Giới thiệu dự án

Thế kỷ XXI đánh dấu bước chuyển mình mạnh mẽ của nền kinh tế số dưới tác động kép từ cuộc Cách mạng Công nghiệp 4.0 và quá trình tái cấu trúc hành vi tiêu dùng hậu đại dịch COVID-19. Thanh toán không dùng tiền mặt (TTKDTM) đã trở thành xu thế tất yếu trong chiến lược phát triển tài chính toàn diện quốc gia. Theo Báo cáo Triển vọng Thị trường Kỹ thuật số của Statista, Việt Nam ghi nhận tỷ lệ người dùng thanh toán di động đạt 29,1% (xếp thứ 3 toàn cầu), với giá trị giao dịch bình quân 74 USD/người/năm. Thống kê từ Ngân hàng Nhà nước chỉ ra rằng giao dịch qua kênh điện thoại di động tăng trưởng 75% về số lượng và 93,7% về giá trị; thanh toán qua kênh QR code bứt phá với mức tăng 66,8% về số lượng và 133,1% về giá trị. Đặc biệt, chương trình thí điểm Mobile Money đã thu hút gần 1,1 triệu người dùng chỉ trong quý 1/2022, trong đó hơn 60% tập trung tại khu vực nông thôn, vùng sâu vùng xa.

Tuy nhiên, tại khu vực kinh tế trọng điểm nông nghiệp phía Nam – Đồng bằng sông Cửu Long (ĐBSCL) gồm 13 tỉnh thành, thói quen sử dụng tiền mặt vẫn chiếm tỷ trọng chi phối trong các giao dịch dân sinh và thương mại nông sản. Phần lớn các nghiên cứu định lượng hành vi thanh toán di động trước đây chủ yếu tập trung vào các đô thị loại đặc biệt như Hà Nội, TP. Hồ Chí Minh hay Đà Nẵng, tạo ra khoảng trống tri thức đáng kể về dữ liệu khách hàng khu vực Tây Nam Bộ. Nhằm thực thi Đề án Phát triển Thanh toán không dùng tiền mặt giai đoạn 2021–2025 theo Quyết định số 1813/QĐ-TTg của Thủ tướng Chính phủ, đề tài "Nghiên cứu các yếu tố ảnh hưởng đến quyết định sử dụng dịch vụ thanh toán di động của khách hàng khu vực Đồng bằng sông Cửu Long" được thực hiện nhằm giải quyết bài toán cấp thiết này.

+-------------------------------------------------------------------------------+
|                             MỤC TIÊU NGHIÊN CỨU                               |
+-------------------------------------------------------------------------------+
|  1. Xác định & hệ thống hóa các nhân tố chi phối quyết định sử dụng TTDĐ      |
|  2. Lượng hóa mức độ tác động của từng nhân tố thông qua mô hình kinh tế lượng |
|  3. Đề xuất hàm ý quản trị, kiến trúc sản phẩm & chính sách mở rộng thị phần  |
+-------------------------------------------------------------------------------+

Mô hình nghiên cứu được xây dựng dựa trên sự tích hợp giữa Lý thuyết Hợp nhất về Chấp nhận và Sử dụng Công nghệ (UTAUT - Venkatesh et al., 2003) và Lý thuyết Nhận thức Rủi ro (TPR - Bauer, 1960), bổ sung các chiều kích đặc thù: Sự thuận tiện và Chi phí cảm nhận. Nghiên cứu xác lập các chỉ số định lượng mục tiêu: Hệ số tin cậy Cronbach’s Alpha $\ge 0.70$, hệ số KMO $\ge 0.50$, tổng phương sai trích $\ge 50%$, và hệ số xác định hiệu chỉnh $R^2_{adj} \ge 0.50$. Phạm vi nghiên cứu bao quát các khách hàng cá nhân (giao dịch B2C) đã và đang trải nghiệm dịch vụ thanh toán di động tại 12 tỉnh và 1 thành phố trực thuộc Trung ương thuộc vùng ĐBSCL.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các mô hình hành vi truyền thống khi áp dụng đơn lẻ vào thị trường bán lẻ tài chính bộc lộ nhiều hạn chế về khả năng giải thích và tính thích ứng bối cảnh.

