Giới thiệu dự án

Sự bùng nổ của cuộc Cách mạng Công nghiệp 4.0 và làn sóng chuyển đổi số trong lĩnh vực tài chính (FinTech) đã thúc đẩy thanh toán không dùng tiền mặt trở thành xu hướng tất yếu trên toàn cầu cũng như tại Việt Nam. Theo khuôn khổ pháp lý từ Nghị định số 101/2012/NĐ-CP và Thông tư số 39/2014/TT-NHNN của Ngân hàng Nhà nước Việt Nam, ví điện tử được định danh là dịch vụ trung gian thanh toán cung cấp tài khoản điện tử định danh gắn liền với tài khoản ngân hàng theo tỷ lệ bảo chứng 1:1. Thị trường Việt Nam hiện có hơn 30 đơn vị trung gian thanh toán đang cạnh tranh khốc liệt, trong đó MoMo (thuộc Công ty Cổ phần Dịch vụ Di động Trực tuyến - M_Service) giữ vị trí tiên phong với hơn 20 triệu người dùng.

Tuy nhiên, việc duy trì lòng trung thành và thúc đẩy tần suất sử dụng thực tế của phân khúc người dùng trẻ tuổi—đặc biệt là sinh viên khối ngành kinh tế, tài chính ngân hàng—vẫn là bài toán phức tạp. Sinh viên Đại học Ngân hàng TP.HCM (BUH) đại diện cho nhóm khách hàng có trình độ hiểu biết tài chính cao, nhạy bén về công nghệ nhưng cũng khắt khe về độ tin cậy, chi phí và trải nghiệm người dùng. Đồ án khóa luận tốt nghiệp "Các yếu tố ảnh hưởng đến quyết định sử dụng ví điện tử MoMo của sinh viên Trường Đại học Ngân hàng TP.HCM" (Mã ngành: 7340201 - Tài chính - Ngân hàng) do sinh viên Phạm Nguyễn Đan Thùy thực hiện dưới sự hướng dẫn của TS. Nguyễn Duy Linh được thiết kế nhằm giải quyết bài toán định lượng hành vi người dùng trong phân khúc này.

flowchart LR
    A[Bối cảnh FinTech 4.0 & TTKDTM] --> B[Nhu cầu thực tiễn của Gen Z / Sinh viên BUH]
    B --> C[Vấn đề: Xác định các nhân tố chi phối quyết định dùng MoMo]
    C --> D[Mô hình nghiên cứu định lượng kết hợp TAM, TRA, TPB]
    D --> E[Khuyến nghị chiến lược cho nhà phát triển MoMo]

Mục tiêu nghiên cứu cụ thể

  1. Xác định và hệ thống hóa các nhân tố lý thuyết và thực tiễn tác động đến quyết định sử dụng ví điện tử MoMo của sinh viên BUH.
  2. Đo lường và kiểm định mức độ tác động của từng nhân tố thông qua mô hình phân tích định lượng (độ tin cậy thang đo Cronbach's Alpha, phân tích nhân tố khám phá EFA, tương quan Pearson và hồi quy tuyến tính bội OLS).
  3. Đề xuất giải pháp và hàm ý quản trị cho nhà phát triển MoMo nhằm tối ưu hóa giao diện, chính sách bảo mật, quản lý chi phí và chiến lược gắn kết người dùng.

Phương pháp tiếp cận và phạm vi

  • Phương pháp tiếp cận: Kế thừa và mở rộng Mô hình Chấp nhận Công nghệ (Technology Acceptance Model - TAM, Davis, 1989), Thuyết Hành động Hợp lý (Theory of Reasoned Action - TRA, Fishbein & Ajzen, 1975), và Thuyết Hành vi Dự định (Theory of Planned Behavior - TPB, Ajzen, 1991).
  • Phạm vi không gian: Trường Đại học Ngân hàng TP.HCM (BUH).
  • Phạm vi thời gian: Thu thập và phân tích dữ liệu sơ cấp từ tháng 01/2022 đến tháng 04/2022.
  • Kỳ vọng đầu ra: Hệ thống thang đo 22 biến quan sát đã chuẩn hóa, mô hình hồi quy tuyến tính bội đạt chuẩn kinh tế lượng với các chỉ số kiểm định khuyết tật mô hình (VIF, Durbin-Watson, Spearman) hoàn toàn hợp lệ.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Thị trường thanh toán di động tại Việt Nam chứng kiến sự cạnh tranh gay gắt giữa nhiều hình thức thanh toán số: Internet Banking, Mobile Banking, Cổng thanh toán POS và Ví điện tử.

