các nhân tố ảnh hưởng đến ý định sử dụng dịch vụ goride của ứng dụng gojek đối với sinh viên trường đại học ngân hàng thành phố hồ chí minh

LỜI CAM ĐOAN Tôi xin cam đoan đề tài khóa luận nghiên cứu “Các nhân tố ảnh hưởng đến ý định sử dụng dịch vụ GoRide của ứng dụng Gojek đối với sinh viên trường Đại học Ngân hàng Thành phố

CƠ SỞ LÝ THUYẾT VÀ MÔ HÌNH NGHIÊN CỨU

Cơ sở lý thuyết

2.1.1 Giới thiệu về công ty Gojek và dịch vụ GoRide

Theo (Wikipedia, 2024) Gojek là công ty công nghệ hàng đầu, đồng thời cũng là công ty tiên phong về việc cung cấp mô hình hệ sinh thái siêu ứng dụng tại Đông Nam Á Ra đời tại Indonesia, Gojek mang theo sứ mệnh dùng công nghệ để cải thiện cuộc sống của hàng triệu người dùng trên mọi chặng đường phát triển Gojek đã có mặt tại hơn 200 thành phố, cung cấp hơn 20 dịch vụ tiện ích cho nhu cầu đặt xe, thanh toán, đặt món ăn, và hơn thế nữa Tính đến tháng 03/2020, ứng dụng Gojek đã được tải xuống hơn 170 triệu lần Tại Việt Nam, siêu ứng dụng này đã kết nối hơn 150.000 đối tác tài xế và 80.000 đối tác nhà hàng với hàng triệu người dùng Việt qua

4 dịch vụ đặt xe (GoRide/GoCar), đặt món (GoFood), và đặt giao hàng (GoSend) Gojek cũng đang không ngừng thử nghiệm để mang tới nhiều dịch vụ đa dạng hơn nữa cho thị trường Việt Nam trong thời gian tới Đối với dịch vụ gọi xe máy công nghệ (GoRide) sẽ giúp khách hàng di chuyển nhanh chóng và tiện lợi hơn với các hình thức kèm theo như GoRide Economy (gọi xe tiết kiệm với xe số), GoRide Comfort (gọi xe thoải mái hơn với xe ga) Tất cả đều để đáp ứng nhu cầu di chuyển với những mức giá khác nhau phù hợp với mọi đối tượng trên thị trường

2.1.2 Khái niệm về dịch vụ gọi xe công nghệ

Theo (Jais and Marzuki, 2020); (Utami, Kumar and Kannu, 2021), sau sự tăng trưởng đầy mạnh mẽ của thời kỳ công nghệ số hiện nay thì dịch vụ gọi xe công nghệ đã hiện lên như là yếu tố không thể thiếu trong quá trình phát triển của nền kinh tế chia sẻ Dựa trên những nhu cầu từ khách hàng như thời gian di chuyển, nhu cầu di chuyển, lộ trình hay kế hoạch di chuyển mà các công ty cung cấp dịch vụ vận tải hành khách sẽ đáp ứng các nhu cầu này và nhận lại cước phí tương ứng từ khách hàng của họ Đồng thời, (Utami, Kumar and Kannu, 2021) còn cho biết, để sử dụng loại dịch vụ này, các công ty cung cấp dịch vụ vận tải hành khách cần tạo ra một mô hình với những tiêu chí cụ thể như: thời gian khách hàng đặt chuyến, thời gian hoạt động của các tài xế, lưu lượng của các tài xế tại khu vực đặt đơn, vị trí của khách hàng và tài xế Từ đó, chính mô hình này cũng sẽ tự động tìm kiếm những khách hàng và tài xế có nhiều điểm chung, phù hợp nhất sau đó chỉ định tài xế nhận đơn hàng cũng như thiết lập thời gian đón khách hàng Hơn thế nữa, thông qua dịch vụ gọi xe công nghệ, một số tiện ích trên hệ thống như loại xe đón khách, phương thức thanh toán hay tính năng theo dõi lộ trình di chuyển của tài xế trên ứng dụng cũng được khách hàng tùy chọn sử dụng (Shaheen, Cohen and Zohdy, 2016)

2.1.2 Khái niệm về hành vi người tiêu dùng

Hành vi người tiêu dùng được thể hiện bằng thái độ, hành động, suy nghĩ của người tiêu dùng trước quyết định mua sắm, sử dụng hay đánh giá sản phẩm dịch vụ mà họ đang hoặc có ý định sở hữu (Peter D Bennet, 1988) Hành vi này được đánh giá là rất quan trong trong việc thiết lập mục tiêu mua sắm hay từ chối thực hiện mua sắm của người tiêu dùng, nó được biểu lộ thông qua cách thức mà người tiêu dùng nhận thức về sản phẩm, dịch vụ

Một định nghĩa về hành vi người tiêu dùng được Kotler & Levy (2000) khẳng định như sau: “Các quyết định từ mua sắm, sử dụng hay bỏ đi sản phẩm, dịch vụ đều được một cá nhân thể hiện qua những hành vi cụ thể Đó chính là hành vi người tiêu dùng” Những suy nghĩ, cảm nhận và thực hiện hành động trong quá trình tiêu dùng sản phẩm, dịch vụ đều chịu sự tác động của nhiều yếu tố khác nhau như: mức giá của sản phẩm, dịch vụ; sự tác động của những người khác; các chương trình tiếp thị, hay đơn giản là nhu cầu thực tế của người tiêu dùng Các yếu tố này sẽ ảnh hưởng lên hành vi mua sắm của họ Hầu hết mọi định nghĩa về hành vi người tiêu dùng đều sẽ tập trung chủ yếu vào quá trình ra quyết định mua của họ dựa trên những yếu tố khách quan và chủ quan.

