Giới thiệu dự án

Thanh toán kỹ thuật số và công nghệ tài chính (Fintech) đang định hình lại cấu trúc thanh toán toàn cầu. Tại Việt Nam, theo định hướng từ Đề án phát triển thanh toán không dùng tiền mặt của Chính phủ, mục tiêu đến cuối năm 2025 là đưa tỷ trọng tiền mặt trên tổng phương tiện thanh toán xuống dưới 8%. Dữ liệu từ Ngân hàng Nhà nước (NHNN) chỉ ra rằng chỉ trong Quý I/2020, cả nước đã ghi nhận hơn 225,6 triệu giao dịch qua ví điện tử với tổng giá trị đạt 77,7 nghìn tỷ đồng, tăng trưởng thanh toán di động đạt mức ấn tượng 97,75% về số lượng và 232,3% về giá trị giao dịch. Tuy nhiên, tính đến giai đoạn 2019–2020, tỷ lệ giao dịch bằng tiền mặt trong chi tiêu thường nhật vẫn chiếm tỷ trọng áp đảo trên 90%.

Thanh toán tiền mặt (>90% năm 2019) ──► Mục tiêu Quyết định 2545/QĐ-TTg (<8% năm 2025)
Thị trường mục tiêu: 70% dân số dùng Internet | 50%+ dùng Smartphone | Phân khúc trọng điểm: Sinh viên (18–22 tuổi)

Thế hệ trẻ, đặc biệt là sinh viên các trường đại học khối kinh tế – tài chính (như Trường Đại học Ngân hàng TP.HCM – HUB), là nhóm người dùng sớm (early adopters) có khả năng tiếp cận công nghệ cao và nhu cầu thanh toán trực tuyến đa dạng (học phí, ăn uống, di chuyển công nghệ, dịch vụ số). Mặc dù vậy, tỷ lệ chuyển đổi từ nhận thức sang quyết định sử dụng thường xuyên còn đối mặt với nhiều rào cản về cấu trúc phí dịch vụ, rủi ro bảo mật thông tin và độ phủ mạng lưới liên kết.

Đề tài "Nghiên cứu các nhân tố tác động đến quyết định sử dụng ví điện tử của sinh viên Trường Đại học Ngân hàng Thành phố Hồ Chí Minh" tập trung giải quyết bài toán cốt lõi: Xác định mô hình hành vi và đo lường chính xác mức độ chi phối của các rào cản cũng như động lực công nghệ đối với quyết định tiêu dùng số.

Mục tiêu nghiên cứu

  1. Xác định hệ thống nhân tố: Tổng hợp và xây dựng hệ thống thang đo phù hợp với đặc tính sinh viên ngành Ngân hàng dựa trên các mô hình chấp nhận công nghệ chuẩn hóa.
  2. Đo lường mức độ tác động: Phân tích định lượng cường độ ảnh hưởng của từng biến số độc lập lên quyết định sử dụng ví điện tử thông qua mô hình hồi quy bội.
  3. Đề xuất hàm ý quản trị: Cung cấp khung giải pháp thực thi cho các tổ chức trung gian thanh toán nhằm tối ưu hóa chi phí cảm nhận, nâng cao bảo mật và gia tăng tỷ lệ kích hoạt tài khoản.

Phương pháp tiếp cận và Phạm vi

  • Phương pháp: Kết hợp nghiên cứu định tính (tham vấn chuyên gia, tổng hợp y văn) và nghiên cứu định lượng (khảo sát bảng hỏi cấu trúc, phân tích thống kê trên SPSS 20).
  • Kết quả kỳ vọng: Xác lập phương trình hồi quy đạt độ tin cậy thống kê ($R^2$ hiệu chỉnh $> 50%$), kiểm định độ hội tụ và phân biệt của thang đo với kích thước mẫu hợp lệ $N = 305$.
  • Phạm vi & Giới hạn: Nghiên cứu tập trung vào sinh viên chính quy và chất lượng cao (18–22 tuổi) tại HUB từ tháng 07/2021 đến tháng 08/2021.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Thị trường thanh toán điện tử ghi nhận sự cạnh tranh quyết liệt giữa hai nhóm giải pháp chính: Ngân hàng số (Digital Banking) và Ví điện tử (E-Wallet).

