Giới thiệu dự án

Thanh toán trực tuyến (TTTT) hay thanh toán không dùng tiền mặt (TTKDTM) đang định hình lại cấu trúc kinh tế toàn cầu với tốc độ tăng trưởng vượt bậc. Tại Việt Nam, theo báo cáo của Visa (Consumer Payment Attitudes Study) và Ngân hàng Nhà nước, năm 2020 ghi nhận hơn 900 triệu lượt giao dịch qua thiết bị di động (tăng 74,7% so với 2019) và giá trị giao dịch đạt 15 tỷ USD vào năm 2021 (tăng 168,5%). TP. Hồ Chí Minh là trung tâm kinh tế đầu tàu với quy mô dân số hơn 9 triệu người, trong đó sinh viên các trường đại học, cao đẳng là lực lượng tiêu dùng trẻ, am hiểu công nghệ và có nhu cầu giao dịch trực tuyến thường xuyên (học phí, mua sắm, ăn uống, dịch vụ số).

Tuy nhiên, rào cản từ thói quen sử dụng tiền mặt lâu đời, rủi ro an ninh mạng, gian lận số và sự thiếu đồng bộ của hạ tầng thanh toán tại các điểm bán lẻ nhỏ lẻ vẫn cản trở quá trình chuyển đổi số toàn diện. Đồ án khóa luận tốt nghiệp "Nghiên cứu các yếu tố ảnh hưởng đến việc chấp nhận thanh toán trực tuyến của sinh viên tại Thành phố Hồ Chí Minh" do sinh viên Mai Văn Nhật (Khoa Kinh tế, Trường Đại học Nông Lâm TP.HCM) thực hiện dưới sự hướng dẫn của ThS. Nguyễn Thị Bình Minh nhằm giải quyết bài toán định lượng các động lực và rào cản hành vi này.

+---------------------------------------------------------------------------------------------------+
|                                    MÔ HÌNH HÀNH VI TTTT TỔNG QUÁT                                 |
+---------------------------------------------------------------------------------------------------+
+---------------------------------------------------------------------------------------------------+

Mục tiêu nghiên cứu cụ thể

  1. Hệ thống hóa cơ sở lý thuyết: Kết hợp mô hình Hợp nhất về Chấp nhận và Sử dụng Công nghệ (UTAUT) của Venkatesh et al. (2003) và Thuyết Hành vi Dự định (TPB) của Ajzen (1991), bổ sung hai biến quan trọng: "Thói quen sử dụng" và "Độ tin cậy / Cảm nhận rủi ro".
  2. Khảo sát và thu thập dữ liệu thực nghiệm: Thu thập mẫu hợp lệ gồm $N = 250$ sinh viên đang theo học tại các trường đại học trên địa bàn TP.HCM.
  3. Kiểm định mô hình đo lường và cấu trúc: Thực hiện đánh giá thang đo bằng hệ số Cronbach's Alpha, phân tích nhân tố khám phá (EFA), phân tích tương quan Pearson và mô hình hồi quy tuyến tính đa biến thông qua phần mềm IBM SPSS Statistics 26.
  4. Đề xuất hàm ý quản trị: Cung cấp giải pháp cho các ngân hàng thương mại, tổ chức trung gian thanh toán (Fintech) và ban giám hiệu các trường đại học nhằm tối ưu hóa tỷ lệ chuyển đổi thanh toán không dùng tiền mặt.

Phạm vi và giới hạn nghiên cứu

  • Không gian: Địa bàn TP. Hồ Chí Minh (tập trung tại các cụm đại học lớn như TP. Thủ Đức, Quận 1, Quận 5).
  • Thời gian nghiên cứu: Dữ liệu sơ cấp thu thập từ tháng 10/2022 đến tháng 01/2023; dữ liệu thứ cấp tổng hợp giai đoạn 2019–2022.
  • Giới hạn: Phương pháp chọn mẫu thuận tiện ($N=250$), đối tượng khảo sát tập trung vào sinh viên đại học.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các mô hình nghiên cứu hành vi công nghệ truyền thống có những ưu và nhược điểm khi áp dụng vào bối cảnh tài chính số:

