PHẦN II: NỘI DUNG VÀ KẾT QUẢ NGHIÊN CỨU
CHƯƠNG 2: ĐÁNH GIÁ CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN Ý ĐỊNH SỬ
2.4 Phân tích nhân tố khám phá (EFA)
Kết quả thống kê mô tả cho thấy, không có sự chênh lệch đáng kể giữa 2 nhóm khách hàng sử dụng truyền hình cáp và Internet. Điều này cũng dễ hiểu, khi nhu cầu về Internet tăng thì nhu cầu về truyền hình giải trí cũng tăng đáng kể. Bên cạnh đó, có nhóm khách hàng chiếm phần nhỏ sử dụng một số dịch vụ khác như: Truyền hình trả tiền, nội dung số,….
Số khách hàng thanh toán điện tử 6 tháng cuối năm 2019:
Dựa trên biểu đồ cho thấy, sự tăng trưởng về số lượng khách hàng đang sử dụng dịch vụ thanh toán điện tử khá là đồng đều. Tuy nhiên, sự gia tăng về số lượng là khá ít so với tiềm năng có dịch vụ này tại địa bàn Huế. Công ty cần hoạch định chiến lược rõ ràng, hiệu quả đến các nhóm khách hàng để đẩy mạnh tỉ lệ sử dụng của khách hàng hiện tại.
Biểu đồ 6: Tình hình thanh toán điện tử 6 tháng cuối năm 2019
H0: Độ tương quan giữa các biến quan sát bằng 0 trong tổng thể.
H1: Độ tương quan giữa các biến quan sát khác 0 trong tổng thể.
Nếu như kiểm định này có ý nghĩa thống kê, tức là Sig. < 0,05 (mức ý nghĩa) thì các quan sát có tương quan với nhau trong tổng thể.
Theo Hair & ctg (1998), Multivariate Data Analysis, Prentice–Hall International, trong phân tích EFA, KMO (Kaiser–Meyer –Olkin) là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố và trị số của nó phải có giá trị trong khoảng từ 0,5 đến 1 thì phân tích này mới thích hợp, còn nếu như trị số này nhỏ hơn 0,5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu. Chỉ số Factor Loading có giá trị lớn hơn 0,5 được xem là có ý nghĩa thực tế.
Hair & ctg (1998) cho rằng: nếu chọn tiêu chuẩn Factor loading > 0,3 thì cỡ mẫu của bạn ít nhất là 350, nếu cỡ mẫu của bạn khoảng 100 thì nên chọn tiêu chuẩn Factor loading > 0,55, nếu cỡ mẫu của bạn khoảng 50 thì Factor loading phải > 0,75.
Cho nên với 150 bảng khảo sát đã được kiểm định độ tin cậy sẽ tiến hành phân tích nhân tố với phép trích Principal components, sử dụng phép xoay Varimax với hệ số truyền tải Factor loading phù hợp là 0,5. Do đó các biến có hệ số truyền tải (Factor loading) nhỏ hơn 0,5 sẽ bị loại, điểm dừng khi Eigenvalue (đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố) lớn hơn 1 và tổng phương sai trích lớn hơn 50%. Tóm lại, trong phân tích nhân tố khám phá cần đáp ứng các điều kiện:
Factor Loading>0,5
0,5 <KMO<1
Kiểm định Bartlett có sig.<0,05
Phương sai trích Total Varicance Explained > 50%
Eigenvalue > 1
2.4.1 Phân tích nhân tố biến độc lập
Theo kết quả phân tích nhân tố khám phá bằng SPSS ta thu được kết quả như sau:
Trường Đại học Kinh tế Huế
Bảng 9: KMO3và kiểm định Barlett KMO and Bartlett's Test
Hệ số KMO 0,680
Kiểm định Barlett