Các mô hình nghiên cứu liên quan

Nghiên cứu hiện tại tập trung vào ý định hành vi của người tiêu dùng khi sử dụng dịch vụ GoRide của ứng dụng Gojek Vì vậy, bài nghiên cứu sử dụng Lý thuyết hành vi có kế hoạch (TPB), một lý thuyết hỗ trợ và cũng là một công cụ đáng tin cậy để dự đoán hành vi của con người Do bản chất cụ thể của GoRide là một dịch vụ chỉ có thể được sử dụng khi kết hợp với sản phẩm công nghệ (như thiết bị điện thoại di động), nên Mô hình chấp nhận công nghệ (TAM) sẽ tham gia vào khuôn khổ nghiên cứu Bên cạnh đó, việc tích hợp TPB và TAM (mô hình UTAUT) trong nghiên cứu này cũng được thực hiện và cảm hứng từ nghiên cứu của (Chen, Fan and Farn, 2007)

2.2.1 Lý thuyết hành vi có kế hoạch (TPB)

Lý thuyết hành vi có kế hoạch (TPB) là sự mở rộng của Lý thuyết hành động hợp lý (TRA), được phát triển bởi (Fishbein and Ajzen, 1975) để “dự đoán và giải thích hành vi của con người trong những bối cảnh cụ thể” (Ajzen, 1991) Kể từ khi được giới thiệu, TPB đã được sử dụng trong nhiều nghiên cứu khác nhau về tâm lý xã hội (people.umass.edu, 2016) và nhìn chung được cho là có hiệu quả Khi một người có ý định sử dụng dịch vụ GoRide, ý nghĩ của họ sẽ quyết định họ có nên sử dụng dịch vụ hay không và đó cũng chính là yếu tố quan trọng nhất quyết định hành vi thực tế (Ajzen, 2005)

Theo TPB, hành vi để thực hiện một ý định cụ thể có ba yếu tố cơ bản quyết định là: Thái độ đối với hành vi, chuẩn chủ quan và nhận thức kiểm soát hành vi (Ajzen, 2005) Trong đó:

Thái độ đối với hành vi mang tính chất cá nhân và mô tả sự đánh giá của một cá nhân đó về việc có nên thực hiện một hành vi cụ thể hay không Nếu thái độ đối với hành vi càng mang tính tích cực thì ý định thực hiện hành vi đó càng lớn

Chuẩn chủ quan là yếu tố mang tính xã hội, người thực hiện hành vi thường có xu hướng làm theo hoặc bị ảnh hưởng bởi hành vi của “những người quan trọng” đối đối với họ

Nhận thức kiểm soát hành vi chính là cảm nhận riêng của mỗi người về một việc nào đó, và mỗi người đều sẽ xem xét việc thực hiện hành vi đó khó hay dễ và nó tác động đến cả ý định và hành vi thực tế của con người

Hình 2.1 Mô hình lý thuyết hành vi có kế hoạch TPB

2.2.2 Mô hình chấp nhận công nghệ (TAM)

Theo (Erasmus, Rothmann and Eeden, 2015), quyết định sử dụng sản phẩm, dịch vụ của Khách hàng được thể hiện qua mối liên kết giữa các nhân tố niềm tin, thái độ và cách sử dụng công nghệ và chúng có tác động cùng chiều lên nhau

Bên cạnh đó, (Rogers, 2003) (Davis, 1985) đã nêu lên quan điểm rằng “Chính tính hữu ích và tính dễ sử dụng là hai nhân tố quan trọng sẽ ảnh hưởng đến thái độ và ý định sử dụng sản phẩm, dịch vụ của khách hàng” Và mô hình chấp nhận công nghệ (TAM) xem những nhân tố này là chức năng cốt lõi Nhận thức về tính hữu ích là một cấu trúc mô tả mức độ mọi người nghĩ rằng việc sử dụng một sản phẩm công nghệ

Kiểm soát niềm tin Động lực tuân thủ Đánh giá kết quả

Thái độ đối với hành vi

Nhận thức kiểm soát hành vi Ý định hành vi Hành vi

Niềm tin vào hành vi mới sẽ tăng hiệu suất của họ, trong khi nhận thức về tính dễ sử dụng là yếu tố mà một người tin rằng khi áp dụng một công nghệ mới sẽ thuận tiện hơn và cần ít nỗ lực hơn so với công nghệ cũ Theo TAM, những người dùng tiềm năng của GoRide cần cảm nhận dịch vụ này là công cụ hữu ích để cải thiện khả năng di chuyển của họ bằng cách áp dụng công nghệ Ngoài ra, họ cũng cần nhận thấy dịch vụ GoRide dễ sử dụng

Hình 2.2 Mô hình chấp nhận công nghệ TAM

2.2.3 Mô hình tích hợp TPB và TAM (mô hình UTAUT) Để kiểm chứng ý định của người tiêu dùng thế hệ trẻ, đặc biệt là đối tượng sinh viên Đại học sử dụng dịch vụ của Gojek, tác giả đã quyết định sử dụng TPB, vốn được ủng hộ là một phương pháp phù hợp để dự đoán và giải thích con người hành vi (Chen, Fan and Farn, 2007) Vì Gojek chỉ hoạt động thông qua ứng dụng di động nên tiềm năng sử dụng có liên quan mật thiết đến việc áp dụng công nghệ, trong trường hợp này là điện thoại thông minh Do đặc điểm độc đáo này của dịch vụ Gojek, tác giả đã sử dụng mô hình TAM để giải quyết các yếu tố cơ bản ảnh hưởng đến việc áp dụng công nghệ mới (Davis, 1989) Hai thuộc tính “nhận thức tính dễ sử dụng” và

