Luận văn: PPNC đến quyết định sử dụng dịch vụ Agribank Plus

Chia sẻ chuyên mục Đề Tài Luận văn: PPNC đến quyết định sử dụng dịch vụ Agribank Plus hay nhất năm 2026 cho các bạn học viên ngành đang làm luận văn thạc sĩ tham khảo nhé. Với những bạn chuẩn bị làm bài luận văn tốt nghiệp thì rất khó để có thể tìm hiểu được một đề tài hay, đặc biệt là các bạn học viên đang chuẩn bị bước vào thời gian lựa chọn đề tài làm luận văn thì với đề tài Luận Văn: Các nhân tố ảnh hưởng đến quyết định sử dụng dịch vụ Agribank Plus của khách hàng gen Z tại Ngân hàng Nông nghiệp và Phát triển Nông thôn Việt Nam – Chi nhánh tỉnh Long An dưới đây chắc chắn sẽ giúp cho các bạn học viên có cái nhìn tổng quan hơn về đề tài sắp đến.

3.1. Quy trình nghiên cứu

Hình 3.1: Quy trình nghiên cứu

Dựa trên cơ sở tổng hợp các công trình lý thuyết và những nghiên cứu thực nghiệm trước đây, đề tài này tiến hành xây dựng khung lý thuyết nền tảng và đề xuất mô hình nghiên cứu bao gồm các yếu tố tác động đến quyết định sử dụng dịch vụ Agribank Plus của khách hàng Gen Z. Các yếu tố này bao gồm: nhận thức về tính hữu ích, nhận thức về tính dễ sử dụng, nhận thức rủi ro, an toàn & bảo mật, ảnh hưởng xã hội, thái độ khách hàng, tính năng & đa dạng chức năng, và niềm tin.

Sau khi hoàn thiện mô hình nghiên cứu và hệ thống giả thuyết, nghiên cứu tiến hành xây dựng công cụ khảo sát dưới hình thức bảng câu hỏi với thang đo Likert, nhằm thu thập dữ liệu từ các đối tượng nghiên cứu là khách hàng thuộc thế hệ Gen Z tại Agribank Chi nhánh tỉnh Long An. Dữ liệu sau đó được xử lý thông qua các kỹ thuật phân tích định lượng như kiểm định độ tin cậy thang đo (hệ số Cronbach’s Alpha), phân tích nhân tố khám phá (EFA), và phân tích hồi quy.

Kết quả thu được là cơ sở để đánh giá mức độ ảnh hưởng của từng yếu tố đến quyết định sử dụng dịch vụ Agribank Plus của khách hàng Gen Z. Từ đó, nghiên cứu đưa ra các khuyến nghị và giải pháp phù hợp nhằm giúp Agribank Chi nhánh tỉnh Long An cải thiện chiến lược tiếp cận khách hàng trẻ và thúc đẩy quá trình chuyển đổi số.

3.2. Đo lường biến trong mô hình

Các biến quan sát trong mô hình nghiên cứu được đo lường dựa trên thang đo Likert gồm 5 mức độ phản hồi, được mã hóa từ 1 – Hoàn toàn không đồng ý đến 5 – Hoàn toàn đồng ý, nhằm phản ánh mức độ đồng thuận của người tham gia khảo sát đối với từng phát biểu. Thang đo được xây dựng dựa trên các nghiên cứu trước đây và điều chỉnh cho phù hợp với bối cảnh khách hàng Gen Z tại Agribank Chi nhánh tỉnh Long An trong việc quyết định sử dụng dịch vụ Agribank Plus.

Ghi chú mã hóa: Đối với biến PR (Perceived Risk), các mục quan sát được mã hóa đảo chiều để đảm bảo hướng tác động cùng chiều với biến phụ thuộc là “Quyết định sử dụng dịch vụ Agribank Plus (DU)”. Theo đó, điểm cao thể hiện khách hàng cảm nhận ít rủi ro hơn, đồng nghĩa với khả năng tăng tỷ lệ quyết định sử dụng dịch vụ.

