Nghiên cứu hành vi

sử dụng phương thức

thanh toán không dùng
tiền mặt
Thành viên nhóm:
1. Lê Tú Anh
2. Tân Bội Hiền
3. Tạ Kim Như
4. Lương Thị Hồng Hạnh
5. Nguyễn Huỳnh Hải My
6. Trần Khánh Minh

Giảng viên hướng dẫn: Th.s Dư Thị Chung

 01 Lý do chọn đề tài

Chương I : 02 Mục tiêu nghiên cứu

02
GIỚI THIỆU Đối tượng nghiên
03 cứu
NGHIÊN
CỨU Phương pháp nghiên
04
cứu

05 Ý nghĩa nghiên cứu

 Sự phát triển của tiền tệ

Hàng đổi Trao đổi qua Tiền giấy Không dùng

hàng vật thể trung tiền mặt
gian
 Mục tiêu nghiên cứu
 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
 Đối tượng nghiên cứu
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.
 Phương pháp nghiên cứu:
Phương pháp điều tra mẫu Phương pháp thống kê nhằm
qua bảng hỏi 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.
 CHƯƠNG II
Cơ sở lý thuyết
và
mô hình nghiên cứu
 Cơ sở lý thuyết
 Lý thuyết hành động hợp lý TRA

 Lý thuyết dự định hành vi TPB

 Mô hình chấp nhận công nghệ

TAM

 Lý thuyết khuếch tán đổi mới IDT

ĐỀ XUẤT MÔ HÌNH
NGHIÊN CỨU
 Mô hình chấp nhận và sử dụng cộng nghệ UTAUT
 Venkatesh và cộng sự (2003) 
o TRA - Thuyết hành động hợp lý
o TAM - Mô hình chấp nhận công nghệ
o MM - Mô hình động cơ
o TPB - Thuyết dự định hành vi
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

Hành vi sử dụng
Hiệu suất Nỗ lực mong đợi (H2)
Điều kiện
mong đợi (H1) thuận lợi (H3)

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)
 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
 THANG ĐO CÁC KHÁI NIỆM NGHIÊN CỨU
Bảng 1: Thang đo hiệu suất mong đợi
Thang đo Kí hiệu Biến quan sát
PE01 Sử dụng phương thức TTKDTM giúp tôi
Hiệu suất tiết kiệm thời gian
mong đợi PE02 Tôi cảm thấy sử dụng TTKDTM đơn giản
- PE03 TTKDTM đem đến cho tôi nhiều khuyến mãi
Performance PE04 TTKDTM thuận tiện mang ra ngoài
Expectancy 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
Thang đo Kí hiệu Biến quan sát
EE01 Tôi không muốn bị đánh cấp thông tin
 
EE02 Tôi muốn giao dịch nhanh, không trì trệ
Nỗ lực
Tôi mong tình trạng chi phí phát sinh sẽ được khắc
mong đợi EE03
phục triệt để
-
Tôi có thể sử dụng TTKDTM ngay cả khi không có
Effort EE04
wifi
Expectancy
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
Thang đo Kí hiệu Biến quan sát

Khi gặp trục trặc về giao dịch ngân hàng, tôi có thể
FC01
gọi tổng đài hỗ trợ
 Điều kiện TTKDTM luôn giải đáp các thắc mắc và vấn đề của
thuận lợi FC02
tôi rất tốt
-
Facilitating FC03 Thời gian phục vụ TTKDTM linh hoạt, hợp lý
Conditions
TTKDTM thường xuyên cung cấp các voucher
FC04
khuyến mãi
 BẢNG 5
THANG ĐO HÀNH VI SỬ DỤNG
Use Behavior

KÍ HIỆU Biến phụ thuộc

HL – Tôi rất hài lòng về tốc độ

chuyển tiền của ứng dụng
BIẾN QUAN
SÁT
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 Thu thập các
mục tiêu của việc nghiên cứu thông tin

1 2

3 4 5

Tiến hành lên kế Phân tích Trình bày kết

hoạch nghiên cứu thông tin thu quả thu thập
cụ thể thập được được
 Phương pháp nghiên cứu định
tính
Mục đích Phân tích
dữ liệu

Thu thập
dữ liệu Kết quả
Phương pháp nghiên cứu định
lượng

Nghiên cứu Nghiên cứu

định lượng định lượng
sơ bộ chính thức
 Nghiên cứu định lượng sơ bộ

Thu thập Chọn

Mục đích
dữ liệu mẫu
 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.