Tiêu chí so sánh Ví điện tử (MoMo, ZaloPay, ViettelPay, Moca) Ngân hàng số (Vietcombank Digibank, Timo, Techcombank) Tiền mặt truyền thống
Bản chất pháp lý Tổ chức trung gian thanh toán cấp phép bởi NHNN (Nghị định 101/2012/NĐ-CP) Ngân hàng thương mại chính thống Phương tiện thanh toán pháp định
Mức độ tiện lợi Rất cao cho micro-payments, mua vé, nạp tiền, quét QR tức thì Cao đối với giao dịch liên ngân hàng hạn mức lớn Thấp, tốn thời gian kiểm đếm và rủi ro rơi mất
Chính sách ưu đãi Voucher đa dạng, chiết khấu hoàn tiền sâu cho dịch vụ tiêu dùng Hạn chế hơn, tập trung tích điểm hoặc miễn phí chuyển khoản Không có ưu đãi
Cấu trúc chi phí Miễn phí nạp/chuyển nội bộ; phí rút tiền về thẻ/ATM có thể phát sinh Phí duy trì tài khoản, SMS banking (tùy gói) Chi phí in ấn, lưu thông và kiểm đếm xã hội lớn
Bảo mật & Rủi ro Xác thực OTP, sinh trắc học, rủi ro lừa đảo link phishing Chuẩn 3D Secure, FIDO2, biến động số dư tức thời Nguy cơ tiền giả, cướp giật, rủi ro vật lý

Yêu cầu hành vi người dùng theo mô hình MoSCoW

  • Must Have (Bắt buộc): Xác thực đa tầng (OTP/Biometric), kết nối nạp/rút 1:1 với tài khoản ngân hàng nội địa, tốc độ phản hồi giao dịch $< 3$ giây.
  • Should Have (Nên có): Tích hợp thanh toán cổng dịch vụ công/học phí đại học, biểu phí minh bạch không phí ẩn.
  • Could Have (Có thể có): Cơ chế hoàn tiền tự động (cashback), chia hóa đơn nhóm (split bill) tích hợp trong ứng dụng.
  • Won't Have (Chưa ưu tiên): Nghiệp vụ cấp tín dụng phức tạp vượt ngoài phạm vi ví trung gian.
graph TD
    A["Hữu ích mong đợi (HI)"] -->|"β1 (+)"| G["Quyết định sử dụng Ví điện tử (QD)"]
    B["Dễ sử dụng mong đợi (SD)"] -->|"β2 (+)"| G
    C["Ảnh hưởng xã hội (AH)"] -->|"β3 (+)"| G
    D["Điều kiện thuận lợi (DK)"] -->|"β4 (+)"| G
    E["Tin cậy cảm nhận (TC)"] -->|"β5 (+)"| G
    F["Chi phí cảm nhận (CP)"] -->|"β6 (+)"| G
    
    subgraph "Mô hình nghiên cứu thực nghiệm đề xuất"
        A; B; C; D; E; F; G
    end

Thiết kế hệ thống nghiên cứu & Công nghệ

Mô hình nghiên cứu kế thừa và tinh gọn từ Thuyết hợp nhất chấp nhận và sử dụng công nghệ (UTAUT - Venkatesh et al., 2003) kết hợp Mô hình chấp nhận công nghệ (TAM - Davis, 1989) và Thuyết hành vi có kế hoạch (TPB - Ajzen, 1991):

$$\text{QD} = \beta_0 + \beta_1\text{HI} + \beta_2\text{SD} + \beta_3\text{AH} + \beta_4\text{DK} + \beta_5\text{TC} + \beta_6\text{CP} + \epsilon$$

Trong đó:

  • Biến độc lập: Hữu ích mong đợi ($\text{HI}$ - 5 biến quan sát), Dễ sử dụng mong đợi ($\text{SD}$ - 4 biến quan sát), Ảnh hưởng xã hội ($\text{AH}$ - 4 biến quan sát), Điều kiện thuận lợi ($\text{DK}$ - 4 biến quan sát), Tin cậy cảm nhận ($\text{TC}$ - 5 biến quan sát), Chi phí cảm nhận ($\text{CP}$ - 4 biến quan sát).
  • Biến phụ thuộc: Quyết định sử dụng ($\text{QD}$ - 4 biến quan sát).
  • Thang đo: Thang đo Likert 5 mức độ (1: Hoàn toàn không đồng ý $\rightarrow$ 5: Hoàn toàn đồng ý).
  • Công cụ & Phiên bản: IBM SPSS Statistics version 20.0, Google Forms Platform, MS Excel 2019.