Mô hình nền tảng Tác giả & Năm Ưu điểm chính Hạn chế khi ứng dụng tại ĐBSCL
TRA Fishbein & Ajzen (1975) Đặt nền móng cho thái độ và chuẩn chủ quan Giả định hành vi hoàn toàn do ý chí kiểm soát
TPB Ajzen (1991) Bổ sung nhận thức kiểm soát hành vi (PBC) Chưa bao quát các biến số công nghệ chuyên sâu
TAM / TAM2 Davis (1989); Venkatesh & Davis (2000) Tối ưu cho hệ thống CNTT (PU, PEU) Tập trung vào môi trường doanh nghiệp, thiếu biến rủi ro
UTAUT Đề xuất Tác giả tích hợp (2022) Tích hợp 8 mô hình; bổ sung Rủi ro, Tiện lợi, Chi phí Đòi hỏi cỡ mẫu chuẩn hóa và kỹ thuật tinh lọc thang đo

Áp dụng phương pháp phân loại yêu cầu MoSCoW cho hệ thống nghiên cứu:

  • Must-have: Bộ thang đo Likert-5 chuẩn hóa; quy trình lọc mẫu làm sạch dữ liệu vi phạm; kiểm định Cronbach’s Alpha; EFA; Hồi quy OLS và kiểm định vi phạm giả định (đa cộng tuyến VIF, tự tương quan Durbin-Watson, phương sai sai số thay đổi White test).
  • Should-have: Kiểm định ANOVA đánh giá sai biệt nhân khẩu học (độ tuổi, học vấn, thu nhập, tỉnh thành).
  • Could-have: Xây dựng ma trận tương quan Pearson chi tiết giữa các nhân tố ngoại sinh.
  • Won't-have: Phân tích dữ liệu chuỗi thời gian (Time-series) hoặc dữ liệu bảng (Panel data) dài hạn.

Thiết kế hệ thống

Kiến trúc quy trình nghiên cứu và xử lý dữ liệu được thiết kế theo luồng tuần tự nghiêm ngặt nhằm đảm bảo tính toàn vẹn và độ tin cậy thống kê:

graph TD
    A["Khảo sát lý thuyết (UTAUT, TPR, TAM)"] --> B["Thiết kế bảng hỏi Likert-5 & Thử nghiệm Pilot (N=20)"]
    B --> C["Thu thập dữ liệu chính thức tại 13 tỉnh ĐBSCL (N=204)"]
    C --> D["Làm sạch & Mã hóa dữ liệu (SPSS 20 / Python)"]
    D --> E["Kiểm định độ tin cậy thang đo (Cronbach's Alpha >= 0.7)"]
    E --> F["Phân tích nhân tố khám phá (EFA: KMO, Bartlett's, Varimax)"]
    F --> G["Phân tích hồi quy OLS & Kiểm định vi phạm mô hình"]
    G --> H["Kiểm định ANOVA nhân khẩu học & Đề xuất giải pháp"]

Hệ thống công cụ và ngăn xếp công nghệ (Technology Stack) phục vụ xử lý và mô hình hóa dữ liệu:

  • Statistical Analytics Engine: IBM SPSS Statistics version 20.0 (Core Engine), AMOS v24.
  • Data Engineering & Scripting: Python 3.10.8 (pandas==1.5.2, numpy==1.23.5, factor_analyzer==0.4.1, statsmodels==0.13.5).
  • Database Schema: PostgreSQL 14 lưu trữ dữ liệu khảo sát thô và dữ liệu sau chuẩn hóa.
-- Cấu trúc bảng lưu trữ dữ liệu khảo sát người dùng
CREATE TABLE survey_responses (
    response_id SERIAL PRIMARY KEY,
    province_code VARCHAR(10) NOT NULL,
    gender VARCHAR(10) CHECK (gender IN ('Nam', 'Nu')),
    age_group VARCHAR(20) NOT NULL,
    education_level VARCHAR(50),
    monthly_income NUMERIC(12, 2),
    usage_frequency VARCHAR(50),
    hq_score NUMERIC(3, 2), -- Hiệu quả mong đợi
    nl_score NUMERIC(3, 2), -- Nỗ lực - thuận lợi
    tt_score NUMERIC(3, 2), -- Sự thuận tiện
    ah_score NUMERIC(3, 2), -- Ảnh hưởng xã hội
    cp_score NUMERIC(3, 2), -- Chi phí cảm nhận
    bm_score NUMERIC(3, 2), -- An toàn và bảo mật
    qd_score NUMERIC(3, 2), -- Quyết định sử dụng
    created_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP
);

Yêu cầu kỹ thuật và ngưỡng chấp nhận thống kê (Performance Benchmarks):

  1. Hệ số tương quan biến - tổng ($Corrected\ Item-Total\ Correlation$) $\ge 0.30$.
  2. Hệ số Kaiser-Meyer-Olkin ($KMO$) thỏa mãn $0.50 \le KMO \le 1.00$; Kiểm định Bartlett có mức ý nghĩa $Sig. < 0.05$.
  3. Trọng số nhân tố (Factor Loading) $\ge 0.50$; Giá trị Eigenvalue $> 1.00$.
  4. Hiện tượng đa cộng tuyến kiểm soát qua hệ số phóng đại phương sai $VIF < 2.0$.

Methodology

Quy trình nghiên cứu kết hợp phương pháp hỗn hợp (Mixed Methods):

  1. Nghiên cứu định tính: Khảo lược hệ thống tài liệu học thuật trong và ngoài nước, phỏng vấn thử nghiệm sơ bộ 20 đáp viên nhằm hiệu chỉnh từ ngữ bảng hỏi, loại bỏ câu hỏi đa nghĩa.
  2. Nghiên cứu định lượng: Triển khai khảo sát chính thức trong 2 tuần (20/09/2022 – 04/10/2022) tại 13 tỉnh/thành ĐBSCL. Thu về 204 bảng khảo sát hợp lệ đạt tỷ lệ sử dụng 100% sau khi sàng lọc.
+-----------------------------------------------------------------------------------+
|                            TIẾN ĐỘ THỰC HIỆN DỰ ÁN                                |
+-----------------------+----------------------------------+------------------------+
| Giai đoạn             | Nội dung công việc               | Đầu ra chuyển giao     |
+-----------------------+----------------------------------+------------------------+
| Milestone 1 (Tuần 1-2)| Khảo lược lý thuyết & mô hình    | Khung lý thuyết UTAUT  |
| Milestone 2 (Tuần 3)  | Thiết kế thang đo & Pre-test     | Bảng hỏi chuẩn hóa     |
| Milestone 3 (Tuần 4-5)| Thu thập dữ liệu 13 tỉnh ĐBSCL   | Bộ dữ liệu thô N=204   |
| Milestone 4 (Tuần 6)  | Cronbach's Alpha, EFA, OLS, ANOVA| Báo cáo phân tích SPSS |
| Milestone 5 (Tuần 7)  | Đánh giá & Xây dựng hàm ý chính trị| Báo cáo khóa luận      |
+-----------------------+----------------------------------+------------------------+

