Professional Documents
Culture Documents
Nguyen Dam Quynh Dao
Nguyen Dam Quynh Dao
11
Các thang đo trong nghiên cứu này được phát triển dựa trên nền tảng cơ sở lý thuyết và
nghiên cứu thực nghiệm của Gan và cộng sự (2021) và Le, M.T.H. (2021). Nghiên cứu sử dụng
8 nhân tố phát triển dựa theo cơ sở thang đo của Gan và cộng sự (2021) bao gồm hiệu suất mong
đợi (PE), nỗ lực mong đợi (EE), ảnh hưởng xã hội (SI), điều kiện thuận lợi (FC), độ tin cậy (T),
xu hướng dựa vào robo-advisors (R), kiến thức tài chính (PFK) và ý định sử dụng (INT). Ngoài
ra, nghiên cứu còn bổ sung thêm 2 nhân tố phát triển dựa trên cơ sở thang đo của Le, M.T.H.
(2021) là tính bảo mật (SP) và tác động của Covid-19 (CV). Bảng câu hỏi định lượng được thiết
kế với 36 biến quan sát, được đo bằng thang đo Likert 5 điểm từ (1): Rất không đồng ý đến (5):
Rất đồng ý. Thang đo các biến quan sát được sử dụng cho nghiên cứu thực nghiệm được trình
bày chi tiết ở Bảng 3.2 trong Phụ lục A.
3.3. Phương pháp nghiên cứu
Dữ liệu sau khi làm sạch được xử lý trên phần mềm xử lý dữ liệu thống kê SPSS 26 và
AMOS 24. Độ tin cậy thang đo của bài nghiên cứu này được kiểm định bằng hệ số tin cậy
Cronbach’s Alpha. Trong kiểm định Cronbach’s Alpha, các biến quan sát có hệ số tương quan
biến tổng nhỏ hơn 0,3 sẽ bị loại và tiêu chuẩn chọn thang đo khi hệ số Cronbach’s Alpha từ 0,7
trở lên.
Phân tích nhân tố khám phá EFA và phân tích khẳng định nhân tố CFA được sử dụng để
kiểm định mô hình đo lường. Hệ số tải nhân tố (outer loading) được sử dụng để đánh giá độ tin
cậy của các biến quan sát. Theo Hair và cộng sự (2014), chỉ giữ lại những biến quan sát có hệ số
tải nhân tố lớn hơn 0,7, các biến quan sát có hệ số tải nhân tố nhỏ hơn 0,4 cần được loại bỏ ra
khỏi mô hình và các biến quan sát có hệ số tải nhân tố trong khoảng từ 0,4 đến 0,7 sẽ bị loại bỏ
khỏi mô hình nếu việc loại bỏ biến này giúp cải thiện phương sai trích (AVE) và độ tin cậy tổng
hợp (CR). Theo Hair và cộng sự (2017), hệ số tin cậy tổng hợp phải lớn hơn 0,7 thì các thang đo
trong nghiên cứu mới có độ tin cậy nhất quán nội bộ và phương sai trích lớn hơn 0,5 thì các
thang đo trong nghiên cứu có giá trị hội tụ.
Tính phân biệt của thang đo được đánh giá theo tiêu chuẩn Fornell-Larcker. Quy tắc
chung của Fornell-Larcker là căn bận hai của AVE phải lớn hơn các mối tương quan với
các thang đo còn lại trong mô hình. Nghiên cứu sử dụng mô hình cấu trúc tuyến tính (SEM)
để kiểm định các giả thuyết nghiên cứu đã đề xuất.
4. KẾT QUẢ NGHIÊN CỨU
4.1. Kiểm định độ tin cậy Cronbach’s Alpha và kiểm định mô hình đo lường
Kết quả kiểm định độ tin cậy bằng hệ số Cronbach’s Alpha cho thấy tất cả các thang đo
trong mô hình đều thỏa mãn yêu cầu có độ tin cậy Cronbach’s Alpha lớn hơn 0,7 và hệ số tương
quan biến tổng của các biến quan sát đều lớn hơn 0,3. Kết quả đánh giá độ tin cậy được thể hiện
trong bảng dưới đây cho thấy tất cả các biến quan sát đều thỏa mãn yêu cầu được đề xuất theo
12
Hair và cộng sự (2014). Do đó, tất cả các biến quan sát đều được giữ lại trong mô hình nghiên
cứu.