THAO TÁC THỰC HIỆN
Bước 2. Đưa các biến cần chạy
Bước 1.Chọn menu Analyze > thống kê mô tả từ mục bên trái sang
Descriptive Statistics > Frequencies. mục bên phải Variable.
 THAO TÁC THỰC HIỆN
Bước 3: Chọn Statistics:
quy định đại lượng thống
kê. Nhấn Ok để thực
hiện.
Hoặc để thực hiện tiếp
tạo biểu đồ ta nhấn
Continute để tiếp tục
thao tác
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.
 DESCRIPTIVES
(THỐNG KÊ MÔ TẢ)
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.
Bước 1: Chọn menu Analyze >
Bước 2: Chọn Options.
Descriptive Statistics > Descriptives
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,
THAO TÁC THỰC HIỆN
● Bước 1: Ở giao diện Dataview ->
Vào Analyze
● Bước 2: Chọn Table -> Custome
Table
● Bước 3: Chọn mục Don’t show this
dialog again -> Nhấn OK
● 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
Một trường
Sinh viên UFM khác
Count Count
Thẻ ATM/ thẻ ghi nợ nội địa 35 25
Thẻ tín dụng/ Credit card 2 9
Bạn sử dụng phương thức

thanh toán nào NHIỀU Thẻ ghi nợ quốc tế (VISA/ 4 13

Master card/...)
NHẨT Ví điện tử 48 46
0 0
Tiền kỹ thuật số (Bitcoin)
Mục khác 0 0
Xuất ra giá trị phần trăm

Bước 1: Làm tương tự như

các bước hiển thị giá trị
Count.
Bước 2: Click chuột vào dòng
chữ Count trên bảng 
Bước
Chọn 3: Chọn Row
Summary %/
Statistics..
Columns % sau đó nhấn vào
mũi tên
 Chọn Apply to Selection.
 KẾT QUẢ
bạn là sinh viên UFM hay trường
khác
Một trường
Sinh viên UFM khác
Row Row
Count N% Count N%
Bạn sử dụng phương thức Thẻ ATM/ thẻ ghi nợ nội địa 35 58.3% 25 41.7%
thanh toán nào NHIỀU NHẨT
Thẻ tín dụng/ Credit card 2 18.2% 9 81.8%
Thẻ ghi nợ quốc tế (VISA/
Master card/...) 4 23.5% 13 76.5%

Ví điện tử 48 51.1% 46 48.9%

Tiền kỹ thuật số (Bitcoin) 0 0.0% 0 0.0%
Mục khác 0 0.0% 0 0.0%
Thống kê lý do sử
dụng TTKDTM của
sinh viên UFM và
trường khác
MULTIPLE RESPONSE SET
 Ý NGHĨA
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.
 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 1: Chọn menu

Analyze  Table
 Custome Table
Bước 2: Chọn biến
gộp vừa tạo.

Bước 3: Kéo rê biến gộp

vào khung Row/Columns
 Chọn OK
 KẾT QUẢ
Count Column N %
Phuong_thuc Thẻ ATM/ thẻ ghi nợ nội địa
150 82.4%

Thẻ tín dụng/ Credit card 42 23.1%

Thẻ ghi nợ quốc tế (VISA/
Master card/...) 49 26.9%

Ví điện tử 148 81.3%

Tiền kỹ thuật số (Bitcoin) 3 1.6%
Mục khác 0 0.0%
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
Kiểm định trên hai tổng
thể
định giá
• Independent - Samples T
Test
trị trung
• paired – samples T Test
bình
Kiểm định • Mục đích: so sánh
trị trung bình về một
trên một tổng chỉ tiêu nghiên cứu
nào đó với một giá trị
thể cụ thể cần quan tâm.

(One – sample • Thao tác: Analyze/

Compare Mean/ One
T Test) - sample T Test
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.

Giả thuyết:
H0: “mức dộ hài lòng trung bình của của sinh viên đối với TTKDTM ở mức 3 (bình
thường)”
H1: “mức dộ hài lòng trung bình của của sinh viên đối với TTKDTM khác mức 3
(bình thường)”
Sig. (2-tailed): 0.00 < 5%
bác bỏ giả thuyết H0, chấp nhận giả thuyết
H1
Kết luận:
Khác biệt trung bình (1,297) = trung bình mẫu quan sát (4,3) – trung bình giả
thuyết (3)
Vd. Kiểm định nhận xét sinh viên không có ý kiến (3) với TTKDTM giúp tiết kiệm
thời gian
Giả thuyết:
H0: “sinh viên không có ý kiến (3) với việc TTKDTM giúp tiết kiệm thời
gian”
H1: “sinh viên có ý kiến (3) với TTKDTM giúp tiết kiệm thời gian”

