CHƯƠNG 3: THỰC TRẠNG HOẠT ĐỘNG SỬ DỤNG DỊCH VỤ TRỰC TUYẾN TẠI CÔNG TY CỔ PHẦN CHỨNG KHOÁN VNDIRECT
3.4. ĐÁNH GIÁ CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN Ý ĐỊNH SỬ DỤNG DỊCH VỤ GIAO DỊCH TRỰC TUYẾN CỦA KHÁCH HÀNG TẠI CÔNG TY CỔ PHẦN CHỨNG KHOÁN VNDIRECT
3.4.5. Phân tích hồi quy
Sau khi“đánh giá mối quan hệ giữa các biến,”tác giả tiến hành“phân tích hồi quy để kiểm định”tất cả các Giả thuyết được đề xuất trong bối cảnh. Kỹ thuật này sẽ xác định các biến phù hợp với một mô hình dự đoán về mặt lý thuyết có thể được áp dụng để dự đoán các giá trị của biến phụ thuộc. Cụ thể, trong bối cảnh này, tác giả sử dụng phân tích hồi quy để mô tả các mối quan hệ giữa Quy chuẩn chủ quan với chỉ tiêu mô tả và chỉ tiêu kết hợp; Giữa Thái độ với cảm nhận sự hữu ích và tính dễ sử dụng; Giữa Ý định hành vi và thái độ, quy chuẩn chủ quan. Kết quả từ thử nghiệm này“có thể xác định các yếu tố”độc lập và trung gian ảnh hưởng đến hành vi Ý định của khách hàng cũng như yếu tố dự đoán quan trọng nhất.
Để tiến hành phân tích hồi quy, tất cả các yếu tố cần được chuyển thành giá trị trung bình và áp dụng phương pháp tạo biến đại diện:
3.4.5.1. Phân tích hồi quy Nhân tố “Quy chuẩn Chủ quan” (SN)
Theo kết quả tương quan Pearson ở trên, Quy chuẩn Chủ quan có mối quan hệ thuận chiều về mặt thống kê với cả Chỉ tiêu mô tả và Chỉ tiêu kết hợp:
Bảng 3.15: Model Summaryb SN Model Summaryb
Model R R Square Adjusted R Square
Std. Error of
the Estimate Durbin-Watson
1 .729a .532 .523 .4610 1.853
a. Predictors: (Constant), IN, DN b. Dependent Variable: SN
Nguồn: Tác giả tự tổng hợp Như có thể thấy từ bảng trên, giá trị R bình phương điều chỉnh bằng 0,523.
Điều này có nghĩa là 2 yếu tố độc lập chỉ tiêu mô tả và chỉ tiêu kết hợp có thể giải thích được 52.3% phương sai của yếu tố quy chuẩn chuẩn chủ quan.
Giá trị Durbin-Watson (Durbin-Watson) nằm trong khoảng nhỏ hơn giá trị một và lớn hơn giá trị ba, khả năng cao sẽ xảy ra hiện tượng tự tương quan chuỗi bậc nhất theo gợi ý của (Field, 2009). Giá trị Durbin-Watson (Durbin-Watson) = 1.853 lớn hơn 1 khả năng sẽ không xảy ra hiện tượng tự tương quan chuỗi bậc nhất
Bảng 3.16: ANOVAa SN ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 22.388 2 11.194 59.67 .000b
Residual 74.719 326 .229
Total 97.107 328
a. Dependent Variable: SN
b. Predictors: (Constant), IN, DN
Nguồn: Tác giả tự tổng hợp Với giá trị F bằng 59.67% và giá trị Sig dưới 0,05, mô hình hồi quy này có thể được xác nhận là có ý nghĩa và hợp lý với mức độ tin cậy là 95%. Qua đó, các kết quả này cho rằng Quy chuẩn chủ quan có thể được dự đoán bằng chỉ tiêu mô tả và chỉ tiêu kết hợp.