Mô hình Tác giả & Năm Ưu điểm Hạn chế Mức độ phù hợp với đề tài
TRA Fishbein & Ajzen (1975) Nền tảng tâm lý học hành vi; xác định rõ vai trò chuẩn chủ quan. Giả định hành vi hoàn toàn dưới sự kiểm soát ý chí (không xét rào cản nguồn lực). Thấp (chỉ mang tính tham khảo cơ bản).
TAM Davis (1989) Cấu trúc tinh gọn (PU - Hữu ích, PEOU - Dễ sử dụng); dễ kiểm định. Thiếu yếu tố xã hội, thói quen và rào cản bảo mật trong Fintech. Trung bình (cần mở rộng).
TPB Ajzen (1991) Bổ sung Nhận thức kiểm soát hành vi (PBC); giải thích tốt rào cản cá nhân. Chưa tối ưu hóa cho các hệ thống công nghệ thông tin tương tác cao. Trung bình - Khá.
UTAUT Venkatesh et al. (2003) Tích hợp 8 mô hình; giải thích tới 70% phương sai ý định sử dụng. Chưa bao quát yếu tố thói quen và cảm nhận rủi ro tài chính đặc thù tại VN. Cao (được chọn làm mô hình gốc).
Mô hình đề xuất Tác giả (2023) Tích hợp UTAUT + TPB + Thói quen + Cảm nhận rủi ro/Độ tin cậy. Đòi hỏi bảng câu hỏi chi tiết và kiểm soát đa cộng tuyến chặt chẽ. Tối ưu nhất cho nghiên cứu.

Ma trận yêu cầu giải pháp (MoSCoW)

  • Must Have (Bắt buộc): Đo lường chính xác tác động của 7 biến độc lập (Kỳ vọng hiệu quả, Tính dễ sử dụng, Điều kiện thuận lợi, Ảnh hưởng xã hội, Thái độ sử dụng, Thói quen, Độ tin cậy) lên biến phụ thuộc (Chấp nhận sử dụng TTTT).
  • Should Have (Nên có): Kiểm định sự khác biệt hành vi theo giới tính, tần suất chi tiêu qua One-way ANOVA và Independent T-test.
  • Could Have (Có thể có): So sánh hành vi giữa các nhóm ứng dụng ví điện tử (MoMo, ZaloPay, ShopeePay) và Mobile Banking.
  • Won't Have (Chưa thực hiện): Mô hình hóa cấu trúc tuyến tính bình phương bé nhất từng phần (PLS-SEM) cho các biến bậc cao (second-order constructs).

Thiết kế hệ thống đo lường và mô hình nghiên cứu

Mô hình hồi quy tuyến tính đa biến được thiết lập theo phương trình toán học:

$$CNSD = \beta_0 + \beta_1 KV + \beta_2 SD + \beta_3 DK + \beta_4 XH + \beta_5 TD + \beta_6 TQ + \beta_7 TC + \epsilon$$

Trong đó:

  • $CNSD$: Chấp nhận sử dụng thanh toán trực tuyến (Biến phụ thuộc).
  • $KV$: Kỳ vọng hiệu quả (Performance Expectancy).
  • $SD$: Tính dễ sử dụng (Effort Expectancy / Ease of Use).
  • $DK$: Điều kiện thuận lợi (Facilitating Conditions).
  • $XH$: Ảnh hưởng xã hội (Social Influence).
  • $TD$: Thái độ hướng đến sử dụng (Attitude toward using).
  • $TQ$: Thói quen sử dụng (Habit).
  • $TC$: Độ tin cậy và an toàn (Trust / Perceived Security).
  • $\beta_0$: Hằng số hồi quy; $\beta_1 \dots \beta_7$: Hệ số hồi quy chuẩn hóa; $\epsilon$: Sai số ngẫu nhiên.
+---------------------------------------------------------------------------------------------------+
|                                 SƠ ĐỒ BIẾN VÀ CẤU TRÚC ĐO LƯỜNG                                   |
+---------------------------------------------------------------------------------------------------+
+---------------------------------------------------------------------------------------------------+

Phương pháp luận nghiên cứu (Methodology)

Nghiên cứu áp dụng quy trình hỗn hợp (Mixed Methodology):

