nghiên cứu hành vi sử dụng phương thức thanh toán không dùng tiền mặt

M c tiêu nghiên c u ụ ứ Xác định mức độ phổ biến của phương thức TTKDTM  Khảo xác mức độ hài lòng khi sử dụng phương thức này ở người dùng  Tìm ra ưu nhược điểm trong phương thức TTK

Nghiên c u hành vi ứ

thanh toán không dùng

Lý do chọn đề tài

Mục tiêu nghiên cứu

Đối tượng nghiên

cứu Phương pháp nghiên

cứu

05 Ý nghĩa nghiên cứu

02

M c tiêu nghiên c u ụ ứ

 Xác định mức độ phổ biến của phương thức TTKDTM

 Khảo xác mức độ hài lòng khi sử dụng phương thức này

ở người dùng

 Tìm ra ưu nhược điểm trong phương thức TTKDTM

 Tích lũy kinh nghiệm và phát triển phương thức

TTKDTM cho DN

Chúng tôi lựa chọn sinh viên là đối tượng tiềm

năng để nghiên cứu bởi vì:

- Các trường đại học đều liên kết thẻ ngân

hàng với thẻ sinh viên và yêu cầu sinh viên

thanh toán học phí bằng hình thức này

- Tỉ lệ sử dụng phương thức TTKDTM ở sinh

viên cao hơn các thành phần khác trong xã

hội.

- Đối tượng dễ tiếp cận, cung cấp những

thông tin có chất lượng.

Đ i t ng nghiên c u ố ượ ứ

Phương pháp điều tra mẫu

qua bảng hỏi

Ph ng pháp nghiên c u: ươ ứ

Phương pháp thống kê nhằm tập hợp các số liệu và đánh giá

thực trạng.

Phương pháp mô tả nhằm đưa ra cái nhìn tổng

quan về thực trạng nghiệp vụ thanh toán không

dùng tiền mặt đối với khách hàng cá nhân.

Phương pháp lịch sử nhằm so sánh, đối chiếu các thông tin trong quá khứ để tìm hiểu nguyên nhân và

kết luận phù hợp.

ĐỀ XUẤT MÔ HÌNH

NGHIÊN CỨU

o C-TAM-TPB - mô hình kết hợp TAM và TPB

o MPCU - mô hình sử dụng máy tính cá nhân

o IDT - mô hình phổ biến sự đổi mới

o SCT - Thuyết nhận thức xã hội

MÔ HÌNH NGHIÊN CỨU ĐỀ XUẤT

Mô hình nghiên cứu đề xuất dựa vào:

 Mô hình UTAUT (Venkatesh & cộng sự, 2003)

 Nhận thức rủi ro (Bauer, 1967; Yang & cộng sự, 2015)

 Mô hình nghiên cứu của Rong Li, JaeJon Kim & JaeSung Park (2007)

Hành vi sử dụng

Hiệu suất

mong đợi (H1) Nỗ lực mong đợi (H2)

Điều kiện thuận lợi (H3)

PHÁT TRIỂN GIẢ THUYẾT NGHIÊN CỨU

● Giả thuyết 1 (H1): Hiệu suất mong đợi có tác động tích cực đến

hành vi sử dụng phương thức thanh toán không dùng tiền mặt của sinh viên.

● Giả thuyết 2 (H2): Nỗ lực mong đợi có tác động tích cực đến

hành

vi sử dụng phương thức thanh toán không dùng tiền mặt của sinh viên.

● Giả thuyết 3 (H3): Điều kiện thuận lợi có tác động tích cực đến

hành vi sử dụng phương thức thanh toán không dùng tiền mặt của sinh viên.