Theo kết quả từ bảng 4.1 trong Phụ lục A, các thang đo trong nghiên cứu này đều thỏa
mãn yêu cầu về độ tin cậy nhất quán nội bộ và giá trị hội tụ theo Hair và cộng sự (2017). Tính
phân biệt của thang đo được đánh giá để đảm bảo các biến trong mô hình đề xuất khác biệt với
nhau. Tiêu chuẩn Fornell-Larcker được sử dụng để đo lường tính phân biệt của thang đo. Bảng
4.2 trong Phụ lục A cho thấy căn bậc hai của tất cả các thang đo đều cao hơn giá trị tương quan
của thang đo đó với các thang đo còn lại trong mô hình nên tất cả các thang đo trong mô hình
đều đạt yêu cầu về tính phân biệt theo quy tắc chung của Fornell-Larcker.
4.2. Kiểm định giả thuyết nghiên cứu
Tiến hành kiểm định 09 giả thuyết nghiên cứu đã đề xuất sau khi mô hình đã thỏa mãn
các yêu cầu bằng mô hình cấu trúc tuyến tính SEM. Các giả thuyết đề xuất trong nghiên cứu
được đánh giá bằng các hệ số hồi quy đã chuẩn hóa. Kết quả kiểm định trong bảng 4.3 trong Phụ
lục A cho thấy độ tin cậy, xu hướng dựa vào robo-advisors, kiến thức tài chính và tác động của
Covid-19 có liên quan đến ý định sử dụng robo-advisors của NĐT trong giai đoạn ảnh hưởng
Covid-19 tại Việt Nam.
13
Hình 4.1. Kết quả mô hình nghiên cứu
Các giả thuyết H5, H7, H8 và H9 được chấp nhận. Tuy nhiên, tác động của xu hướng
dựa vào robo-advisors đến ý định sử dụng robo-advisors là không đáng kể, kiến thức tài chính và
độ tin cậy có ảnh hưởng tích cực đến ý định sử dụng robo-advisors của NĐT trong giai đoạn ảnh
hưởng Covid-19 tại Việt Nam. Trong khi đó, tác động của Covid-19 có ý nghĩa thống kê cao và
có ảnh hưởng mạnh mẽ đến ý định sử dụng robo-advisors.
5. KẾT LUẬN VÀ THẢO LUẬN
5.1. Kết luận
Kết quả của nghiên cứu cho thấy những khách hàng có kiến thức về tài chính có xu
hướng dễ dàng chấp nhận sử dụng robo-advisors. Điều này khá dễ hiểu khi họ hoàn toàn có thể
sử dụng kiến thức tài chính của bản thân kết hợp với sự trợ giúp của robo-advisors để hoạch định
tài chính cá nhân một cách hiệu quả mà không tốn quá nhiều chi phí. Thay vì cố gắng đánh bại
thị trường dù trên thực tế đã chứng minh hành động này không mang lại hiệu quả tốt như các cố
vấn tài chính truyền thống vẫn hay làm, robo-advisors có khả năng tự động phân bổ tài sản trong
danh mục đầu tư phù hợp với tình hình của thị trường nhằm giữ cân bằng tỷ trọng rủi ro trước
14
những biến động thị trường. Bên cạnh đó, robo-advisors hoạt động dựa trên các thuật toán với
chính sách ưu đãi về thuế, giảm thiểu rủi ro, không bị cảm xúc chi phối nên khách hàng có xu
hướng tin tưởng vào robo-advisors. Sự tin tưởng của khách hàng đối với robo-advisors dẫn đến
việc khách hàng có xu hướng dựa vào robo-advisors. Theo kết quả nghiên cứu, xu hướng dựa
vào robo-advisors có ý nghĩa thống kê đối với ý định sử dụng robo-advisors tuy nhiên, nhân tố
này có tác động không đáng kể đến ý định sử dụng dịch vụ này. Kiến thức tài chính và độ tin cậy
có ảnh hưởng tích cực đến ý định sử dụng robo-advisors.
