Luận văn: PPNC ảnh hưởng đến quyết định sử dụng dịch vụ Fintech

Chia sẻ chuyên mục Đề Tài Luận văn: PPNC ảnh hưởng đến quyết định sử dụng dịch vụ Fintech hay nhất năm 2025 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: Các Yếu Tố Ảnh Hưởng Đến Quyết Định Sử Dụng Dịch Vụ Fintech Trong Thanh Toán Của khách hàng Cá Nhân Tại Techcombank Khu Vực Thành Phố Hồ Chí Minh dưới đây chắc chắn sẽ giúp cho các bạn học viên có cái nhìn tổng quan hơn về đề tài sắp đến.

3.1. Thiết kế quy trình nghiên cứu 

(Nguồn: Tác giả tổng hợp)

Trong khuôn khổ đề tài “Các Yếu Tố Ảnh Hưởng Đến Quyết Định Sử Dụng Dịch Vụ Fintech Trong Thanh Toán Của KHCN Cá Nhân Tại Techcombank Khu Vực Thành Phố Hồ Chí Minh”, tác giả lựa chọn thiết kế nghiên cứu dựa trên phương pháp định lượng (Quantitative Research) làm nền tảng chủ đạo cho việc thu thập và xử lý dữ liệu. Song song với đó, các phương pháp nghiên cứu định tính (Qualitative Research) cũng được áp dụng nhằm hỗ trợ quá trình xây dựng một nền tảng lý thuyết vững chắc, cũng như phân tích và đánh giá các mô hình lý thuyết nhằm xác định những biến số độc lập quan trọng trong nghiên cứu. Sự kết hợp này giữa các phương pháp nghiên cứu định lượng và định tính sẽ đóng vai trò quan trọng trong việc làm sáng tỏ và bổ trợ cho các nội dung cốt lõi của đề tài.

3.2. Nghiên cứu định tính Luận văn: PPNC ảnh hưởng đến quyết định sử dụng dịch vụ Fintech.

Quá trình nghiên cứu tài liệu được thực hiện với mục đích khám phá và tìm hiểu sâu hơn về các khía cạnh liên quan tới đề tài nghiên cứu dịch vụ Fintech. Nguồn dữ liệu tham khảo đa dạng, bao gồm sách báo, tài liệu trực tuyến, các ấn phẩm định kỳ và những công trình nghiên cứu đã được công bố trước đây. Song song với đó, tác giả cũng tiến hành nghiên cứu và đánh giá các mô hình lý thuyết nền tảng như Thuyết Hành động Hợp lý (TRA), Thuyết Hành vi Dự định (TPB), Mô hình Chấp nhận Công nghệ (TAM), Thuyết Lan truyền Đổi mới (IDT), và Thuyết Chấp nhận và Sử dụng Công nghệ (UTAUT) nhằm xác định những nhân tố then chốt tác động tới quyết định ứng dụng dịch vụ Fintech của phân khúc KHCN thuộc Ngân hàng Techcombank.

Ở bước này, một cuộc khảo sát thăm dò được thực hiện với mẫu gồm 50 KHCN hiện đang ứng dụng các dịch vụ Fintech. Dựa trên kết quả thu được, tác giả đã tiến hành điều chỉnh và chuẩn hóa bảng hỏi nhằm đảm bảo tính phù hợp và hiệu quả cho giai đoạn nghiên cứu chính thức tiếp theo. Dữ liệu sơ bộ cho thấy các thang đo được sử dụng trong bảng hỏi đã phản ánh một cách chính xác và đầy đủ những đặc tính cốt lõi của các biến số được đề xuất trong mô hình nghiên cứu. Điều này tạo tiền đề vững chắc cho việc triển khai nghiên cứu trên một quy mô rộng hơn.