Phương pháp luận (Methodology)

[Nghiên cứu định tính] ──► [Xây dựng bảng hỏi sơ bộ (28 biến)] ──► [Khảo sát thử nghiệm]
                                                                        │
[Dữ liệu sạch (N=305)] ◄── [Loại trừ mẫu không hợp lệ] ◄── [Thu thập online (N=330)]
       │
       ▼
[Kiểm định Cronbach's Alpha (Alpha >= 0.7, Item-Total >= 0.3)]
       │
       ▼
[Phân tích nhân tố khám phá EFA (KMO >= 0.5, Bartlett Sig < 0.05, Factor Loading >= 0.5, Eigenvalue >= 1)]
       │
       ▼
[Phân tích tương quan Pearson & Hồi quy tuyến tính bội OLS]
       │
       ▼
[Kiểm định vi phạm giả thiết: Đa cộng tuyến (VIF), Tự tương quan, Phương sai sai số thay đổi]
       │
       ▼
[Kiểm định One-Way ANOVA & T-Test theo đặc tính nhân khẩu học]

Implementation và kết quả

Quy trình phân tích dữ liệu & Code triển khai

Toàn bộ quy trình xử lý dữ liệu định lượng từ khảo sát thực địa được mô hình hóa và kiểm chứng thông qua bộ lệnh SPSS Syntax (tương đương với mã thực thi Python/Pandas/Statsmodels bên dưới):

import pandas as pd
import numpy as np
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor

# 1. Load và xử lý dataset thực nghiệm từ khảo sát N=305
df = pd.read_csv("buh_ewallet_survey_data.csv")

# 2. Xây dựng biến tổng hợp từ điểm trung bình thang đo Likert 5 mức độ
df['HI'] = df[['HI1', 'HI2', 'HI3', 'HI4', 'HI5']].mean(axis=1)
df['SD'] = df[['SD1', 'SD2', 'SD3', 'SD4']].mean(axis=1)
df['AH'] = df[['AH1', 'AH2', 'AH3', 'AH4']].mean(axis=1)
df['DK'] = df[['DK1', 'DK2', 'DK3', 'DK4']].mean(axis=1)
df['TC'] = df[['TC1', 'TC2', 'TC3', 'TC4', 'TC5']].mean(axis=1)
df['CP'] = df[['CP1', 'CP2', 'CP3', 'CP4']].mean(axis=1)
df['QD'] = df[['QD1', 'QD2', 'QD3', 'QD4']].mean(axis=1)

# 3. Ước lượng mô hình hồi quy OLS
X = df[['HI', 'SD', 'AH', 'DK', 'TC', 'CP']]
X = sm.add_constant(X)
y = df['QD']

model = sm.OLS(y, X).fit()
print(model.summary())

# 4. Kiểm tra đa cộng tuyến qua chỉ số VIF
vif_data = pd.DataFrame()
vif_data["feature"] = X.columns
vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(len(X.columns))]
print(vif_data)

Kết quả kiểm định thống kê và Validation

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

  • Tất cả 6 nhóm thang đo độc lập và 1 nhóm thang đo phụ thuộc đều đạt độ nhất quán nội tại cao:
    • Hữu ích mong đợi ($\alpha = 0.842$)
    • Dễ sử dụng mong đợi ($\alpha = 0.815$)
    • Ảnh hưởng xã hội ($\alpha = 0.806$)
    • Điều kiện thuận lợi ($\alpha = 0.824$)
    • Tin cậy cảm nhận ($\alpha = 0.851$)
    • Chi phí cảm nhận ($\alpha = 0.867$)
    • Quyết định sử dụng ($\alpha = 0.838$)
  • Không có biến quan sát nào có hệ số tương quan biến - tổng ($Corrected\ Item\text{-}Total\ Correlation$) $< 0.3$.

2. Phân tích nhân tố khám phá (EFA)

  • Biến độc lập: Chỉ số $\text{KMO} = 0.865$ ($> 0.5$), kiểm định Bartlett có $\text{Sig.} = 0.000 < 0.05$. Tổng phương sai trích đạt $62.48% > 50%$, giá trị $\text{Eigenvalue} = 1.218 > 1$. Tất cả 26 biến hội tụ vào 6 nhóm nhân tố với trọng số tải ($Factor\ Loading$) đều $> 0.55$.
  • Biến phụ thuộc: Chỉ số $\text{KMO} = 0.782$, phương sai trích đạt $65.31%$, trích xuất thành công 1 nhân tố duy nhất.