Cụ thể:

Bảng 3.1: Bảng quy ước viết tắt các biến trong mô hình
Bảng 3.2: Bảng thang đo nghiên cứu

3.3. Mẫu nghiên cứu Luận văn: PPNC đến quyết định sử dụng dịch vụ Agribank Plus.

3.3.1. Phương pháp chọn mẫu

Nghiên cứu sử dụng phương pháp chọn mẫu phi xác suất, kết hợp chọn mẫu thuận tiện (convenience sampling) và chọn mẫu theo định mức (quota sampling), nhằm đảm bảo dữ liệu thu thập phản ánh đầy đủ đặc điểm khách hàng Gen Z trong phạm vi nghiên cứu.

Chọn mẫu thuận tiện: Mẫu được thu thập từ nhóm khách hàng Gen Z đang sinh sống, làm việc hoặc có giao dịch tại Agribank Chi nhánh tỉnh Long An, thông qua hình thức trực tiếp tại điểm giao dịch và trực tuyến thông qua các nền tảng mạng xã hội. Phương pháp thuận tiện được sử dụng do sự giới hạn về thời gian, nguồn lực và khả năng tiếp cận đối tượng Gen Z.

Chọn mẫu theo định mức: Nhằm tăng tính đại diện trong mẫu, nghiên cứu phân chia nhóm khách hàng Gen Z theo tình trạng sử dụng dịch vụ Agribank Plus, bao gồm:

Nhóm đã từng sử dụng dịch vụ Agribank Plus
Nhóm đang sử dụng dịch vụ Agribank Plus

Áp dụng chọn mẫu theo định mức giúp đánh giá các nhân tố ảnh hưởng đến quyết định sử dụng dịch vụ Agribank Plus giữa các nhóm khác nhau.

Lưu ý về hạn chế: Do mẫu khảo sát chủ yếu gồm những người đã/đang sử dụng dịch vụ Agribank Plus, nghiên cứu không thể khái quát kết quả cho nhóm “chưa sử dụng” (non-users) – vốn là đối tượng quan trọng để mở rộng thâm nhập dịch vụ. Do đó, kết quả chỉ phản ánh các nhân tố ảnh hưởng trong nhóm khách hàng đã dùng, và cần thận trọng khi diễn giải ra toàn bộ khách hàng Gen Z tại Long An.

Không thể bổ sung mẫu với nhóm người chưa sử dụng, kết quả chỉ được diễn giải trong phạm vi các yếu tố ảnh hưởng đối với nhóm khách hàng đã sử dụng, và việc khái quát ra toàn bộ khách hàng Gen Z tại Long An bị hạn chế.

3.3.2. Cỡ mẫu Luận văn: PPNC đến quyết định sử dụng dịch vụ Agribank Plus.

Nghiên cứu được thực hiện dựa trên phân tích hồi quy đa biến nên cỡ mẫu được xác định như sau:

Theo Tabachnick và Fidell (1996), đối với phân tích hồi quy đa biến, cỡ mẫu tối thiểu được tính theo công thức: n = 50 + 8*m. Trong đó: n là số phần tử được lựa chọn (cỡ mẫu) và m là số biến độc lập. Vậy cỡ mẫu tối thiểu của nghiên cứu là: n1 = 50 + 8*8 = 114.
Theo Nghiên cứu về cỡ Comrey (1973), Roger (2006) cho thấy cỡ mẫu tối thiểu áp dụng được trong các nghiên cứu thực hành: n = 5*m. Trong đó: n là số mẫu cần điều tra và m là số câu hỏi được đo lường;. Vậy cỡ mẫu tối thiểu là: n2 = 5*27 =

Do đó, cỡ mẫu được đề xuất trong nghiên cứu này là n1 + n2 = 249, mẫu tối thiểu được áp dụng trong các nghiên cứu thực hành là từ 200 đến 300 phần tử. Do đó cỡ mẫu được đề xuất trong bài nghiên cứu này là 250.