Nghiên cứu định tính được thực hiện với nhiều mục tiêu khác nhau. Thứ nhất, nó nhằm mục đích chuẩn hóa và hiệu chỉnh lại thang đo cũng như các biến quan sát dựa trên kết quả tham vấn và thang đo ban đầu. Thứ hai, nghiên cứu tập trung vào việc điều chỉnh ngôn ngữ sử dụng trong bảng câu hỏi khảo sát, đảm bảo rằng đối tượng tham gia có thể nắm bắt chính xác ý nghĩa của từng câu hỏi được đặt ra. Cuối cùng, mục tiêu quan trọng nhất của nghiên cứu định tính là nhận diện và làm rõ các nhân tố tác động lên quyết định ứng dụng dịch vụ Fintech của phân khúc KHCN tại Ngân hàng Techcombank trên địa bàn Thành phố Hồ Chí Minh. Kết quả của nghiên cứu định tính sẽ đóng vai trò nền tảng cho các bước nghiên cứu tiếp theo trong khuôn khổ đề tài.

3.3. Mã hóa và xây dựng thang đo:

Dựa trên nghiên cứu của Manning và cộng sự (1995); Pikkrainen và cộng sự (2004); Chan và Lu (2004); Cheng và cộng sự (2006); Hassan Rawwash và cộng sự (2020); Bùi Thị Thùy Dương (2018) sẽ xây dựng các biến quan sát cho các nhóm nhân tố: Sự hữu ích cảm nhận (Perceived Usefulness – PU); Tính Dễ Sử Dụng (Perceived Ease of Use – PE); Rủi ro nhận thức (Perceived Risk – PR); Tính Đổi Mới Của Người Dùng (User Innovativeness – UI); Tính an toàn và bảo mật (Perceived Trust – PT); Hỗ Trợ Của Chính Phủ (Government Support – GS); Hình Ảnh Thương Hiệu (Brand Image – BI); Sự thuận tiện (Convenience – CC); Chuẩn chủ quan (Subjective Norms – SN). Luận văn: PPNC ảnh hưởng đến quyết định sử dụng dịch vụ Fintech.

Bảng 3.1: Bảng Thang đo Các nhân tố ảnh hưởng đến quyết định sử dụng dịch vụ Fintech của KHCN tại Techcombank

(Nguồn: Tác giả tổng hợp)

3.4. Thiết kế bảng khảo sát 

Bộ công cụ khảo sát được thiết kế với hai phần chính.

Phần 1 – Screener: Tập trung vào việc thu thập các thông tin cơ bản về đối tượng tham gia nghiên cứu. Mục đích của phần này là xác định những đáp viên phù hợp, từ đó lựa chọn ra một mẫu nghiên cứu đại diện và chất lượng cho toàn bộ quá trình nghiên cứu.

Phần 2 – Main Question: Bao gồm các câu hỏi chính của bảng khảo sát. Phần này được xây dựng dựa trên thang đo Likert 5 điểm, trong đó điểm số tăng dần từ 1 (Rất không đồng ý) đến 5 (Rất đồng ý), nhằm đánh giá mức độ tác động của từng nhân tố lên ý định ứng dụng dịch vụ Fintech của phân khúc KHCN. Đi kèm với mỗi nhân tố là một nhóm các thuộc tính liên quan, giúp làm rõ các khía cạnh cụ thể cũng như mối tương quan giữa các thuộc tính với nhau và với nhân tố chính được lựa chọn trong nghiên cứu.

3.5. Mẫu nghiên cứu Luận văn: PPNC ảnh hưởng đến quyết định sử dụng dịch vụ Fintech.

Tổng thể mẫu nghiên cứu: Mẫu nghiên cứu bao gồm các KHCN của Ngân hàng Techcombank. Dữ liệu được thu thập thông qua một bảng câu hỏi khảo sát trực tiếp, hướng tới những KHCN đã hoặc đang ứng dụng các dịch vụ Fintech do Techcombank cung cấp. Mục tiêu của cuộc khảo sát là đánh giá cảm nhận và quan điểm của người tiêu dùng đối với dịch vụ Fintech của ngân hàng trong một khoảng thời gian xác định.