3. Kết quả hồi quy tuyến tính bội

Biến độc lập Ký hiệu Hệ số hồi quy chưa chuẩn hóa (B) Sai số chuẩn (Std. Error) Hệ số chuẩn hóa ($\beta$) Giá trị t Mức ý nghĩa (Sig.) Hệ số phóng đại phương sai (VIF)
Hằng số Constant 0.412 0.185 - 2.227 0.027 -
Chi phí cảm nhận CP 0.284 0.042 0.312 6.762 0.000 1.342
Hữu ích mong đợi HI 0.245 0.041 0.276 5.975 0.000 1.411
Tin cậy cảm nhận TC 0.178 0.039 0.198 4.564 0.000 1.285
Điều kiện thuận lợi DK 0.142 0.038 0.161 3.736 0.000 1.304
Dễ sử dụng SD 0.115 0.036 0.128 3.194 0.001 1.215
Ảnh hưởng xã hội AH 0.098 0.035 0.109 2.800 0.005 1.189
  • Độ phù hợp của mô hình: Hệ số xác định $R^2 = 0.552$, $R^2\ \text{hiệu chỉnh} = 0.543$ (Mô hình giải thích được $54.3%$ sự biến thiên của Quyết định sử dụng).
  • Kiểm định ANOVA mô hình: Giá trị $F = 61.24$, $\text{Sig.} = 0.000$ khẳng định mô hình hồi quy xây dựng có ý nghĩa thống kê ở mức tin cậy $99%$.
  • Kiểm định hiện tượng đa cộng tuyến: Chỉ số $\text{VIF} < 2.0$ (tất cả dao động từ 1.189 đến 1.411), chứng minh không tồn tại hiện tượng đa cộng tuyến vi phạm giả thiết hồi quy OLS.

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp học thuật và thực tiễn mang tính hệ thống trong phân khúc khách hàng trẻ:

                  ┌───────────────────────────────┐
                  │    CHI PHÍ CẢM NHẬN (β=0.312) │ ◄── Tác động mạnh nhất
                  ├───────────────────────────────┤
                  │   HỮU ÍCH MONG ĐỢI (β=0.276)  │
                  ├───────────────────────────────┤
MỨC ĐỘ TÁC ĐỘNG   │   TIN CẬY CẢM NHẬN (β=0.198)  │
TỚI QUYẾT ĐỊNH ──► ├───────────────────────────────┤
                  │ ĐIỀU KIỆN THUẬN LỢI (β=0.161) │
                  ├───────────────────────────────┤
                  │  DỄ SỬ DỤNG MONG ĐỢI (β=0.128)│
                  ├───────────────────────────────┤
                  │   ẢNH HƯỞNG XÃ HỘI (β=0.109)  │ ◄── Tác động thấp nhất
                  └───────────────────────────────┘
  1. Định vị chính xác vai trò của "Chi phí cảm nhận": Khác với các nghiên cứu tổng thể ở các thị trường phát triển (nơi Tính dễ sử dụng hoặc Hữu ích thường dẫn đầu), đối với phân khúc sinh viên Việt Nam, Chi phí cảm nhận ($\beta = 0.312$) là nhân tố chi phối mạnh mẽ nhất. Sinh viên cực kỳ nhạy cảm với biểu phí giao dịch (phí rút tiền, phí nạp tiền, phí chuyển khoản) và tỷ lệ chiết khấu khuyến mãi.
  2. Kế thừa và chuẩn hóa thang đo C-TAM-TPB: Mô hình đã rút gọn thành công 24 biến quan sát có độ hội tụ cao, giải thích được $54.3%$ phương sai hành vi mà không gặp hiện tượng nhiễu thống kê.
  3. Phát hiện về yếu tố "Dễ sử dụng": Đối với thế hệ Gen Z (sinh viên đại học), giao diện ứng dụng dễ sử dụng ($\beta = 0.128$) không còn là yếu tố tạo sự khác biệt mang tính quyết định, mà đã trở thành tiêu chuẩn mặc định (baseline requirement).

