PHẦN II : NỘI DUNG VÀ KẾT QUẢ NGHIÊN CỨU
CHƯƠNG 2: PHÂN TÍCH KHẢ NĂNG ỨNG DỤNG CÔNG NGHỆ
2.2 Phân tích khả năng ứng dụng công nghệ blockchain vào hệ thống tín dụng ngân
2.2.4 Phân tích mô hình cấu trúc tuyến tính
(Nguồn: Xử lý số liệu trên phần mềm AMOS 22)
Trong nghiên cứu này, mô hình cấu trúc tuyến tính được xây dựng nhằm kiểm định 8 giả thiết liên quan đến đề tài,gồm:
H1: Có mối quan hệ cùng chiều giữa nhóm nhân tố đặc điểm cá nhân (DDCN) và lợi ích cảm nhận (LICN).
H2: Có mối quan hệ cùng chiều giữa nhóm nhân tố rủi ro cá nhân (RRCN) và lợi ích cảm nhận (LICN).
H3: Có mối quan hệ cùng chiều giữa nhóm nhân tố sự tin tưởng (STT) và sự dễ sử dụng cảm nhận (SSD).
H4: Có mối quan hệ cùng chiều giữa nhóm nhân tố sự tự chủ (STC) và sự dễ sử dụng cảm nhận (SSD).
H5: Có mối quan hệ cùng chiều giữa nhóm nhân tố sự dễ sử dụng cảm nhận (SSD) và Thái độ (STD).
H6: Có mối quan hệ cùng chiều giữa nhóm nhân tố lợi ích cảm nhận (LICN) và Thái độ (STD).
H7: Có mối quan hệ cùng chiều giữa nhóm nhân tố Thái độ (STD) và Ý đinh (YD).
H8: Có mối quan hệ cùng chiều giữa nhóm tác động xã hội (TDXH) và Ý đinh (YD).
Tương tự như bước kiểm định các mô hình thang đo, phương pháp ước lượng ML được sử dụng để ước lượng các tham số của mô hình. Phương pháp bootstrap sẽ được sử dụng để ước lượng lại các tham số mô hình để kiểm tra độ tin cậy của các ước lượng.
Bảng 2.10:Kết quả phân tích mô hình cấu trúc tuyến tính Mối quan hệ tương quan
giữa các nhân tố Estimate S.E. C.R. P Hệ số
chuẩn hóa
LICN <--- DDCN 0.120 0.086 1.407 0.159 0.113
LICN <--- RRCN 0.215 0.094 2.288 0.022 0.189
SSD <--- STT -0.028 0.071 -0.389 0.697 -0.031
SSD <--- STC 0.157 0.076 2.081 0.037 0.167
STD <--- SSD 0.338 0.085 3.969 *** 0.311
STD <--- LICN 0.197 0.067 2.939 0.003 0.226
YD <--- STD 0.540 0.087 6.223 *** 0.465
YD <--- TDXH 0.107 0.070 1.529 0.126 0.105
Ghi chú:Estimate: giá trị ước lượng; S.E.: sai lệch chuẩn; C.R.: giá trị tới hạn
*** - tương đương với giá trị 0.000
Trường Đại học Kinh tế Huế
Trong các nhân tố đưa vào mô hình thì có hai nhân tố ảnh hưởng trực tiếp tới ý định sử dụng là thái độ và tác động xã hội.
Nhân tố đặc điểm cá nhân và rủi ro cảm nhận không ảnh hưởng trực tiếp tới ý định sử dụng mà ảnh hưởng gián tiếp thông qua lợi ích cảm nhận.
Nhân tố sự tự chủ và sự tin tưởng không ảnh hưởng trực tiếp đến ý định sử dụng mà ảnh hưởng gián tiếp thông qua nhân tố sự dễ dàng sử dụng cảm nhận.
Nhân tố lợi ích cảm nhận và sự dễ dàng sử dụng cảm nhận ảnh hưởng trực tiếp đến nhân tố “Ý định”.
Các hệ số chuẩn hóa tại các mối tương quan có ý nghĩa lớn hơn 0 thì mối tương quan giữa các nhân tố đã nêu là mối tương quan thuận chiều.