Bảng 3.17: Coefficientsa SN Coefficientsa
Model
Unstandardized Coefficients
Standardized
Coefficients t Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) 1.892 .182 10.398 .000
DN .160 .039 .213 4.080 .000 .869 1.151
IN .331 .048 .360 6.914 .000 .869 1.151
a. Dependent Variable: SN
Nguồn: Tác giả tự tổng hợp Để đảm bảo rằng không tồn tại nhiều điểm cộng tuyến, cần kiểm tra hệ số phóng đại phương sai (VIF).
Nếu VIF > 10 thì có hiện tượng đa cộng tuyến theo ( Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005). Nếu VIF < 2 không có hiện tượng đa cộng tuyến giữa các biến độc lập (và ngược lại). Tuy nhiên, đối với cỡ mẫu như vậy trong nghiên cứu này, VIF được đề xuất là dưới 2. Rõ ràng là tất cả 2 yếu tố độc lập trong hồi quy này đều thỏa mãn yêu cầu với giá trị VIF <2. Theo đó, phương trình cho Quy chuẩn Chủ quan sẽ là:
SN = 1.892 + 0,160 DN +0,331 IN
Giá trị Beta không chuẩn hóa (B) thể hiện sự đóng góp của từng yếu tố độc lập vào quy chuẩn Chủ quan. Rõ ràng, với giá trị B lớn hơn 0, cả IN và DN đều có tác
động tích cực đến SN. Bên cạnh đó, giá trị Sig của cả hai yếu tố đều dưới 0,05, điều này khẳng định tính thực tiễn đáng kể của các yếu tố này đối với việc dự đoán quy chuẩn Chủ quan. Theo đó, hai giả thuyết H1a, H1b được khẳng định là có tác động tới quy chuẩn chủ quan.
3.4.5.2. Phân tích hồi quy yếu tố “Thái độ” (AT)
Theo kết quả tương quan Pearson, tính dễ sử dụng và sự hữu ích của nó có mối quan hệ đáng kể với Thái độ
Bảng 3.18: Model Summaryb AT Model Summaryb
Model R R Square
Adjusted R Square
Std. Error of the
Estimate Durbin-Watson
1 .710a .503 .532 .52642 1.901
a. Predictors: (Constant), PE, PU b. Dependent Variable: AT
Nguồn: Kết quả khảo sát của tác giả Nhìn chung, phương trình hồi quy tuyến tính với 2 yếu tố dự đoán PU và PE có thể giải thích cho 53,2% yếu tố Thái độ vì giá trị R bình phương điều chỉnh bằng 0,532.
Giá trị Durbin-Watson (Durbin-Watson) nằm trong khoảng nhỏ hơn giá trị một và lớn hơn giá trị ba, khả năng cao sẽ xảy ra hiện tượng tự tương quan chuỗi bậc nhất theo gợi ý của (Field, 2009). Giá trị Durbin-Watson (Durbin-Watson) = 1.901 lớn hơn 1 khả năng sẽ không xảy ra hiện tượng tự tương quan chuỗi bậc nhất
Bảng 3.19: ANOVAa ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 91.577 2 45.788 61,817 .000b
Residual 90.341 326 .277
Total 181.918 328
a. Dependent Variable: AT b. Predictors: (Constant), PU, PE
Nguồn: Kết quả khảo sát của tác giả Với giá trị F bằng 61,817 và giá trị Sig dưới 0,05, mô hình hồi quy này có thể được khẳng định là có ý nghĩa và hợp lý với mức độ tin cậy là 95%. Nhìn chung, kết quả này cho thấy rằng Thái độ có thể được dự đoán bằng tính dễ sử dụng và cảm
nhận sự hữu ích của nó.