Tiêu chí so sánh Ví điện tử MoMo Mobile Banking (Vietcombank/BIDV) ZaloPay Cổng POS truyền thống
Hệ sinh thái tiện ích Rất cao (Thanh toán hóa đơn, xem phim, đầu tư, mua sắm) Cao (Tập trung giao dịch tài chính, tiết kiệm, vay) Trung bình (Tích hợp sâu trong chat Zalo) Thấp (Chỉ xử lý quẹt thẻ tại điểm bán)
Trải nghiệm UI/UX Giao diện thân thiện, gamification, cá nhân hóa Giao diện chuẩn ngân hàng, bảo mật cao Giao diện tối giản, truy cập qua mạng xã hội Cần phần cứng POS và thẻ vật lý
Chi phí giao dịch Miễn phí chuyển tiền nội bộ & liên ngân hàng có hạn mức Phổ cập chính sách Zero Fee Miễn phí chuyển khoản qua Zalo chat Phí máy POS tính cho đơn vị chấp nhận thẻ (1-2.5%)
Bảo mật & Chuẩn tuân thủ PCI DSS Level 1, OTP, sinh trắc học, 2FA Chuẩn ngân hàng nhà nước, Smart OTP, FIDO2 PCI DSS, OTP qua SMS/Zalo EMV Chip, PIN thẻ vật lý

Phân tích yêu cầu theo mô hình MoSCoW

  • Must Have (Bắt buộc phải có): Độ an toàn bảo mật tuyệt đối cho giao dịch (Perceived Reliability - PR); tốc độ xử lý nạp/rút/chuyển tiền tức thời (Perceived Usefulness - PU); giao diện đăng nhập và thao tác mượt mà (Perceived Ease of Use - PEU).
  • Should Have (Nên có): Tính năng chia tiền nhóm, chuyển tiền kèm lời nhắn qua mạng xã hội (Social Influence - SI); chính sách phí duy trì và biểu phí dịch vụ hợp lý, minh bạch (Perceived Cost - PC).
  • Could Have (Có thể có): Các chương trình ưu đãi, mini-game tích điểm thưởng (Gamification / Loyalty Rewards).
  • Won't Have (Chưa ưu tiên): Các sản phẩm tài chính phái sinh phức tạp không phù hợp với phân khúc sinh viên.
graph TD
    subgraph Theoretical Framework
        PU[Nhận thức sự hữu ích - PU] --> UD[Quyết định sử dụng - UD]
        PEU[Nhận thức dễ sử dụng - PEU] --> UD
        SI[Ảnh hưởng xã hội - SI] --> UD
        PR[Nhận thức độ tin cậy - PR] --> UD
        PC[Nhận thức chi phí - PC] --> UD
    end

Thiết kế hệ thống đo lường và cấu trúc biến

Hệ thống biến quan sát được mã hóa trên thang đo khoảng Likert 5 mức độ (1: Hoàn toàn không đồng ý $\rightarrow$ 5: Hoàn toàn đồng ý) gồm 1 biến phụ thuộc (4 biến quan sát) và 5 biến độc lập (18 biến quan sát):

Cấu trúc thang đo nghiên cứu (22 biến quan sát):

Methodology

Quy trình nghiên cứu được thực hiện qua 5 giai đoạn chuẩn hóa theo quy chuẩn kinh tế lượng:

  1. Giai đoạn 1 - Xác định vấn đề: Tổng hợp cơ sở lý thuyết TRA, TPB, TAM và các nghiên cứu thực nghiệm trong và ngoài nước (Kumar et al., 2018; Taufan & Yuwono, 2019; Lan et al., 2020; Bích & Ninh, 2020).
  2. Giai đoạn 2 - Thiết kế công cụ thu thập dữ liệu: Xây dựng bảng hỏi cấu trúc gồm 16 câu hỏi sàng lọc nhân khẩu học và 22 chỉ báo thang đo Likert.
  3. Giai đoạn 3 - Thu thập dữ liệu thực địa: Thực hiện khảo sát trực tuyến trên sinh viên BUH từ tháng 01/2022 đến tháng 04/2022. Tổng số phiếu phát ra là 165 phiếu, thu về 150 phiếu hợp lệ (tỷ lệ hợp lệ 90.91%), đáp ứng tiêu chuẩn chọn mẫu tối thiểu theo Hair et al. ($N \ge 5 \times 22 = 110$ hoặc $N \ge 6 \times 22 = 132$).
  4. Giai đoạn 4 - Xử lý và phân tích dữ liệu: Sử dụng phần mềm SPSS phiên bản 26.0 để thực hiện:
    • Thống kê mô tả (Measures of Frequency, Central Tendency, Dispersion).
    • Kiểm định độ tin cậy thang đo Cronbach's Alpha (ngưỡng chấp nhận $\alpha \ge 0.7$, tương quan biến - tổng Corrected Item-Total Correlation $\ge 0.3$).
    • Phân tích nhân tố khám phá (Exploratory Factor Analysis - EFA) với phép trích Principal Axis Factoring / Principal Component Analysis và phép xoay Varimax/Promax (Kaiser-Meyer-Olkin $KMO \ge 0.5$, kiểm định Bartlett $p < 0.05$, tổng phương sai trích $\ge 50%$, hệ số tải Factor Loading $\ge 0.5$).
    • Phân tích hệ số tương quan Pearson ($r$).
    • Ước lượng mô hình hồi quy tuyến tính bội OLS và kiểm định các khuyết tật mô hình (VIF kiểm tra đa cộng tuyến, Durbin-Watson kiểm tra tự tương quan, kiểm định phân phối chuẩn phần dư Histogram & Normal P-P plot, hệ số tương quan hạng Spearman kiểm tra phương sai sai số thay đổi).
  5. Giai đoạn 5 - Tổng kết và đề xuất giải pháp: Đánh giá độ phù hợp của giả thuyết và xây dựng đề xuất thực thi cho doanh nghiệp FinTech.
Cột mốc tiến độ Nội dung công việc Đầu ra kỹ thuật
Tuần 1 - 2 Tổng quan tài liệu, xây dựng khung lý thuyết TAM Bảng tổng hợp giả thuyết $H_1 \rightarrow H_5$
Tuần 3 - 4 Thiết kế bảng câu hỏi và mã hóa thang đo Bảng hỏi trực tuyến Google Forms 22 biến quan sát
Tuần 5 - 10 Thu thập dữ liệu khảo sát tại Đại học Ngân hàng Dataset thô ($N=165$, làm sạch còn $N=150$)
Tuần 11 - 13 Xử lý thống kê trên SPSS 26.0 (Alpha, EFA, OLS) Bảng kết quả kiểm định KMO, EFA, ANOVA, Hệ số $\beta$
Tuần 14 - 16 Kiểm định khuyết tật mô hình và viết báo cáo luận văn Đồ án hoàn chỉnh và hệ thống khuyến nghị quản trị

Implementation và kết quả

Development Process & Data Pipeline

Quy trình phân tích dữ liệu được xây dựng theo mô hình toán học và pipeline lập trình kinh tế lượng:

Mô hình hồi quy tuyến tính bội tổng quát: $$UD_i = \beta_0 + \beta_1 PU_i + \beta_2 PEU_i + \beta_3 SI_i + \beta_4 PR_i + \beta_5 PC_i + u_i$$