Kết quả thu được từ quá trình khảo sát sẽ cung cấp những thông tin quan trọng, góp phần làm sáng tỏ thực trạng ứng dụng dịch vụ Fintech trong phân khúc KHCN tại Techcombank.

Kỹ Thuật lấy mẫu: Mẫu khảo sát được chọn theo mẫu tiện lợi, số lượng mẫu được chọn là các KHCN đang cư trú cũng như làm việc tại khu vực Thành phố Hồ Chí Minh có sử dụng hoặc từng sử dụng dịch vụ Fintech tại Techcombank, nhằm đảm bảo kết quả khảo sát được khách quan theo đặc thù của khu vực được chọn cho nghiên cứu.

Các KHCN thực hiện khảo sát được lựa chọn theo phương pháp chọn mẫu ngẫu nhiên.

Cỡ mẫu: Để xác định cỡ mẫu đáp ứng các yêu cầu của mô hình đề xuất, tác giả áp dụng các tiêu chí sau:

Số lượng khảo sát tỷ lệ với số nhân tố theo công thức giá trị tối thiểu: 50 + 8p (Nguyễn Đình Thọ, 2011). Luận văn có 9 nhân tố đề xuất nên cỡ mẫu cần thiết là 50 + 8 * 9 = 122.

Để đảm bảo phân tích EFA thì cỡ mẫu cần đạt 5 lần so với số lượng thuộc tính dược quan sát trong mô hình nghiên cứu (Haier, 2006). Luận văn có 34 biến quan sát nên số lượng khảo sát cần thực hiện là: 34 x 5 = 170.

Nghiên cứu hiện tại áp dụng kết hợp hai kỹ thuật phân tích dữ liệu là phân tích nhân tố khám phá (EFA) và hồi quy đa biến, do đó quy mô mẫu cần phải thỏa mãn yêu cầu của cả hai phương pháp này. Để đảm bảo tính chính xác và ý nghĩa thống kê của các kết quả, số lượng quan sát tối thiểu được ấn định ở mức 170. Tuy nhiên, nhằm nâng cao độ tin cậy và tính đại diện của mẫu đối với tổng thể nghiên cứu, một mẫu ngẫu nhiên sẽ được lựa chọn. Cỡ mẫu dự kiến sẽ bao gồm 300 cá nhân tham gia, với tiêu chí là có hiểu biết về công nghệ tài chính và đang sử dụng ít nhất một sản phẩm thuộc lĩnh vực này. Việc lựa chọn một mẫu nghiên cứu đủ lớn và đại diện sẽ góp phần nâng cao giá trị của các kết luận và khuyến nghị rút ra từ nghiên cứu.

Trong quá trình thu thập dữ liệu, các vấn đề liên quan đến dữ liệu thiếu hoặc các giá trị ngoại lai sẽ được giải quyết bằng việc áp dụng các kỹ thuật xử lý thống kê chuẩn, nhằm đảm bảo tính toàn vẹn và độ tin cậy của bộ dữ liệu. Hoạt động khảo sát sẽ được triển khai trên môi trường trực tuyến thông qua các nền tảng khảo sát thông dụng, đồng thời kết hợp với việc tìm kiếm các đối tượng khảo sát trực tiếp tại địa bàn Thành phố Hồ Chí Minh. Sự kết hợp này sẽ góp phần đảm bảo tính đa dạng và toàn diện của mẫu nghiên cứu, từ đó nâng cao giá trị của các kết quả và khuyến nghị rút ra từ nghiên cứu.