H0(Các biến không có tương quan với nhau)
Khi bình phương 75,454 % Độ lệch chuẩn 210
Mức ý nghĩa 0,000
Nguồn: Tổng hợp từ SPSS KMO dùng để xem xét sự thích hợp của EFA, 0.5 < KOM <1 thì phân tích nhân tố thích hợp. Nếu kiểm định này có ý nghĩa thống kê thì các biến quan sát có tương quan với nhau trong tổng thể (Trọng & Ngọc, 2008)
Bảng 10: Ma trận xoay nhân tố biến độc lập Thành Phần
1 2 3 4 5
RR1 0,920
RR2 0,887
RR4 0,878
RR3 0,855
RR5 0,800
SHI4 0,887
SHI1 0,836
SHI2 0,828
SHI3 0,824
SHI5 0,787
DSD3 0,873
DSD2 0,830
DSD1 0,825
DSD4 0,776
XH1 0,844
XH3 0,795
XH2 0,776
XH4 0,765
NTCQ2 0,846
NTCQ3 0,812
NTCQ1 0,789
Nguồn: Xử lý số liệu với SPSS
3 KMO dùng để xem xét sự thích hợp của EFA, 0.5 < KOM <1 thì phân tích nhân tố thích
Trường Đại học Kinh tế Huế
Kết quả phân tích ở bảng trên cho thấy, hệ số KMO và kiểm định Barlett’s như sau: Sig. ≤ 0,05. bác bỏ H0. Vậy có mối tương quan giữa các biến quan sát với nhau xét trong phạm vị tổng thể. Hệ số KMO là 0,68 > 0,5 cho thấy việc nhóm các biến quan sát trong nhân tố là phù hợp.
Tổng phương sai trích là 75,454%> 50%, điều này có nghĩa là khả năng sử dụng 5 biến độc lập này giải thích cho 21 biến quan sát là 75,454%
Tổng phương sai trích = 75,454 % > 50% (đạt yêu cầu). Điều này chứng tỏ 75,454 % biến thiên của dữ liệu được giải thích bởi 5 nhân tố này. Trong bảng ma trận xoay nhân tố, tất cả các biến đều có hệ số tải nhân tố lớn hơn 0,5 và các biến đều chỉ tải một nhân tố duy nhất nên phân tích nhân tố đạt yêu cầu.
Bảng 11: Các nhân tố và các biến đo lường
Nhân tố Biến đo lường
NHẬN THỨC SỰ HỮU ÍCH (SHI)
SHI1. Sử dụng dịch vụ thanh toán điện tử là một dịch vụ hữu ích
SHI2. Dịch vụ thanh toán điện tử giúp thực hiện các giao dịch nhanh chóng
SHI3. Dịch vụ thanh toán điện tử là một dịch vụ giúp giảm thiểu chi phí SHI4. Dịch vụ thanh toán điện tử là một dịch vụ giúp tiết kiệm thời gian SHI5. Dịch vụ thanh toán điện tử giúp thực hiện các giao dịch dễ dàng NHẬN
THỨC DỄ SỬ DỤNG (DSD)
DSD1. Hệ thống thanh toán vận hành tốt, không gặp khó khăn khi thực hiện giao dịch
DSD2. Anh/Chị Có thể dễ dàng sử dụng thành thạo dịch vụ thanh toán điện tử
DSD3. Anh/Chị Dễ thao tác trên các thiết bị
DSD4. Bố trí giao diện hợp lý, thuận tiện cho người sử dụng NHẬN
THỨC CHỦ QUAN (NTCQ)
NTCQ1. Anh/Chị thường xuyên thanh toán điện tử khi mua hàng hóa, dịch vụ.
NTCQ2. Anh/Chị sử dụng thiết bị điện tử (điện thoại, laptop,…) thường xuyên
NTCQ3. Anh/Chị thường xuyên kết nối Internet NHẬN
THỨC RỦI RO
RR1. Anh/Chị cảm thấy an toàn khi cung cấp thông tin khi sử dụng dịch vụ thanh toán điện tử
RR2. Sử dụng dịch vụ thanh toán điện tử không bị mất cắp tiền trong tài
Trường Đại học Kinh tế Huế
Nhân tố Biến đo lường
(RR) khoản
RR3. Anh/Chị an tâm về công nghệ của công ty
RR4. Hợp đồng điện tử và chữ kí điện tử có độ bảo mật chưa cao
RR5.