Trong đó:

  • $UD_i$: Quyết định sử dụng ví điện tử MoMo của sinh viên thứ $i$.
  • $\beta_0$: Hệ số chặn (Intercept).
  • $\beta_1, \beta_2, \beta_3, \beta_4, \beta_5$: Hệ số hồi quy riêng phần tương ứng với các biến $PU, PEU, SI, PR, PC$.
  • $u_i$: Sai số ngẫu nhiên thỏa mãn các giả định Gauss-Markov.
import numpy as np
import pandas as pd
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor

# 1. Load và làm sạch dữ liệu khảo sát N=150 sinh viên BUH
data = pd.read_csv("buh_momo_survey_data.csv")

# 2. Định nghĩa các nhóm biến đo lường (Likert 1-5)
independent_vars = ['PU_mean', 'PEU_mean', 'SI_mean', 'PR_mean', 'PC_mean']
dependent_var = 'UD_mean'

X = data[independent_vars]
y = data[dependent_var]

# 3. Thêm hệ số chặn beta_0
X_with_const = sm.add_constant(X)

# 4. Ước lượng mô hình hồi quy tuyến tính bội OLS
ols_model = sm.OLS(y, X_with_const).fit()

# 5. Kiểm tra hiện tượng đa cộng tuyến (Variance Inflation Factor - VIF)
vif_data = pd.DataFrame()
vif_data["Variable"] = X.columns
vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(X.shape[1])]

print(ols_model.summary())
print("\n--- Kiểm định Đa cộng tuyến (VIF) ---")
print(vif_data)

Testing và validation

1. Kiểm định độ tin cậy thang đo Cronbach's Alpha

Tất cả 6 thang đo (5 biến độc lập, 1 biến phụ thuộc) đều đạt độ tin cậy cao:

  • Thang đo Nhận thức sự hữu ích (PU): Cronbach's Alpha = 0.842; các hệ số tương quan biến - tổng đều $> 0.45$.
  • Thang đo Nhận thức độ tin cậy (PR): Cronbach's Alpha = 0.815; các biến quan sát PR1 - PR4 đạt chuẩn.
  • Thang đo Ảnh hưởng xã hội (SI): Cronbach's Alpha = 0.798; các biến SI1 - SI3 có tính nhất quán nội tại cao.
  • Thang đo Nhận thức dễ sử dụng (PEU): Cronbach's Alpha = 0.764.
  • Thang đo Nhận thức chi phí (PC): Cronbach's Alpha = 0.741.
  • Thang đo Quyết định sử dụng (UD): Cronbach's Alpha = 0.829.

2. Phân tích nhân tố khám phá (EFA)

  • Kiểm định KMO and Bartlett's Test: Hệ số $KMO = 0.812 > 0.5$, giá trị Sig. của kiểm định Bartlett's đạt $p = 0.000 < 0.05$, chứng minh dữ liệu hoàn toàn phù hợp để phân tích nhân tố.
  • Tổng phương sai trích (Total Variance Explained): Đạt $63.45% > 50%$ tại điểm dừng Eigenvalue $= 1.218 > 1.0$.
  • Bảng ma trận xoay nhân tố: Toàn bộ 18 biến quan sát độc lập hội tụ về đúng 5 nhóm nhân tố ban đầu, hệ số tải nhân tố (Factor Loading) của tất cả các biến đều dao động từ $0.582$ đến $0.845 > 0.5$, không có biến nào bị loại do tải chéo.

3. Kiểm định khuyết tật mô hình kinh tế lượng

  • Đa cộng tuyến: Hệ số $VIF$ của tất cả các biến độc lập đều nằm trong khoảng $1.152 - 1.487 < 2.0$, chứng minh không xảy ra hiện tượng đa cộng tuyến.
  • Tự tương quan: Hệ số Durbin-Watson đạt $d = 1.942$ (nằm trong khoảng an toàn $1.5 < d < 2.5$), xác nhận phần dư không có tương quan chuỗi bậc nhất.
  • Phân phối chuẩn của phần dư: Biểu đồ Histogram có dạng hình chuông đối xứng chuẩn, đồ thị Normal P-P Plot thể hiện các điểm quan sát phân bố sát đường thẳng kỳ vọng $45^\circ$.
  • Phương sai sai số thay đổi: Kiểm định tương quan hạng Spearman giữa trị tuyệt đối của phần dư $|e_i|$ với các biến độc lập đều có giá trị $Sig. > 0.05$, khẳng định mô hình không vi phạm giả định phương sai sai số không đổi.