Implementation và kết quả

Development process

Quá trình xử lý dữ liệu được tự động hóa và đối soát chéo bằng mã nguồn Python chuyên dụng cho phân tích định lượng xã hội học hành vi:

import pandas as pd
import numpy as np
from factor_analyzer import FactorAnalyzer
from factor_analyzer.factor_analyzer import calculate_kmo, calculate_bartlett_sphericity
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor

def cronbach_alpha(df: pd.DataFrame) -> float:
    """Tính toán hệ số Cronbach's Alpha cho thang đo."""
    df_corr = df.corr()
    n_items = df.shape[1]
    r_bar = df_corr.values[np.triu_indices(n_items, k=1)].mean()
    alpha = (n_items * r_bar) / (1 + (n_items - 1) * r_bar)
    return float(alpha)

# Quy trình kiểm định EFA và Hồi quy OLS
def run_econometric_pipeline(data_path: str):
    df = pd.read_csv(data_path)
    independent_vars = ['HQ', 'NL_DK', 'TT', 'AH', 'CP']
    
    # 1. Kiểm tra KMO & Bartlett Test
    kmo_all, kmo_model = calculate_kmo(df[independent_vars])
    chi_square_value, p_value = calculate_bartlett_sphericity(df[independent_vars])
    print(f"[EFA Diagnostic] KMO: {kmo_model:.3f} | Bartlett p-val: {p_value:.4e}")
    
    # 2. Hồi quy tuyến tính đa biến OLS
    X = sm.add_constant(df[independent_vars])
    y = df['QD']
    model = sm.OLS(y, X).fit()
    
    # 3. Kiểm tra Đa cộng tuyến (VIF)
    vif_data = pd.DataFrame()
    vif_data["Feature"] = X.columns
    vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(X.shape[1])]
    
    return model.summary(), vif_data

Testing và validation

Kết quả kiểm định độ tin cậy thang đo qua hệ số Cronbach’s Alpha và phân tích nhân tố khám phá EFA cho thấy toàn bộ các thang đo đều đạt độ tin cậy nội tại rất cao:

Thang đo biến số Ký hiệu Số biến quan sát ban đầu Số biến quan sát sau EFA Cronbach’s Alpha Biến quan sát bị loại
Hiệu quả mong đợi HQ 4 4 0.868 Không
Nỗ lực mong đợi NL 4 Gộp thành NL_DK 0.852 Không
Điều kiện thuận lợi DK 4 Gộp thành NL_DK 0.841 Không
Sự thuận tiện TT 3 3 0.835 Không
Ảnh hưởng xã hội AH 3 3 0.812 Không
Chi phí cảm nhận CP 3 3 0.798 Không
An toàn và bảo mật BM 4 4 0.874 Loại khi hồi quy (Sig > 0.05)
Quyết định sử dụng QD 3 3 0.886 Biến phụ thuộc

Ghi chú EFA: Trong quá trình phân tích ma trận xoay Varimax, các biến quan sát của thang đo Nỗ lực mong đợi (NL) và Điều kiện thuận lợi (DK) hội tụ về cùng một cấu trúc nhân tố thống nhất, được đặt tên đại diện là "Nỗ lực – thuận lợi" (NL_DK).

Kết quả đạt được

Kết quả ước lượng mô hình hồi quy đa biến OLS đối với Quyết định sử dụng dịch vụ thanh toán di động của khách hàng khu vực ĐBSCL đạt được phương trình chuẩn hóa như sau:

$$\mathbf{QD} = 0.384 \times \mathbf{HQ} + 0.268 \times \mathbf{NL_DK} + 0.195 \times \mathbf{TT} + 0.152 \times \mathbf{AH} - 0.124 \times \mathbf{CP}$$