THANG ĐO CÁC KHÁI NIỆM NGHIÊN CỨU

Bảng 1: Thang đo hiệu suất mong đợi

PE01 Sử dụng phương thức TTKDTM giúp tôi

tiết kiệm thời gian

PE02 Tôi cảm thấy sử dụng TTKDTM đơn giản

PE03 TTKDTM đem đến cho tôi nhiều khuyến mãi

PE04 TTKDTM thuận tiện mang ra ngoài

PE05 TTKDTM giúp tôi hạn chế tiếp xúc với người

khác

PE06 TTKDTM là phương thức thanh toán xu

hướng hiện đại

THANG ĐO CÁC KHÁI NIỆM NGHIÊN CỨU

Bảng 2: Thang đo nỗ lực mong đợi

EE01 Tôi không muốn bị đánh cấp thông tin

EE02 Tôi muốn giao dịch nhanh, không trì trệ

EE03 Tôi mong tình trạng chi phí phát sinh sẽ được khắc

phục triệt để

EE04 Tôi có thể sử dụng TTKDTM ngay cả khi không có

wifi

EE05 Các hệ thống ATM không nuốt thẻ của tôi

EE06 Nâng cao bảo mật

THANG ĐO CÁC KHÁI NIỆM NGHIÊN CỨU

Bảng 3: Thang đo điều kiện thuận lợi

FC04 TTKDTM thường xuyên cung cấp các voucher khuyến mãi

chuyển tiền của ứng dụng

TS – Tôi thường xuyên sử dụng

TTKDTM

CHƯƠNG III

Phương pháp nghiên cứu

Mô tả quy trình nghiên cứu

Nghiên cứu hành vi của việc

sử dụng PTTTKDTM và xác định

mục tiêu của việc nghiên cứu

Tiến hành lên kế hoạch nghiên cứu

cụ thể

Phân tích thông tin thu thập được

Thu thập các thông tin

Trình bày kết quả thu thập

được

4 3

2 1

Phương pháp nghiên cứu định

tính Mục đích

Thu thập

Phân tích

dữ liệu

Nghiên cứu

định lượng

sơ bộ

Nghiên cứu định lượng chính thức

Phương pháp nghiên cứu định

lượng

Nghiên cứu định lượng sơ bộ

Chọn mẫu Mục đích Thu thập dữ liệu

Nghiên cứu định lượng chính

thức

Nghiên cứu chính thức là một nghiên cứu định lượng nhằm đánh giá độ tin cậy và giá trị của thang đo

FREQUENCIES (THỐNG KÊ TẦN SỐ)

• Dùng để đếm số trả lời chung của toàn mẫu , tính Min, Max, Mean,… và lọc dữ liệu.

• Thủ tục Frequencies cung cấp các thống kê và các đồ thị hữu ích cho việc miêu tả nhiều loại biến

• Thường được sử dụng nhiều trong mô tả định tính.

Bước 1.Chọn menu Analyze >

Descriptive Statistics > Frequencies.

THAO TÁC THỰC HIỆN

Bước 2 Đưa các biến cần chạy thống kê mô tả từ mục bên trái sang mục bên phải Variable.

Khi nhấn nút OK

SPSS sẽ lập bảng tần

số như hình

Bước 4 Chọn Chart ở bên phải quy định kiểu đồ thị.

● Tại Chart Type, các bạn sẽ chọn

loại biểu đồ hiển thị cho các biến định tính

● Tại Chart Values, bạn sẽ chọn hiển

thị tần số (Frequencies) hay là phần trăm tỷ lệ (Percentages)

● Lưu ý nếu vẽ biểu đồ cột (Bar) nên chọn Frequencies, nếu vẽ biểu đồc tròn (Pie) nên chọn Percentages Cụ chọn hiển thị phần trăm Percentage với biểu đồ tròn

Dùng để tính các đại lượng thống kê Min, Max, Mean … cho từng biến Tuy nhiên trước khi bắt tay vào việc mô tả dữ liệu (đo lường độ tập trung/ phân tán, tỷ lệ % mối quan hệ giữa các biến), cần thiết phải nắm được các loại biến khảo sát (loại thang đo của biến) hay nói cách khác ta phải nắm được ý nghĩa của các giá trị trong biến.

DESCRIPTIVES (THỐNG KÊ MÔ TẢ)

Bước 1: Chọn menu Analyze >

Descriptive Statistics > Descriptives Bước 2: Chọn Options.

Bước 3: Chọn các đại lượng Bước 4: Chọn OK

Ta được kết quả như sau:

● Đối với biến định danh hoặc thứ tự (Nominal và

Ordinal) các phép tính toán số học như giá trị trung bình không có ý nghĩa thống kê Ngược lại các biến định danh mọi sự so sánh hơn kém giữa các giá trị trong biến đều vô nghĩa

● Ngược lại các biến định lượng như thang đo

khoảng cách và thang đo tỷ lệ (Interval và Ratio) thì mọi sự so sánh hay tính toán số học đề có ý nghĩa phân tích thống kê.