Bảng 3.20: Coefficientsa AT Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics
B Std. Error Beta Toleranc
e VIF
1 (Constant) .843 .152 5.557 .000
PE .550 .049 .539 11.297 .000 .670 1.492
PU .239 .046 .247 5.174 .000 .670 1.492
a. Dependent Variable: AT
Nguồn: Kết quả khảo sát của tác giả Kết quả trong bảng trên, giá trị VIF (1,492) của cả hai yếu tố đều đáp ứng yêu cầu đảm bảo không tồn tại hiện tượng đa cộng tuyến. Với Hệ số không chuẩn hóa Beta (B) trong bảng, phương trình cho hệ số thái độ được dự đoán bởi PU và PE sẽ là:
AT = 0,843 + 0,550 PE + 0,239 PU
Như được đề xuất trong phương trình, tính dễ sử dụng và cảm nhận sự hữu ích của nó có tác động tích cực đến Thái độ. Đặc biệt, giá trị Sig của hai yếu tố này đều nhỏ hơn 0,05, chứng tỏ mô hình hồi quy tuyến tính bội là phù hợp với tập dữ liệu điều tra. Theo đó, giả thuyết H2a, H2b được khẳng định là đúng.
3.4.5.3. Phân tích hồi quy về “Ý định hành vi” (BI)
Vì mục đích cuối cùng của nghiên cứu này là xem xét Ý định hành vi khi sử dụng của khách hàng, nên phần này sẽ cung cấp một phương trình giải thích một cách thống kê về những gì và như thế nào các yếu tố ảnh hưởng đến Ý định hành vi.
Yếu tố phụ thuộc cuối cùng “Ý định hành vi” được dự đoán về mặt lý thuyết bởi Quy chuẩn chủ quan và Thái độ .
Bảng 3.21: Model Summaryb BI Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the Estimate
Durbin- Watson
1 .739a .546 .534 .62907 1.84
a. Predictors: (Constant), SN, AT b. Dependent Variable: BI
Nguồn: Kết quả khảo sát của tác giả
R bình phương hiệu chỉnh 0,534 cho thấy biến hồi quy đã thiết lập ảnh hưởng đến 53.4% sự biến thiên của biến phụ thuộc, 46.6% còn lại là do các biến phi mô hình và sai số ngẫu nhiên. Hệ số Durbin Watson = 1.84, trong khoảng 1.5-2.5 nên không có hiện tượng tương quan chuỗi bậc nhất.
Bảng 3.22: ANOVAa BI ANOVAa
Model Sum of
Squares df Mean Square F Sig.
1 Regression 50.656 2 25.328 64.003 .000b
Residual 129.009 326 .396
Total 179.664 328
a. Dependent Variable: BI
b. Predictors: (Constant), SN, AT
Nguồn: Kết quả khảo sát của tác giả Sig kiểm định F = 0,000 <0,05, do đó, mô hình hồi quy tuyến tính bội số phù hợp với tập dữ liệu và có thể được sử dụng
Bảng 3.23: Coefficientsa BI Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t Sig.
Collinearity Statistics
B Std. Error Beta Toleranc
e VIF
1 (Constant )
.469 .260 1.806 .072
AT .409 .048 .365 7.501 .000 .929 1.076
SN .363 .066 .301 6.174 .000 .929 1.076
a. Dependent Variable: BI
Nguồn: Kết quả khảo sát của tác giả Kiểm định Sig của các biến độc lập trên < 0,05 nên các biến độc lập này có ý nghĩa đối với biến phụ thuộc, và không có biến nào bị loại khỏi mô hình.
Các hệ số VIF của các biến độc lập đều < 2, do đó không xảy ra đa cộng tuyến.
Dựa vào bảng, cho thấy các hệ số hồi quy đều lớn > 0. D đó, tất cả các biến
độc lập đưa vào phân tích hồi quy đều”có tác động cùng chiều đến biến phụ thuộc.
Dựa trên“độ lớn của hệ số hồi quy chuẩn hóa Beta, thứ tự mức độ tác động từ mạnh nhất”đến yếu nhất của các biến độc lập đến biến phụ thuộc BI là: AT (0,365)> SN (0,301), tương ứng với:
BI = 0.469 + 0.363 SN + 0.409 AT - Biến AT có tác động mạnh nhất đến BI - Biến SN ảnh hưởng ít đến BI