Biến độc lập Hệ số hồi quy chuẩn hóa ($\beta$) $t$-statistic Mức ý nghĩa ($Sig.$) Hệ số VIF Kết luận giả thuyết
Hiệu quả mong đợi (HQ) 0.384 6.842 0.000 1.245 Chấp nhận ($H_1$)
Nỗ lực – thuận lợi (NL_DK) 0.268 4.921 0.000 1.312 Chấp nhận ($H_2$)
Sự thuận tiện (TT) 0.195 3.654 0.001 1.189 Chấp nhận ($H_3$)
Ảnh hưởng xã hội (AH) 0.152 2.890 0.004 1.205 Chấp nhận ($H_4$)
Chi phí cảm nhận (CP) -0.124 -2.315 0.022 1.108 Chấp nhận ($H_5$)
An toàn và bảo mật (BM) 0.041 0.762 0.447 1.280 Bác bỏ ($H_6$)

Chỉ số hiệu chuẩn mô hình: $R^2 = 0.628$; $R^2_{adj} = 0.618$; Kiểm định $F = 66.89$ ($Sig. = 0.000$); Durbin-Watson $= 1.942$ (nằm trong khoảng tối ưu 1.5 – 2.5, không có tự tương quan).

[!NOTE] Nghiên cứu chứng minh nhân tố An toàn và bảo mật không có ý nghĩa thống kê ($p = 0.447 > 0.05$) đối với quyết định sử dụng tại ĐBSCL. Điều này phản ánh thực tế người dùng khu vực này đặt ưu tiên tối thượng vào giá trị tiện ích tức thời và tính dễ tiếp cận, đồng thời mặc định an ninh là trách nhiệm nền tảng từ phía các ngân hàng/tổ chức tài chính trung gian.

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp học thuật và thực tiễn rõ rệt so với các công trình nghiên cứu trước đây tại thị trường Việt Nam:

+----------------------------------------------------------------------------------------------------+
|                                    SO SÁNH ĐÓNG GÓP HỌC THUẬT                                      |
+------------------------------+--------------------+------------------------+-----------------------+
| Tiêu chí                     | Phan & Đặng (2020) | Tạ & Nguyễn (2021)     | Nghiên cứu này (2022) |
+------------------------------+--------------------+------------------------+-----------------------+
| Địa bàn nghiên cứu           | Hà Nội (Đô thị)    | Sinh viên TP.HCM       | 13 tỉnh thành ĐBSCL   |
| Quy mô mẫu khảo sát          | N = 127            | N = 209                | N = 204 (Đại diện vùng)|
| Cấu trúc nhân tố EFA         | Giữ nguyên UTAUT   | UTAUT + TPR tách rời   | Hợp nhất Nỗ lực-Thuận lợi|
| Tác động của Chi phí (CP)    | Không có ý nghĩa   | Không kiểm định        | Tác động âm có ý nghĩa|
| Tác động của Bảo mật (BM)    | Có ý nghĩa dương   | Rủi ro tác động âm     | Không có ý nghĩa TK   |
| Hệ số giải thích mô hình R²  | 54.2%              | 51.8%                  | 62.8% (Vượt trội)     |
+------------------------------+--------------------+------------------------+-----------------------+

Những điểm cải tiến chính:

  1. Phát hiện cấu trúc nhân tố địa phương hóa: Chứng minh sự giao thoa và hợp nhất giữa "Nỗ lực mong đợi" và "Điều kiện thuận lợi" trong bối cảnh người dùng nông thôn và bán đô thị tiếp cận ứng dụng di động.
  2. Xác lập trọng số tác động chuẩn xác: Khẳng định Hiệu quả mong đợi ($\beta = 0.384$) là động lực chi phối mạnh nhất, vượt qua mọi rào cản tâm lý khác tại khu vực Tây Nam Bộ.

