333 0.065 10.30 0.000 ATT<-->PU 0.393 0.063 9.61 0.000 ATT<-->SI 0.553 0.057 7.81 0.000 ATT<-->SE 0.287 0.066 10.84 0.000 ATT<-->AI 0.463 0.061 8.82 0.000 ATT<-->BI 0.195 0.067 11.95 0.000 AW<-->TR 0.214 0.067 11.72 0.000 AW<-->PU 0.502 0.059 8.38 0.000 AW<-->SI 0.326 0.065 10.38 0.000 AW<-->SE 0.205 0.067 11.83 0.000 AW<-->AI 0.509 0.059 8.31 0.000 AW<-->BI -0.018 0.069 14.82 0.000 TR<-->PU 0.215 0.067 11.70 0.000 TR<-->SI 0.012 0.069 14.39 0.000 TR<-->SE 0.292 0.066 10.78 0.000
TR<-->AI 0.434 0.062 9.15 0.000 TR<-->BI 0.131 0.068 12.76 0.000 PU<-->SI 0.429 0.062 9.20 0.000 PU<-->SE 0.405 0.063 9.48 0.000 PU<-->AI 0.571 0.056 7.61 0.000 PU<-->BI 0.034 0.069 14.07 0.000 SI<-->SE 0.303 0.065 10.65 0.000 SI<-->AI 0.318 0.065 10.47 0.000 SI<-->BI 0.084 0.068 13.38 0.000 SE<-->AI 0.434 0.062 9.15 0.000 SE<-->BI 0.068 0.069 13.60 0.000 AI<-->BI 0.103 0.068 13.13 0.000
Ta thấy, P-value đều < 0.05 nên bác bỏ giả thiết H0 và kết luận hệ số tương quan của từng cặp khái niệm khác biệt so với 1 ở độ tin cậy 95%, do đó khái niệm này đạt được giá trị phân biệt.
Kiểm định độ tin cậy tổng hợp và phương sai trích
Độ tin cậy tổng hợp (ρc) và tổng phương sai trích (ρvc) được tính theo cơng thức:
Trong đó: λi là trọng số chuẩn hóa theo biến quan sát thứ i
1-λi2 là phương sai của sai số đo lường biến quan sát thứ i
p là số biến quan sát của thang đo
Chỉ tiêu ρc > 0.5 và ρvc > 0.5 thì mới đạt yên cầu (Nguyễn Khánh Duy, 2009) Cách tính độ tin cậy tổng hợp; phương sai trích được trình bày ở phần 2 phụ lục 3
Nhận thức dễ sử dụng Thái độ hướng đến sử dụng Hiểu biết dịch vụ Niềm tin Nhận thức hữu ích Ảnh hưởng xã hội Tự tin Ý định chấp nhận sử dụng Hình ảnh ngân hàng Độ tin cậy tổng hợp (ρc) 0.88 0.84 0.80 0.86 0.87 0.87 0.80 0.86 0.99 Phương sai trích (ρvc) 0.65 0.57 0.51 0.67 0.69 0.69 0.58 0.67 0.99
Ta thấy các thang đo đều đạt yêu cầu về chỉ tiêu ρc > 0.5 và ρvc >0.5
4.6. Kiểm định mơ hình lý thuyết và giả thiết bằng SEM
Mơ hình đo lường được trình bày chi tiết tại hình 1 phụ lục 4. Kết quả đạt được như sau
- Chi-square = 739.227; df = 375, P = 0.000 (P < 0.05): thỏa yêu cầu - Chi-square/df = 2.071 (< 3): thỏa yêu cầu
- GFI = 0.812 (< 0.9): chưa thỏa yêu cầu
- TIL = 0.912 (> 0.9) và CFI = 0.929 (> 0.9): thỏa yêu cầu - RMSEA = 0.071 (<0.08): thỏa yêu cầu
Vậy tất cả các yêu cầu đều thỏa mãn trừ chỉ số GFI nhỏ hơn 0.9, tuy nhiên rất khó có mơ hình nào có thể đạt được tất các các yêu cầu cùng một lúc (Nguyễn Khánh Duy, 2009) do đó ta có thể chấp nhận kết luận mơ hình đạt độ tương thích với dữ liệu thị trường.
Kiểm định các giả thiết:
giữa các biến độc lập và phụ thuộc có ý nghĩ thống kê hay khơng và bảng 2 trình bày hệ số hồi quy chuẩn hóa: cho biết mức độ tác động của biến độc lập đến biến phụ thuộc. Ta rút ra kết luận về các giả thiết đã đề ra như sau:
Sự tự tin của khách hàng có tác động tích cực đến nhận thức dễ sử dụng dịch vụ NHĐT, với b = 0.367 và p < 0.001. Vậy giả thiết H3 được chấp nhận
Nhận thức hữu ích chịu ảnh hưởng cùa các nhân tố: nhận thức dễ sử dụng (b = 0.341, p < 0.001); ảnh hưởng xã hội (b = 0.236, p < 0.001) và hiểu biết về dịch vụ (b = 0.302, p <0.001). Vậy giả thiết H1, H2 và H6 đều được chấp nhận.
Thái độ hướng đến sử dụng của khách hàng chịu tác động bởi các nhân tố: hình ảnh ngân hàng (b = 0.158, p < 0.05); niềm tin của khách hàng đối với hệ thống NHĐT (b = 0.188, p < 0.05), nhận thức dễ sử dụng (b = 0.316, p < 0.001) và nhận thức hữu ích (b = 0.19, p < 0.05). Vậy giả thiết H4, H5, H7 và H8 đều được chấp nhận.
Cuối cùng ý định chấp nhận sử dụng dịch vụ ngân hàng điện tử chịu ảnh hưởng bới nhân tố thái độ hướng đến sử dụng (b = 0.297, p < 0.001) và nhân tố nhận thức hữu ích (b = 0.458, p < 0.001). Giải thiết H9 và H10 đều được chập nhận.
Bảng 4.5: Kết quả kiểm định các giả thiết Giả
thiết Phát biểu Kết luận
H1 Ảnh hưởng xã hội (SI) có ảnh hưởng tích cực
đến nhận thức hữu ích của khách hàng (PU) Chấp nhận, p < 0.001
H2 Hiểu biết dịch vụ (AW) có ảnh hưởng tích cực
đến nhận thức hữu ích của khách hàng (PU) Chấp nhận, p < 0.001
H3
Tự tin vào khả năng sử dụng cơng nghệ (SE) có ảnh hưởng tích cực đến nhận thức dễ sử dụng của khách hàng (PEOU)
Chấp nhận, p < 0.001
kể đến thái độ hướng đến sử dụng của khách hàng (ATT)
H5 Niềm tin (TR) có ảnh hưởng tích cực đến thái
độ hướng đến sử dụng của khách hàng (ATT) Chấp nhận, p < 0.05
H6 Nhận thức dễ sử dụng (PEOU) có ảnh hưởng tích cực đến nhận thức hữu ích của khách hàng (PU) Chấp nhận, p < 0.001 H7
Nhận thức hữu ích (PU) có ảnh hưởng tích cực đến thái độ hướng đến sử dụng của khách hàng (ATT)
Chấp nhận, p < 0.05
H8
Nhận thức dễ sử dụng (PEOU) có ảnh hưởng tích cực đến thái độ hướng đến sử dụng của khách hàng (ATT) Chấp nhận, p < 0.001 H9 Nhận thức dễ sử dụng (PEOU) có ảnh hưởng tích cực đến ý định chấp nhận sử dụng dịch vụ của khách hàng (AI) Chấp nhận, p < 0.001 H10
Thái độ hướng đến sử dụng dịch vụ (ATT) có ảnh hưởng tích cực đến ý định chấp nhận sử dụng dịch vụ của khách hàng (AI)
Chấp nhận, p < 0.001
4.7. Ước lượng mơ hình bằng kiểm định Bootstrap
Để đánh giá độ tin cậy của các ước lượng, trong các nghiên cứu định lượng bằng phương pháp lấy mẫu, thông thường chúng ta phải chia mẫu ra làm hai mẫu con. Một nửa dùng để ước lượng cho tham số mơ hình, một nửa dùng để đánh giá lại. Cách khác là lặp lại nghiên cứu bằng một mẫu khác. Hai phương pháp trên đều khơng thực tế vì phương pháp cấu trúc đòi hỏi mẫu lớn nên việc làm này tốn kém thời gian và chi phí. Trong những trường hợp như vậy thì Bootstrap là phương pháp lấy mẫu lặp lại có thay thế, trong đó mẫu ban đầu đóng vai trị là đám đơng (Nguyễn Khánh Duy, 2009).
Trong Bootstrap, máy tính sẽ chọn ra những mẫu khác nhau (ví dụ 500 mẫu khác) theo phương pháp lặp lại và thay thế. Mỗi lần lặp lại có thể có cùng số quan sát với số quan sát ban đầu (trong trường hợp này là 214). Từ 500 mẫu này, có thể tính ra được trung bình của các ước lượng. Hiệu số giữa trung bình các ước lượng từ Boostrap và các ước lượng ban đầu gọi là độ chệch. Trị tuyệt đối của độ chệnh này