Bên cạnh nhân tố kiến thức tài chính, độ tin cậy và xu hướng dựa vào robo-advisors thì
tác động của Covid-19 có ý nghĩa thống kê cao trong quá trình kiểm định giả thuyết và tác động
đáng kể đến ý định sử dụng robo-advisors. Kết quả nghiên cứu cho thấy tác động của Covid-19
càng lớn thì ý định sử dụng robo-advisors của khách hàng càng cao. Cùng với tâm lý phòng
chống dịch bệnh, giãn cách xã hội được thực hiện để bảo vệ sức khỏe bản thân và cộng đồng,
robo-advisors trở thành lựa chọn hàng đầu trong lĩnh vực đầu tư tài chính. Với một quốc gia mà
robo-advisors chưa phổ biến như ở Việt Nam, Covid-19 đã gián tiếp đưa robo-advisors đến gần
hơn với khách hàng. Đồng thời cũng là chất xúc tác mạnh mẽ đến những cá nhân có nền tảng
kiến thức tài chính nhưng chưa sẵn sàng robo-advisors này mạnh dạn hơn trong việc quyết định
sử dụng sản phẩm công nghệ này. Qua kết quả của nghiên cứu này có thể nhận định rằng các
NĐT Việt Nam không bị những yếu tố bên ngoài như ảnh hưởng xã hội chi phối nhiều đến ý
định hành vi của bản thân. Hơn thế nữa, Covid-19 khiến nhiều người gặp khó khăn về tài chính
hoặc giảm thu nhập và robo-advisors hoàn toàn có thể giúp đỡ khách hàng trong vấn đề cải thiện
tình hình tài chính cá nhân trong hoàn cảnh hạn chế tiếp xúc xã hội hiệu quả và ít tốn kém chi
phí. Đó cũng là một trong những nguyên nhân thực tế dẫn đến việc nhân tố tác động của Covid-
19 ảnh hưởng đáng kể đến ý định sử dụng robo-advisors.
5.2. Thảo luận kết quả nghiên cứu
Robo-advisors tuy không phải sản phẩm công nghệ quá mới mẻ trong lĩnh vực tài chính
tại Việt Nam nhưng lại chưa được nhiều người biết đến, không được đề cập nhiều trên thị
trường. Nhiều công ty chứng khoán đã cung cấp sản phẩm này từ vài năm trước nhưng không
mang lại hiệu quả kinh doanh cao. Mãi cho đến khi dịch Covid-19 bùng nổ, nhiều dịch vụ cố vấn
tài chính bị gián đoạn hoặc không thể gặp mặt khách hàng cùng với sự phát triển của công nghệ
4.0, robo-advisors bắt đầu được đón nhận và sử dụng nhiều hơn. Kết quả nghiên cứu đã chỉ ra 4
nhân tố tác động đến ý định sử dụng robo-advisors, đó là độ tin cậy, xu hướng dựa vào robo-
advisors, kiến thức tài chính và tác động của Covid-19. Hoàn toàn có thể dự đoán được số lượng
người dùng robo-advisors tại Việt Nam sẽ ngày càng tăng. Việc này mang lại nhiều lợi ích cho
các công ty chứng khoán. Sự kết hợp giữa các nhân tố có ý nghĩa trong nghiên cứu này với
những kinh nghiệm sẵn có sẽ giúp công ty chứng khoán xây dựng chiến lược kinh doanh phù
hợp với mục tiêu thu hút, tiếp cận khách hàng. Các công ty chứng khoán cần liên tục cập nhật,
15
đổi mới chương trình và ghi nhận những phản hồi, khắc phục sự cố nhanh chóng đồng thời thực
hiện các chính sách ưu đãi có lợi cho khách hàng để khuyến khích khách hàng sử dụng sản phẩm
công nghệ này như khuyến khích mở tài khoản mà không yêu cầu số dư tài sản đầu tư hay cung
cấp dịch vụ miễn phí cho khách hàng có khối lượng tài sản đầu tư cao ở một mức nào đó. Nghiên
cứu đã góp phần giúp các công ty chứng khoán có được một số lượng không ít khách hàng tiềm
năng và dự kiến sẽ còn tăng nhiều hơn nữa trong thời đại 4.0 như hiện nay.