“nhận thức tính hữu ích”, mà ảnh hưởng đến thái độ trong TAM, đã được đưa vào TPB như những yếu tố cơ bản của thái độ Theo (Dishaw and Strong, 1999), (Venkatesh và các cộng sự, 2012), một mô hình tích hợp có thể cung cấp nhiều sức mạnh giải thích hơn từng mô hình riêng lẻ Vì cả TPB và TAM đều không cung cấp

Thái độ Ý định sử dụng Các biến bên ngoài những dự đoán nhất quán về hành vi do có nhiều yếu tố tác động khác nhau, như người tiêu dùng mục tiêu, loại công nghệ và bối cảnh (Taylor and Todd, 1995), tác giả đã quyết định kết hợp cả hai lý thuyết để đạt được kết quả chính xác nhất.

Tổng quan các nghiên cứu trước

Các tác giả (Hoàng Đàm Lương Thúy, Nguyễn Minh Hào, Tống Khánh Linh và Lê Thị Mai Hương 2023) đã sử dụng 2 mô hình là mô hình hành vi có kế hoạch (TPB) và mô hình chấp nhận công nghệ (TAM) để làm cơ sở nền tảng cho bài nghiên cứu các nhân tố ảnh hưởng đến ý định sử dụng dịch vụ gọi xe công nghệ của khách hàng Hà Nội trong đại dịch COVID-19, kết hợp với các nhân tố khác sẽ xác định được kết quả của bài nghiên cứu Từ kết quả của các tác giả thì: Chuẩn chủ quan, Lợi ích về kinh tế và Nhận thức rủi ro là ba yếu tố đã tác động lên ý định sử dụng dịch vụ gọi xe công nghệ của khách hàng Hà Nội trong đại dịch COVID-19 Và các tác giả cũng đề cập thêm, hai trong ba yếu tố là Chuẩn chủ quan và Lợi ích về kinh tế thì có tác động thuận chiều, còn yếu tố Nhận thức rủi ro thì lại có tác động nghịch chiều

Theo các tác giả (Lưu Chí Danh, Trần Nguyễn Phương Loan và Lưu Mỹ Linh 2021) đã làm rõ hơn các yếu tố ảnh hưởng đến quyết định sử dụng dịch vụ gọi xe công nghệ của nhóm đối tượng là sinh viên đang theo học tại các trường Đại học trên địa bàn TP HCM Đồng thời, các tác giả cũng phân tích thêm về ý định sử dụng dịch vụ này tại nhiều thương hiệu xe công nghệ khác nhau với phương pháp nghiên cứu định lượng Từ kết quả bài nghiên cứu, các tác giả khẳng định có 3 nhân tố đã tác động đến quyết định sử dụng dịch vụ gọi xe công nghệ lần lượt là: Thương hiệu, Nhận thức về sự hữu ích và Thói quen sử dụng

Trước đó có các nghiên cứu đã đồng ý luận điểm rằng sự hữu ích và sự thuận tiện của các dịch vụ vận tải trên các thiết bị thông minh có sự ảnh hưởng trực tiếp, không chỉ đến thái độ đối mà còn về ý định sử dụng nó (Amoako-Gyampah & Salam, 2004; Wixom & Todd, 2005) Ảnh hưởng từ truyền thông xã hội, ý kiến từ người khác đến ý định sử dụng ứng dụng GoRide Theo (Dondolo and Madinga, 2017) và (Schalkwyk, Maziriri and Mokoena, 2017), khi nói đến ảnh hưởng xã hội, người tiêu dùng thường xem xét ý kiến của người khác Những người này có thể được gọi là nhóm tham khảo, ví dụ như: bạn bè, gia đình, đồng nghiệp, Tương tự như vậy, (Akar and Mardikyan, 2015) nói rằng nếu một người nghĩ rằng hệ thống hữu ích thì người khác sẽ cho rằng nó hữu ích và mong muốn sử dụng hệ thống đó

Theo (Madinga and Dondolo, 2017) và còn chỉ ra rằng có những ảnh hưởng cùng chiều đến nhu cầu mua sắm của người tiêu dùng Theo đó, quảng cáo thôi thúc người tiêu dùng tiêu thụ sản phẩm, chi tiêu theo xu hướng sản phẩm hướng tới Nếu người tiêu dùng tiếp cận được với các thông tin về GoRide thông qua các kênh truyền thông và công nghệ mới, họ có thể dễ dàng hơn trong việc tìm hiểu và lựa chọn GoRide

Cảm nhận lợi ích về giá có thể được phân loại là một nhân tố dự báo quan trọng về khả năng người tiêu dùng sẽ có ý định sử dụng dịch vụ GoRide Ngoài ra, Cảm nhận lợi ích về giá cũng rất quan trọng đối với việc quyết định nhanh hay chậm Hơn nữa, trong một nghiên cứu được thực hiện bằng cách tập trung vào việc cân nhắc các biến tác động đến lý do tại sao người tiêu dùng sẽ chọn xe ôm công nghệ thay thế cho loại truyền thống đã chứng minh rằng giá đã ảnh hưởng rất lớn đến ý định sử dụng (Wan et al., 2016).