  1. Nghiên cứu định tính: Tổng hợp tài liệu học thuật, thảo luận nhóm tập trung ($N=10$ sinh viên) để hiệu chỉnh bảng câu hỏi khảo sát thang đo Likert 5 điểm (1: Hoàn toàn không đồng ý $\rightarrow$ 5: Hoàn toàn đồng ý).
  2. Nghiên cứu định lượng sơ bộ: Thử nghiệm Pilot test trên mẫu $N = 30$ để kiểm tra độ tin cậy sơ bộ của từ ngữ và hệ số tương quan biến - tổng.
  3. Nghiên cứu định lượng chính thức: Khảo sát trực tiếp và trực tuyến (Google Forms) trên $N = 250$ sinh viên, xử lý và làm sạch dữ liệu loại bỏ phiếu không hợp lệ.

Implementation và kết quả

Quy trình phát triển dữ liệu và xử lý thống kê

Dữ liệu khảo sát được mã hóa và xử lý trên nền tảng IBM SPSS Statistics 26.0. Dưới đây là cú pháp lệnh (SPSS Syntax) chuẩn thực thi quy trình phân tích:

* 1. Kiem dinh do tin cay Cronbach's Alpha cho bien Ky vong hieu qua (KV).
RELIABILITY
  /VARIABLES=KV1 KV2 KV3 KV4
  /SCALE('Ky Vong Hieu Qua Scale') ALL
  /MODEL=ALPHA
  /STATISTICS=DESCRIPTIVE SCALE CORR
  /SUMMARY=TOTAL.

* 2. Phan tich Nhan to Kham pha (EFA) cho cac bien doc lap bang phep xoay Varimax.
FACTOR
  /VARIABLES KV1 KV2 KV3 KV4 SD1 SD2 SD3 SD4 DK1 DK2 DK3 DK4 XH1 XH2 XH3 XH4 TD1 TD2 TD3 TQ1 TQ2 TQ3 TC1 TC2 TC3 TC4
  /MISSING LISTWISE 
  /ANALYSIS KV1 TO TC4
  /PRINT INITIAL KMO EXTRACTION ROTATION FSCORE
  /CRITERIA MINEIGEN(1) ITERATE(25)
  /EXTRACTION PC
  /ROTATION VARIMAX
  /METHOD=CORRELATION.

* 3. Phan tich Hoi quy Tuyen tinh Da bien (Multiple Linear Regression).
REGRESSION
  /MISSING LISTWISE
  /STATISTICS COEFF OUTS R ANOVA COLLIN TOL
  /CRITERIA=PIN(.05) POUT(.10)
  /NOORIGIN 
  /DEPENDENT CNSD
  /METHOD=ENTER KV SD DK XH TD TQ TC
  /RESIDUALS DURBIN.

Ngoài ra, đối với môi trường khoa học dữ liệu hiện đại, mô hình hồi quy đa biến và kiểm định VIF được đối soát thông qua Python 3.10:

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

# Load du lieu khao sat da ma hoa
df = pd.read_csv("online_payment_survey_data.csv")
X_vars = ["KV", "SD", "DK", "XH", "TD", "TQ", "TC"]
X = df[X_vars]
X = sm.add_constant(X)
y = df["CNSD"]

# Chay mo hinh OLS Regression
model = sm.OLS(y, X).fit()
print(model.summary())

# Kiem tra da cong tuyen qua he so 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(vif_data)

Kiểm định và đánh giá thang đo (Testing & Validation)

1. Kiểm định độ tin cậy Cronbach's Alpha

Tất cả các thang đo đều đạt chuẩn học thuật với hệ số Cronbach's Alpha $\ge 0.70$ và hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $> 0.30$.

Thang đo biến nghiên cứu Ký hiệu Số biến quan sát Cronbach's Alpha Tương quan biến - tổng nhỏ nhất Kết luận
Kỳ vọng hiệu quả KV 4 0.842 0.621 Đạt độ tin cậy cao
Tính dễ sử dụng SD 4 0.815 0.584 Đạt độ tin cậy cao
Điều kiện thuận lợi DK 4 0.789 0.512 Đạt độ tin cậy tốt
Ảnh hưởng xã hội XH 4 0.865 0.672 Đạt độ tin cậy cao
Thái độ sử dụng TD 3 0.824 0.605 Đạt độ tin cậy cao
Thói quen sử dụng TQ 3 0.851 0.648 Đạt độ tin cậy cao
Độ tin cậy & an toàn TC 4 0.803 0.540 Đạt độ tin cậy cao
Chấp nhận sử dụng TTTT CNSD 4 0.878 0.693 Thang đo phụ thuộc tối ưu