Ở khía cạnh của khách hàng, robo-advisors mang lại nhiều lợi ích phù hợp với bối cảnh
hiện tại. Robo-advisors cung cấp dịch vụ cho khách hàng 24/7, khách hàng hoàn toàn có sử dụng
sản phẩm ở bất cứ đâu vào bất cứ lúc nào. Robo-advisors còn hỗ trợ khách quản lý danh mục đầu
tư, đưa ra những lời khuyên tài chính dựa trên nền tảng kỹ thuật số cũng như tình hình thị
trường, tối thiểu hóa rủi ro mà khách hàng có thể gặp phải một cách nhanh chóng, hiệu quả,
chính xác và dễ dàng. Hầu như tất cả các tính năng vượt trội của robo-advisors đều đặt lợi ích
của khách hàng lên hàng đầu.
5.3. Hạn chế của nghiên cứu
Mặc dù nghiên cứu có đóng góp vào một phần giá trị khoa học, góp phần giúp các công
ty chứng khoán có thêm nguồn khách hàng tiềm năng lớn và cũng giúp cho robo-advisors được
biết đến nhiều hơn tại Việt Nam nhưng nghiên cứu vẫn còn nhiều mặt hạn chế như dữ liệu thu
thập được dù không quá ít nhưng cũng chưa đủ nhiều để có thể đại diện cho toàn bộ dân số Việt
Nam cho việc khảo sát ý định hành vi sử dụng công nghệ tài chính. Ngoài ra, thời gian thực hiện
nghiên cứu có hạn nên vẫn còn lỗ hổng trong việc thu thập thông tin và các số liệu tổng quan
xoay quanh đề tài. Nghiên cứu chỉ phát triển một vài giả thuyết dựa trên các nghiên cứu trước
đây để kiểm tra ý định sử dụng robo-advisors và còn rất nhiều nhân tố liên quan đến ý định sử
dụng robo-advisors chưa được kiểm định tại thị trường Việt Nam cũng như nhiều nước khác trên
thế giới.
Alwi, S., Salleh, M.N., Razak, S.A., & Naim, N. (2019). Consumer acceptance and adoption
toward payment-type fintech services from Malaysian perspective. International Journal of
Advanced Science and Technology, 28, 148-163. Available at http://sersc.org/journals/
index.php/IJAST/article/view/1566 [Accessed 16 October 2021]
Bachmann, K., & Hens, T. (2015). Investment competence and advice seeking. Journal of
Behavioral and Experimental Finance, 6, 27–41. https://doi.org/10.1016/j.jbef.2015.03.001
16
Barth, S., Jong, M.D.T., Junger, M., Hartel, P.H., & Roppelt, J.C. (2019). Putting the privacy
paradox to the test: online privacy and security behaviors among users with technical knowledge,
privacy awareness, and financial resources. Telemat. Inf., 41, 55-69
Belanche, D., Casal'o, L. V., & Flavi'an, C. (2019). Artificial intelligence in fintech:
Understanding robo-advisors adoption among customers. Industrial Management & Data
Systems, 119, 1–21. https://doi.org/10.1108/IMDS-08-2018-0368
Brenner, L., & Meyll, T. (2020). Robo-advisors: A substitute for human financial advice?
Journal of Behavioral and Experimental Finance, 25, 100275.
https://doi.org/10.1016/j.jbef.2020.100275
Bui, T. T., & Bui, H. T. (2018). Gamification impact on the acceptance of mobile payment in Ho
Chi Minh city, Vietnam. International Journal of Social Science and Economic Research, 3(9),
4822–4837. Available at <ijsser.org/more2018.php?id=334>
Byrnes, S. (2020). Can Consumer Data Privacy Coexist with How Businesses Want to Use
Data? Forbes. Available at https://www.forbes.com/sites/forbestechcouncil/2020/04/27/can-
consumer-data-privacy-coexist-with-how-businesses-want-to-use-data/?sh=f6ca29928180
[Accessed 16 October 2021]
Chang, Y., Wong, S.F., Lee, H., Jeong, S.P. (2016). What motivates Chinese consumers to adopt
fintech services: a regulatory focus theory. Paper Presented at the Proceedings of the 18th
Annual International Conference on Electronic Commerce: E-Commerce in Smart Connected
World.
Fan, L., & Chatterjee, S. (2020). The utilization of robo-advisors by individual investors: An
analysis using diffusion of innovation and information search frameworks. Journal of Financial
Counseling and Planning, 31(1), 130–145.