PHƯƠNG PHÁP NGHIÊN CỨU

Quy trình nghiên cứu

3.2.1 Phương pháp nghiên cứu định tính

Trong quá trình đánh giá và tổng hợp những nghiên cứu trước đó của các tác giả trong và ngoài nước sẽ khó tránh được một số sai sót khách quan như các tiêu chí đánh giá chưa được phù hợp hoặc lỗi thời, bị trùng lặp hoặc kém chất lượng thì phương pháp định tính hiện lên như một phương thức để giải quyết vấn đề này Từ đó, tác giả sẽ dễ dàng hơn trong việc xây dựng một bảng hỏi chất lượng Sau quá trình phân tích và tổng hợp, tác giả quyết định chọn 5 yếu tố cụ thể đó là Tính hữu ích, Cảm nhận lợi ích về giá của dịch vụ, Sự thuận tiện của dịch vụ, Sự an toàn của dịch vụ và Ảnh hưởng xã hội đã tác động đến ý định sử dụng dịch vụ GoRide của sinh viên Đại học HUB

3.2.2 Phương pháp nghiên cứu định lượng

Với hình thức khảo sát thuận tiện trực tuyến thông qua việc lựa chọn các đáp án đã được hiệu chỉnh trên biểu mẫu bảng hỏi được tạo thông qua ứng dụng Google Docs Form Các đáp viên là sinh viên tại trường Đại học Ngân Hàng TP.HCM Tác giả sẽ thu về các phiếu khảo sát (bao gồm cả phiếu hợp lệ và không hợp lệ) Sau đó, thông tin từ các phiếu khảo sát sẽ được chuyển qua Excel và phần mềm phân tích dữ liệu SPSS để tiến hành kiểm tra Trình tự xử lý dữ liệu sẽ bắt đầu từ (1) thống kê mô tả mẫu nghiên cứu, (2) kiểm định mức độ tin cậy bằng thang đo Cronbach’s Alpha, (3) Phân tích nhân tố khám phá (EFA) cho biến độc lập và biến phụ thuộc, (4) phân tích hồi quy tuyến tính đa biến và (5) thảo luận các kết quả phân tích.

Xây dựng thang đo cho các nhân tố trong mô hình

Dù có nhiều thang đo đánh giá như Likert 5 mức độ, Likert 7 mức độ hay thậm chí là Likert 9 mức độ, nhưng tác giả sẽ chỉ sử dụng thang đo Likert 5 để thực hiện đánh giá các nhân tố trong mô hình Việc định lượng 5 biến độc lập (1) Tính hữu ích (2) Cảm nhận lợi ích về giá của dịch vụ (3) Sự thuận tiện của dịch vụ, (4) Sự an toàn của dịch vụ và (5) Ảnh hưởng xã hội sẽ dựa vào các tiêu chí từ mức thấp điểm nhất của thang đo là 1 đến mức cao nhất là 5, với thông tin cụ thể như sau: (1) Hoàn toàn không đồng ý, (2) Không đồng ý, (3) Bình thường, (4) Đồng ý, (5) Hoàn toàn đồng ý Các biến độc lập này đều sẽ chỉ tác động lên 1 biến phụ thuộc duy nhất là ý định sử dụng dịch vụ GoRide Ở phần này tác giả sẽ nghiên cứu độ tác động của các biến độc lập đến ý định sử dụng dịch vụ GoRide Từ đó, tác giả xây dựng thang đo như sau:

Bảng 3.1 Thang đo và kỳ vọng dấu tác động của từng biến độc lập đến biến phụ thuộc

Mã hóa Biến quan sát Dấu Tham khảo

Các biến độc lập Tính hữu ích (THI)

THI1 Tôi nhận thấy sử dụng xe ôm công nghệ hiệu quả hơn nhiều so với xe ôm truyền thống

THI2 Tôi nghĩ sử dụng GoRide đã cải thiện cuộc sống của tôi

THI3 Tôi nghĩ sử dụng GoRide đã cải thiện các lựa chọn di chuyển của tôi

THI4 Tôi nghĩ sử dụng GoRide cho phép tôi đến được điểm đến của mình nhanh hơn

Cảm nhận lợi ích về giá của dịch vụ (MGDV)

MGDV1 Tôi nhận thấy giá dịch vụ GoRide thấp hơn giá sản phẩm truyền thống

MGDV2 Tôi nghĩ giá cả là lý do chính khiến người tiêu dùng chọn sử dụng dịch vụ GoRide

MGDV3 Tôi nhận thấy mức giá của dịch vụ GoRide phù hợp với chất lượng

Sự thuận tiện của dịch vụ (STT)

STT1 Tôi nhận thấy cài đặt ứng dụng Gojek thật dễ dàng

(Khatibi, Haque and Karim, 2006) Cohen (1998)

STT2 Tôi nghĩ giao diện của dịch vụ GoRide thân thiện với người dùng

STT3 Tôi nghĩ quá trình thanh toán của dịch vụ

STT4 Tôi có thể dễ dàng đánh giá Tài xế sau chuyến đi

Sự an toàn của dịch vụ (SAT)

SAT1 Tôi cảm thấy an toàn khi sử dụng dịch vụ

SAT2 Tôi cảm thấy GoRide có những chương trình bảo hiểm chuyến đi tốt

Tôi nhận thấy phương tiện vận chuyển, Tài xế và nhân viên Chăm sóc dịch vụ Khách hàng tốt Ảnh hưởng xã hội (AHXH)

AHXH1 Người thân và bạn bè của tôi đều sử dụng

Người thân và bạn bè của tôi đều khuyến khích tôi sử dụng GoRide và ngược lại tôi cũng vậy

AHXH3 Tôi thấy có nhiều chương trình khuyến mãi, ưu đãi cho người tiêu dùng khi sử dụng GoRide

AHXH4 Tôi thấy thông tin truyền thông về GoRide đã thôi thúc tôi sử dụng dịch vụ Biến phụ thuộc: Ý định sử dụng dịch vụ GoRide (YĐSD)

YĐSD1 Tôi sẽ sử dụng dịch vụ GoRide khi cần di chuyển ra ngoài

Khi tôi có 1 lựa chọn giữa 2 dịch vụ xe ôm công nghệ, chúng tôi sẽ ưu tiên sử dụng dịch vụ GoRide

YĐSD3 Tôi sử dụng dịch vụ GoRide một cách thường xuyên

Nguồn: Tổng hợp bởi tác giả.