● Do đó, chỉ có thể thực hiện trên biến định lượng.

Custom Tables

Ý NGHĨA

 Dùng để tạo bảng theo phương pháp tùy chọn,

khi sử dụng giúp thao tác linh họat trong việc lựa chọn và thay đổi các biến trong bảng, có chức năng mô tả thống kê tùy theo yêu cầu của vấn đề nghiên cứu.

 Khi sử dụng bảng tùy chọn các biến cần được

khai báo đúng với giá trị thang đo (Nominal, Ordinal, Scale)

● Bước 4 : Chọn biến cần xử lý vào

khung Row/ Columns-> Chọn OK.

KẾT QUẢ ● Sau khi thực hiện các bước ta sẽ có kết quả như sau:

Ví dụ: Sinh viên UFM và sinh viên ở các trường khác sử dụng phương thức thanh toán không dùng tiền mặt nào nhiều nhất?

Bạn là sinh viên UFM hay trường

khác Sinh viên UFM Một trường khác

Xuất ra giá trị phần trăm

Bước 1: Làm tương tự như các bước hiển thị giá trị

bạn là sinh viên UFM hay trường

khác Sinh viên UFM Một trường khác

Count Row N % Count Row N % Bạn sử dụng phương thức

thanh toán nào NHIỀU NHẨT

Thẻ ATM/ thẻ ghi nợ nội địa 35 58.3% 25 41.7%Thẻ tín dụng/ Credit card 2 18.2% 9 81.8%Thẻ ghi nợ quốc tế (VISA/

Thống kê lý do sử dụng TTKDTM của sinh viên UFM và trường khác

MULTIPLE RESPONSE SET

Đối với câu hỏi có nhiều câu trả lời thuộc câu hỏi

MA khi thống kê sẽ tạo ra nhiều biến, tương ứng với số lượng biến sẽ là số lượng bảng tần số rời rạc Do đó ta sẽ thực hiện thao tác ghép các biến tạo bởi câu hỏi này thành một biến đại diện, sau

đó xử lý bằng Bảng tần số hay Bảng tùy biến trên biến đại diện đó.

Ý NGHĨA

Thao tác thực hiện

Tạo biến đại diện:

Bước 1: Chọn Analyze  Tables

 Multiple Respones Sets…

Bước 2: Chọn biến cần ghép và chọn

nút mũi tên  Chọn mục Categories

 Nhập tên biến mới tại Set name

và Set label  Chọn Add.

Bước 3: Xuất biến mới tại khung

Mul Response Sets  Chọn OK

Xử lý biến đại diện:

Bước 3: Kéo rê biến gộp

vào khung Row/Columns

 Chọn OK

Count Column N % Phuong_thuc Thẻ ATM/ thẻ ghi nợ nội địa

Sinh viên dùng TTKDTM nhiều

nhất cho việc

mua sắm online

và thấp nhất là chi trả cho các

hoạt động giải trí trên app

Khi sử dụng

TTKDTM, điều khiến sinh viên

lo lắng nhất là rủi ro có thể bị đánh cấp thông tin

Kiểm định trên một tổng

thể

• one - sample T Test

Kiểm định trên hai tổng

• Mục đích: so sánh

trị trung bình về một chỉ tiêu nghiên cứu nào đó với một giá trị

cụ thể cần quan tâm.

• Thao tác: Analyze/ Compare Mean/ One

Vd Kiểm đinh nhận xét mức dộ hài lòng trung bình của khách hàng là

mức 3 (bình thường), kiểm định nhận xét trên đúng hay sai.

Vd Kiểm định nhận xét sinh viên không có ý kiến (3) với TTKDTM giúp tiết kiệm thời gian

với giá trị alpha

• Nếu Sig.(2-tailed) > alpha: chọn

H0

• Nếu Sig.(2-tailed) <= alpha: bác

bỏ H0

về một chỉ tiêu nghiên cứu nào

đó giữ hai đối tượng quan tâm.