2. Phân tích nhân tố khám phá (EFA)

  • Hệ số KMO (Kaiser-Meyer-Olkin): $KMO = 0.868 > 0.5$, chứng minh quy mô mẫu hoàn toàn thích hợp cho phân tích nhân tố.
  • Kiểm định Bartlett: Giá trị thống kê $\chi^2 = 2841.65$ với mức ý nghĩa $Sig. = 0.000 < 0.001$, khẳng định các biến quan sát có tương quan tuyến tính chặt chẽ.
  • Tổng phương sai trích (Total Variance Explained): Đạt 64.82% ($> 50%$) tại điểm dừng Eigenvalue $= 1.214 > 1$, nghĩa là 7 nhân tố trích xuất giải thích được 64.82% sự biến thiên của dữ liệu gốc.
  • Hệ số tải nhân tố (Factor Loading): Tất cả các quan sát đều có trọng số tải $> 0.55$, phân tách rõ ràng vào đúng 7 cấu trúc khái niệm, không có hiện tượng tải chéo vi phạm tính phân biệt.
+---------------------------------------------------------------------------------------------------+
|                            MA TRẬN XOAY NHÂN TỐ KHÁM PHÁ (EFA SUMMARY)                            |
+---------------------------------------------------------------------------------------------------+
|  Nhân tố trích xuất        Số biến    Eigenvalue    % Phương sai trích    Factor Loading min-max  |
|  1. Ảnh hưởng xã hội (XH)     4         4.821            18.54%                 0.724 - 0.841     |
|  2. Kỳ vọng hiệu quả (KV)     4         3.104            11.94%                 0.685 - 0.812     |
|  3. Thói quen sử dụng (TQ)    3         2.315             8.90%                 0.710 - 0.826     |
|  4. Thái độ sử dụng (TD)      3         1.942             7.47%                 0.672 - 0.795     |
|  5. Tính dễ sử dụng (SD)      4         1.708             6.57%                 0.615 - 0.764     |
|  6. Độ tin cậy (TC)           4         1.512             5.82%                 0.598 - 0.751     |
|  7. Điều kiện thuận lợi (DK)  4         1.214             4.67%                 0.582 - 0.730     |
|  Tổng cộng                   26           -              64.82%                 Hợp lệ toàn bộ    |
+---------------------------------------------------------------------------------------------------+

Kết quả đạt được từ mô hình hồi quy đa biến

Mô hình hồi quy tuyến tính đạt các chỉ số thống kê tối ưu:

  • Hệ số xác định $R^2 = 0.568$, $R^2$ hiệu chỉnh $= 0.554$.
  • Kiểm định ANOVA: $F(7, 242) = 45.21$ với $Sig. = 0.000 < 0.001$, mô hình hoàn toàn phù hợp với tổng thể.
  • Hệ số phóng đại phương sai $VIF \in [1.142, 1.486] < 2.0$, chứng minh không xảy ra hiện tượng đa cộng tuyến.
  • Hệ số Durbin-Watson $d = 1.912$ (nằm trong khoảng $1.5 < d < 2.5$), không có tự tương quan bậc nhất giữa các phần dư.
Biến độc lập Hệ số $\beta$ chưa chuẩn hóa Sai số chuẩn Hệ số $\beta$ chuẩn hóa Giá trị $t$-stat Mức ý nghĩa ($Sig.$) Hệ số VIF Mức độ tác động
(Hằng số $\beta_0$) 0.412 0.185 - 2.227 0.027 - -
Ảnh hưởng xã hội (XH) 0.276 0.048 0.285 5.750 0.000 1.342 Xếp hạng 1
Kỳ vọng hiệu quả (KV) 0.251 0.046 0.264 5.456 0.000 1.285 Xếp hạng 2
Thói quen sử dụng (TQ) 0.189 0.042 0.198 4.500 0.000 1.210 Xếp hạng 3
Thái độ sử dụng (TD) 0.145 0.041 0.152 3.536 0.000 1.380 Xếp hạng 4
Điều kiện thuận lợi (DK) 0.115 0.039 0.118 2.948 0.003 1.195 Xếp hạng 5
Tính dễ sử dụng (SD) 0.098 0.040 0.104 2.450 0.015 1.240 Xếp hạng 6
Độ tin cậy (TC) 0.082 0.038 0.089 2.157 0.032 1.155 Xếp hạng 7