Sau khi hoàn tất việc thu thập dữ liệu, các bảng hỏi sẽ được kiểm tra để đảm bảo tính hợp lệ. Những bảng hỏi không hợp lệ hoặc không đầy đủ sẽ bị loại bỏ. Các bảng hỏi hợp lệ sẽ được sử dụng để tiến hành phân tích nhân tố, nhằm khám phá các yếu tố tiềm ẩn và xác định cấu trúc của các biến quan sát. Giai đoạn này sẽ góp phần làm sáng tỏ mối liên hệ giữa các nhân tố và tạo cơ sở vững chắc cho việc áp dụng kỹ thuật hồi quy đa biến ở các bước tiếp theo. Phương pháp hồi quy đa biến sẽ được ứng dụng nhằm xác định mức độ tác động của những nhân tố đã được nhận diện lên quyết định ứng dụng các dịch vụ Fintech của phân khúc KHCN thuộc Ngân hàng Techcombank trên địa bàn Thành phố Hồ Chí Minh. Những phát hiện từ quá trình phân tích này sẽ mang lại các thông tin hữu ích, hỗ trợ việc hoạch định chiến lược phát triển các dịch vụ Fintech của ngân hàng trong thời gian tới. Từ đó, ngân hàng có thể đưa ra những quyết định đúng đắn nhằm nâng cao chất lượng dịch vụ và thúc đẩy sự hài lòng của KHCN. Luận văn: PPNC ảnh hưởng đến quyết định sử dụng dịch vụ Fintech.

3.6. Phương pháp phân tích dữ liệu: 

3.6.1. Phương pháp thống kê mô tả

Phương pháp thống kê mô tả được sử dụng để đánh giá các yếu tố định tính gồm:

• Giới tính: được thống kê thành 2 nhóm là Nam và Nữ.
• Độ tuổi: được thống kê thành 4 nhóm là từ 18 đến dưới 25, từ 25 đến dưới 40 tuổi, từ 40 đến 50 tuổi, và trên 50 tuổi.
• Trình độ học vấn: được thống kê thành 5 nhóm gồm: Trung học phổ thông, Cao đẳng, Trường dạy nghề, Đại học, Sau đại học.
• Nghề nghiệp: được thống kê thành 5 nhóm gồm: Làm việc toàn thời gian/tự doanh, Làm việc bán thời gian, Học sinh/ sinh viên, Nghỉ hưu, Nội trợ.
• Thu nhập hộ gia đình hàng tháng: Ít hơn 8 triệu, từ 8 triệu đến 10 triệu, từ trên 10 triệu đến 20 triệu, từ trên 20 triệu 40 triệu và trên 40 triệu và một nhóm Từ chối tiết lộ.
• Dịch vụ sử dụng: được thống kê thành 4 nhóm: F@st i-Bank, TCB Mobile App, TCB QR Pay, TCB Pay và TCB Fintech Lab.

3.6.2. Phương pháp kiểm định dữ liệu

3.6.2.1. Kiểm định độ tin cậy của thang đo

Để thang đo nhân tố phù hợp thì cần đạt các tiêu chí về độ tin cậy như sau:

• Hệ số Crobach’s Alpha từ 0,6 trở lên.
• Hệ số tương quan biến tổng của các biến quan sát từ 0,3 trở lên.
• Khi loại biến quan sát thì không làm tăng giá trị hệ số Cronbach’alpha.

Các biến quan sát thỏa mãn các tiêu chí nêu trên sẽ được giữ lại để phục vụ cho các bước phân tích tiếp theo. Trong trường hợp có biến quan sát không đáp ứng được những yêu cầu này, chúng sẽ bị loại bỏ khỏi mô hình và quá trình kiểm định độ tin cậy sẽ được thực hiện lại với các biến còn lại. Việc sàng lọc và loại bỏ các biến không phù hợp sẽ góp phần nâng cao chất lượng của mô hình và tính chính xác của các kết quả phân tích. Đồng thời, bước này cũng đảm bảo rằng chỉ những biến quan sát có độ tin cậy cao mới được sử dụng trong các giai đoạn nghiên cứu sau.