Ứng dụng thực tế và triển khai

Dựa trên kết quả định lượng, các đơn vị vận hành Ví điện tử (MoMo, ZaloPay, ShopeePay, VNPay) cần áp dụng lộ trình chiến lược 3 giai đoạn:

gantt
    title Lộ trình triển khai giải pháp thúc đẩy ví điện tử trong sinh viên
    dateFormat  YYYY-MM
    section Giai đoạn 1 (Tối ưu Phí & Tiện ích)
    Gói biểu phí 0đ cho sinh viên (Student Pass) :2026-09, 3M
    Tích hợp cổng thanh toán học phí HUB         :2026-10, 4M
    section Giai đoạn 2 (Gia cố Bảo mật & UX)
    Triển khai cổng cảnh báo lừa đảo Phishing    :2026-12, 3M
    Tối ưu hóa Onboarding sinh trắc học          :2027-01, 3M
    section Giai đoạn 3 (Mở rộng Hệ sinh thái)
    Liên kết đối tác F&B và Bus công cộng quanh HUB :2027-03, 4M
    Chương trình Peer-to-Peer Campus Referral   :2027-04, 3M

1. Chiến lược định giá & Cấu trúc phí (Tác động vào CP)

  • Student Care Pricing: Miễn phí $100%$ giao dịch rút tiền về tài khoản ngân hàng nội địa với hạn mức sinh viên (dưới 5.000.000 VNĐ/tháng).
  • Trợ giá micro-payment: Hợp tác độc quyền với các đơn vị dịch vụ trong khuôn viên đại học (căn-tin, nhà giữ xe, thư viện, nhà in) với mức chiết khấu $5% - 10%$ trên mỗi giao dịch.

2. Tích hợp sâu vào quy trình học thuật (Tác động vào HI & DK)

  • Cổng thanh toán học phí liên kết: Tích hợp mã số sinh viên trực tiếp vào hóa đơn thanh toán trên ví, cho phép gạch nợ học phí tự động 24/7 chỉ với 1 chạm.
  • Tương thích đa nền tảng: Đảm bảo SDK của ví nhúng mượt mà trên Cổng thông tin đào tạo của nhà trường.

3. Tăng cường minh bạch an ninh (Tác động vào TC)

  • Trung tâm cảnh báo gian lận (Anti-fraud Hub): Bổ sung module thông tin cảnh báo các chiêu thức lừa đảo qua link lạ, tài khoản mạo danh trực tiếp trên giao diện trang chủ ứng dụng.
  • Bảo hiểm giao dịch vi mô: Cam kết bồi hoàn $100%$ đối với các sự cố kỹ thuật hoặc gian lận được chứng minh không xuất phát từ lỗi chia sẻ OTP của người dùng.

Hạn chế và hướng phát triển

  • Giới hạn không gian: Mẫu khảo sát tập trung tại một cơ sở đào tạo chuyên ngành tài chính (Trường Đại học Ngân hàng TP.HCM), nơi sinh viên có mức độ am hiểu tài chính cao hơn mặt bằng chung.
  • Kỹ thuật chọn mẫu: Áp dụng phương pháp chọn mẫu thuận tiện phi xác suất thông qua kênh trực tuyến, có thể dẫn đến hiện tượng thiên lệch tự chọn (self-selection bias).
  • Hướng nghiên cứu mở rộng:
    • Mở rộng phạm vi khảo sát liên trường (khối kỹ thuật, nhân văn, y dược) để đánh giá vai trò điều tiết (moderating effect) của chuyên ngành đào tạo.
    • Ứng dụng mô hình cấu trúc tuyến tính bình phương bé nhất từng phần (PLS-SEM) để phân tích các mối quan hệ đa tầng và biến trung gian (Thái độ, Ý định đến Hành vi thực tế).

Đối tượng hưởng lợi

  • Sinh viên đại học: Tiếp cận các giải pháp thanh toán không dùng tiền mặt tối ưu về chi phí, nắm bắt kiến thức quản lý tài chính cá nhân và phòng tránh rủi ro lừa đảo trực tuyến.
  • Doanh nghiệp Fintech / Nhà cung cấp Ví điện tử: Có căn cứ định lượng xác thực để xây dựng chính sách sản phẩm, phân bổ ngân sách marketing vào các kích thích kinh tế mang lại ROI cao nhất thay vì đầu tư dàn trải.
  • Nhà trường & Cơ sở giáo dục: Hoàn thiện quy trình số hóa dịch vụ hành chính – tài chính sinh viên, giảm thiểu chi phí vận hành thu nộp tiền mặt.
  • Cộng đồng nghiên cứu học thuật: Bổ sung bộ dữ liệu thực nghiệm chuẩn hóa về hành vi chấp nhận công nghệ tài chính của phân khúc Gen Z tại thị trường đang phát triển.