Sự tin cậy khi Sử dụng dịch vụ thanh toán điện tử là chưa cao
ẢNH HƯỞNG CỦA XÃ
HỘI (XH)
XH1. Gia đình và bạn bè có thể ảnh hưởng đến ý định sử dụng dịch vụ thanh toán điện tử của Anh/Chị
XH2. Gia đình, bạn bè và đồng nghiệp giới thiệu Anh/Chị sử dụng dịch vụ thanh toán điện tử
XH3. Anh/Chị Sử dụng dịch vụ thanh toán điện tử nếu những bạn bè, đồng nghiệp, người thân nghĩ nên sử dụng nó
XH4. Anh/Chị Sử dụng dịch vụ thanh toán điện tử nếu nhiều người xung quanh sử dụng nó
DỰ ĐỊNH SỬ DỤNG
(DD)
DD1. Anh/Chị có dự định sử dụng dịch vụ thanh toán điện tử trong thời gian tới
DD2. Anh/Chị có dự định sử dụng dịch vụ thanh toán điện tử thường xuyên trong thời gian tới
DD3. Anh/Chị sẵn sàng sử dụng dịch vụ thanh toán điện tử trong tương lai gần
DD4. Anh/Chị dự định sử dụng dịch vụ thanh toán điện tử khi có cơ hội 2.4.2 Phân tích nhân tố biến phụ thuộc:
Kiểm định KMO:
Bảng 12: Kết quả phân tích nhân tố biến phụ thuộc
Yếu tố đánh giá Giá trị kiểm định
Hệ số KMO 0,8
Giá trị Sig. trong kiểm định Bartlett 0,000
Tổng phương sai trích 63,709 %
Giá trị Eigenvalues 2,548
(Nguồn: Kết quả xử lý SPSS)
Trường Đại học Kinh tế Huế
Bảng 13: Ma trận xoay nhân tố biến phụ thuộc
Nhân tố 1 Anh/Chị có dự định sử dụng dịch vụ thanh toán điện tử trong thời gian
tới
0,806
Anh/Chị có dự định sử dụng dịch vụ thanh toán điện tử thường xuyên trong thời gian tới
0,800
Anh/Chị sẵn sàng sử dụng dịch vụ thanh toán điện tử trong tương lai gần
0,796
Anh/Chị dự định sử dụng dịch vụ thanh toán điện tử khi có cơ hội 0,791 (Nguồn: Kết quả xử lý SPSS)
Kết quả phân tích nhân tố có hệ số KMO = 0,8, nên phân tích nhân tố vẫn phù hợp. Giá trị Sig. của kiểm định Bartlett = 0,000 < 0,05 nên bác bỏ giả thuyết H0, chấp nhận giả thuyết H1, hay chứng tỏ các biến quan sát có tương quan với nhau trong tổng thể. Như vậy, dữ liệu dùng để phân tích nhân tố vẫn hoàn toàn phù hợp.
Tại mức giá trị Eigenvalues = 2,548 lớn hơn 1, phân tích nhân tố biến phụ thuộc với tổng phương sai trích = 63,709 % > 50% (đạt yêu cầu). Điều này chứng tỏ 63,709 % biến thiên của dữ liệu được giải thích bởi 5 biến của nhân tố này. Trong bảng ma trận xoay nhân tố, tất cả các biến đều có hệ số tải nhân tố lớn hơn 0,5 và các biến đều chỉ tải một nhân tố duy nhất nên phân tích nhân tố đạt yêu cầu. Kết quả này cho thấy các biến trong thang đo “Dự định sử dụng” giải thích tốt cho đại lượng đo lường.