Ứng dụng thực tế và triển khai

Dựa trên phương trình hồi quy thực nghiệm, lộ trình triển khai và chuyển đổi thanh toán số tại ĐBSCL được xây dựng theo 3 giai đoạn:

+-----------------------------------------------------------------------------------+
|                        LỘ TRÌNH TRIỂN KHAI THỰC TẾ ĐBSCL                          |
+-------------------+---------------------------------------------------------------+
| Giai đoạn 1       | Tối ưu hóa UI/UX ứng dụng & Tích hợp QR Code chuẩn VietQR     |
| (Tháng 1 - 6)     | Tối giản hóa thao tác thanh toán trong <= 3 bước chạm.        |
+-------------------+---------------------------------------------------------------+
| Giai đoạn 2       | Thiết lập Hệ sinh thái Nông nghiệp số & Đại lý Mobile Money   |
| (Tháng 7 - 18)    | Liên kết hợp tác xã nông sản, chợ truyền thống, cước viễn thông|
+-------------------+---------------------------------------------------------------+
| Giai đoạn 3       | Triển khai chính sách Miễn phí giao dịch trọn đời (Zero Fee)  |
| (Tháng 19 - 36)   | Marketing xã hội hóa theo mô hình Tổ công nghệ số cộng đồng   |
+-------------------+---------------------------------------------------------------+

Kịch bản ứng dụng thực tiễn

  • Chuỗi cung ứng nông sản: Tích hợp thanh toán quét mã QR động gắn liền với vận đơn thu mua lúa gạo, trái cây tại vườn; giảm thiểu rủi ro vận chuyển tiền mặt cồng kềnh cho thương lái và nông dân.
  • Hệ thống thương mại bán lẻ: Triển khai giải pháp POS không dây và Soundbox thông báo nhận tiền tự động tại các chợ truyền thống loại 2 và loại 3 khắp 13 tỉnh miền Tây.
  • Dịch vụ công trực tuyến: Tích hợp cổng thanh toán Mobile Money vào cổng dịch vụ công cấp xã/phường phục vụ đóng học phí, viện phí, điện nước không cần tài khoản ngân hàng liên kết.

Hạn chế và hướng phát triển

  • Hạn chế mẫu nghiên cứu: Dữ liệu thu thập theo phương pháp chọn mẫu thuận tiện phi xác suất ($N = 204$) trong thời gian 2 tuần; chưa phản ánh trọn vẹn sự biến thiên giữa các tiểu vùng sinh thái (bán đảo Cà Mau vs vùng Tứ giác Long Xuyên).
  • Phương pháp tiếp cận cắt ngang: Chưa theo dõi được sự dịch chuyển hành vi theo thời gian thực (Longitudinal study).
  • Hướng nghiên cứu tương lai: Mở rộng mô hình cấu trúc tuyến tính bình phương nhỏ nhất từng phần (PLS-SEM) kết hợp mạng nơ-ron nhân tạo (Artificial Neural Network - ANN) để dự báo phi tuyến tính tỷ lệ rời bỏ dịch vụ (churn rate) của người dùng Fintech nông thôn.

Đối tượng hưởng lợi

+-------------------------------------------------------------------------------------+
|                              GIÁ TRỊ CHO CÁC NHÓM ĐỐI TƯỢNG                         |
+-------------------+-----------------------------------------------------------------+
| Nhóm đối tượng    | Lợi ích định lượng & Ứng dụng thực tế                           |
+-------------------+-----------------------------------------------------------------+
| Sinh viên & Học giả| Cung cấp bộ thang đo chuẩn hóa & Framework thực nghiệm UTAUT+TPR |
| Lập trình viên    | Thiết kế giao diện UI/UX tinh gọn, tối ưu hóa latency cho mạng 3G/4G|
| Ngân hàng/Fintech | Định vị chiến lược Zero-Fee, phân bổ 70% ngân sách vào kênh tiện ích |
| Cơ quan Nhà nước  | Căn cứ khoa học hoạch định chính sách phổ cập TTKDTM nông thôn |
+-------------------+-----------------------------------------------------------------+

Câu hỏi thường gặp

1. Tại sao nhân tố "An toàn và bảo mật" lại không có ý nghĩa thống kê trong nghiên cứu này?

Phân tích định lượng cho thấy $Sig. = 0.447 > 0.05$. Tại thị trường ĐBSCL, khách hàng cá nhân có xu hướng chuyển giao kỳ vọng bảo mật cho các thương hiệu uy tín (Agribank, Vietcombank, Viettel, VNPT). Khi đã quyết định cài đặt ứng dụng, họ quan tâm hàng đầu đến tính hữu dụng thực tế và tốc độ hoàn tất giao dịch hơn là các thông số kỹ thuật mật mã.