KẾT QUẢ NGHIÊN CỨU

Mô tả mẫu nghiên cứu

Mẫu nghiên cứu được tổng hợp, thu thập từ phương pháp chọn mẫu thuận tiện với hình thức từ bảng câu hỏi khảo sát Người tham gia khảo sát sẽ truy cập đường dẫn chứa thông tin và thực hiện khảo sát theo các câu hỏi sẵn có liên quan đến ý định sử dụng dịch vụ GoRide của ứng dụng Gojek đối với sinh viên trường Đại học Ngân hàng Thành phố Hồ Chí Minh Các phiếu trả lời không hợp lệ (như là trả lời thiếu thông tin, trả lời nhiều ý trên một câu hỏi, trả lời liên tục một đáp án từ đầu đến cuối, ) sẽ được loại bỏ Tác giả thu thập được 224 phiếu trả lời hợp lệ Kết quả thống kê mẫu nghiên cứu như sau:

4.1.1 Thống kê mô tả biến định tính

Bảng 4.1: Cơ cấu mẫu theo giới tính

Giới tính Số lượng (người) Tỷ lệ (%)

Nguồn: Kết quả phân tích dữ liệu SPSS 20.0

Từ bảng 4.1, có thể thấy tỷ lệ sinh viên nam chiếm tỷ lệ phần trăm cao hơn với 57.1% so với nữ là 42.9%

Bảng 4.2: Cơ cấu mẫu theo năm học Năm học Số lượng (người) Tỷ lệ (%)

Nguồn: Kết quả phân tích dữ liệu SPSS 20.0

Từ bảng 4.2, có thể thấy sinh viên năm bốn chiếm tỷ lệ cao nhất với 35.7%, đứng thứ hai là sinh viên năm 3 với 28.6%, thứ 3 là sinh viên năm 2 với 21.1% và cuối cùng là sinh viên năm 1 với 14.3%

Bảng 4.3: Cơ cấu mẫu theo hệ đào tạo

Chi tiêu/tháng Số lượng (người) Tỷ lệ (%) Đại trà 80 35.7

Nguồn: Kết quả phân tích dữ liệu SPSS 20.0

Từ bảng 4.3, có thể thấy sinh viên theo học hệ đào tạo chất lượng cao chiếm tỷ lệ cao nhất với 50%, đứng thứ hai là sinh viên đại trà với 35.7%, cuối cùng là sinh viên quốc tế song bằng với 14.3%

Bảng 4.4: Cơ cấu mẫu theo chi tiêu/tháng

Chi tiêu/tháng Số lượng (người) Tỷ lệ (%)

Nguồn: Kết quả phân tích dữ liệu SPSS 20.0

Từ bảng 4.4, có thể thấy số lượng người có mức chi tiêu từ 3 – 5 triệu chiếm tỷ lệ cao nhất với 57.1%, đứng cuối cùng là những đáp viên có mức chi tiêu dưới 3 triệu chiếm 14.3% và đứng thứ hai là người có mức chi tiêu trên 5 triệu chiếm 28.6%

Bảng 4.5: Cơ cấu mẫu theo tần suất

Tần suất Số lượng (người) Tỷ lệ (%) Ít khi 89 39.7

Nguồn: Kết quả phân tích dữ liệu SPSS 20.0

Từ bảng 4.5, có thể thấy số lượng người thỉnh thoảng sử dụng chiếm tỷ lệ cao nhất với 43%, đứng cuối cùng là những đáp viên thường xuyên sử dụng dịch vụ chiếm 17.3% và đứng thứ hai là người ít khi sử dụng chiếm 39.7%

4.1.2 Thông kê mô tả biến định lượng

Bảng 4.6: Thống kê mô tả biến định lượng

Mức giá trị nhỏ nhất

Mức giá trị lớn nhất

Mức giá trị trung bình Độ lệch chuẩn

Cảm nhận lợi ích về giá

Sự an toàn của dịch vụ

Từ bảng 4.5, với mức giá trị thấp nhất là 1 và cao nhất là 5 từ thống kê số liệu theo thang đo Likert 5 mức độ, tương ứng với mức thấp nhất là hoàn toàn không đồng ý cho đến hoàn toàn đồng ý Kết quả nghiên cứu cho thấy đánh giá của các đối tượng được khảo sát là khá tích cực với mức giá trị trung bình thấp nhất là 3.17 và cao nhất lên đến 3.88 Từ đó, phân tích thống kê mô tả cho biến định lượng được thực hiện một cách chính xác.

Kiểm định độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha

Bảng 4.7: Kết quả kiểm định độ tin cậy Cronbach’s Alpha

Trung bình của thang đo khi loại biến

Phương sai thang đo khi loại biến

Hệ số tương quan biến tổng

Hên số Cronbach’s Alpha nếu loại biến

Thang đo Tính hữu ích (THI) với Cronbach’s Alpha = 0.732

Thang đo Cảm nhận lợi ích về giá (MGDV) với Cronbach’s Alpha = 0.762

Thang đo Sự thuận tiện (STT) với Cronbach’s Alpha = 0.774

Thang đo Sự an toàn (SAT) với Cronbach’s Alpha = 0.731

Thang đo Ảnh hưởng xã hội (AHXH) với Cronbach’s Alpha = 0.792

Thang đo Ý định sử dụng (YĐSD) với Cronbach’s Alpha = 0.811

Nguồn: Kết quả phân tích dữ liệu SPSS 20.0

Với sự loại bỏ của biến quan sát kém chất lượng, tác giả thu về có 17 biến quan sát của các nhân tố đều được chấp nhận và sẽ được sử dụng trong phân tích nhân tố khám phá EFA tiếp theo.