Fu, J., Mishra, M. (2020). The Global Impact of Covid-19 on Fintech Adoption. Available at
SSRN 3588453
Gan, L. Y., Khan, M. T. I., & Liew, T. W. (2021). Understanding consumer's adoption of
financial robo-advisors at the outbreak of the COVID-19 crisis in Malaysia. Financial Planning
Review, e1127. https://doi.org/10.1002/ cfp2.1127
17
Hai, N (2020). Emerging Personal Finance Applications In Vietnam. Industry Reviews,
B&Company Vietnam. Available at https://b-company.jp/emerging-personal-finance-
applications-in-vietnam/ [Accessed 16 October 2021]
Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2017). A Primer on Partial Least
Squares Structural Equation Modeling (PLS-SEM) (2nd ed.). Thousand Oaks, CA: SAGE
Publications.
Hair, J. F., Hult, G. T., Ringle, C., & Sarstedt, M. (2014). A primer on partial least squares
structural equation modeling (PLSSEM). SAGE Publications Ltd.
Henager, R., & Cude, B. J. (2016). Financial literacy and long-and short-term financial behavior
in different age groups. Journal of Financial Counseling and Planning, 27(1), 3–19.
https://doi.org/ 10.1891/1052-3073.27.1.3
Hu, Z., Ding, S., Li, S., Chen, L., & Yang, S. (2019). Adoption intention of fintech services for
bank users: an empirical examination with an extended technology acceptance model.
Symmetry, 11(3), 340
Jung, D., Dorner, V., Weinhardt, C., & Pusmaz, H. (2018). Designing a robo-advisor for risk-
averse, low-budget consumers. Electronic Markets, 28(3), 367–380.
https://doi.org/10.1007/s12525-017-0279-9
Jung, J.-H., Shin, J.-I. (2019). The effect of choice attributes of internet specialized banks on
integrated loyalty: the moderating effect of gender. Sustainability, 11(24), 7063
Kranen, S. (2019). The influences of financial technology on risk taking: robo-advisors and
portfolio allocation. Master Thesis. Radboud University Nijmegen.
Le, M.T.H. (2021). Examining factors that boost intention and loyalty to use Fintech post-
COVID-19 lockdown as a new normal behavior. Heliyon, 7(8), e078212.
https://doi.org/10.1016/j.heliyon.2021.e07821
18
Lourenco, C. J., Dellaert, B. G., & Donkers, B. (2020). Whose algorithm says so: The
relationships between type of firm, perceptions of trust and expertise, and the acceptance of
financial Robo-advice. Journal of Interactive Marketing, 49, 107–124.
https://doi.org/10.1016/j.intmar.2019.10.003
Milani, A. (2019). The role of risk and trust in the adoption of roboadvisory in Italy.
PricewaterhouseCoopers Advisory. Avaiable at
https://www.pwc.com/it/it/publications/assets/docs/Report-robo-advisors.pdf [Accessed 10
October 2021]
Moore, G. C., & Benbasat, I. (1991). Development of an instrument to measure the perceptions
of adopting an information technology innovation. Information Systems Research, 2(3), 192–
222. https://doi.org/10.1287/isre.2.3.192
Mumuni, A. G., Lancendorfer, K. M., O'Reilly, K. A., & MacMillan, A. (2019). Antecedents of
consumers' reliance on online product reviews. Journal of Research in Interactive Marketing,
13(1), 26–46. https://doi.org/10.1108/JRIM-11-2017-0096
Nilashi, M., Jannach, D., Ibrahim, O. B., Esfahani, M. D., & Ahmadi, H. (2016).
Recommendation quality, transparency, and website quality for trust-building in
recommendation agents. Electronic Commerce Research and Applications, 19, 70–84.
https://doi.org/10.1016/j.elerap.2016.09.003
Noor, U., Anwar, Z., Amjad, T., & Choo, K.-K.R. (2019). A machine learning-based fintech
cyber threat attribution framework using high-level indicators of compromise. Future Generat.
Comput. Syst., 96, 227-242
Park, J., Konana, P., and Gu, B. (2010). Confirmation bias, overconfidence, and in-vestment
performance: Evidence from stock message boards. McCombs Research Paper Series, 1-56.
Avaiable at http:// misrc.umn.edu/wise/papers/p1-3.pdf. [Accessed 1 October 2021]
Rahman, S. A., Alam, M. M., & Taghizadeh, S. K. (2020). Do mobile financial services ensure
the subjective well-being of microentrepreneurs? An investigation applying UTAUT2 model.