3.3.3. Phương pháp thu thập dữ liệu

Mẫu nghiên cứu bao gồm những khách hàng thuộc thế hệ Gen Z (sinh từ năm 1997 – 2012) hiện đang sinh sống, học tập hoặc làm việc tại tỉnh Long An và đã sử dụng dịch vụ Agribank Plus. Để đảm bảo tính đại diện và phù hợp với mục tiêu nghiên cứu, các tiêu chí này được xác định rõ ràng nhằm tập trung phân tích hành vi của nhóm đối tượng mục tiêu.

Để thu thập dữ liệu sơ cấp, nghiên cứu xây dựng bộ công cụ khảo sát dưới dạng bảng câu hỏi, được phát triển trên nền tảng khung lý thuyết và mô hình nghiên cứu đã đề xuất. Các biến quan sát được đo lường bằng thang đo Likert 5 mức độ, từ 1 – “Hoàn toàn không đồng ý” đến 5 – “Hoàn toàn đồng ý”. Bảng hỏi gồm hai phần chính:

Phần 1: Thu thập thông tin nhân khẩu học của người trả lời (giới tính, độ tuổi, nghề nghiệp và nơi sinh sống).
Phần 2: Đo lường các yếu tố độc lập ảnh hưởng đến quyết định sử dụng dịch vụ, bao gồm nhận thức về tính hữu ích, nhận thức về tính dễ sử dụng, nhận thức rủi ro, an toàn & bảo mật, ảnh hưởng xã hội, thái độ khách hàng, tính năng & đa dạng chức năng, và niềm tin.

Để thu thập dữ liệu một cách hiệu quả, nghiên cứu kết hợp hai phương pháp:

Thu thập trực tiếp: Tiến hành phát bảng khảo sát tại các điểm giao dịch của Agribank chi nhánh tỉnh Long An. Nhân viên sẽ trực tiếp tiếp cận khách hàng Gen Z, hướng dẫn điền form khảo sát trên giấy hoặc thiết bị điện tử. Cách tiếp cận này giúp thu thập phản hồi thực tế từ những khách hàng đang sử dụng dịch vụ và nâng cao tỷ lệ hoàn thành.
Thu thập trực tuyến: Link form khảo sát được chia sẻ qua các nền tảng mạng xã hội phổ biến với Gen Z như Facebook, Instagram, TikTok, và các hội nhóm cộng đồng tại Long An. Phương pháp này giúp mở rộng phạm vi tiếp cận, đặc biệt là với những người không thường xuyên đến điểm giao dịch, đồng thời giảm thiểu chi phí và thời gian.

Việc kết hợp hai phương pháp này giúp tối ưu hóa hiệu quả khảo sát, đảm bảo dữ liệu thu thập được phong phú và phản ánh đầy đủ trải nghiệm của khách hàng Gen Z tại Agribank Long An. Dữ liệu sau khi thu thập được kiểm tra, làm sạch và nhập liệu bằng phần mềm Microsoft Excel, sau đó được xử lý và phân tích bằng phần mềm SPSS để phục vụ cho các bước phân tích tiếp theo như kiểm định thang đo, phân tích nhân tố và phân tích hồi quy.

3.4. Phương pháp nghiên cứu và xử lý dữ liệu Luận văn: PPNC đến quyết định sử dụng dịch vụ Agribank Plus.

Phương pháp phân tích hồi quy tuyến tính bội được sử dụng trong nghiên cứu này để xác định mức độ ảnh hưởng của các yếu tố độc lập đến biến phụ thuộc là quyết định sử dụng dịch vụ Agribank Plus của khách hàng Gen Z.

Trước khi tiến hành phân tích hồi quy, dữ liệu sẽ được xử lý qua các bước sau:

Kiểm định độ tin cậy của thang đo (Cronbach’s Alpha):

Mục đích là đánh giá mức độ nhất quán nội tại của các biến quan sát trong cùng một thang đo. Các biến có hệ số tương quan biến-tổng (Item-Total Correlation) nhỏ hơn 0.3 và các thang đo có hệ số Cronbach’s Alpha nhỏ hơn 0.7 sẽ bị loại bỏ. Việc này nhằm đảm bảo các thang đo được sử dụng có độ tin cậy cao, phù hợp cho các bước phân tích tiếp theo.