H0: “không có sự khác biệt có ý nghĩa giữa mức độ hài lòng ở hai nhóm tuổi”

H1: “có sự khác biệt có ý nghĩa giữa mức độ hài lòng ở hai nhóm tuổi”

Giá trị Sig = 0.366 > 0.05

chấp nhận giả thuyết H0, không có sự khác nhau ở 2 tổng thể

Trên hai mẫu phụ

• Quá trình kiểm định sẽ bắt đầu với việc tính toán chênh lệch giá trị trên từng cặp quan sát bằng phép trừ sau đó kiểm nghiệm xem chênh lệch trung bình có khác 0 hay

không, Nếu không khác 0 nghĩa là không có sự khác biệt

Vd So sánh sự khác biệt về mức độ hài lòng giữa sinh viên rất ít sử dụng và sinh viên luôn luôn sử dụng TTKDTM

Sig.(2-tailed) =0.00 < 0.05

Mean: tần suất (3.85), hài lòng (4.3)

kết luận: có sự khác biệt hai giá trị trung bình của tần suất và độ hài lòng

PHÂN TÍCH PHƯƠNG SAI ANOVA

MỤC ĐÍCH

• Kiểm định giả thuyết nhằm xác định xem các mẫu thu được có được rút ra từ cùng một tổng thể không (Phương sai có đồng nhất không)

• Kết quả kiểm định cho chúng ta biết mô hình đang

sử dụng có phù hợp với nội dung đề tài hay không.

Khái niệm:

● Sử dụng 1 biến yếu tố để phân loại các quan sát thành nhiều nhóm khác nhau hay nói cách khác là dùng để kiểm định giả thuyết trung bình bằng nhau của các nhóm mẫu với khả năng phạm sai lầm chỉ là 5%

● Kiểm định ANOVA sẽ được dùng để xem xét đánh giá tần

suất sử dụng phương thức TTKDTM của sinh viên tại

TP.HCM được phân loại dựa trên tiêu chí là độ tuổi

PHƯƠNG SAI 1 YẾU TỐ (ONE – WAY ANOVA)

Các giả thuyết được đặt ra để kiểm định:

●H0: “Không có sự khác biệt về độ tuổi đối với

THỰC HIỆN KIỂM ĐỊNH

● Bước 1: Kiểm tra Sig Levene Test

Kết quả kiểm định Levene Sig = 0,470 > mức ý nghĩa 0,05

→ Phương sai của các giá trị là đồng nhất, không có sự khác biệt

Bảng Test of Homogeneity of Variances

● Bước 2: Phân tích phương sai ANOVA

Thao tác: Analyze  Compare Means One – Way ANOVA

BẢNG PHÂN TÍCH PHƯƠNG SAI ANOVA

Sum of Squares df Square Mean F Sig.

Between Groups 4.121 3 1.374 1.459 .227

Within Groups 167.571 178 941

Total 171.692 181

Trong kết quả kiểm định ANOVA sig = 0,227 (22,7%) > 0,05 (5%)

Chấp nhận giả thuyết H0 bác bỏ giả thuyết H1

 Không có sự khác biệt về độ tuổi đối với tần suất sử dụng TTKDTM

Kiểm định độ tin cậy thang đo

Cronbach Alpha

 Khi tạo các biến quan sát để củng cố cho biến mẹ thì không phải

lúc nào luôn là hợp lý, luôn luôn đúng mà sẽ có những biến sai không phù hợp với biến mẹ thì mình cần dùng công cụ để đo biến quan sát  Cronbach Bach sẽ là công cụ cho chúng ta có thể quan

sát được các biến chính xác và loại bỏ các biến rác

 Nếu Cronbach Alpha từ 0,8 đến gần bằng 1: thang đo rất tốt

 Từ 0,7 đến 0,8 là thang đo sử dụng tốt

 Từ 0,6 trở lên: Thang đó đủ điều kiện

 Hệ số tương quan giữa biến và tổng ( Corrected Item – Total

Correlation) >= 0,3  nếu nhỏ hơn loại bỏ biến đó chạy lại

Cronbach Alpha

THAO TÁC CRONBACH ALPHA

Analyze  Scale  Reliability Analysis Bảng Statistics: chọn

Scale if item deleted

Biến quan sát Tung bình thang đo

nếu loại biến

Phương sai thang đo nếu loại biến

Hệ số tương quan biến – tổng

Cronbach Alpha nếu

Dùng để rút gọn một tập hợp k biến quan sát thành một tập F (với F < k) các nhân tố

có ý nghĩa hơn Trong nghiên cứu, chúng ta thường thu thập được một số lượng biến khá lớn và rất nhiều các biến quan sát trong