Hệ số chuẩn hóa tại các mối tương quan có ý nghĩa bé hơn 0 thì mối tương quan giữa các nhân tố đã nêu là mối tương quan ngược chiều.
Từ kết quả bảng trên cho thấy, đa phần các mối tương quan có P-value nhỏ hơn 0.05 nên có ý nghĩa thống kê ở độ tin cậy 95%.Tuy nhiên, các mối tương quan giữa
“Đặc điểm cá nhân” với “Lợi ích cảm nhận”, “Sự tin tưởng” với “Sự dễ sử dụng cảm nhận”,”Tác động xã hội” với “Ý định” không có ý nghĩa thống kê ở độ tin cậy 95% do P-value có giá trị >0.05.
(Nguồn: Xử lý số liệu trên phần mềm AMOS 22)
Trường Đại học Kinh tế Huế
CFI = 0.882 (gần bằng 0.9); CMIN/df = 1.931 <3; và RMSEA = 0.069 > 0.05, nên mô hình vẫn cần hiệu chỉnh và hoàn thiện hơn.
2.2.4.2. Kiểm định ước lượng mô hình bằng boostrap
Trong các phương pháp nghiên cứu định lượng bằng phương pháp lấy mẫu, thông thường chúng ta phải chia mẫu ra làm 2 mẫu con. Một nửa dùng để ước lượng các tham số mô hình và một nửa dùng để đánh giá lại. Cách khác là lặp lại nghiên cứu bằng một mẫu khác. Hai cách trên đây thường không thực tế vì phương pháp phân tích SEM thường đòi hỏi mẫu lớn nên việc làm này tốn kém nhiều thời gian và chi phí (Anderson
& Gerbing 1988). Trong những trường hợp như vậy thì Boostrap là phương pháp phù hợp để thay thế (Schumacker & Lomax, 1996). Đây là phương pháp lấy mẫu lặp lại có thay thế từ mẫu ban đầu, trong đó mẫu ban đầu đóng vai trò đám đông. Kiểm định Boostrap này dùng để kiểm tra mức độ tin cậy của các hệ số ước lượng trong mô hình.
Nghiên cứu này sử dụng phương pháp boostrap với số lượng mẫu lặp lại là B=1000.
Giả thuyết: H0: Bias = 0, H1: Bias ≠ 0
Để kết luận về tính bền vững của mô hình lý thuyết, nghiên cứu so sánh giá trị C.R với 1.96 (do 1.96 là giá trị của phân phối chuẩn ở mức 0.9750 , nghĩa là 2.5% một phía, 2 phía sẽ là 5%).
Nếu giá trị C.R này > 1.96 thì suy ra p-value < 5%, chấp nhập H1, kết luận độ lệch khác 0 có ý nghĩa thống kê ở mức tin cậy 95% và ngược lại.
Bảng 2.11:Các trọng số chưa chuẩn hóa phân tích Bootstrap Mối quan hệ giữa các
nhân tố Estimate Mean Bias
SE-Bias CR
LICN <--- DDCN 0.097 0.002 0.122 0.002 0.003
LICN <--- RRCN 0.101 0.002 0.222 0.007 0.003
SSD <--- STT 0.100 0.002 -0.028 0 0.003
SSD <--- STC 0.118 0.003 0.154 -0.003 0.004
STD <--- SSD 0.107 0.002 0.322 -0.016 0.003
STD <--- LICN 0.088 0.002 0.194 -0.003 0.003
YD <--- STD 0.118 0.003 0.538 -0.001 0.004
YD <--- TDXH 0.082 0.002 0.111 0.003 0.003
Từ kết quả ở bảng trên, có thể thấy được các trị tuyệt đối CR đều nhỏ hơn so
Trường Đại học Kinh tế Huế
với giá trị kiểm định 1.96, vậy nên có thể nói là độ chệch là rất nhỏ, không có ý nghĩa thống kê ở độ tin cậy 95% , hay nói cách khác kết quả ước lượng B=1000 lần từ mẫu ban đầu được tính trung bình và giá trị này có xu hướng gần với ước lượng của tổng thể, kết quả độ chệch của ước lượng (bias) và sai lệch chuẩn của nó có giá trị nhỏ và ổn định.