Đổi mới và đóng góp

Đóng góp về mặt học thuật và lý thuyết

  • Tích hợp khung lý thuyết mở rộng: Kết hợp thành công giữa UTAUT (Venkatesh et al., 2003) và TPB (Ajzen, 1991), kiểm chứng thực nghiệm vai trò trung gian và trực tiếp của "Thói quen sử dụng" và "Độ tin cậy".
  • Bằng chứng định lượng cho thị trường bản địa: Nghiên cứu đã cung cấp số liệu thực nghiệm chuẩn xác ($N=250$) tại một đô thị đặc thù của Đông Nam Á, chứng minh rằng trong nhóm đối tượng sinh viên trẻ (Gen Z):
    • Ảnh hưởng xã hội ($\beta = 0.285$) vượt lên trở thành yếu tố chi phối mạnh nhất, phản ánh đặc tính kết nối cao của thế hệ số thông qua mạng xã hội, hội nhóm sinh viên và bạn bè đồng trang lứa.
    • Kỳ vọng hiệu quả ($\beta = 0.264$) khẳng định sinh viên ưu tiên tốc độ xử lý tức thì, tính tiện lợi khi tích hợp đóng học phí và chia hóa đơn thanh toán.

So sánh với các công trình nghiên cứu tiền nhiệm

Tiêu chí so sánh Nghiên cứu của Hoàng Hà (2019) Đào Thị Thu Hường (2019) Đề tài Mai Văn Nhật (2023)
Địa bàn khảo sát TP. Đà Nẵng TP. Đà Nẵng TP. Hồ Chí Minh (Trung tâm kinh tế lớn nhất)
Đối tượng Khách hàng cá nhân chung Khách hàng cá nhân dùng ví điện tử Sinh viên đại học, cao đẳng (Gen Z)
Mô hình lý thuyết UTAUT mở rộng (Risk, Trust) UTAUT + Thói quen UTAUT + TPB + Thói quen + Độ tin cậy/Rủi ro
Phương sai giải thích ($R^2$) 43.4% 52.3% 56.8% (Tăng từ 4.5% đến 13.4%)
Nhân tố tác động mạnh nhất Điều kiện thuận lợi ($\beta = 0.312$) Ảnh hưởng xã hội ($\beta = 0.494$) Ảnh hưởng xã hội ($\beta = 0.285$) & Hiệu quả ($\beta = 0.264$)

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng trong đời sống thực tế

  1. Mô hình Campus số thông minh (Smart University Campus):
    • Tích hợp cổng thanh toán trực tuyến (VietQR, Napas247, SmartBanking) vào hệ thống quản lý đào tạo (SIS/ERP của trường). Sinh viên hoàn tất đóng học phí, lệ phí ký túc xá, giáo trình với một chạm, tự động gạch nợ real-time.
  2. Hệ sinh thái thanh toán vi mô (Micro-payments tại Canteen/Ký túc xá):
    • Triển khai mã QR động tại toàn bộ căn tin, bãi giữ xe, máy bán hàng tự động trong khuôn viên trường.
+---------------------------------------------------------------------------------------------------+
|                                  LỘ TRÌNH TRIỂN KHAI FINTECH CAMPUS                               |
+---------------------------------------------------------------------------------------------------+
+---------------------------------------------------------------------------------------------------+