Đánh giá thang đo bằng phân tích nhân tố khám phá (EFA)

4.3.1 Phân tích nhân tố khám phá thang đo các biến độc lập

Tổng 5 biến độc lập: (1) Tính hữu ích (2) Cảm nhận lợi ích về giá của dịch vụ (3) Sự thuận tiện của dịch vụ, (4) Sự an toàn của dịch vụ và (5) Ảnh hưởng xã hội sau khi được phân tích nhân tố khám phá EFA được trình bày ở bảng 4.8 như sau:

Bảng 4.8: Bảng kết quả phân tích EFA của biến độc lập

Hệ số KMO (Kaiser-Meyer-Olkin)

Kiểm định Bartlett approx Chi-Square 1207.542 df 136 sig .000

Nguồn: Kết quả phân tich trên phần mềm SPSS

Tiêu chuẩn của chỉ số KMO phải đạt từ 0.5 trở lên và kiểm định Bartlett’s phải có mức ý nghĩa sig < 0.05 để chứng minh dữ liệu đang được sử dụng để phân tích là thích hợp và các biến trong mô hình có mối tương quan với nhau sau khi mô hình được phân tích nhân tố khám phá EFA Dựa vào kết quả từ bảng trên, tác giả nhận thấy:

Giá trị của hệ số KMO bằng 0.849 (lớn hơn mức tiêu chuẩn 0.5) và giá trị Sig của kiểm định Bartlett (Bartlett’s Test of Sphericity) = 0.000 < 0.05 chứng minh dữ liệu được thu thập để phân tích nhân tố là hoàn toàn phù hợp

Khi tác giả thực hiện phân tích nhân tố theo phương pháp Principal components dựa trên phép quay Varimax, kết quả thu được 17 biến quan sát đã được chia thành 5 nhóm Giá trị tổng phương sai trích = 64.438% > 50% đã đạt yêu cầu, có thể nói rằng các nhân tố được trích có thể cô đọng được 64.438% các biến quan sát Giá trị hệ số Eigen Value đã đạt yêu cầu khi có giá trị lớn hơn 1 (1.233)

Tiến hành xoay ma trận bằng phép quay Varimax, tác giả thu được kết quả ma trận xoay như bảng 4.9 dưới đây:

Bảng 4.9: Kết quả ma trận xoay

Nguồn: Kết quả phân tich trên phần mềm SPSS

Bảng 4.9 đã thể hiện rằng các hệ số tải nhân tố (Factor loading) đều lớn hơn 0.5 Như vậy tương quan giữa biến quan sát và các nhân tố trong mô hình đã đạt mức tiêu chuẩn Như vậy, thang đo của các khải niệm: (1) Tính hữu ích (2) Cảm nhận lợi ích về giá của dịch vụ (3) Sự thuận tiện của dịch vụ, (4) Sự an toàn của dịch vụ và (5) Ảnh hưởng xã hội đều đạt giá trị sau khi phân tích bằng EFA

4.3.2 Phân tích nhân tố khám phá thang đo các biến phụ thuộc

Bảng 4.10: Kết quả phân tích nhân tố khám phá EFA cho biến phụ thuộc

STT Biến quan sát Nhân tố

Nguồn: Kết quả phân tich trên phần mềm SPSS

Từ kết quả phân tích của bảng 4.10, hệ số KMO đã vượt ngưỡng mức tối thiểu khi đặt 0.716 > 0.5 Đồng thời, Giá trị Sig của kiểm định Barlett’s Test là 0.000 nhỏ hơn mức tiêu chuẩn 0.05, thể hiện các biến quan sát có mối tương quan đồng nhất khiến cho mô hình trở nên có ý nghĩa Bên cạnh đó, hệ số Eigenvalue = 2.177, lớn hơn 1 và tổng phương sai trích là 72.563%, đã chứng minh nhân tố được trích giải thích được một phần lớn biến thiên của các biến quan sát trong biến phụ thuộc Hơn thế nữa, các biến quan sát đều có hệ số tải lớn hơn 0.5 đã cho thấy ý nghĩa thống kê của chúng Do đó, tác giả quyết định tiếp tục giữ lại kết quả và tiến hành phân tích bước tiếp theo.

Phân tích hồi quy tuyến tính đa biến

Để đo lường sự ảnh hưởng, tác động qua lại giữa từng biến độc lập lên 1 biến phụ thuộc duy nhất tại bài nghiên cứu, tác giả sử dụng mô hình hồi quy tuyến tính đa biến với biến phụ thuộc là Ý định sử dụng (YĐSD) và 5 biến độc lập bao gồm Tính hữu ích (THI), Cảm nhận lợi ích về giá của dịch vụ (MGDV), Sự thuận tiện của dịch vụ (STT), Sự an toàn của dịch vụ (SAT) và Ảnh hưởng xã hội (AHXH) Mô hình được đề xuất như sau:

YĐSD =ꞵ0 + ꞵ1 ∗ THI + ꞵ2 ∗ MGDV + ꞵ3 ∗ STT + ꞵ4 ∗ SAT + ꞵ5 ∗ AHXH

Và trong đó, các ký hiệu được giải thích như sau:

- YĐSD: ký hiệu giá trị của biến phụ thuộc

- THI, MGDV, STT, SAT, AHXH: ký hiệu giá trị biến độc lập

- ꞵi: các hệ số hồi quy

- ei: Một biến độc lập ngẫu nhiên có phân phối chuẩn với trung bình bằng 0 và phương sai σ2 không đổi

4.4.1 Phân tích tương quan Pearson

Bảng 4.11: Kết quả phân tích tương quan Pearson

YĐSD THI MGDV STT SAT AHXH

Hệ số tự tương quan Pearson

Hệ số tự tương quan Pearson

Hệ số tự tương quan Pearson

Hệ số tự tương quan Pearson

Hệ số tự tương quan Pearson

Hệ số tự tương quan Pearson

Nguồn: Kết quả phân tích dữ liệu SPSS 20.0

Từ kết quả phân tích từ bảng 4.11, ta thấy mối liên hệ tuyến tính giữa hai biến qua hệ số trung gian Pearson, đồng thời cũng thể hiện sự tác động của các biến đồc lập và các biến phụ thuộc

Từ bảng 4.11 cho thấy sự tác động của các biến độc lập và các biến phụ thuộc Biến AHXH có ảnh hưởng cao nhất với hệ số Pearson là 599, đứng thứ hai là THI với 0.582, thứ 3 là MGDV với 0.559, thứ 4 là STT với 0.552, và cuối cùng là biến SAT với 0.470 Hiện tại tất cả 5 biến được lập đều có sự tác động cùng chiều với với biến phụ thuộc YĐSD Tuy nhiên, biến SAT có mối tương quan khá yếu Bên cạnh đó, giá trị Sig của mỗi biến đều < 0.005 chúng tỏ biến phụ thuộc và biến độc lập có hệ số tương quan chặt chẽ nên sẽ không có biến nào bị loại bỏ Từ đó tác giả có cơ sở để phân tích hồi quy tuyến tính

4.4.2 Kiếm định sự phù hợp của mô hình

Bảng 4.12: Hệ số xác định sự phù hợp của mô hình

Sai số chuẩn của ước lượng

Nguồn: Kết quả phân tích dữ liệu SPSS 20.0

Bảng 4.13: Phân tích phương sai ANOVA

Giá trị tổng bình phương

Giá trị trung bình bình phương

Nguồn: Kết quả phân tích dữ liệu SPSS 20.0

Tác giả đã sử dụng hệ số R2 hiệu chỉnh để xác định sự phù hợp của mô hình

Từ bảng 4.12, hệ số R2 hiệu chỉnh đạt 0.621, cho thấy khoảng 62.1% sự biến động của biến phụ thuộc có thể được giải thích bởi các biến độc lập trong mô hình, trong khi khoảng 37.9% còn lại có thể được biểu diễn bởi những yếu tố khác ngoài mô hình nghiên cứu hiện tại Ngoài ra, mô hình cũng thể hiện không có dấu hiệu của tự tương quan chuỗi bất thường khi chỉ số Durbin-Watson là 2.017 (nằm trong khoảng tiêu chuẩn giữa 1.5 ≤ DW ≤ 2.5)

Trong bảng 4.13, kết quả của kiểm định F là 74.113 và giá trị sig là 0.000 < 0.05, điều này thể hiện mô hình hồi quy đạt mức ý nghĩa

4.4.3 Dò tìm các vi phạm giả định cần thiết

Giả định về phân phối chuẩn phần dư sai số

Hình 4.1: Biểu đồ tần số phần dư chuẩn hóa Histogram

Nguồn: Kết quả phân tích dữ liệu SPSS 20.0

Sau khi phân tích biểu đồ tần số phần dư chuẩn hóa Histogram được thể hiện tại hình 4.1, ta có thể thấy giá trị trung bình (Mean) là 1.93E – 16 gần bằng 0 và các cột giá trị phần dư được phân tán theo dạng hình chuông Đồng thời, độ lệch chuẩn (Std Dev) là 0.989 được xem như gần bằng 1 Từ đó, ta có thể khẳng định phân phối chuẩn là xấp xỉ, giả định phân phối chuẩn của phần dư không bị vi phạm

Liên quan đến giả định về tự tương quan tại mô hình, theo phân tích từ mục 4.3.2 tại bảng 4.12, kiểm định chỉ số Durbin– Watson đạt giá trị là 2.017, đã nằm trọn trong khoảng từ 1.5 đến 2.5 Vì vậy, có thể kết luận rằng mô hình không xảy ra hiện tượng tự tương quan

Giả định liên hệ tuyến tính

Hình 4.2: Biểu đồ phân tán phần dư Scatterplot

Nguồn: Kết quả phân tích dữ liệu SPSS 20.0

Theo hình 4.2, một trong những giả định hồi quy đã được đảm bảo khi hình ảnh thể hiện được mối liên kết tuyến tính giữa biến phụ thuộc và các biến độc lập Các điểm dữ liệu được phân bố phần nhiều xung quanh đường tung độ 0 và có xu hướng tạo thành một đường thẳng Từ đó chứng minh dữ liệu hiện tại không vi phạm giả định liên hệ tuyến tính

Dò tìm đa cộng tuyến

Bảng 4.14: Bảng kết quả dò tìm đa cộng tuyến

Nguồn: Kết quả phân tích dữ liệu SPSS 20.0

Hiện tượng đa cộng tuyến sẽ được hiển thị dựa trên kết quả của quá trình phân tích giá trị của độ chấp nhận (Tolerance) và hệ số phóng đại phương sai (VIF) Qua bảng 4.14, ta có thể thấy rằng giá trị VIF của các biến phụ thuộc trong mô hình đều nằm ở mức tiêu chuẩn (nhỏ hơn 10) Từ đó chứng minh rằng mô hình không bị ảnh hưởng bởi hiện tượng đa cộng tuyến