Kết quả đạt được

Kết quả ước lượng mô hình hồi quy OLS trên mẫu $N = 150$ sinh viên Đại học Ngân hàng TP.HCM cho thấy hệ số $R^2$ hiệu chỉnh (Adjusted R-squared) đạt $0.584$, tức $58.4%$ sự biến thiên trong quyết định sử dụng ví MoMo của sinh viên BUH được giải thích bởi 5 nhân tố trong mô hình.

Giả thuyết Mối quan hệ tác động Hệ số hồi quy chuẩn hóa ($\beta$) Mức ý nghĩa ($p$-value) Kết luận kiểm định
$H_3$ Ảnh hưởng xã hội ($SI$) $\rightarrow$ Quyết định dùng ($UD$) $0.342$ $p = 0.000 < 0.01$ Chấp nhận (Tác động mạnh nhất)
$H_1$ Nhận thức sự hữu ích ($PU$) $\rightarrow$ Quyết định dùng ($UD$) $0.286$ $p = 0.000 < 0.01$ Chấp nhận (Tác động lớn thứ 2)
$H_4$ Nhận thức độ tin cậy ($PR$) $\rightarrow$ Quyết định dùng ($UD$) $0.231$ $p = 0.002 < 0.01$ Chấp nhận (Tác động lớn thứ 3)
$H_2$ Nhận thức dễ sử dụng ($PEU$) $\rightarrow$ Quyết định dùng ($UD$) $0.145$ $p = 0.031 < 0.05$ Chấp nhận (Tác động mức độ thấp)
$H_5$ Nhận thức chi phí ($PC$) $\rightarrow$ Quyết định dùng ($UD$) $0.128$ $p = 0.044 < 0.05$ Chấp nhận (Tác động mức độ thấp)

Phương trình hồi quy chuẩn hóa thu được: $$UD = 0.342 \times SI + 0.286 \times PU + 0.231 \times PR + 0.145 \times PEU + 0.128 \times PC$$

pie title Mức độ đóng góp tương đối của các nhân tố vào Quyết định sử dụng
    "Ảnh hưởng xã hội (SI)" : 30.2
    "Nhận thức sự hữu ích (PU)" : 25.3
    "Nhận thức độ tin cậy (PR)" : 20.4
    "Nhận thức dễ sử dụng (PEU)" : 12.8
    "Nhận thức chi phí (PC)" : 11.3

Đổi mới và đóng góp

  1. Đổi mới về mặt học thuật: Mở rộng mô hình TAM truyền thống của Davis (1989) bằng cách tích hợp hai nhân tố đặc thù của lĩnh vực FinTech là Nhận thức độ tin cậy (PR) và Nhận thức chi phí (PC) trong mối tương quan với Ảnh hưởng xã hội (SI) của mô hình TRA/TPB.
  2. Đóng góp về dữ liệu thực nghiệm: Cung cấp bộ dữ liệu đặc thù về hành vi tiêu dùng số của sinh viên ngành Tài chính - Ngân hàng tại TP.HCM—phân khúc đại diện cho lực lượng lao động tài chính tương lai.
  3. Phát hiện khác biệt mang tính đột phá:
    • Khác với nhiều nghiên cứu tại các thị trường phát triển (nơi Nhận thức sự hữu ích hoặc Dễ sử dụng luôn chiếm ưu thế tuyệt đối), tại phân khúc sinh viên trẻ Việt Nam, Ảnh hưởng xã hội ($SI, \beta = 0.342$) mới là yếu tố quyết định cao nhất. Điều này phản ánh rõ tính kết nối cộng đồng, xu hướng lan truyền qua mạng xã hội (Word-of-Mouth, viral campaigns, tính năng chuyển tiền lì xì nhóm) của thế hệ Gen Z.
    • Nhận thức chi phí ($PC, \beta = 0.128$) có tác động tích cực nhưng ở mức thấp nhất, chứng minh rằng khi người dùng trẻ đã tin tưởng vào tiện ích và bảo mật của nền tảng, họ sẵn sàng chấp nhận các khoản phí dịch vụ hợp lý để đổi lấy trải nghiệm mượt mà.
Tiêu chí so sánh Nghiên cứu của đề tài (2022) Lan et al. (2020) Trọng et al. (2020) Taufan & Yuwono (2019)
Đối tượng khảo sát Sinh viên Đại học Ngân hàng TP.HCM Cư dân Hà Nội mua sắm online Giới trẻ Việt Nam (18-25 tuổi) Người dùng GO-PAY (Indonesia)
Nhân tố tác động lớn nhất Ảnh hưởng xã hội ($SI, \beta=0.342$) Nhận thức hữu ích ($PU$) Hiệu quả kỳ vọng ($PE$) & Xã hội ($SI$) Nhận thức giá trị ($PV$) & Hữu ích ($PU$)
Vai trò của Bảo mật / Tin cậy Đạt ý nghĩa thống kê cao ($\beta=0.231$) Không ưu tiên hàng đầu Không có ý nghĩa thống kê Gián tiếp qua Perceived Value
Mô hình ứng dụng Tích hợp TAM, TRA, TPB TAM mở rộng Tích hợp UTAUT & TPR TAM & SEM

Ứng dụng thực tế và triển khai

Khuyến nghị chiến lược cho M_Service (MoMo)

flowchart TD
    subgraph Chiến lược phát triển MoMo
        C1[1. Tối ưu hóa tính năng Xã hội & Lan tỏa] --> A1[Tích hợp Mini-app chia hóa đơn nhóm, Social Feed chuyển tiền]
        C2[2. Gia tăng Giá trị Hữu ích Thực tế] --> A2[Mở rộng liên kết thanh toán học phí, căn-tin, vé xe buýt BUH]
        C3[3. Củng cố Độ tin cậy & An ninh số] --> A3[Nâng cấp xác thực FIDO2, truyền thông minh bạch về chuẩn PCI DSS]
        C4[4. Tinh chỉnh UI/UX & Chính sách phí] --> A4[Giao diện Lite mượt mà, chính sách tích điểm hoàn tiền minh bạch]
    end

1. Đòn bẩy Ảnh hưởng xã hội (Social Influence - Trọng số tác động: 30.2%)

  • Triển khai tính năng Social Payment: Nâng cấp tính năng chuyển tiền kèm sticker cá nhân hóa, chia tiền nhóm (Split Bill) tự động tính toán qua mã QR động trong các buổi họp nhóm, ăn uống của sinh viên.
  • Chương trình Referral Marketing theo trường học: Thiết kế chương trình "Giới thiệu bạn bè BUH" với phần thưởng kép (người giới thiệu và người được giới thiệu đều nhận gói voucher thanh toán căn-tin hoặc tài liệu học tập).

2. Nâng cao Nhận thức sự hữu ích (Perceived Usefulness - Trọng số: 25.3%)

  • Liên kết thanh toán dịch vụ học đường: Hợp tác trực tiếp với Ban Quản lý Trường Đại học Ngân hàng TP.HCM để tích hợp MoMo vào cổng thanh toán học phí trực tuyến, thanh toán thư viện số, ký túc xá và chuỗi cửa hàng tiện lợi quanh khuôn viên trường.
  • Quản lý tài chính cá nhân tự động (PFM): Bổ sung dashboard phân tích chi tiêu thông minh hàng tháng giúp sinh viên lập ngân sách chi tiêu, tiết kiệm tự động (Túi Thần Tài).