Phân tích nhân tố khám phá (EFA):

Phân tích EFA được sử dụng để xác định các nhân tố tiềm ẩn từ một tập hợp các biến quan sát. Mục đích của EFA là thu gọn dữ liệu và xác định các nhóm biến quan sát có mối liên hệ chặt chẽ với nhau, từ đó hình thành các yếu tố chính trong mô hình. EFA sẽ được thực hiện với các chỉ số như Eigenvalue > 1 và tổng phương sai trích được (Total Variance Explained) > 50%. Kết quả EFA giúp khẳng định cấu trúc các yếu tố trong mô hình nghiên cứu trước khi chuyển sang phân tích hồi quy.

Phân tích hồi quy tuyến tính bội:

Các thang đo sau khi đã được kiểm định về giá trị và độ tin cậy, nghiên cứu tiến hành áp dụng mô hình hồi quy tuyến tính bội. Phương pháp này nhằm đánh giá mức độ tác động và ý nghĩa thống kê của từng yếu tố độc lập đến quyết định sử dụng dịch vụ Agribank Plus của khách hàng Gen Z. Phương trình hồi quy tổng quát được xây dựng dưới dạng:

Y = β₀ + β₁X₁ + β₂X₂ + β₃X₃ + β₄X₄ + β₅X₅ + β₆X₆ + β₇X₇ + β₈X₈ + ε

Trong đó: Luận văn: PPNC đến quyết định sử dụng dịch vụ Agribank Plus.

Y: Quyết định sử dụng dịch vụ Agribank Plus của khách hàng Gen Z (biến phụ thuộc).
X₁ đến X₈: Các biến độc lập đại diện cho các yếu tố như nhận thức về tính hữu ích, nhận thức về tính dễ sử dụng, nhận thức rủi ro, an toàn & bảo mật, ảnh hưởng xã hội, thái độ khách hàng, tính năng & đa dạng chức năng, và niềm tin.
β₀: Hằng số.
β₁ đến β₈: Hệ số hồi quy của các biến độc lập.
ε: Sai số ngẫu nhiên.
Kết quả phân tích hồi quy sẽ là cơ sở để kiểm định các giả thuyết nghiên cứu đã đề ra (từ H1 đến H8) và đưa ra các khuyến nghị phù hợp cho Agribank Chi nhánh tỉnh Long An.

Các bước xử lý số liệu cụ thể bằng phần mềm SPSS sẽ được giới thiệu trong hình 3.2 bên dưới:

Hình 3.2: Các bước xử lý dữ liệu

Bước 1: Làm sạch dữ liệu

Sau khi loại các mẫu không phù hợp với yêu cầu ban đầu, chúng ta chạy phân bổ tần số để kiểm tra các biến nhập sai có giá trị gây nhiễu không nằm trong các giá trị lựa chọn.

Kiểm tra các mẫu đối tượng bị trùng nhau và loại mẫu bị trùng. Kiểm tra các tần suất các giá trị missing và đảm bảo các giá trị missing của một biến phải nhỏ hơn 10% tổng số mẫu.

Bước 2: Kiểm định Cronbach’s Alpha

Đánh giá độ tin cậy và độ giá trị các thang đó. Độ tin cậy của thang đo được đánh giá qua hệ số Cronbach’s Alpha, qua đó các biến không phù hợp sẽ bị loại nếu hệ số tương quan biến tổng của các biến quan sát (Corrected Item-Total Correlation) lớn hơn 0,3 và tiêu chuẩn để chọn thang đo là có độ tin cậy Alpha từ 0,6 trở lên (Nunnally & Burnstein, 1994).

Bước 3: Phân tích nhân tố EFA

Phân tích EFA giúp xác định các nhóm biến có mối tương quan chặt chẽ với nhau, qua đó hình thành nên các nhân tố đại diện cho từng khái niệm nghiên cứu. Luận văn: PPNC đến quyết định sử dụng dịch vụ Agribank Plus.