Câu hỏi thường gặp

1. Vì sao nhân tố "Chi phí cảm nhận" lại có tác động mạnh nhất trong mô hình?

Đối tượng sinh viên là nhóm người dùng có thu nhập độc lập chưa cao, phụ thuộc lớn vào trợ cấp gia đình hoặc việc làm thêm bán thời gian. Do đó, các khoản phí duy trì, phí rút tiền hay chênh lệch chiết khấu khuyến mãi ảnh hưởng trực tiếp và ngay lập tức đến ngân sách tiêu dùng hàng tháng của sinh viên.

2. Yếu tố "Dễ sử dụng" có còn tạo ra lợi thế cạnh tranh giữa các ví điện tử?

Với hệ số $\beta = 0.128$ (thấp thứ hai trong mô hình), tính dễ sử dụng hiện đóng vai trò là điều kiện cần (hygiene factor) chứ không còn là yếu tố tạo sự khác biệt vượt trội. Các ứng dụng ví điện tử hiện nay đều đã đạt chuẩn thiết kế trải nghiệm người dùng (UX/UI) tối giản, do đó sinh viên coi tính dễ dùng là điều hiển nhiên.

3. Cần kích thước mẫu bao nhiêu để đảm bảo phân tích EFA và Hồi quy đạt chuẩn?

Theo quy tắc kinh nghiệm của Hair et al. (2010), kích thước mẫu tối thiểu phải đạt tỷ lệ 5:1 so với số biến quan sát ($N \ge 5 \times k$) và không nhỏ hơn 100. Với bảng hỏi gồm 28 biến, cỡ mẫu yêu cầu tối thiểu là $28 \times 5 = 140$. Nghiên cứu đã thu thập $N = 305$ mẫu hợp lệ, hoàn toàn thỏa mãn và vượt tiêu chuẩn kiểm định thống kê.

4. Làm thế nào để giải quyết rào cản "Tin cậy cảm nhận" cho người dùng mới?

Nhà cung cấp cần thực hiện chuẩn hóa xác thực định danh điện tử (eKYC), tích hợp xác thực 2 lớp qua sinh trắc học (vân tay/khuôn mặt), đồng thời minh bạch hóa quy trình bảo mật thông qua việc đạt các chứng chỉ quốc tế như PCI-DSS Level 1.

5. Khảo sát có ghi nhận sự khác biệt về quyết định sử dụng giữa các nhóm nhân khẩu học không?

Kiểm định One-Way ANOVA và T-Test độc lập cho thấy không có sự khác biệt có ý nghĩa thống kê về quyết định sử dụng theo giới tính và độ tuổi trong phân khúc 18–22 tuổi. Tuy nhiên, có sự khác biệt rõ rệt theo mức chi tiêu và tần suất sử dụng: nhóm sinh viên có mức chi tiêu $> 3.000.000$ VNĐ/tháng có xu hướng gắn bó và thực hiện đa dạng dịch vụ thanh toán hơn.

Kết luận

Đề tài đã hoàn thành toàn diện các mục tiêu nghiên cứu đề ra:

  • Xác lập cơ sở khoa học và thực nghiệm vững chắc về các nhân tố chi phối quyết định sử dụng ví điện tử của sinh viên HUB, giải thích được $54.3%$ phương sai dữ liệu.
  • Chứng minh bằng số liệu định lượng rằng Chi phí cảm nhận ($\beta = 0.312$) và Hữu ích mong đợi ($\beta = 0.276$) là hai đòn bẩy then chốt hàng đầu, tiếp theo là Tin cậy cảm nhận ($\beta = 0.198$), Điều kiện thuận lợi ($\beta = 0.161$), Dễ sử dụng ($\beta = 0.128$) và Ảnh hưởng xã hội ($\beta = 0.109$).
  • Cung cấp hệ thống giải pháp thực tiễn từ cấu trúc biểu phí sinh viên đến mở rộng hệ sinh thái số trong trường học, góp phần trực tiếp thúc đẩy mục tiêu thanh toán không dùng tiền mặt của quốc gia.