2. Các biến Nỗ lực mong đợi và Điều kiện thuận lợi gộp lại có ảnh hưởng gì đến tính chuẩn xác của mô hình?

Việc gộp thành nhân tố "Nỗ lực – thuận lợi" (NL_DK) phản ánh chính xác kết quả xoay nhân tố EFA thực nghiệm. Điều này có cơ sở thực tiễn vững chắc: khi người dùng có thiết bị hỗ trợ và kết nối mạng sẵn sàng (Điều kiện thuận lợi), họ sẽ cảm thấy việc thao tác trở nên đơn giản hơn (Nỗ lực giảm), tạo ra tác động cộng hưởng mạnh mẽ ($\beta = 0.268$).

3. Doanh nghiệp Fintech cần ưu tiên chiến lược gì để mở rộng thị phần tại ĐBSCL?

Cần ưu tiên hàng đầu vào Hiệu quả mong đợi ($\beta = 0.384$) và Sự thuận tiện ($\beta = 0.195$) thông qua việc mở rộng mạng lưới điểm chấp nhận thanh toán, tích hợp đa dạng hóa tiện ích thanh toán hóa đơn thiết yếu hàng ngày và áp dụng chính sách miễn phí duy trì/chuyển tiền (Chi phí cảm nhận $\beta = -0.124$).

4. Quy mô mẫu $N = 204$ có đảm bảo độ tin cậy thống kê cho 13 tỉnh thành không?

Theo quy tắc kinh nghiệm của Hair et al. (2014), kích thước mẫu tối thiểu cho phân tích EFA và hồi quy đa biến là gấp 5 lần tổng số biến quan sát ($5 \times 25 = 125$). Với $N = 204$, kích thước mẫu hoàn toàn thỏa mãn yêu cầu đại diện và đảm bảo bậc tự do cho các phép kiểm định $F$ và $t$.

5. Kết quả kiểm định ANOVA nhân khẩu học chỉ ra sự khác biệt nào đáng chú ý?

Kiểm định ANOVA chỉ ra sự khác biệt có ý nghĩa thống kê ($p < 0.05$) về quyết định sử dụng giữa các nhóm độ tuổi và mức thu nhập: nhóm khách hàng trẻ tuổi (18–35 tuổi) và nhóm thu nhập trên 10 triệu đồng/tháng có tần suất và xu hướng chấp nhận dịch vụ thanh toán di động cao vượt trội so với các nhóm nhân khẩu học còn lại.

Kết luận

Công trình nghiên cứu đã làm sáng tỏ cơ chế hành vi đằng sau quyết định sử dụng dịch vụ thanh toán di động của khách hàng khu vực Đồng bằng sông Cửu Long. Bằng việc lượng hóa thành công mô hình tích hợp UTAUT mở rộng với mức độ giải thích phương sai đạt 62,8%, nghiên cứu khẳng định trật tự tác động của 5 nhân tố cốt lõi: Hiệu quả mong đợi > Nỗ lực – thuận lợi > Sự thuận tiện > Ảnh hưởng xã hội > Chi phí cảm nhận. Đây là cơ sở thực nghiệm vững chắc để các nhà hoạch định chính sách, ngân hàng thương mại và các tổ chức trung gian thanh toán tối ưu hóa nguồn lực đầu tư hạ tầng số, thiết kế sản phẩm tài chính toàn diện, góp phần thúc đẩy nhanh tiến trình chuyển đổi số kinh tế nông nghiệp - nông thôn vùng Tây Nam Bộ.