Information Technology for Development, 26(2), 1–24. https://
doi.org/10.1080/02681102.2019.1643278
Robb, C. A., Babiarz, P., & Woodyard, A. (2012). The demand for financial professionals'
advice: The role of financial knowledge, satisfaction, and confidence. Financial Services
Review, 21, 291–305. Available at https://www.ssc.wisc.edu/~carobb/wp-
content/uploads/2016/08/ FSR-2012.pdf Accessed 1 October 2021]
19
Robo Advisors Information Guide (2019). Available at
https://www.inbestme.com/en/information/robo-advisor [Accessed 16 October 2021]
Ruhr, A., Berger, B., & Hess, T. (2019). Can I control my robo-advisor? Trade-offs in
automation and user control in (digital) investment management. Twenty-fifth Americas
Conference on Information Systems, 2, 1–10.
https://aisel.aisnet.org/amcis2019/cognitiveinis/cognitiveinis/2/
Sa, J. H., Lee, K. B., Cho, S. I., Lee, S. H., & Gim, G. Y. (2018). A study on the influence of
personality factors on intention to use of robo-advisor. Journal of Engineering and Applies
Sciences, 13(19), 7795–7802. https://doi.org/10.36478/jeasci.2018.7795.7802
Safari, M., Mansori, S., & Sesaiah, S. (2016). Personal financial planning industry in Malaysia:
A market survey. Journal of Wealth Management, 18, 29–35.
https://doi.org/10.3905/jwm.2016.18.4.029
Singh, N., & Sinha, N. (2020). How perceived trust mediates merchant's intention to use a
mobile wallet technology. Journal of Retailing and Consumer Services, 52, 101894.
https://doi.org/10. 1016/j.jretconser.2019.101894
Soodan, V., & Rana, A. (2020). Modeling customers' intention to use E-wallet in a developing
nation: Extending UTAUT2 with security, privacy and savings. Journal of Electronic Commerce
in Organizations, 18(1), 89–114. https://doi.org/10.4018/JECO. 2020010105
Stewart, H., & Jürjens, J. (2018). Data security and consumer trust in fintech innovation in
Germany. Information & Computer Security, 26, 109–128. https://doi.org/10.1108/ICS-06-2017-
0039
Thoumrungroje, A. (2014). The influence of social media intensity and EWOM on conspicuous
consumption. Procedia-Social and Behavioral Sciences, 148, 7–15.
https://doi.org/10.1016/j.sbspro.2014.07.009
Todd, T. M., & Seay, M. C. (2020). Financial attributes, financial behaviors, financial-advisor-
use beliefs, and investing characteristics associated with having used a robo-advisor. Financial
Planning Review, 3(3), e1104.
20
Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User acceptance of
information technology: Toward a unified view. MIS Quarterly, 27(3), 425–478. Available at
https://www.jstor.org/ stable/30036540 [Accessed 1 October 2021]
Venkatesh, V., Thong, J. Y., & Xu, X. (2012). Consumer acceptance and use of information
technology: Extending the unified theory of acceptance and use of technology. MIS Quarterly,
36(1), 157–178. Available at https://www.jstor.org/stable/41410412 [Accessed 1 October 2021]
Widodo, M., Irawan, M. I., & Sukmono, R. A. (2019). Extending UTAUT2 to explore digital
wallet adoption in Indonesia. 2019 International Conference on Information and
Communications Technology (ICOIACT), 878–883.
https://doi.org/10.1109/ICOIACT46704.2019.8938415
Yang, A., Xu, J., Weng, J., Zhou, J., & Wong, D.S. (2018). Lightweight and privacy-preserving
delegatable proofs of storage with data dynamics in cloud storage. IEEE Trans. Cloud Comp.
Zhou, M., Qu, S., Zhao, L., Campy, K. S., Wang, S., & Huang, W. (2019). Understanding
psychological determinants to promote the adoption of general practitioner by Chinese elderly.
Health Policy and Technology, 8, 128–136. https://doi.org/10.1016/j. hlpt.2019.05.007
PHỤ LỤC
PHỤ LỤC A
Tôi thấy robo-advisors sẽ hữu ích cho hoạt động đầu tư (2021)
PE4
của tôi.
EE – Nỗ lực mong đợi
Moore & Benbasat
EE1 Sử dụng robo-advisors sẽ rõ ràng và dễ hiểu với tôi.
