Đánh giá mô hình đo lường

Kết quả nghiên cứu cho thấy, tất cả các thang đo đều đạt yêu cầu về độ tin cậy. Hệ số Cronbach’s Alpha (CA) của 8 thang đo đều lớn hơn 0,700, trong đó có 7 thang đo đạt giá trị từ 0,800 đến 0,900 và 1 thang đo đạt giá trị 0,780. Chỉ số CR của 8 thang đo đều lớn hơn 0,800, trong đó có 6 thang đo đạt giá trị từ 0,850 đến 0,920 và 2 thang đo đạt giá trị từ 0,820 đến 0,840. Theo Hair và cộng sự (2010), CA và CR lớn hơn 0,700 là đạt yêu cầu về độ tin cậy.

Kết quả nghiên cứu cho thấy giá trị hội tụ đạt được vì phương sai trung bình được trích xuất AVE nghiên cứu từ 0,5 đến 0,715.

Ngoài ra căn bậc hai AVE của mỗi nhân tố đều lớn hơn hệ số tương quan giữa nhân tố đó với các nhân tố khác. Do đó, mẫu nghiên cứu đảm bảo giá trị phân biệt của các thang đo. Ngoài ra, suy luận Heterotrait-Monotrait (HTMT) đã được dùng để đánh giá tính hợp lệ của một cấu trúc phân biệt, và giá trị phân biệt chỉ có thể được đảm bảo nếu chỉ số HTMT nhỏ hơn hoặc bằng 0,9. Kết quả cho thấy tất cả các thang đo lường các khái niệm đạt được tính hợp lệ của một cấu trúc phân biệt.

Đánh giá mô hình cấu trúc

Theo Hair và cộng sự (2010), giá trị VIF lớn hơn 5 cho thấy có vấn đề đa cộng tuyến. Giá trị cấu trúc trong nghiên cứu này là nhỏ hơn 5. Vì vậy, tất cả các cấu trúc trong nghiên cứu này không có vấn đề về cộng tuyến.

Kết quả nghiên cứu cho thấy giá trị R2 của biến phụ thuộc BI là 0,750; điều này có nghĩa là 75% thay đổi của BI có thể được giải thích bằng EE, PE, RIS, HT, PV, SI, TRU và mức thay đổi này được xem là giải thích đáng kể. Bên cạnh đó, biến PE và RIS giải thích mức yếu cho hai biến phụ thuộc là EE và HT với các giá trị R2 lần lượt là 0,093 và 0,044 (R2<0,25). Theo đó, biến EE tác động mức trung bình đến biến phụ thuộc BI, và biến HT tác động mạnh đến biến phụ thuộc BI, bên cạnh đó các biến PE, PV, RIS tác động ở mức nhỏ lên biến phụ thuộc BI. Ngoài ra, biến độc lập SI và biến độc lập TRU không tác động lên biến phụ thuộc BI. Hơn nữa, kết quả nghiên cứu cho thấy biến độc lập PE tác động nhỏ lên biến phụ thuộc EE và HT, biến độc lập RIS tác động nhỏ lên biến phụ thuộc EE và không tác động đến biến HT.

Kiểm định giả thuyết bằng kỹ thuật bootstrapping

Kết quả nghiên cứu cho thấy, trong 11 giả thuyết được đưa ra thì có 9 giả thuyết ủng hộ theo kết quả thống kê bao gồm EE, HT, PE, PV, RIS (giá trị p ≤ 0,05) tác động cùng chiều trực tiếp đến ý định sử dụng ngân hàng số. Ngoài ra, kết quả kiểm định cho thấy, nhân tố PE tác động cùng chiều trực tiếp đến nỗ lực mong đợi EE và tác động gián tiếp đến ý định hành vi sử dụng ngân hàng số, nhân tố PE tác động cùng chiều trực tiếp đến thói quen HT và tác động gián tiếp đến ý định hành vi sử dụng ngân hàng số. Tương tự, nhân tố RIS tác động cùng chiều trực tiếp đáng kể đến nỗ lực mong đợi EE và gián tiếp tác động đến ý định hành vi sử dụng ngân hàng số, nhân tố RIS tác động cùng chiều trực tiếp đáng kể đến thói quen HT và gián tiếp tác động đến ý định hành vi sử dụng ngân hàng số.

Thảo luận

Kết quả nghiên cứu cho thấy thói quen (HT) có hệ số tác động cao nhất là 0,521, hay nói cách khác thói quen sử dụng ngân hàng số của cá nhân có ảnh hưởng lớn đến ý định tiếp tục sử dụng ngân hàng số trong tương lai. Do đó, các tổ chức ngân hàng nên đầu tư vào việc tạo ra môi trường thuận lợi để tăng cường xây dựng và duy trì thói quen sử dụng ngân hàng số của khách hàng, nhằm mục đích phát triển thói quen sử dụng ngân hàng số như cung cấp các công cụ dễ sử dụng và hỗ trợ khách hàng thường xuyên.