3.6.2.2. Phân tích nhân tố khám phá (EFA) Luận văn: PPNC ảnh hưởng đến quyết định sử dụng dịch vụ Fintech.

Việc kiểm định nhân tố khám phá được thực hiện cho cả các biến độc lập và biến phụ thuộc để đánh giá sự phù hợp của thang đo mà tác giả xây dựng. Ý nghĩa và tiêu chí của các phân tích trong phân tích EFA như sau:

• Kiểm định KMO xác định sự phù hợp của các biến quan sát với nhân tố đề xuất. Giá trị phù hợp trong kiểm định KMO là từ 0,5 đến 1.
• Kiểm định Bartlett’s xác định mức độ tương quan giữa các biến quan sát trong thang đo. Kiểm định này được xác định theo giá trị sig, nếu sig
• Hệ số tải nhân tố khi thực hiện ma trận xoay nhân tố, giá trị của hệ số tải phải đạt 0,5 trở lên thì phù hợp để thực hiện tiếp cho các nghiên cứu sau.
• Trích các nhân tố: trong phân tích EFA cần kiểm tra hệ số tải yếu tố nhằm kiểm tra số lượng yếu tố trích được số với giả thuyết nghiên cứu ban đầu có phù hợp với mô hình hay không. Các nhân tố phù hợp có giá trị Eigenvalues ≥ 1 sẽ được giữ lại sử dụng trong mô hình nghiên cứu.

3.6.2.3. Kiểm định sự phù hợp của mô hình

Phân tích ma trận tương quan và hồi quy tuyến tính: Việc xây dựng ma trận tương quan là một bước quan trọng nhằm kiểm tra mối liên hệ giữa các biến độc lập chính thức trong mô hình nghiên cứu và biến phụ thuộc, đồng thời xác định cường độ của mối quan hệ này. Bên cạnh đó, việc tính toán hệ số tương quan giữa các biến độc lập cũng đóng vai trò thiết yếu trong việc đánh giá hiện tượng đa cộng tuyến trong mô hình. Trong khuôn khổ luận văn này, tác giả áp dụng hệ số tương quan Pearson làm công cụ chính để phân tích ma trận tương quan giữa các biến nghiên cứu. Kết quả của bước này sẽ cung cấp cơ sở quan trọng để đánh giá tính phù hợp của mô hình và độ tin cậy của các kết quả phân tích hồi quy trong các bước tiếp theo.

Phân tích hồi quy đa biến: Tác giả sử dụng phương pháp hồi quy gộp OLS để tiến hành hồi quy đa biến, hồi quy đa biến nhằm đánh giá mức độ tác động và mối quan hệ tuyến tính của các biến độc lập trong mô hình theo phương trình hồi quy là:

Y= 0 +1*X1 + 2*X2 + 3*X3 + 4*X4 + 5*X5 + 6*X6 +  i Luận văn: PPNC ảnh hưởng đến quyết định sử dụng dịch vụ Fintech.

Hệ số xác định R2 hiệu chỉnh: là một chỉ số quan trọng để đánh giá khả năng giải thích và mức độ tương thích của mô hình với dữ liệu thực tế. Giá trị của R2 hiệu chỉnh phản ánh cường độ tác động của các biến độc lập lên quyết định của người tiêu dùng. Để mô hình được coi là phù hợp và có ý nghĩa, hệ số R2 hiệu chỉnh cần đạt giá trị tối thiểu là 0,5 và giá trị này càng tiệm cận 1 thì mô hình càng thể hiện được mức độ giải thích cao. Bên cạnh việc xem xét hệ số R2 hiệu chỉnh, nghiên cứu này cũng tập trung vào việc kiểm tra các nhược điểm tiềm ẩn của mô hình, bao gồm:

Đối với giả thuyết về phân phối chuẩn phần dư, luận văn xác định dựa trên biểu đồ tần số dư chuẩn hóa, nếu giá trị trung bình Mean = 0 và độ lệch chuẩn bằng 1.

Để xác định mức độ ảnh hưởng của các yếu tố tác giả so sánh giá trị tuyệt đối của hệ số beta chuẩn hóa.

Xử lý số liệu: Sử dụng thống kê mô tả để tóm tắt các đặc điểm dân số của mẫu. Tiến hành phân tích hồi quy đa biến để xem xét mối quan hệ giữa các biến độc lập và biến phụ thuộc. Luận văn: PPNC ảnh hưởng đến quyết định sử dụng dịch vụ Fintech.