(1991), Venkatesh và
PP2 Học cách sử dụng robo-advisors sẽ dễ dàng với tôi. cộng sự (2003, 2012),
Sử dụng giao dịch thông qua robo-advisors sẽ dễ dàng với Gan và cộng sự
PP3
tôi. (2021)
22
PP4 Sử dụng thành thạo robo-advisors sẽ dễ dàng với tôi.
SI - Ảnh hưởng xã hội
Những người quan trọng đối với tôi sẽ nghĩ rằng tôi nên
SI1
sử dụng robo-advisors.
Moore & Benbasat
Những người có ảnh hưởng đối với tôi sẽ nghĩ rằng tôi (1991), Venkatesh và
SI2
nên sử dụng robo-advisors. cộng sự (2003, 2012),
Những người có ý kiến giá trị đối với tôi sẽ nghĩ rằng tôi Gan và cộng sự
SI3
nên sử dụng robo-advisors. (2021)
FC2 Tôi có kiến thức cần thiết để sử dụng robo-advisors. (1991), Venkatesh và
cộng sự (2003, 2012),
FC3 Tôi có đủ kinh nghiệm Internet để sử dụng robo-advisors. Gan và cộng sự
23
Tôi sẽ dựa vào robo-advisors để lập kế hoạch tài chính
R2
thay vì tìm kiếm lời khuyên từ người cố vấn tài chính.
Tôi có hiểu biết về các cổ phiếu mà tôi kinh doanh (ví dụ: Robb và cộng sự
PFK2 (2012) Park và cộng
hoạt động kinh doanh của công ty, tình trạng tài chính).
sự (2010), Gan và
Tôi cập nhật đầy đủ các tin tức kinh tế chính mà có ảnh
PFK3 cộng sự (2021)
hưởng đến TTCK.
PFK4 Hiểu biết tài chính của tôi ở mức cao.
CV - Tác động của Covid-19
Tôi cần phải sử dụng robo-advisors do dịch bệnh Covid- Fu và Mishra (2020),
CV1
19 đang diễn ra. Le, M.T.H. (2021)
Bảng 4.1. Kết quả kiểm định độ tin cậy nhất quán nội bộ và giá trị hội tụ
Bảng 4.2. Giá trị phân biệt theo tiêu chuẩn Fornell-Larcker
R PFK CV EE SI PE FC INT SP T
25
R 0.758
PF
0.213 0.719
K
CV 0.023 0.035 0.833
EE 0.062 -0.102 -0.045 0.718
SI 0.065 -0.002 -0.097 -0.028 0.709
PE 0.028 -0.077 -0.059 0.363 0.18 0.71
FC -0.007 -0.035 -0.024 -0.072 -0.128 -0.091 0.707
0.82
INT 0.23 0.277 0.283 -0.035 0.099 -0.017 -0.03
4
0.10
SP 0.133 0.03 -0.026 0.124 0.12 0.342 -0.092 0.723
3
0.27
T 0.144 0.274 -0.012 -0.142 0.194 0.071 0.003 0.298 0.713
5
Bảng 4.3. Kết quả kiểm định giả thuyết nghiên cứu
Hệ số
Hệ số
hồi quy
Giả hồi quy
Mối tương quan chưa S.E. C.R. p-value Kết quả
thuyết chuẩn
chuẩn
hóa
hóa
H1 INT <--- PE -0.036 -0.039 0.07 -0.539 0.590 Bác bỏ
H2 INT <--- EE 0.026 0.026 0.07 0.394 0.693 Bác bỏ
H3 INT <--- SI 0.084 0.084 0.06 1.333 0.182 Bác bỏ
H4 INT <--- FC -0.005 -0.005 0.06 -0.083 0.934 Bác bỏ
H5 INT <--- T 0.192 0.189 0.07 2.601 0.009** Chấp nhận
H6 INT <--- SP 0.026 0.028 0.07 0.399 0.690 Bác bỏ
H7 INT <--- R 0.129 0.148 0.05 2.442 0.015* Chấp nhận
H8 INT <--- PFK 0.185 0.183 0.07 2.847 0.004** Chấp nhận
H9 INT <--- CV 0.252 0.284 0.05 4.89 *** Chấp nhận
26
PHỤ LỤC B
PHỤ LỤC C
Kết quả phân tích mô hình cấu trúc tuyến tính SEM
27
28