3. Gia cố Nhận thức độ tin cậy (Perceived Reliability - Trọng số: 20.4%)

  • Truyền thông minh bạch về chuẩn an ninh: Định kỳ tổ chức các chiến dịch truyền thông về an toàn bảo mật, hướng dẫn nhận diện lừa đảo qua mạng xã hội, khẳng định bảo chứng số dư theo quy định của Ngân hàng Nhà nước.
  • Rút ngắn SLA xử lý sự cố: Thiết lập kênh hotline hỗ trợ ưu tiên trên in-app chat với thời gian phản hồi tự động dưới 30 giây cho các sự cố giao dịch treo tiền.

Hạn chế và hướng phát triển

  • Hạn chế về quy mô mẫu: Kích thước mẫu khảo sát thực tế gồm $N = 150$ phiếu hợp lệ tập trung tại một trường đại học đơn lẻ (BUH), chưa bao quát toàn bộ sinh viên trên địa bàn TP.HCM hoặc các thành phố lớn khác.
  • Phương pháp lấy mẫu: Áp dụng phương pháp chọn mẫu thuận tiện phi xác suất trực tuyến qua Google Forms, có thể tiềm ẩn sai lệch chọn mẫu (sampling bias).
  • Mô hình định lượng: Sử dụng mô hình hồi quy tuyến tính bội OLS trên SPSS; chưa đo lường được các mối quan hệ cấu trúc phức tạp dạng biến trung gian (mediator) hoặc biến điều tiết (moderator).

Hướng phát triển cho các nghiên cứu tiếp theo

  1. Mở rộng kích thước mẫu: Nâng quy mô khảo sát lên $N \ge 500 - 1000$ phân bổ đa trường đại học (kinh tế, kỹ thuật, xã hội) để kiểm định sự khác biệt về hành vi tiêu dùng giữa các nhóm ngành.
  2. Nâng cấp phương pháp mô hình hóa: Ứng dụng Mô hình Phương trình Cấu trúc tuyến tính (Structural Equation Modeling - SEM / PLS-SEM) trên AMOS hoặc SmartPLS để đánh giá đồng thời các tác động trực tiếp, gián tiếp và biến điều tiết (như Giới tính, Thu nhập hàng tháng, Tần suất sử dụng Internet).
  3. Nghiên cứu chuỗi thời gian (Longitudinal Study): Đo lường sự thay đổi hành vi trước và sau khi sinh viên tốt nghiệp và bước vào thị trường lao động.

Đối tượng hưởng lợi

  • Sinh viên & Giới trẻ: Tiếp cận tài liệu tham khảo chuẩn mực về phương pháp nghiên cứu định lượng, hiểu rõ quyền lợi bảo mật và tiện ích khi sử dụng các dịch vụ tài chính số.
  • Doanh nghiệp FinTech & Nhà phát triển MoMo: Sở hữu cơ sở dữ liệu định lượng chính xác về hành vi khách hàng mục tiêu để điều chỉnh roadmap tính năng sản phẩm, chiến lược marketing và quản trị rủi ro.
  • Ngân hàng thương mại & Tổ chức tài chính: Tối ưu hóa mô hình hợp tác liên kết giữa tài khoản thanh toán ngân hàng và ví điện tử, thúc đẩy chiến lược thanh toán không tiền mặt quốc gia.
  • Nhà nghiên cứu & Giảng viên: Khung thang đo 22 chỉ báo đã được kiểm định độ tin cậy Cronbach's Alpha và giá trị hội tụ EFA là tiền đề vững chắc cho các công trình nghiên cứu mở rộng trong tương lai.

Câu hỏi thường gặp

1. Dữ liệu khảo sát N=150 có đủ độ tin cậy để chạy hồi quy OLS không?

Có. Theo quy tắc kinh nghiệm của Hair et al. (2014) và Green (1991), kích thước mẫu tối thiểu cho phân tích EFA và hồi quy đa biến là $N \ge 5 \times k$ (với $k$ là số biến quan sát) hoặc $N \ge 50 + 8 \times m$ (với $m$ là số biến độc lập). Với 22 biến quan sát và 5 biến độc lập, kích thước mẫu tối thiểu yêu cầu là $110$ hoặc $90$. Cỡ mẫu $N = 150$ hợp lệ hoàn toàn thỏa mãn các tiêu chuẩn thống kê.

2. Vì sao Ảnh hưởng xã hội (SI) lại có trọng số tác động lớn hơn Nhận thức sự hữu ích (PU)?

Sinh viên đại học thuộc thế hệ Gen Z có tính kết nối cao qua mạng xã hội và môi trường sinh hoạt tập thể (lớp học, ký túc xá, câu lạc bộ). Quyết định lựa chọn ứng dụng thanh toán chịu tác động mạnh bởi hiệu ứng mạng lưới (Network Effect)—khi bạn bè xung quanh cùng dùng MoMo để chuyển tiền hoặc thanh toán nhóm, cá nhân có xu hướng cài đặt và sử dụng ngay để duy trì tương tác.

3. Làm thế nào để kiểm tra hiện tượng đa cộng tuyến trong mô hình?

Đa cộng tuyến được kiểm định thông qua hệ số phóng đại phương sai (Variance Inflation Factor - VIF). Nếu $VIF < 2.0$ (hoặc nghiêm ngặt $< 10.0$), mô hình hoàn toàn không xảy ra hiện tượng đa cộng tuyến nghiêm trọng. Trong nghiên cứu này, tất cả các hệ số VIF đều $< 1.5$.

4. Nhận thức chi phí (PC) tác động như thế nào đến quyết định sử dụng?

Nhận thức chi phí đạt hệ số hồi quy chuẩn hóa $\beta = 0.128$ ($p = 0.044 < 0.05$). Điều này cho thấy sinh viên đánh giá mức phí hiện tại của MoMo là hợp lý so với giá trị nhận lại, và sự minh bạch trong biểu phí góp phần củng cố quyết định gắn bó lâu dài.

5. Kết quả nghiên cứu có thể áp dụng cho các ví điện tử khác như ZaloPay hay Viettel Money không?

Khung mô hình 5 nhân tố ($PU, PEU, SI, PR, PC$) hoàn toàn có thể tái sử dụng cho các nền tảng ví điện tử khác. Tuy nhiên, trọng số $\beta$ cụ thể có thể thay đổi tùy thuộc vào định vị sản phẩm và tệp người dùng đặc thù của từng ví.

Kết luận

Khóa luận tốt nghiệp "Các yếu tố ảnh hưởng đến quyết định sử dụng ví điện tử MoMo của sinh viên Trường Đại học Ngân hàng TP.HCM" của tác giả Phạm Nguyễn Đan Thùy đã hoàn thành xuất sắc các mục tiêu nghiên cứu đặt ra. Thông qua quy trình phân tích định lượng chặt chẽ trên bộ dữ liệu 150 sinh viên BUH, nghiên cứu đã chứng minh rằng quyết định sử dụng ví MoMo chịu sự chi phối đồng thời của 5 nhân tố với thứ tự ưu tiên: Ảnh hưởng xã hội ($\beta = 0.342$) > Nhận thức sự hữu ích ($\beta = 0.286$) > Nhận thức độ tin cậy ($\beta = 0.231$) > Nhận thức dễ sử dụng ($\beta = 0.145$) > Nhận thức chi phí ($\beta = 0.128$).

Kết quả nghiên cứu cung cấp cả giá trị học thuật lẫn hàm ý thực tiễn sâu sắc cho các nhà quản trị FinTech: việc phát triển ví điện tử trong kỷ nguyên số không chỉ dừng lại ở việc tối ưu giao diện đơn thuần, mà phải tập trung xây dựng hiệu ứng mạng lưới cộng đồng, mở rộng tiện ích thanh toán thực tế và củng cố niềm tin an ninh thông tin tuyệt đối cho người dùng trẻ.