Phần mềm sử dụng: Phần mềm SPSS được ứng dụng để triển khai kỹ thuật Phân tích Nhân tố Khám phá (Exploratory Factor Analysis – EFA). Bên cạnh đó, phần mềm này cũng được sử dụng để thực thi một loạt các thuật toán nhằm phân tích mức độ tương quan (correlation) giữa các biến, qua đó hỗ trợ quá trình kiểm tra và xác định thứ bậc ưu tiên của các thuộc tính nghiên cứu. Việc kết hợp giữa phương pháp EFA và các kỹ thuật phân tích tương quan sẽ cung cấp một bức tranh toàn diện về mối quan hệ giữa các nhân tố, đồng thời làm nền tảng vững chắc cho các bước phân tích tiếp theo trong nghiên cứu.

Phương Pháp Ước Lượng: Tác giả sử dụng phương pháp bình phương tối thiểu (Ordinary Least Squares – OLS) để ước lượng các hệ số β của mô hình. Phương pháp OLS được chọn vì tính hiệu quả, đơn giản và phổ biến trong việc ước lượng các mô hình hồi quy tuyến tính, và nó cung cấp ước lượng không chệch khi các giả định cơ bản được đáp ứng.

Kiểm Định Mô Hình: Nhằm nâng cao độ tin cậy và tính chính xác của mô hình, tác giả sẽ tiến hành một loạt các kiểm định thống kê. Đầu tiên, hiện tượng đa cộng tuyến sẽ được kiểm tra để đảm bảo không có sự tương quan cao giữa các biến độc lập. Tiếp theo, quá trình chuẩn hóa các biến sẽ được thực hiện nhằm hạn chế ảnh hưởng của sự khác biệt trong đơn vị đo lường. Bên cạnh đó, các kiểm định thống kê cũng sẽ được áp dụng để đánh giá mức độ tương thích của mô hình với dữ liệu thực tế. Ngoài ra, kiểm định Durbin-Watson sẽ được sử dụng để phát hiện sự tự tương quan trong phần dư, trong khi kiểm định White sẽ giúp xác định tính không thuần nhất của phương sai. Việc kết hợp các kiểm định này sẽ góp phần đảm bảo tính vững và độ tin cậy của các kết quả hồi quy.

TÓM TẮT CHƯƠNG 3

Chương 3 thiết lập một lộ trình nghiên cứu gồm các bước: xây dựng thang đo, khảo sát thu thập dữ liệu, phân tích thống kê để kiểm định giả thuyết và xác định yếu tố ảnh hưởng đến quyết định sử dụng dịch vụ Fintech. Thang đo được phát triển cẩn thận, khảo sát được tiến hành có hệ thống trên mẫu đại diện. Dữ liệu thu thập sẽ được xử lý bằng phân tích nhân tố khám phá (EFA) và hồi quy đa biến. Kết quả cụ thể sẽ được trình bày trong Chương 4. Luận văn: PPNC ảnh hưởng đến quyết định sử dụng dịch vụ Fintech.

XEM THÊM NỘI DUNG TIẾP THEO TẠI ĐÂY:

===>>> Luận văn: Kết quả nghiên cứu đến quyết định sử dụng dịch vụ Fintech

Dịch Vụ Viết Luận Văn 24/7 Chuyên cung cấp dịch vụ làm luận văn thạc sĩ, báo cáo tốt nghiệp, khóa luận tốt nghiệp, chuyên đề tốt nghiệp và Làm Tiểu Luận Môn luôn luôn uy tín hàng đầu. Dịch Vụ Viết Luận Văn 24/7 luôn đặt lợi ích của các bạn học viên là ưu tiên hàng đầu. Rất mong được hỗ trợ các bạn học viên khi làm bài tốt nghiệp. Hãy liên hệ ngay Dịch Vụ Viết Luận Văn qua Website:  https://dichvuvietluanvan.com/ – Hoặc Gmail: lamluanvan24h@gmail.com