Sig.(2-tailed) = 0.00 < 5%

bác bỏ giả thuyết H0, chấp nhận H1

Kết luận:
Khác biệt trung bình (1.061) = trung bình mẫu quan sát (4.06) – trung bình giả
thuyết (3).
Sinh viên nhận xét ý kiến TTKDTM ở mức đồng ý (4)
 Giả thuyết:
• H0: “không có sự khác biệt có ý
nghĩa giữa giá trị trung bình của 2
Kiểm định mẫu”
• H1: “có sự khác biệt có ý nghĩa
trên hai giữa giá trị trung bình của 2 mẫu”
Kết luận: So sánh số Sig.(2-tailed)

tổng thể với giá trị alpha

• Nếu Sig.(2-tailed) > alpha: chọn
H0
• Nếu Sig.(2-tailed) <= alpha: bác
bỏ H0
 • Áp dụng cho biến định lượng và
biến định tính
Trên 2 mẫu độc lập • Mục đích: so sánh trị trung bình
(Independent – về một chỉ tiêu nghiên cứu nào
đó giữ hai đối tượng quan tâm.
Samples T Test)
Vd. so sánh có sự khác biệt về sự Hài Lòng giữa hai nhóm Tuổi (18-20, 21-23) hay không

Giả thuyết:
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
Kết luận:
Giữa hai nhóm tuổi 18-20 và 21-23 thì chưa có bằng chứng cho thấy sự khác nhau
về mức dộ hài lòng.
 Mục đích:
• Thuộc loại kiểm định dùng cho hai
mẫu có mối quan hệ với nhau dữ
liệu thuộc thang đo khoảng cách
Trên hai mẫu phụ hoặc tỷ lệ, phù hợp với dạng thử
nghiệm trước và sau, dạng thử
thuộc: (paired – nghiệm rất hay gặp trong nghiên
cứu

Samples T Test) • 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

Giả thuyết:
H0: “không có sự khác biệt có ý nghĩa giữa mức độ hài lòng trung bình và
tuần suất dụng trung bình”
H1:” có sự khác biệt có ý nghĩa giữa mức độ hài lòng trung bình và tuần suất
dụng trung bình”

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.
 PHƯƠNG SAI 1 YẾU TỐ (ONE – WAY ANOVA)

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.
Tình huống: Có sự khác biệt giữa yếu tố độ tuổi đến
yếu tố tần suất sử dụng TTKDTM của người trả lời.

Các giả thuyết được đặt ra để kiểm định:

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

tần suất sử dụng TTKDTM”

● H1: “Có sự khác biệt về độ tuổi đối với tần suất sử

dụng TTKDTM”
 THỰC HIỆN KIỂM ĐỊNH
Bảng Test of Homogeneity of Variances
Levene Statistic df1 df2 Sig.

0.846 3 178 0.470

● 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
● Bước 2: Phân tích phương sai ANOVA

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

 BẢNG PHÂN TÍCH PHƯƠNG SAI ANOVA
Sum of Mean
  df F Sig.
Squares Square

Between 4.121 3 1.374 1.459 .227

Groups

Within 167.571 178 .941

Groups    

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
 Xét Crobach ‘s Alpha:
0.802 > 0.5
 Đây là thang đo rất tốt

 Xét hệ số tương quan

giữa biến và tổng
(Corrected Item – Total
Corelation) phải > 0.3.

Nếu < 0.3 là biến xấu cần

loại bỏ biến đó và chạy lại
Cronbach Alpha
 Biến quan sát Tung bình thang đo Phương sai thang đo Hệ số tương quan Cronbach Alpha nếu
nếu loại biến nếu loại biến biến – tổng loại biến

Nhận định về phương thức TTKDTM (PE): alpha = 0,933

PE01 19.98 15.977 .853 .914
PE02 19.96 16.395 .867 .912
PE03 20.17 16.810 .717 .932
PE04 19.89 16.747 .840 916
PE05 20.22 17.076 .717 .931
PE06 19.98 16.565 .831 .917
Điều kiên thuân lợi sẽ làm cho TTKDTM tốt hơn (FC) : alpha = 0.620
FC01 11.60 4.492 .246 .657
FC02 11.73 3.858 .409 .543
FC03 11.66 3.680 .491 .480
FC04 11.60 3.869 .469 .501
Ưu tiên khắc phục TTKDTM (EE): alpha = 0.802
EE01 19.67 12.865 .362 .813
EE02 19.65 11.585 .587 .766
EE03 19.98 11.739 .540 .776
EE04 20.07 11.278 .581 .766
EE05 19.81 10.879 .662 .747
EE06 19.71 10.839 .625 .756
 PHÂN TÍCH NHÂN TỐ
KHÁM PHÁ EFA
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
 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 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
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
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
- Biến phụ thuộc: TS
(tần suất sử dụng)
- Biến độc lập: PE,FC,
EE

• Có 1 dấu “*” là độ tin

cậy đạt 95%
• Có 2 dấu “*” là độ tin
cậy đạt 99%
 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
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

Phương trình hệ số hồi quy chưa chuẩn hóa:

TS = 0.283PE – 0.257EE + 3.664