Các tiêu chí được sử dụng trong EFA gồm:

Hệ số KMO (Kaiser-Meyer-Olkin): dùng để đánh giá mức độ thích hợp của dữ liệu cho phân tích nhân tố. Giá trị KMO đạt yêu cầu khi từ 0.5 đến 1.0, cho thấy dữ liệu phù hợp để tiến hành EFA.
Kiểm định Bartlett’s Test of Sphericity: được sử dụng để kiểm tra giả thuyết rằng ma trận tương quan là ma trận đơn vị. Nếu Sig. < 0.05, dữ liệu có tương quan đủ mạnh để phân tích nhân tố.
Phương pháp trích (Extraction Method): sử dụng Principal Component Analysis (PCA) để rút trích các nhân tố.
Phương pháp xoay (Rotation Method): áp dụng Varimax (Orthogonal Rotation) nhằm tăng khả năng phân biệt giữa các nhân tố.
Tiêu chuẩn Eigenvalue: chỉ giữ lại các nhân tố có Eigenvalue > 1, thể hiện lượng phương sai được giải thích lớn hơn một biến gốc.
Hệ số tải nhân tố (Factor Loading): phản ánh mức độ liên hệ giữa biến quan sát và nhân tố. Biến quan sát được chấp nhận khi Factor Loading ≥ 0.5.
Tổng phương sai trích (Total Variance Explained): thể hiện tỷ lệ phương sai của dữ liệu được giải thích bởi các nhân tố trích được. Giá trị tổng phương sai trích ≥ 50% được xem là đạt yêu cầu.

Trường hợp biến quan sát có hệ số tải nhân tố thấp (< 0.5) hoặc tải lên nhiều hơn một nhân tố (cross-loading), biến đó sẽ được xem xét loại bỏ để đảm bảo độ tinh gọn và tính đại diện của thang đo.

Kết quả EFA giúp xác định cấu trúc các nhân tố tiềm ẩn một cách thực nghiệm, đồng thời kiểm chứng mức độ tương thích giữa mô hình đo lường lý thuyết và dữ liệu thực tế. Đây là bước tiền đề quan trọng trước khi tiến hành các phân tích tiếp theo như phân tích hồi quy tuyến tính bội hoặc phân tích mô hình cấu trúc (SEM), nhằm đảm bảo rằng các khái niệm nghiên cứu được đo lường một cách chính xác và có giá trị thống kê.

Sau khi phân tích nhân tố khám phá (EFA) được thực hiện và các nhân tố tiềm ẩn đã được xác định rõ ràng, đồng thời các biến quan sát không đạt yêu cầu đã được loại bỏ, bộ thang đo cuối cùng được hình thành với cấu trúc ổn định và độ tin cậy cao. Kết quả này cho thấy các biến quan sát có mối quan hệ hội tụ tốt trong từng nhân tố và phân biệt rõ ràng giữa các nhân tố khác nhau, đảm bảo tính hợp lệ của mô hình đo lường. Luận văn: PPNC đến quyết định sử dụng dịch vụ Agribank Plus.

Trên cơ sở đó, nghiên cứu tiến hành phân tích hồi quy tuyến tính bội nhằm đánh giá mức độ ảnh hưởng và ý nghĩa thống kê của từng nhân tố độc lập đối với quyết định sử dụng dịch vụ Agribank Plus của khách hàng thế hệ Z. Đây là bước quan trọng để kiểm định các giả thuyết nghiên cứu, xác định những yếu tố có tác động mạnh nhất đến hành vi sử dụng thực tế, đồng thời cung cấp bằng chứng thực nghiệm cho mô hình lý thuyết đã đề xuất.

Bước 4: Phân tích hồi quy bội

Phân tích hồi quy bội là một kỹ thuật thống kê có thể được sử dụng để phân tích mối quan hệ giữa nhiều biến độc lập và một biến phụ thuộc. Mục tiêu của việc phân tích hồi quy bội là sử dụng các biến độc lập có giá trị biết trước để dự báo một giá trị biến độc lập nào đó được chọn bởi người nghiên cứu. Khi chạy hồi quy cần quan tâm đến các thông số sau:

Hệ số Beta: Hệ số hồi quy chuẩn hoá cho phép so sánh trực tiếp giữa các hệ số dựa trên mối quan hệ giải thích của chúng với biến phụ thuộc.
Hệ số khẳng định R²: Đánh giá phần biến động của biến phụ thuộc được giải thích bởi các biến dự báo hay biến độc lập. Hệ số này có thể thay đổi từ 0 đến 1.
Đa cộng tuyến: Mô tả mối quan hệ tuyến tính giữa hai hay nhiều biến độc lập. Hai biến độc lập được xem là tuyến tính hoàn toàn nếu hệ số tương quan giữa chúng là 1 và hoàn toàn không quan hệ tuyến tính nếu hệ số tương quan giữa chúng là 0. Đa cộng tuyến xảy ra khi một biến độc lập nào đó tương quan mạnh với một nhóm biến độc lập khác.
Hệ số tương quan r: Chỉ mối quan hệ giữa biến phụ thuộc và các biến độc lập. Dấu của hệ số tương quan chỉ hướng của mối quan hệ này. Giá trị của r có thể thay đổi từ -1 đến +1.
Hằng số hồi quy b0: Giá trị của cột Y khi đường thẳng Y = b0 + b1X1 cắt cột này. Hằng số hồi quy thể hiện các tác động của tất cả các biến dự báo khác không được bao gồm trong mô hình.
Hệ số hồi quy bn: Giá trị hệ số góc của các biến trong mô hình ước lượng. Các hệ số này mang tính riêng phần vì mỗi hệ số không chỉ thể hiện mối quan hệ giữa các biến độc lập và biến phụ thuộc mà còn giữa các biến độc lập với nhau.
Hệ số Tolerance: Được sử dụng để đo lường tính tuyến tính và đa cộng tuyến, giá trị tolerance của biến i (TOLi) là 1-R^2* với R^2* là hệ số khẳng định cho việc dự báo biến i bởi các biến độc lập khác. Khi giá trị Tolerance của một biến càng nhỏ thì biến này càng bị cộng tuyến với các biến độc lập khác. Luận văn: PPNC đến quyết định sử dụng dịch vụ Agribank Plus.

Để đảm bảo mô hình không vi phạm các giả định về đa cộng tuyến và tự tương quan, tác giả kiểm tra:

Hệ số VIF (Variance Inflation Factor): Kiểm tra mức độ đa cộng tuyến; giá trị VIF < 10 được coi là chấp nhận được.
Hệ số Durbin-Watson: Kiểm tra tự tương quan trong phần dư; giá trị gần 2 cho thấy không có tự tương quan.

TÓM TẮT CHƯƠNG 3

Chương 3 đã thiết lập một quy trình nghiên cứu chặt chẽ và khoa học nhằm kiểm định mô hình lý thuyết về các nhân tố ảnh hưởng đến quyết định sử dụng dịch vụ Agribank Plus của khách hàng Gen Z tại tỉnh Long An. Tác giả đã cụ thể hóa các khái niệm nghiên cứu thành hệ thống thang đo chi tiết với 34 biến quan sát được kế thừa từ các nghiên cứu uy tín và điều chỉnh cho phù hợp với đặc thù địa phương. Với phương pháp lấy mẫu thuận tiện, nghiên cứu xác định cỡ mẫu tối thiểu đảm bảo tính đại diện để tiến hành thu thập dữ liệu thông qua bảng khảo sát trực tuyến. Toàn bộ dữ liệu thu thập được xử lý bằng phần mềm SPSS thông qua quy trình bốn bước chuẩn mực, bao gồm làm sạch dữ liệu, kiểm định độ tin cậy Cronbach’s Alpha, phân tích nhân tố khám phá (EFA) và cuối cùng là phân tích hồi quy tuyến tính bội. Những phương pháp và công cụ đo lường này chính là cơ sở kỹ thuật then chốt để đảm bảo tính khách quan và độ tin cậy cho các kết quả phân tích định lượng sẽ được trình bày chi tiết tại Chương 4. Luận văn: PPNC đến quyết định sử dụng dịch vụ Agribank Plus.

XEM THÊM NỘI DUNG TIẾP THEO TẠI ĐÂY:

===>>> Luận văn: KQNC đến quyết định sử dụng dịch vụ Agribank Plus

Luận Văn Thạc Sĩ, Tài Chính Ngân Hàng