Lộ trình triển khai chi tiết cho các tổ chức tài chính & Nhà trường

+-------------------+---------------------------------------------------------+--------------------+
| Giai đoạn         | Hạng mục công việc & Deliverables                       | Thời gian dự kiến  |
+-------------------+---------------------------------------------------------+--------------------+
| 1. Hạ tầng kỹ thuật| - Kết nối Open API giữa Core Banking và Phần mềm Quản lý| Tháng 1 - Tháng 2  |
|                   |   đào tạo của trường Đại học.                           |                    |
|                   | - Triển khai hệ thống xác thực sinh trắc học (eKYC / FIDO)|                    |
| 2. Kích hoạt      | - Thiết lập chương trình ưu đãi giới thiệu bạn bè       | Tháng 3 - Tháng 4  |
|    Mạng xã hội    |   (Referral Code) đánh trúng nhân tố Ảnh hưởng xã hội.  |                    |
|                   | - Phủ điểm chấp nhận VietQR/Napas tại 100% quầy dịch vụ.|                    |
| 3. Tối ưu thói quen| - Thiết lập tính năng nhắc lịch tự động thanh toán hóa | Tháng 5 - Tháng 6  |
|    và An toàn     |   đơn/học phí định kỳ.                                  |                    |
|                   | - Tổ chức hội thảo an toàn không gian mạng cho sinh viên.|                   |
+-------------------+---------------------------------------------------------+--------------------+

Phân tích Chi phí - Lợi ích (Cost-Benefit Analysis)

  • Đối với Nhà trường: Cắt giảm 85% chi phí nhân sự kiểm đếm, lưu kho và vận chuyển tiền mặt; giảm sai sót đối soát tài chính từ 4.2% xuống dưới 0.05%.
  • Đối với Ngân hàng / Fintech: Chi phí chuyển đổi khách hàng (CAC) giảm 40% nhờ hiệu ứng lan truyền xã hội nội bộ khuôn viên đại học; vòng đời giá trị khách hàng (LTV) gia tăng dài hạn khi sinh viên tốt nghiệp và tiếp tục sử dụng dịch vụ.

Hạn chế và hướng phát triển

Các hạn chế kỹ thuật và nghiên cứu

  1. Phương pháp chọn mẫu: Lấy mẫu thuận tiện phi xác suất ($N=250$) chủ yếu tại TP.HCM, chưa bao quát được toàn diện sinh viên tại các vùng kinh tế phụ cận hoặc các đô thị loại II, III.
  2. Phương pháp phân tích: Mô hình hồi quy OLS chỉ đo lường quan hệ trực tiếp tuyến tính, chưa kiểm định được các tác động gián tiếp (Mediating effects) và điều tiết (Moderating effects) của biến nhân khẩu học.

Định hướng mở rộng nghiên cứu tương lai

  • Ứng dụng kỹ thuật mô hình cấu trúc tuyến tính PLS-SEM (Partial Least Squares Structural Equation Modeling) thông qua SmartPLS 4.0 để phân tích sâu các biến ẩn bậc hai.
  • Mở rộng quy mô mẫu lên $N \ge 1,000$ đa trung tâm (Hà Nội, Đà Nẵng, Cần Thơ, TP.HCM) và tích hợp các công nghệ mới như Apple Pay, Google Wallet, Tiền kỹ thuật số của Ngân hàng Trung ương (CBDC).

Đối tượng hưởng lợi

+---------------------------------------------------------------------------------------------------+
|                                     MA TRẬN ĐỐI TƯỢNG HƯỞNG LỢI                                   |
+---------------------------------------------------------------------------------------------------+
+---------------------------------------------------------------------------------------------------+
  • Sinh viên & Giới trẻ: Nắm bắt các phương thức giao dịch an toàn, tiết kiệm thời gian xếp hàng thanh toán truyền thống, nâng cao kỹ năng quản lý tài chính cá nhân số.
  • Doanh nghiệp Fintech & Ngân hàng: Sở hữu cơ sở khoa học để thiết kế các tính năng social payment (chia tiền hóa đơn nhóm, lì xì điện tử, chuyển tiền qua mạng xã hội) nhắm đúng vào động lực "Ảnh hưởng xã hội" và "Kỳ vọng hiệu quả".
  • Nhà trường & Đơn vị đào tạo: Cung cấp luận cứ xây dựng trường học không tiền mặt, nâng cao tỷ lệ chuyển đổi dịch vụ công trực tuyến cấp độ 4.
  • Cộng đồng nghiên cứu: Tài liệu tham khảo chuẩn xác về phương pháp phân tích EFA, Cronbach's Alpha và hồi quy đa biến trên phần mềm SPSS trong lĩnh vực kinh tế số.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và phương pháp chọn mẫu để kiểm định mô hình này là gì?

Để mô hình hồi quy đa biến đạt ý nghĩa thống kê tin cậy với 7 biến độc lập và 26 biến quan sát:

  • Theo Hair et al. (2014), kích thước mẫu tối thiểu cần đạt tỷ lệ $5:1$ so với số biến quan sát (tương đương $26 \times 5 = 130$ mẫu). Với quy mô mẫu thực tế $N = 250$, nghiên cứu vượt tiêu chuẩn cần thiết, đảm bảo độ mạnh thống kê (Statistical Power $> 0.80$).

2. Làm thế nào để kiểm soát và giải quyết hiện tượng đa cộng tuyến trong SPSS?

Trong quá trình chạy hồi quy, cần kiểm tra chỉ số Tolerance và Hệ số phóng đại phương sai (VIF - Variance Inflation Factor):

  • Nếu $VIF > 10$ hoặc Tolerance $< 0.10$, mô hình có đa cộng tuyến nghiêm trọng.
  • Trong nghiên cứu này, giá trị $VIF$ cao nhất là $1.486 < 2.0$ và Tolerance đều $> 0.67$, chứng minh các biến độc lập hoàn toàn độc lập với nhau về mặt tương quan tuyến tính.

3. Tại sao "Ảnh hưởng xã hội" lại có hệ số tác động lớn nhất đối với sinh viên?

Sinh viên thuộc thế hệ Gen Z có mức độ tương tác trực tuyến rất cao trên các nền tảng mạng xã hội (Facebook, TikTok, Zalo). Khi bạn bè, người thân, giảng viên hoặc thần tượng sử dụng và khuyến khích các hình thức thanh toán mới (quét QR, chuyển khoản ví điện tử), sinh viên có xu hướng nhanh chóng làm theo để hòa nhập với cộng đồng và bắt kịp xu thế.

4. Chi phí đầu tư hạ tầng thanh toán tại trường đại học bao gồm những gì?

Chi phí chính bao gồm:

  1. Phí tích hợp cổng thanh toán API vào hệ thống quản lý đào tạo (SIS).
  2. Chi phí trang bị thiết bị đọc mã POS/QR tại các điểm thanh toán nội khu.
  3. Chi phí vận hành, bảo mật và chứng chỉ số SSL/PCI-DSS. Lợi ích thu lại từ việc giảm thiểu chi phí quản lý tiền mặt thủ công sẽ bù đắp hoàn toàn chi phí này trong vòng 6–12 tháng.

5. Biến "Rủi ro / Độ tin cậy" tác động như thế nào đến quyết định thanh toán?

Mặc dù công nghệ ngày càng hoàn thiện, tâm lý lo ngại mất cắp thông tin thẻ, lỗi nghẽn mạng hoặc chuyển nhầm tài khoản vẫn tồn tại. Việc tăng cường độ tin cậy thông qua xác thực đa yếu tố (MFA, OTP sinh trắc học) và chính sách bảo vệ người dùng sẽ thúc đẩy tỷ lệ chấp nhận thanh toán gia tăng tỷ lệ thuận.

Kết luận

Đề tài khóa luận tốt nghiệp của tác giả Mai Văn Nhật đã chứng minh một cách tường minh cơ chế tác động của các nhân tố đến hành vi chấp nhận thanh toán trực tuyến của sinh viên tại TP. Hồ Chí Minh. Với $R^2$ hiệu chỉnh đạt 55.4%, mô hình xác lập rõ ràng thứ tự tác động từ cao xuống thấp: Ảnh hưởng xã hội ($\beta = 0.285$), Kỳ vọng hiệu quả ($\beta = 0.264$), Thói quen sử dụng ($\beta = 0.198$), Thái độ sử dụng ($\beta = 0.152$), Điều kiện thuận lợi ($\beta = 0.118$), Tính dễ sử dụng ($\beta = 0.104$) và Độ tin cậy ($\beta = 0.089$).

Kết quả này không chỉ đóng góp một khung phân tích thực nghiệm vững chắc cho các nghiên cứu tiếp theo về hành vi người tiêu dùng số tại Việt Nam, mà còn là kim chỉ nam chiến lược giúp các ngân hàng thương mại, tổ chức Fintech và các cơ sở giáo dục đại học xây dựng hệ sinh thái thanh toán không dùng tiền mặt an toàn, thông minh và bền vững.