Nỗ lực mong đợi (EE) có hệ số tác động thứ hai là 0,352, cho thấy nỗ lực mong đợi khi sử dụng ngân hàng số cũng là một yếu tố quan trọng ảnh hưởng đến ý định sử dụng và hành vi sử dụng ngân hàng số. Như vậy, các tổ chức ngân hàng cần nỗ lực để cải thiện và đáp ứng các yêu cầu và mong đợi của khách hàng đối với dịch vụ ngân hàng số, các hoạt động có thể bao gồm việc cải tiến trải nghiệm người dùng, tăng cường tính bảo mật và đảm bảo tính sẵn sàng của hệ thống ngân hàng số.

Về biến trung gian, kết quả nghiên cứu cho thấy nhận thức về rủi ro (RIS) lại không được chứng minh có ảnh hưởng trực tiếp đến ý định hành vi sử dụng ngân hàng số. Tuy nhiên, nhận thức về rủi ro tác động trực tiếp cùng chiều đến nỗ lực mong đợi (EE) và thói quen (HT), và từ đó tác động gián tiếp lên ý định hành vi chấp nhận sử dụng ngân hàng số. Điều này có nghĩa là khi khách hàng có nhận thức về rủi ro cao hơn, họ có xu hướng có nỗ lực mong đợi cao hơn và phát triển thói quen sử dụng ngân hàng số. Điều này có thể giải thích bằng việc khách hàng tự đánh giá rằng việc có kiến thức và kỹ năng sử dụng ngân hàng số sẽ giúp họ giảm rủi ro và đạt được mục tiêu tài chính của mình.

Theo đó, để thúc đẩy ý định hành vi chấp nhận sử dụng ngân hàng số, các tổ chức ngân hàng cần đảm bảo rằng khách hàng có nhận thức đúng về rủi ro và cung cấp thông tin rõ ràng và minh bạch về các biện pháp bảo mật và an toàn trong việc sử dụng dịch vụ ngân hàng số. Đồng thời, họ cũng cần tạo ra môi trường hỗ trợ và đáng tin cậy để khách hàng phát triển nỗ lực mong đợi và thói quen sử dụng ngân hàng số. Ngoài ra, ngân hàng có thể mời những người có ảnh hưởng trên mạng xã hội để hợp tác chia sẻ thông tin về an ninh mạng nói chung và tại ngân hàng nói riêng nhằm quảng bá nâng cao hình ảnh bảo mật an toàn khi sử dụng các dịch vụ ngân hàng số tại ngân hàng.

Kết luận

Kết quả nghiên cứu này có ý nghĩa quan trọng đối với các ngân hàng thương mại, cần chú trọng đến việc nâng cao kỳ vọng về hiệu suất, trị giá và giảm thiểu nhận thức rủi ro của khách hàng khi sử dụng ngân hàng số. Tuy nhiên, nghiên cứu thu thập 450 phiếu trả lời, mẫu này không đại diện cho toàn bộ dân số Việt Nam và mẫu chủ yếu tập trung vào nhóm người trẻ tuổi, có thu nhập trung bình khá và trình độ học vấn cao. Chính vì vậy, cần mở rộng mẫu nghiên cứu để bao gồm nhiều đối tượng khác nhau, chẳng hạn như người cao tuổi, người có thu nhập thấp... Hoặc nghiên cứu thêm các yếu tố khác như yếu tố văn hóa có thể ảnh hưởng đến hành vi sử dụng ngân hàng số thực tế của khách hàng.

Tài liệu tham khảo:

1. Fornell, C., & Larcker, D. F. (1981); Evaluating Structural Equation Models with Unobservable Variables and Measurement Error. Journal of Marketing Research, 18(1), 39–50. https://doi.org/10.1177/002224378101800104;
2. Hair Jr, J. F., Black, W. C., Babin, B. J., Anderson, R. E., & Tatham, R. L. (2010); Multivariate Data Analysis. PrenticeHall;
3. Tien, N. D. (2023); The Development of Digital Banking: A Case Study of Vietnam. Contemporary Studies in Economic and Financial Analysis, 103–128. https://doi.org/10.1108/s1569-37592023000110a006;
4. Venkatesh, V., & Davis, F. D. (2000); A theoretical extension of the technology acceptance model: four longitudinal field studies. Management Science, 46(2), 186–204. https://doi.org/10.1287/mnsc.46.2.186.11926.