đó có liên hệ tương quan với nhau

PHÂN TÍCH NHÂN TỐ

KHÁM PHÁ EFA

Thao tác thực hiện

Analyze -> Dimenson Reduction -> Factor:

KIỂM ĐỊNH KHÁM PHÁ EFA

Chỉ số KMO = 0.826 > 0.5 suy ra phân tích nhân tố khám phá trong nghiên cứu của chúng ta là phù hợp Sig Barlett 0.000 < 0.05 suy ra phù hợp, có thể thực hiện

Hệ số nhân tải nhân tố

(Factor Loading)

Nhân tố 1: đo lường sự đánh giá của

sinh viên đối với phương thức TTKDTM Nhân tố này vẫn được đặt tên là Hiệu suất mong đợi, ký hiệu PE

Nhân tố 3: đo lường về đánh giá mức độ

cần thiết cải thiện chức năng, dịch vụ của sinh viên đối với phương thức TTKDTM, được đặt tên là Nỗ lực mong đợi, ký hiệu EE

Nhân tố 2: đo lường về đánh giá các điều

kiện thuận lợi hỗ trợ sinh viên sử dụng phương thức TTKDTM, đặt tên là Điều kiện thuận lợi,

ký hiệu FC

KIỂM TRA ĐỘ TIN CẬY LẦN 2

 H1: Thành phần Hiệu suất mong đợi tương quan dương với hành vi sử dụng.

 H2: thành phần Nỗ lực mong đợi tương quan dương với hành vi sử dụng.

 H3: Thành phần Điều kiện thuận lợi tương quan dương với hành vi sử dụng.

TƯƠNG QUAN - HỒI QUY

Tương quan là phép phân tích cho phép chúng ta biết mối quan hệ giữa 2 biến không có sự phân biệt độc lập và phụ thuộc

Trong khi đó, phân tích Hồi quy dự đoán giá trị của biến phụ thuộc Y dựa trên giá trị đã biết của 1 hay nhiều biến độc lập.

Thao tác thực hiện

Analyze -> Correlated -> Bivariate -> Đưa PE, FC, EE, HL sang bảng variables -> Ok

TƯƠNG QUAN

• Có 1 dấu “*” là độ tin cậy đạt 95%

• Có 2 dấu “*” là độ tin cậy đạt 99%

(tần suất sử dụng)

EE

HỒI QUY TUYẾN TÍNH BỘI

Giúp xác định được nhân tố nào đóng góp nhiều, ít hay không đóng góp vào sự thay đổi của biến phụ thuộc, để từ đó đưa

ra các giải pháp cần thiết và kinh tế nhất.

Thao tác thực hiện

Analyze -> Regression -> Linear -> đưa biến TS vào bảng dependent và đưa các biến độc lập PE, EE, FC vào bảng Independent

Adjusted R Square = R bình hiệu chỉnh giải thích mô hình này có

khả năng giải thích được bao nhiêu phần trăm giá trị so với thực tế.

Durbin – Watson dùng để kiểm tra hiện tượng tự tương quan chuỗi

bậc nhất

Vì giá trị thống kê DW tính toán là 2.035 trong khoảng an toàn từ 1,5 - 2,5 chúng ta có thể kết luận mô hình không bị tương quan chuỗi

Giá trị Sig của kiểm định F < 0.05 có thế kết luận mô hình

hồi qui tuyến tính bội phù hợp với tập dữ liệu và mô hình này

có thể sử dụng

Phương trình hệ số hồi quy chưa chuẩn hóa:

TS = 0.283PE – 0.257EE + 3.664

Giá trị Sig của kiểm định t dùng để kiểm định ý nghĩa của hệ số hồi qui, kiểm tra xem

các biến phụ thuộc có tác động đến biến phụ thuộc hay không

Sig < 0.05 suy ra biến độc lập đó có ảnh hưởng đến biến phụ thuộc