4.4.4 Kiểm định giả thuyết hồi quy

Bảng 4.15: Hệ số hồi quy giữa các biến

Hệ số hồi quy chưa được chuẩn hóa

Hệ số hồi quy đã được chuẩn hóa t Sig

Nguồn: Kết quả phân tích dữ liệu SPSS 20.0

Với kết quả từ bảng 4.15 ta thu được:

Giả thuyết H1: Dựa trên kết quả kiểm định, với hệ số hồi quy chuẩn hóa của nhân tố "Tính hữu ích" được biểu diễn bằng hệ số ꞵ1 = + 0.259 (với giá trị t = 5.375 và sig = 0.000 < 0.05) Chính vì vậy, hoàn toàn có thể cho rằng hệ số ꞵ1 đạt mức ý nghĩa thống kê Theo đó, tác giả suy luận rằng biến "Tính hữu ích" có ảnh hưởng cùng chiều đến ý định sử dụng dịch vụ GoRide của ứng dụng Gojek đối với sinh viên trường Đại học Ngân hàng Thành phố Hồ Chí Minh

Giả thuyết H2: Dựa trên kết quả kiểm định giả thuyết hồi quy, với hệ số hồi quy chuẩn hóa của nhân tố "Cảm nhận lợi ích về giá" được biểu diễn bằng hệ số ꞵ2

= + 0.237 (với giá trị t = 4.936 và sig = 0.000 < 0.05) Từ đó, có thể kết luận rằng hệ số ꞵ2 đạt mức ý nghĩa thống kê Theo đó, tác giả suy luận rằng biến "Cảm nhận lợi ích về giá" có ảnh hưởng cùng chiều đến ý định sử dụng dịch vụ GoRide của ứng dụng Gojek đối với sinh viên trường Đại học Ngân hàng Thành phố Hồ Chí Minh

Giả thuyết H3: Dựa trên kết quả kiểm định giả thuyết hồi quy, với hệ số hồi quy chuẩn hóa của nhân tố "Sự thuận tiện" được biểu diễn bằng hệ số ꞵ3 = + 0.214 (với giá trị t = 4.459 và sig = 0.000 < 0.05) Chính vì vậy, hoàn toàn có thể cho rằng hệ số ꞵ3 đạt mức ý nghĩa thống kê Theo đó, tác giả suy luận rằng biến "Tính hữu ích" có ảnh hưởng cùng chiều đến ý định sử dụng dịch vụ GoRide của ứng dụng Gojek đối với sinh viên trường Đại học Ngân hàng Thành phố Hồ Chí Minh

Giả thuyết H4: Dựa trên kết quả kiểm định giả thuyết hồi quy, với hệ số hồi quy chuẩn hóa của nhân tố "Sự an toàn" được biểu diễn bằng hệ số ꞵ4 = + 0.122 (với giá trị t = 2.581 và sig = 0.011 < 0.05) Chính vì vậy, hoàn toàn có thể cho rằng hệ số ꞵ4 đạt mức ý nghĩa thống kê Theo đó, tác giả suy luận rằng biến "Sự an toàn" có ảnh hưởng cùng chiều đến ý định sử dụng dịch vụ GoRide của ứng dụng Gojek đối với sinh viên trường Đại học Ngân hàng Thành phố Hồ Chí Minh

Giả thuyết H5: Dựa trên kết quả kiểm định giả thuyết hồi quy, với hệ số hồi quy chuẩn hóa của nhân tố "Ảnh hưởng xã hội" được biểu diễn bằng hệ số ꞵ5 = + 0.285 (với giá trị t = 5.914 và sig = 0.000 < 0.05) Chính vì vậy, hoàn toàn có thể cho rằng hệ số ꞵ5 đạt mức ý nghĩa thống kê Theo đó, tác giả suy luận rằng biến "Ảnh hưởng xã hội" có ảnh hưởng cùng chiều đến ý định sử dụng dịch vụ GoRide của ứng dụng Gojek đối với sinh viên trường Đại học Ngân hàng Thành phố Hồ Chí Minh

Bảng 4.16: Bảng tóm tắt kết quả kiểm định các giả thuyết nghiên cứu

Các giả thuyết Nội dung giả thuyết Kết quả

H1 Tính hữu ích có tác động cùng chiều đến ý định sử dụng dịch vụ GoRide của sinh viên HUB

H2 Cảm nhận lợi ích về giá có tác động cùng chiều đến ý định sử dụng dịch vụ GoRide của sinh viên HUB

H3 Sự thuận tiện có ảnh hưởng cùng chiều đến ý định sử dụng dịch vụ GoRide của sinh viên Đại học HUB

H4 Sự an toàn có ảnh hưởng cùng chiều đến ý định sử dụng dịch vụ GoRide của sinh viên Đại học HUB

H5 Ảnh hưởng xã hội có ảnh hưởng cùng chiều đến ý định sử dụng dịch vụ GoRide của sinh viên Đại học HUB

Nguồn: Kết quả phân tích dữ liệu SPSS 20.0

Tác giả đã đề xuất mô hình bao gồm 1 biến phụ thuộc duy nhất là Ý định sử dụng (YĐSD) và 5 biến độc lập bao gồm Tính hữu ích (THI), Cảm nhận lợi ích về giá của dịch vụ (MGDV), Sự thuận tiện của dịch vụ (STT), Sự an toàn của dịch vụ (SAT) và Ảnh hưởng xã hội (AHXH) Sau khi kiểm định, kết quả thu về tất cả các biến độc lập đều có tác động thuận chiều đến biến phụ thuộc Từ đó phương trình hồi quy đã chuẩn hóa của mô hình như sau: