1.3 Mô hình và phương pháp nghiên cứu
1.3.3 Phương pháp nghiên cứu
1.3.3.1 Quy trình nghiên cứu
Hình 1.4 Quy trình nghiên cứu
24 1.3.3.2 Thiết kế phiếu điều tra
• Thiết kế bảng hỏi
Sau khi đưa ra mô hình phù hợp và các giả thuyết nghiên cứu, em tiến hành xây dựng bảng hỏi để thu thập dữ liệu.
Để đảm bảo tính chính xác, bảng hỏi được lấy ý kiến thông qua hai kênh: (1) kết quả tổng quan và (2) trao đổi. Quá trình (1) và (2) tiến hành song song và lặp lại cho tới khi bảng hỏi được hoàn chỉnh về cả nội dung và hình thức.
Hình 1.5: Quy trình thiết kế bảng hỏi
Nguồn: Sinh viên thiết kế
Bảng quy trình thiết kế bảng hỏi gồm 2 trang A4, được chia thành 3 phần Phần 1: Giới thiệu và cam kết bảo mật thông tin. Trong phần này, bảng hỏi sẽ cung cấp thông tin cơ bản về đề tài nghiên cứu, sự quan trọng trong việc thu nhập ý kiến của người trả lời và cam kết kết quả sẽ chỉ dành cho nghiên cứu.
25 Phần 2: Thông tin chung bao gồm:
Giới tính, thu nhập hàng tháng, công việc hiện tại, tần suất sử dụng dịch vụ tài chính số tại ngân hàng. Tại phần này người trả lời sẽ trả lời các thông tin cơ bản của bản thân. Các thông tin trả lời trong phần 2 sẽ phục vụ cho phần thống kê mô tả.
Phần 3: Nội dung khảo sát: 5 nhóm nhân tố đại diện cho 5 nhân tố trong mô hình.
Trong 5 nhóm câu hỏi này, thứ tự mỗi câu hỏi trong nhóm được sắp xếp hoàn toàn ngẫu nhiên. Đây là phần quan trọng nhất để tiến hành phân tích mối quan hệ của các nhân tố đối với kết quả của bài nghiên cứu. Thang đo sử dụng trong bài nghiên cứu là thang Likert 5 điểm. Ý nghĩa từng thang đo là: 1- Rất không đồng ý, 2- Không đồng ý, 3- Bình thường, 4- Đồng ý, 5- Hoàn toàn đồng ý
(1) Nhóm câu hỏi 1: Sự hữu ích
Nhóm câu hỏi 1 đặt ta nhằm kiểm định giả thuyết 1: “Sự hữu ích tác động cùng chiều tới sử dụng dịch vụ tài chính số tại ngân hàng”
(2) Nhóm câu hỏi 2: Tính dễ sử dụng
Nhóm câu hỏi 2 đặt ra nhằm kiểm định giả thuyết 2: “Tính dễ sử dụng tác động cùng chiều tới sử dụng dịch vụ tài chính số tại ngân hàng”.
(3) Nhóm câu hỏi 3: Sự tin tưởng
Nhóm câu hỏi 3 đặt ra nhằm kiểm định giả thuyết 3: “Sự tin tưởng tác động cùng chiều tới sử dụng dịch vụ tài chính số tại ngân hàng”.
(4) Nhóm câu hỏi 4: Cảm nhận rủi ro
Nhóm câu hỏi 4 đặt ra nhằm kiểm định giả thuyết 4: “Cảm nhận rủi ro tác động ngược chiều tới sử dụng dịch vụ tài chính số tại ngân hàng”
(5) Nhóm câu hỏi 5: Ảnh hưởng xã hội
Nhóm câu hỏi 5 đặt ra nhằm kiểm định giả thuyết 5: “Ảnh hưởng xã hội có tác động cùng chiều tới tới sử dụng dịch vụ tài chính số tại ngân hàng”.
26
• Thang đo đa biến các nhân tố
Trong bài nghiên cứu, bên cạnh những thang đo được đã được nghiên cứu ở các nghiên cứu trước đây em cũng tự phát triển thêm một số thang đo thích hợp để phù hợp với đối tượng và hoàn cảnh của nghiên cứu.
Với mục tiêu nghiên cứu phân tích các nhân tố ảnh hưởng tới sử dụng dịch vụ tài chính số tại ngân hàng, đối tượng khảo sát là người dân trên địa bàn thành phố Hà Nội, quy mô là thành phố Hà Nội. Em đưa ra chi tiết các thang đo và nguồn sử dụng được trình bày trong bảng sau:
Bảng 2.1: Thang đo các nhân tố
STT Nhân tố Mã hoá Thang đo Nguồn
1 Sự hữu
ích của dịch vụ tài chính số ngân hàng cung cấp
SHI1 Cho phép giao dịch mọi lúc, mọi nơi
Luarn và Lin, 2005;
Nguyễn Thế Phương, 2014;
Lê Tô Minh Tân, 2013
Mallat & ctg (2009); Park
& Kim (2013);
Dai & Palvia (2009)
SHI2 Giúp tiết kiệm chi phí hơn SHI3 Tiết kiệm thời gian hơn so với
các hình thức giao dịch khác SHI4 Sử dụng dịch vụ tài chính số tại
ngân hàng giúp giảm thủ tục, hoá đơn.
SHI5 Nâng cao hiệu suất làm việc SHI6 Theo dõi quá trình thực hiện
giao dịch tài chính một cách nhanh chóng chính xác.
SHI7 Dễ dàng tiếp cận với các sản phẩm, dịch vụ tài chính mới tại ngân hàng
27 2 Tính dễ
sử dụng của dịch vụ tài chính số tại ngân hàng
DSD1 Hướng dẫn sử dụng chi tiết, rõ ràng
Wang & ctg (2006);
Zarmpou và ctg (2012);
Phạm Thị Minh Lý và Ngọc Tuấn Anh (2012) DSD2 Quy trình sử dụng rất rõ ràng, dễ
hiểu
DSD3 Các bước đăng nhập, đăng kí để đơn giản, ngắn gọn
DSD4 Học cách sử dụng dịch vụ tài chính số là dễ dàng
DSD5 Rất nhanh chóng để thành thạo cách sử dụng các dịch vụ tài chính số ngân hàng cung cấp DSD6 Anh chị cần tham khảo cách sử
dụng của bạn bè, người thân
3 Sự tin
tưởng
STT1 Các giao dịch tài chính luôn đảm bảo tính bảo mật đối với thông tin cá nhân
Davis
(1985), Davis
& ctg (1989);
Wang & ctg (2006); Phạm Thị Minh Lý và Ngọc Tuấn Anh (2012) STT2 Dịch vụ tài chính số luôn cung
cấp sản phẩm tài chính, dịch vụ tài chính chính xác
STT3 Dịch vụ tài chính số luôn cung cấp dịch vụ tài chính an toàn STT4 Nguy cơ rò rỉ thông tin giao dịch
là thấp
STT5 Ít xảy ra lỗi trục trặc khi thực hiện giao dịch
28
STT6 Liên kết tài khoản của tại ngân hàng với các ứng dụng giao dịch tài chính khác là an toàn
4 Cảm nhận rủi ro
RR1 Sử dụng dịch vụ tài chính số là hoạt động rất rủi ro
Luarn & Lin (2005); Wu và Wang (2005);
Nguyễn Thế Phương
(2014); Lê Tô Minh Tân (2013)
RR2 Cung cấp thông tin cá nhân cho ngân hàng khi sử dụng dịch vụ tài chính số là không an toàn RR3 Sử dụng tài chính số có thể bị kẻ
xấu đánh cắp, sử dụng tài khoản.
RR4 Sử dụng dịch vụ tài chính số tại ngân hàng rủi ro hơn sử dụng ngân hàng truyền thống
5 Ảnh
hưởng xã hội
AHXH1 Bạn bè, người thân khuyến khích anh chị sử dụng tài chính số tại ngân hàng
Luarn & Lin (2005); Wu và Wang (2005);
Nguyễn Thế Phương
(2014); Lê Tô Minh Tân (2013)
AHXH2 Mọi người xung quanh anh chị sử dụng tài chính số tại ngân hàng
AHXH3 Anh chị biết tài chính số qua các phương tiện truyền thông
6 Sử dụng dịch vụ tài chính số tại
SDDV1 Anh chị sẽ sử sụng dịch vụ tài chính số tại ngân hàng
Luarn & Lin (2005); Wu và Wang (2005);
Nguyễn Thế SDDV2 Anh chị sẽ sử dụng tài chính số
ngân hàng cung cấp khi cần thiết
29 ngân
hàng
SDDV3 Anh chị sẽ giới thiệu dịch vụ tài chính số cho bạn bè, người thân
Phương
(2014); Lê Tô Minh Tân (2013)
SDDV4 Anh chị có động lực mạnh mẽ với sử dụng dịch vụ tài chính số tại ngân hàng
Nguồn: Do sinh viên tự thiết kế
• Phương pháp chọn mẫu và xác định cỡ mẫu
Bảng hỏi sau khi hoàn thành được gửi tới 217 đối tượng được hỏi (người dân ngẫu nhiên thuộc các quận của thành phố Hà Nội), số phiếu nhận được và hợp lệ là 198 phiếu (chiếm 92.17%). Theo Hair và các cộng sự (1998), để thực hiện được phân tích nhân tố khám phá EFA thì kích thước của mẫu áp dụng trong nghiên cứu phải tối thiểu gấp 5 lần số biến quan sát. Tổng cộng trong bài nghiên cứu có 30 biến quan sát, như vậy số mẫu tối thiểu là 30*5=150; cỡ mẫu tối thiểu cần đạt khi phân tích hồi quy đa biến tính theo công thức 50+ 8*m (m: biến độc lập) (theo Tabachnick và Fidell, 1996). Nghiên cứu có 5 biến độc lập, do đó kích thước mẫu tối thiểu là: 50 + 8*5=
90 quan sát. Như vậy, tổng số mẫu trong nghiên cứu là 200 phiếu là đạt yêu cầu được đặt ra và đảm bảo được tính đại diện của tổng thể.
• Thực hiện khảo sát
Mẫu khảo sát được thu nhập online và trực tiếp từ ngày 1/4/2021 đến ngày 15/4/2021. Số phiếu online là 147 phiếu và số phiếu trực tiếp là 70 phiếu.
1.3.3.3 Phương pháp xử lý số liệu
Số liệu được thu thập từ cuộc khảo sát đã được xử lý trước khi đưa vào phân tích tại phần mềm phân tích thống kê SPSS:
Thứ nhất là làm sạch dữ liệu: Có 217 phiếu câu hỏi nhận được từ cuộc khảo sát online và trực tuyến, sau khi tổng hợp câu trả lời, tiến hành kiểm tra. Sau khi tiến hành làm sạch dữ liệu, thu được dữ liệu khảo sát hoàn chỉnh với 198 mẫu.
Thứ hai, mã hoá dữ liệu: dữ liệu sau khi làm sạch được tiến hành mã hoá trước khi nhập vào phần mềm SPSS.
30 1.3.3.4 Phương pháp phân tích dữ liệu
Bài nghiên cứu sử dụng phần mềm phân tích thống kê SPSS 25.0. Em tiến hành kiểm tra độ tin cậy của các nhóm biến. Sau đó, phân tích nhân tố khám phá EFA được áp dụng nhằm xác định các nhân tố chủ yếu ảnh hưởng đến sử dụng dịch vụ tài chính số tại ngân hàng, sau đó tiến hành lọc, sắp xếp các biến vào các nhóm nhân tố dựa trên kết quả của bảng ma trận nhân tố xoay. Từ đó, bài nghiên cứu đưa ra bảng hồi quy mức độ quan trọng của các nhóm biến đối với mô hình. Kết quả hồi quy làm cơ sở cho việc đề xuất một số khuyến nghị, định hướng dịch vụ tài chính tại ngân hàng.
(1) Phân tích độ tin cậy của dữ liệu:
Độ tin cậy của thang đo (Cronbach Alpha – tính nhất quán nội tại của thang đo): là hệ số phản ánh mức độ đồng nhất của các biến đo lường (biến quan sát) trong cùng một thang đo (Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2009). Bên cạnh đó, sự chặt chẽ và thống nhất trong câu hỏi giúp người tham gia khảo sát hiểu được cùng một ý nghĩa cũng được độ tin cậy của thang đó tiến hành phân tích và làm rõ.
Quy đinh của hệ số Cronbach’s Alpha (CA) như sau:
+ Trường hợp hệ số CA nhỏ hơn 0.6 thì hang đo nhân tố là không phù hợp.
Nguyên nhân đến từ nhiều phương diện ví dụ như việc bảng hỏi thiết kế không được chặt chẽ hay nhiều mẫu trùng hoặc xấu xuất hiện trong bảng hỏi
+ Nếu hệ số CA nằm trong khoảng từ 0.6 đến 0.7: Hệ số Cronbach’ Alpha phù hợp, và đủ điều kiện để tiến hành nghiên cứu.
+ Nếu hệ số CA nằm trong khoảng từ 0.7 đến 0.8: Hệ số Cronbach’s Alpha rất tốt, không có mẫu xấu bởi vì thiết kế bảng khảo sát tốt, rõ ràng, mẫu tốt.
+ Nếu hệ số CA lớn hơn 0.95: Xảy ra hiện tượng trùng biến nên hệ số CA ảo.
Bởi vì thiết kế bảng câu hỏi bị trùng lặp nội dung hay cách đặt câu hỏi trong bảng câu hỏi ở cùng một nhân tố phản ánh cùng một nội dung, ý nghĩ; bên cạnh đó mẫu giả cũng là một trong những nguyên nhân gây nên hệ số CA không phù hợp. (Nunally, 1978; Peterson, 1994; Slater, 1995; dẫn theo Hoàng Trọng và Chu Mông Nguyễn Ngọc, 2005).
31
Hệ số tương quan biến – tổng (Hệ số biến – tổng): phản ánh mức độ đóng góp nhiều hay ít của biến đối với thang đo chung và điều kiện phải lơn hơn 0.3 (có một số nghiên cứu đề xuất lớn hơn 0.4)
Hệ số Cronbch’s Alpha khi biến bị loại, phản ánh giá trị của Hệ số Cronbach’s Alpha tổng (chung) khi xảy ra trường hợp bị loại của biến tương ứng. Nếu biến nào có giá trị lớn hơn hệ số Hệ số Cronbach’s Alpha tổng thì sẽ bị loại. Tuy nhiên, nếu sự thay đổi không lớn mà biến bị loại được xem là quan trọng thì có thể tạm giữ lại cho phân tích tiếp.
(2) Phân tích nhân tố khám phá EFA
Phân tích EFA giúp đánh giá: giá trị hội tụ và giá trị phân biệt của các biến.
Các biến có liên quan được nhóm lại với nhau và tách ra khỏi các biến khác mà nó ít liên quan.
Phương pháp “Principle Axis Factoring” thường được sử dụng với phép quay
“Promax” vì sự chính xác của dữ liệu được phản ánh tốt hơn dùng “Principles Component” với phép quay “Varimax” (Mayers và các cộng sự, 2000).
Để tiến hành phân tích được nhân tố khám phá thì phải đủ và đáp ứng điều kiện: hệ số tải nhân tố - trọng số của nhân tố (Factor loading) >0.5 (Theo Hair & ctv (1998))
+ Đạt mức tối thiều nếu Factor loading lớn hơn 0.3 + Được coi là quan trọng nếu Factor loading lớn hơn 0.4 + Có ý nghĩa thực tiễn nếu Factor loading lớn hơn 0.5
Để xem xét sự thích hợp của nhân tố khám phá thì hệ số KMO (Kaiser – Meyer – Olkin) - chỉ số dược dùng để xem xét sự thích hợp của nhân tố khám phá.
Phân tích nhân tố đủ điều kiện thích hợp khi hệ số KMO lớn.
Điều kiện của hệ số KMO là nằm trong khoảng từ 0.5 đến 1
Để xem xét và đánh giá ý nghĩa thống kê ta dùng kiểm định Bartlett (Sig. nhỏ hơn 0.05): xem xét giả thuyết các biến không có tương quan trong tổng thể. Các biến
32
quan sát trong mô hình có mối quan hệ tương quan với nhau khi kiểm định có ý nghĩa thống kê Sig. nhỏ hơn 0.05
Phần trăm biến thiên của biến quan sát được thể hiện qua phương sai toàn bộ hay (Percentage of variance) lớn hơn 50 %.
(3) Phân tích tương quan
Để đánh giá mức độ tương quan giữa các biến độc lập và các biến phụ thuộc cũng như giữa các biến độc lập với nhau trong cùng một nhóm, ta tiến hành kiểm định Pearson, qua đó xem xét loại bỏ các biến không thích hợp để tiến hành phân tích hồi quy tiếp theo.