Science & Technology Development Journal: Economics- Law & Management

An official journal of University of Economics and Law, Viet Nam National University Ho Chi Minh City, Viet Nam

Skip to main content Skip to main navigation menu Skip to site footer

 Research article

HTML

7245

Total

2678

Share

Perceiving benefit – risk and Fintech users’ continuance intention in Ho Chi Minh City






 Open Access

Downloads

Download data is not yet available.

Abstract

This study aimed to investigate the perceiving benefit – risk and the continuance intention to use Fintech in Ho Chi Minh City. The data was collected from 472 respondents (under the age of 40). The statistical software AMOS, the consistency coefficient measured with Cronbach's Alpha for scaling test, Exploratory Factor Analysis (EFA), Confirmatory Factor Analysis (CFA) and Structural Equation Modelling (SEM) were used for the analysis. The results show that users' benefit perception was explained by economic benefit and convenience, users' risk perception was explained by financial risk and security risk. Besides that, the benefit perception has a positive impact on the Fintech continuance intention, while the risk perception has a negative influence on such an intention. The research results also show that there is a difference between clumsy and proficient users of Fintech applications, specifically: (1) For users who are not proficient in Fintech applications, benefit perception are affected by economic benefit and convenience, and Fintech's intention to continue using financial services is positively affected by benefit perception and not affected by risk perception. In particular, risk perception is affected by financial risk; (2) For users who are proficient in Fintech applications, benefit perception are affected by economic benefit and convenience, and benefit perception have a positive impact on the intention to continue using Fintech's financial services, but risk perception has a negative impact on Fintech's intention to continue using its financial services, and is affected by financial risk and security risk.

GIỚI THIỆU

Fintech là một ngành công nghiệp tài chính mới áp dụng công nghệ để cải thiện hoạt động tài chính 1 , là kết quả của tiến trình công nghệ từ sự phát triển và thiết lập phần mềm tài chính mới hiệu quả hơn hệ thống truyền thống 2 , và Fintech có thể giúp cải thiện hiệu quả các dịch vụ tài chính và dịch vụ tiêu dùng tài chính đối với môi trường di động. Khi sử dụng Fintech, người dùng có thể sử dụng nhiều dịch vụ đa dạng trên di động như: thanh toán, chuyển tiền, trả nợ, mua bảo hiểm, quản trị tài sản tài chính, và ra quyết định đầu tư như mua cổ phiếu, trái phiếu 3 . Chishti và Barberis 4 đã trình bày các trường hợp về sự kết hợp giữa tài chính và công nghệ dẫn đến sự thay đổi trong lĩnh vực dịch vụ tài chính, thông qua các công ty khởi nghiệp, các ngân hàng, ở cấp chính phủ, và với từng trường hợp Fintech sẽ thúc đẩy sự đổi mới đáng kể. Ngoài ra, Fintech sẽ mang lại sự thay đổi cho tất cả các ngân hàng, công ty quản lý tài sản, các quỹ, hoạt động thanh toán, nhà môi giới, thương mại, và công ty bảo hiểm 5 .

The ISB 6 Fintech đã và đang thu hút được sự chú ý của nhiều chuyên gia trong lĩnh vực công nghệ, tài chính và giới đầu tư, với tổng lượng đầu tư vào công nghệ tài chính trong nửa đầu năm 2018 đạt mức 31,7 tỷ USD. Đến nay,Việt Nam đã có hơn 48 công ty Fintech và 48% công ty tham gia vào hoạt động thanh toán, cung cấp cho khách hàng và các nhà bán lẻ các dịch vụ thanh toán trực tuyến hoặc các giải pháp thanh toán kỹ thuật số như: 2C2P, VTPay, OnePay, VTCPay, BankPlus, VinaPay, VNPay, SenPay, NganLuong, ZingPay, 123Pay...

Ngày nay, Fintech có thể tái định hình ngành tài chính tại Việt Nam, tác động mạnh đến các thành phần quan trọng nhất của ngành này, các công ty cho vay P2P, kết nối trực tiếp người đi vay với người cho vay trên Internet, đã hoạt động rất hiệu quả, giúp rút ngắn thời gian xuống còn vài giờ từ đó tác động mạnh đến năng lực cạnh tranh của các định chế tài chính 7 . Tuy nhiên, sự phát triển này tùy thuộc vào đặc điểm của từng nhóm đối tượng khách hàng như: sự am hiểu công nghệ và mức độ sử dụng dịch vụ ngân hàng điện tử, nhưng hai yếu tố trên lại bị tác động bởi độ tuổi của khách hàng theo xu hướng khách hàng càng lớn tuổi thì khả năng am hiểu công nghệ và mức độ sử dụng dịch vụ ngân hàng điện tử càng yếu và ngược lại. Trong khi các dịch vụ tài chính của Fintech đã thu hút được người dùng, nhưng việc sử dụng tiếp tục các dịch vụ tài chính của Fintech vẫn còn đang bị nghi ngờ vì một số người dùng cho rằng việc tiếp tục sử dụng Fintech có những rủi ro đáng kể 8 . Khi khách hàng muốn xác định giá trị dự kiến của việc sử dụng Fintech, họ sẽ xem xét cả lợi ích và rủi ro của nó, và khách hàng sẽ sử dụng sản phẩm hoặc dịch vụ nếu lợi ích lớn hơn rủi ro, do đó các công ty sở hữu Fintech được thử thách phải làm tăng các lợi ích tiềm năng của việc sử dụng Fintech, đồng thời hạn chế các rủi ro tiềm ẩn của nó 9 , vì vậy cần xác định lý do tại sao người dùng lại tiếp tục sử dụng Fintech là cần thiết đối với các công ty sở hữu Fintech.

Trên thế giới đã có nhiều nghiên cứu về đánh giá nhận thức lợi ích – rủi ro và ý định tiếp tục sử dụng Fintech của người dùng, chẳng hạn như: Chuang và cộng sự 10 , Ryu 8 , Jin và cộng sự 11 , Huei và cộng sự 12 , Meyliana và cộng sự 13 . Hầu hết các nghiên cứu đều chỉ ra nhận thức lợi ích và nhận thức rủi ro có tác động tích cực và tiêu cực đến ý định tiếp tục sử dụng của người dùng Fintech và người dùng đánh giá nhận thức lợi ích luôn cao hơn so với nhận thức rủi ro khi sử dụng các dịch vụ tài chính được cung cấp bởi các công ty Fintech. Trong nước, đã có một số nghiên cứu điển hình về ngân hàng điện tử tại Việt Nam đã được thực hiện, chẳng hạn như: nghiên cứu về chấp nhận và sử dụng ngân hàng điện tử của Thanh và Thi 14 , nghiên cứu về sự lựa chọn sử dụng ngân hàng điện tử của khách hàng của Thảo và Liên 15 , hay nghiên cứu về động cơ sử dụng dịch vụ ngân hàng điện tử của người dùng của Tuyết 16 . Các nghiên cứu đều tiếp cận vào đối tượng là khách hàng có tiềm năng sử dụng dịch vụ ngân hàng điện tử, thông qua việc đánh giá các yếu tố ảnh hưởng đến việc chấp nhận sử dụng ngân hàng điện tử của khách hàng. Từ những phân tích trên cho thấy, các nghiên cứu gần đây về các dịch vụ tài chính được cung cấp bởi các công ty Fintech (ví dụ như: Chuang và cộng sự 10 , Ryu 8 , Meyliana và cộng sự 13 ) cho thấy hiện nay còn ít nghiên cứu thực nghiệm về nhận thức lợi ích – rủi ro và ý định tiếp tục sử dụng các dịch vụ tài chính được cung cấp bởi các công ty Fintech. Để tăng hiểu biết về hành vi sử dụng các dịch vụ tài chính của Fintech thì người dùng Fintech được phân loại theo mức độ sử dụng là thành thạo và chưa thành thạo, thành phố Hồ Chí Minh là nơi đứng đầu cả nước về chỉ số phát triển Fintech, với điểm mạnh của các công ty Fintech là thanh toán, hoạt động ngân hàng và cho vay 17 . Riêng đối với người sử dụng có độ tuổi từ 40 tuổi trở xuống, được đánh giá là có khả năng sử dụng và am hiểu công nghệ là rất cao thì khả năng nhận thức về lợi ích – rủi ro khi sử dụng các dịch vụ tài chính của các công ty Fintech là rất tốt, vì vậy chọn đối tượng người sử dụng có độ tuổi từ 40 tuổi trở xuống là phù hợp nhất để đánh giá hành vi sử dụng các dịch vụ tài chính của các công ty Fintech. Câu hỏi nghiên cứu được đặt ra là: thứ nhất, các nhân tố nào ảnh hưởng đến nhận thức lợi ích - rủi ro của người dùng dưới 40 tuổi khi sử dụng các dịch vụ tài chính của các công ty Fintech, và ảnh hưởng như thế nào đến ý định tiếp tục sử dụng của người dùng đối với các dịch vụ tài chính của các công ty Fintech?; thứ hai, có sự khác nhau giữa người sử dụng thành thạo và chưa thành thạo đối với hành vi sử dụng các dịch vụ tài chính của các công ty Fintech không?, bài báo này được tiến hành để trả lời câu hỏi trên.

Sau phần 1 giới thiệu, nghiên cứu được cấu trúc gồm 4 phần: (i) Phần 2 trình bày tổng quan lý thuyết và mô hình nghiên cứu, (ii) Phần 3 trình bày phương pháp nghiên cứu bao gồm: xây dựng thang đo, phương pháp chọn mẫu, kích thước mẫu, phương pháp phân tích, (iii) Phần 4 trình bày kết quả nghiên cứu và thảo luận, và (iv) Phần 5 trình bày kết luận và hàm ý.

TỔNG QUAN LÝ THUYẾT VÀ MÔ HÌNH NGHIÊN CỨU

Fintech

Fintech (Financial Technology) là một ngành công nghiệp tài chính mới áp dụng công nghệ để cải thiện hoạt động tài chính 1 . Fintech được hiểu là việc cung cấp toàn bộ dịch vụ tài chính và sản phẩm truyền thống bởi các tổ chức tài chính 18 , Fintech như là sản phẩm hoặc dịch vụ trong các tổ chức phi tài chính được tạo bởi hoạt động đổi mới cao và thay đổi các công nghệ dịch vụ hiện tại. Freedman 19 mô tả Fintech như xây dựng hệ thống mô hình, giá trị, và tiến trình cung cấp sản phẩm tài chính như: trái phiếu, cổ phiếu, gửi tiền, thanh toán, và Fintech như là sự đổi mới trong dịch vụ tài chính với công nghệ. Lee và Kim 2 mô tả Fintech là một loại hình kinh doanh sử dụng công nghệ phần cứng và phần mềm để cung cấp các dịch vụ tài chính. Lee và Kim 2 đã chỉ ra rằng Fintech là kết quả của tiến trình công nghệ từ sự phát triển và thiết lập phần mềm tài chính mới hiệu quả hơn hệ thống truyền thống. Fintech có thể giúp cải thiện hiệu quả các dịch vụ tài chính và dịch vụ tiêu dùng tài chính đối với môi trường di động. Fintech là hoạt động đổi mới và phá vỡ các dịch vụ tài chính bởi các công ty phi tài chính và công nghệ thông tin là nhân tố quan trọng nhất 8 . Arner và cộng sự 18 đã mô tả sự phát triển của Fintech như là một quá trình diễn ra giữa tài chính và công nghệ cùng nhau phát triển, dẫn đến nhiều đổi mới đột phá như: ngân hàng internet, thanh toán di động, gây quỹ cộng đồng, vay ngang hàng, nhận dạng trực tuyến… Trong nghiên cứu này, Fintech được định nghĩa là các dịch vụ tài chính được cung cấp bởi các công ty khởi nghiệp và bao gồm các nhà cung cấp dịch vụ tài chính hiện tại như ngân hàng 20 , và người sử dụng các dịch vụ tài chính của Fintech như: thanh toán, vay tiền, chuyển tiền, trả nợ, mua bảo hiểm, quản trị tài sản tài chính, và ra quyết định đầu tư như mua cổ phiếu, trái phiếu 3 , 20 , 8 .

Lý thuyết về nhận thức lợi ích và rủi ro

Nhận thức được nhiều lợi ích sẽ khuyến khích người sử dụng ra quyết định sử dụng sản phẩm, dịch vụ 21 . Peter và Tarpey 22 đã tiến hành nghiên cứu mối quan hệ giữa lợi ích và rủi ro khi khách hàng sử dụng sản phẩm hoặc dịch vụ, nghiên cứu cung cấp mô hình nghiên cứu cho rằng có mối quan hệ giữa nhận thức tích cực hoặc tiêu cực đối với sản phẩm hay dịch vụ và quyết định sử dụng, trên cơ sở phân tích các thuộc tính tích cực hay tiêu cực của quyết định.

Lý thuyết hành động hợp lý của Fishbein và Ajzen 23 được ứng dụng nhiều trong các nghiên cứu liên quan đến giải thích hành vi khách hàng, trọng tâm của nghiên cứu đưa ra hai nhân tố là thái độ mục đích của hành vi và những tiêu chuẩn chủ quan. Một số nghiên cứu khác cũng ứng dụng lý thuyết hành động hợp lý của Fishbein và Ajzen vào trong nghiên cứu việc sử dụng Fintech, chẳng hạn như: Davis và cộng sự 9 đã ứng dụng mô hình lý thuyết hành động hợp lý để nghiên cứu lý thuyết chấp nhận sử dụng công nghệ và tìm ra cách giải thích các biến được xem xét ảnh hưởng rất lớn của lý thuyết hành động hợp lý trong việc nghiên cứu hành vi. Jurison 24 đã chứng minh lợi ích và rủi ro khi sử dụng Fintech có tác động tích cực hoặc tiêu cực đến hành vi sử dụng Fintech bao gồm mối quan hệ của các nhân tố ảnh hưởng đến thái độ, ý định hành vi và quyết định. Kim và cộng sự 25 đã đề xuất mô hình ra quyết định khi lựa chọn hình thức thương mại điện tử, nghiên cứu xem xét khung nhận thức lợi ích và rủi ro để xác định các nhân tố ảnh hưởng đến quyết định lựa chọn. Lee 26 đưa ra mô hình lý thuyết để giải thích ý định sử dụng ngân hàng điện tử, nghiên cứu chỉ ra nhận thức rủi ro và nhận thức lợi ích có tác động đến ý định sử dụng. Lee và cộng sự 27 tiến hành đánh giá nhân tố lợi ích và rủi ro tác động đến ý định chia sẻ thông tin đối với dịch vụ mạng xã hội và xác định rằng ý định sử dụng bị tác động tích cực bởi nhận thức lợi ích và tác động tiêu cực bởi nhận thức rủi ro trong qua trình ra quyết định. Farivar và Yuan 28 đã đề xuất mô hình lý thuyết để phân tích hành vi lựa chọn mạng xã hội của người dùng bao gồm nhận thức lợi ích có tác động tích cực và nhận thức rủi ro có tác động tiêu cực đến hành vi lựa chọn.

Mô hình nghiên cứu

Mối quan hệ giữa nhận thức lợi ích và rủi ro với việc tiếp tục sử dụng Fintech

Nhận thức lợi ích được định nghĩa là nhận thức của người dùng về tiềm năng mà công nghệ mang lại nhiều lợi ích khi sử dụng 25 , 27 , 29 . Nhiều nghiên cứu được thực hiện chứng minh rằng nhận thức lợi ích có tác động tích cực đến ý định của người sử dụng các dịch vụ công nghệ thông tin như Benlian và Hess 30 , Lee và cộng sự 27 , Farivar và Yuan 28 , Ryu 8 . Liu và cộng sự 31 đã nghiên cứu trường hợp thanh toán qua di động, đã chỉ ra nhận thức lợi ích có tác động tích cực đến việc sử dụng thanh toán qua di động. Abramova và Bohme 32 đã chứng minh nhận thức lợi ích có tác động tích cực đến ý định sử dụng Bitcoin của người dùng. Từ các nghiên cứu trên, tác giả kỳ vọng giả thuyết nghiên cứu như sau:

H 1 : Nhận thức lợi ích có tác động tích cực đến ý định tiếp tục sử dụng Fintech .

Nhận thức rủi ro được định nghĩa là nhận thức của người dùng về sự không chắc chắn và mang lại hậu quả tiêu cực khi sử dụng Fintech 8 . Nhận thức rủi ro đã được chứng minh có tác động tiêu cực đến ý định sử dụng dịch vụ công nghệ thông tin, chẳng hạn như: Benlian và Hess 30 , Lee và cộng sự 27 , Farivar và Yuan 28 , Abramova và Bohme 32 , Ryu 8 . Dựa trên các kết quả nghiên cứu được xem xét, tác giả kỳ vọng giả thuyết nghiên cứu:

H 2 : Nhận thức rủi ro có tác động tiêu cực đến ý định tiếp tục sử dụng Fintech .

Các nhân tố ảnh hưởng đến nhận thức lợi ích của người dùng Fintech

Lợi ích kinh tế là động lực bên ngoài có tác động tích cực đến việc sử dụng Fintech 33 , 8 , lợi ích kinh tế bao gồm: việc giảm chỉ phí, tăng lợi ích khi thực hiện các giao dịch tài chính trên Fintech. Chẳng hạn như việc sử dụng Fintech chuyển tiền có thể giúp người sử dụng giảm nhiều chi phí giao dịch hơn so với cách truyền thống 34 . Hay việc sử dụng Fintech để cho vay P2P, sẽ giúp người cho vay mang lại nhiều lợi nhuận hơn do giảm chi phí vận hành từ đó có thể giảm lãi suất cho người vay 35 , 36 . Từ các nghiên cứu trên, tác giả nhận thấy lợi ích kinh tế có tác động tích cực đến nhận thức lợi ích của người dùng, tác giả kỳ vọng giả thuyết:

H 3 : Lợi ích kinh tế có tác động tích cực đến nhận thức lợi ích của người dùng Fintech.

Giao dịch liên tục được sử dụng để đánh giá nhận thức lợi ích khi sử dụng Fintech, là đặc điểm quan trọng của Fintech giúp người sử dụng có thể tránh được những hạn chế của giao dịch truyền thống trong quy trình tài chính từ đó giúp người dùng có thể quản lý các giao dịch trên Fintech hiệu quả, đơn giản và nhanh chóng 8 , 37 . Bên cạnh đó, các doanh nghiệp phi tài chính có thể tạo ra sản phẩm, dịch vụ tài chính mới, thân thiện và sáng tạo đáp ứng nhu cầu của khách hàng vì họ có thể trực tiếp cung cấp sản phẩm, dịch vụ đến tay khách hàng thông qua nhân tố giao dịch liên tục trên Fintech từ đó nâng cao năng lực cạnh tranh so với các tổ chức tài chính truyền thống. Tác giả kỳ vọng giả thuyết như sau:

H 4 : Giao dịch liên tục có tác động tích cực đến nhận thức lợi ích của người dùng Fintech.

Sự thuận tiện là một nhân tố góp phần cho sự thành công của dịch vụ công nghệ thông tin vì nó thúc đẩy tính nhanh chóng và khả năng tiếp cận ngay lập tức 33 , 8 , 38 . Sự thuận tiện còn là yếu tố quan trọng nhất trong sự thành công của các dịch vụ di động và người dùng có thể có được sự thuận tiện và hiệu quả cao khi sử dụng công nghệ mà không cần đến các tổ chức tài chính 39 . Okazaki và Mendez 40 cho rằng sự thuận tiện đề cập đến sự linh hoạt về thời gian và địa điểm khi sử dụng một sản phẩm hay dịch vụ nào đó. Sự thuận tiện là một nhân tố hữu ích như một công cụ dự đoán về việc sử dụng các hệ thống ngân hàng điện tử 41 . Vì vậy, sự thuận tiện có ảnh hưởng đến nhận thức lợi ích của người dùng khi sử dụng Fintech, tác giả kỳ vọng giả thuyết sau:

H 5 : Sự thuận tiện có tác động tích cực đến nhận thức lợi ích của người dùng Fintech.

Các nhân tố ảnh hưởng đến nhận thức rủi ro của người dùng Fintech

Rủi ro là một trong những nhân tố quan trọng ảnh hưởng đến ý định sử dụng bất kỳ sản phẩm, dịch vụ nào của khách hàng, người dùng thường ra quyết định sai lầm do thông tin bị thiếu và không hiệu quả dẫn đến họ phải đối mặt với rủi ro khi ra quyết định 25 , Fintech là công nghệ tài chính mới nổi nên người dùng dễ gặp phải nhiều rủi ro như nguy cơ về khả năng hoạt động thiếu hoặc có vấn đề phát sinh khi sử dụng. Cumningham 42 đã phát triển khung phân tích nhận thức rủi ro bao gồm các yếu tố rủi ro ảnh hưởng đến nhận thức khi sử dụng sản phẩm hoặc dịch vụ mới, nghiên cứu đã phân loại rủi ro thành 6 khía cạnh bao gồm: hiệu quả, cân nhắc tài chính, cơ hội, an toàn, các yếu tố xã hội, và yếu tố tâm lý. Ryu 8 đã ứng dụng khung phân tích nhận thức rủi ro của Cumningham để phân tích những nhân tố ảnh hưởng đến nhận thức rủi ro của người dùng Fintech. Trong nghiên cứu này, tác giả sử dụng khung phân tích nhận thức rủi ro của Cumningham 42 để phân tích những nhân tố ảnh hưởng đến nhận thức rủi ro bao gồm: rủi ro tài chính, rủi ro bảo mật, và rủi ro hoạt động.

Rủi ro tài chính được định nghĩa là những gì liên quan đến tổn thất tài chính có khả năng xảy ra trong các giao dịch tài chính của người dùng khi sử dụng công nghệ 43 , và rủi ro tài chính được nhiều nghiên cứu chứng minh là nhân tố ảnh hưởng đến việc sử dụng công nghệ di động của người dùng 32 , 30 , 29 , 8 . Đối với việc sử dụng Fintech, rủi ro tài chính có thể gây ra khi hệ thống giao dịch có vấn đề, gian lận tài chính, rủi ro đạo đức, và chi phí giao dịch có thể tăng thêm so với ban đầu từ đó tác động tiêu cực đến ý định tiếp tục sử dụng Fintech của người dùng 37 . Tác giả kỳ vọng giả thuyết như sau:

H 6 : Rủi ro tài chính có tác động tích cực đến nhận thức rủi ro của người dùng Fintech.

Rủi ro bảo mật là những tổn thất có khả năng xảy ra do gian lận dẫn đến làm mất tính bảo mật của các giao dịch tài chính khi người dùng sử dụng Fintech 8 , và rủi ro bảo mật được hiểu như là có khả năng quyền riêng tư của mỗi người sẽ bị xâm phạm 8 . Rủi ro bảo mật có thể dẫn đến người dùng mất tiền, và mất các thông tin cá nhân vì vậy người sử dụng rất quan tâm tính bảo mật khi sử dụng 26 . Schierz và cộng sự 44 đã chứng minh việc sử dụng công nghệ thanh toán có liên quan đến khả năng người dùng bị tổn thất rất cao như quyền riêng tư, dữ liệu cá nhân, và các giao dịch từ đó làm tăng nhận thức rủi ro của người sử dụng. Tác giả kỳ vọng giả thuyết như sau:

H 7 : Rủi ro bảo mật có tác động tích cực đến nhận thức rủi ro của người dùng Fintech.

Rủi ro hoạt động được định nghĩa là những tổn thất có khả năng xảy ra do các quy trình hoạt động, nhân viên hoạt động và hệ thống nội bộ thất bại hay không thể kiểm soát được hoạt động 45 . Rủi ro hoạt động cũng là rào cản đối với người Fintech, vì có khả năng người dùng sẽ bị nhiều tổn thất lớn khi tổ chức tài chính bị ảnh hưởng, hay sụp đổ các tổ chức tài chính 8 , và khi khả năng xảy ra rủi ro hoạt động càng cao của Fintech thì người dùng sẽ không tiếp tục sử dụng Fintech, và việc thiếu kỹ năng vận hành và phản hồi sớm, hệ thống và quy trình nội bộ không đầy đủ sẽ dẫn đến việc người dùng không tin tưởng nhiều vào hệ thống từ đó cản trở việc tiếp tục sử dụng Fintech 8 . Tác giả kỳ vọng giả thuyết như sau:

H 8 : Rủi ro hoạt động có tác động tích cực đến nhận thức rủi ro của người dùng Fintech.

Sự khác nhau giữa mức độ sử dụng và ý định tiếp tục sử dụng của người dùng Fintech

Karahanna và cộng sự 46 , lưu ý nên sử dụng mô hình kiểm tra tác động của những người dùng khác nhau với việc sử dụng công nghệ để có thể tiết lộ những hiểu biết mới. Không phải tất cả các cá nhân trong xã hội chấp nhận sự đổi mới cùng lúc, thông thường họ sẽ có xu hướng chấp nhận nó ở các thời điểm khác nhau theo từng loại người dùng khác nhau trên cơ sở khi họ bắt đầu sử dụng sự đổi mới lần đầu tiên 47 . Bên cạnh đó, tốc độ phổ biến của một công nghệ mới không chỉ phụ thuộc vào đặc điểm của công nghệ đó mà còn phụ thuộc vào đặc điểm của người dùng 8 . Người dùng sẽ chấp nhận và sử dụng các dịch vụ của công nghệ mới ở các khoảng thời gian và mức độ sử dụng khác nhau 39 , vì vậy trong nghiên cứu này tác giả phân loại người dùng Fintech là người có mức độ sử dụng thành thạo và chưa thành thạo, dựa trên phản hồi về việc sử dụng các dịch vụ tài chính của Fintech. Khách hàng trong lĩnh vực tài chính rất thận trọng trong việc sử dụng các công nghệ mới so với các ngành khác, vì đặc điểm cụ thể của ngành tài chính (tin tưởng vào các giao dịch, đảm bảo chính xác, có niềm tin vào nhà cung cấp dịch vụ tài chính), vì vậy quá trình chấp nhận đổi mới trong lĩnh vực tài chính chậm hơn so với các lĩnh vực khác, và rất khó tạo ra các dịch vụ tài chính mới 37 . Do đó, tác giả nhận thấy có sự khác biệt giữa đặc điểm của người sử dụng trong lĩnh vực tài chính có ý nghĩa hơn so với các lĩnh vực khác, và việc so sánh đặc điểm của người sử dụng có thể cung cấp cho các nhà nghiên cứu có cái nhìn sâu sắc hơn về việc sử dụng các dịch vụ tài chính của Fintech. Tác giả kỳ vọng giả thuyết như sau:

H 9 : Có sự khác nhau giữa người sử dụng thành thạo và chưa thành thạo đối với tác động của nhận thức lợi ích đến ý định tiếp tục sử dụng Fintech .

H 10 : Có sự khác nhau giữa người sử dụng thành thạo và chưa thành thạo đối với tác động của nhận thức rủi ro đến ý định tiếp tục sử dụng Fintech .

Dựa trên những giả thuyết nghiên cứu đã được xây dựng, nhóm tác giả hình thành mô hình nghiên cứu tại Figure 1 .

Figure 1 . Mô hình nghiên cứu

PHƯƠNG PHÁP NGHIÊN CỨU

Xây dựng thang đo

Nhóm nghiên cứu tiến hành nghiên cứu định tính thông qua khảo sát 07 chuyên gia là nhà quản lý (có trên 5 năm kinh nghiệm) tại các tổ chức tín dụng có ứng dụng Fintech của người dùng bao gồm: Vietinbank, Sacombank, Vpbank, FEcredit, MBbank, Vietcombank, và HDbank. Kết quả cho thấy, có 07/07 chuyên gia cho rằng việc tiếp tục sử dụng Fintech của người dùng chịu ảnh hưởng bởi nhận thức lợi ích và nhận thức rủi ro, chủ yếu là lợi ích họ nhận được khi sử dụng Fintech, và các chuyên gia cũng đồng ý với các nhân tố ảnh hưởng đến nhận thức lợi ích của người dùng bao gồm: lợi ích kinh tế, sự thuận tiện, giao dịch liên tục, và nhận thức rủi ro thì bị ảnh hưởng bởi rủi ro tài chính, rủi ro bảo mật, rủi ro hoạt động ( Table 1 ). Tác giả mô tả các biến trong mô hình nghiên cứu như sau:

Table 1 Mô tả các biến trong mô hình nghiên cứu
Khái niệm nghiên cứu Số biến quan sát Nguồn gốc thang đo
Lợi ích kinh tế 3 8
Sự thuận tiện 3 8,40
Giao dịch liên tục 3 8
Nhận thức lợi ích 4 8,13
Rủi ro tài chính 3 8,30
Rủi ro bảo mật 3 8
Rủi ro hoạt động 3 8
Nhận thức rủi ro 3 8,13
Tiếp tục sử dụng 3 8,13

Phương pháp chọn mẫu và kích thước mẫu

Số liệu được thu thập bằng phương pháp chọn mẫu thuận tiện. Đối tượng để tiếp cận thu thập số liệu là các bạn trẻ có độ tuổi từ 18 đến 39 tuổi sống, làm việc tại thành phố Hồ Chí Minh và phải có sử dụng Fintech, với cách thức phỏng vấn là nhóm tác giả tiến hành phỏng vấn trực tiếp từng đáp viên, phần trả lời chủ yếu được thu trực tiếp sau khi đã hướng dẫn cách hiểu và trả lời trong thời gian từ tháng 10 năm 2019 đến tháng 2 năm 2020. Cách thức tiến hành như sau: để thuận tiện cho việc khảo sát, nhóm tác giả lựa chọn nơi tiếp cận có xác suất cao có các đối tượng khảo sát là các bạn trẻ đang làm việc tại các doanh nghiệp ở các quận ở thành phố Hồ Chí Minh để tiến hành phỏng vấn. Lý do nhóm nghiên cứu không chọn các huyện ở thành phố Hồ Chí Minh để khảo sát là do hầu hết người lao động tại các khu vực huyện là lao động nhập cư nên xác suất không phải là đối tượng khảo sát là rất lớn, và đặc điểm các quận tại thành phố Hồ Chí Minh là những nơi có hoạt động thương mại lớn, hoạt động tài chính cũng rất sôi nổi do đó việc lựa chọn khảo sát ở các quận là có cơ sở. Bước tiếp theo, để tránh tình trạng làm phiền hoạt động làm việc nên nhóm nghiên cứu đến các doanh nghiệp để tiến hành xin khảo sát vào các khung giờ 7h đến 8h sáng, 11h30 đến 12h, và 16h30 đến 17h30 vì các khung giờ này đa phần đối tượng khảo sát sẽ ít việc hơn và khả năng cao sẽ phỏng vấn được tốt hơn. Tỷ lệ phân bổ cỡ mẫu tại các quận được mô tả trong Table 2 .

Table 2 Mô tả các biến trong mô hình nghiên cứu
Stt Địa bàn khảo sát Số lượng đáp viên (chấp nhận trả lời) Tỷ lệ (%)
1 Quận 1 36 7,62
2 Quận 2 31 6,56
3 Quận 3 29 6,14
4 Quận 4 24 5,08
5 Quận 5 20 4,23
6 Quận 6 26 5,50
7 Quận 7 28 5,93
8 Quận 8 19 4,02
9 Quận 9 18 3,81
10 Quận 10 33 6,99
11 Quận 11 27 5,72
12 Quận 12 21 4,44
13 Quận Gò Vấp 30 6,35
14 Quận Thủ Đức 18 3,81
15 Quận Bình Thạnh 22 4,66
16 Quận Tân Phú 23 4,87
17 Quận Phú Nhuận 24 5,08
18 Quận Tân Bình 19 4,02
19 Quận Bình Tân 24 5,08
Tổng 472 100

Trong nghiên cứu này, tác giả xác định kích thước mẫu theo các phương pháp phân tích bao gồm: phân tích nhân tố khám phá, phân tích nhân tố khẳng định, và phân tích mô hình cấu trúc tuyến tính (SEM). Anderson và cộng sự 48 cho rằng hạn chế lớn nhất của việc sử dụng phân tích mô hình cấu trúc tuyến tính là cỡ mẫu, cỡ mẫu phải đủ lớn để các hiệp phương sai được ổn định thì cỡ mẫu tối thiểu 200 là phù hợp, nhưng tốt hơn là 300. Tác giả tiến hành điều tra 472 đáp viên do đó số liệu thu thập đảm bảo thực hiện tốt các kiểm định trong mô hình nghiên cứu.

Phương pháp phân tích dữ liệu

Phân tích mô hình cấu trúc tuyến tính (SEM) đã được sử dụng nhiều trong các nghiên cứu về mối quan hệ nhân quả trong nhiều lĩnh vực khác nhau, và khi nghiên cứu về mối quan hệ giữa nhận thức lợi ích, nhận thức rủi ro và tiếp tục sử dụng Fintech của người dùng thì các nghiên cứu cũng sử dụng phương pháp phân tích mô hình cấu trúc tuyến tính để tiến hành đánh giá các mối liên hệ với nhau như trong nghiên cứu của Ryu 8 . Vì vậy, trong nghiên cứu này tác giả cũng sử dụng mô hình cấu trúc tuyến tính SEM để phân tích các mối quan hệ giữa nhận thức lợi ích, nhận thức rủi ro và ý định tiếp tục sử dụng Fintech của người dùng tại thành phố Hồ Chí Minh. Để đảm bảo kết quả phân tích mô hình cấu trúc tuyến tính, tác giả tiến hành đánh giá các chỉ số đạt yêu cầu như sau: Chi-square/df < 5, hệ số CFI > 0,9, hệ số GFI > 0,9, hệ số TLI > 0,9, và hệ số RMSEA < 0,08 35 .

KẾT QUẢ NGHIÊN CỨU VÀ KIỂM ĐỊNH GIẢ THUYẾT

Mô tả cỡ mẫu nghiên cứu

Table 3 cho thấy, trong tổng số 472 đáp viên thì có 282 đáp viên là nam (chiếm 59,7%) và 190 đáp viên là nữ (chiếm 40,3%), độ tuổi của các bạn trẻ từ 18 đến 29 tuổi là 185 đáp viên (chiếm 39,2%) và độ tuổi từ 30 đến 39 tuổi là 287 đáp viên (chiếm 60,8%), trình độ học vấn đại học chiếm cao nhất với 234 đáp viên (chiếm 49,6%). Mức độ sử dụng Fintech thành thạo có 395 đáp viên (chiếm 83,7%), tần suất sử dụng hàng tuần là chiếm cao nhất với 372 đáp viên (chiếm 78,8%), dịch vụ tài chính sử dụng chủ yếu là chuyển tiền (61,7%) và thanh toán (33,3%), thời gian sử dụng từ 18 tháng trở xuống chiếm cao nhất với 300 đáp viên (chiếm 63,6%).

Table 3 Thống kê mẫu khảo sát
Tiêu chí Tần suất Tỷ lệ Tiêu chí Tần suất Tỷ lệ
1. Giới tính 5. Trình độ học vấn
Nam 282 59,7% Thạc sỹ 8 1,7%
Nữ 190 40,3% Đại học 234 49,6%
Tổng 472 100% Cao đẳng 198 41,9%
2. Độ tuổi Trung cấp 32 6,8%
Từ 18 đến 29 tuổi 185 39,2% Tổng 472 100%
Từ 30 đến 39 tuổi 287 60,8% 6. Ứng dụng của Fintech được sử dụng
Tổng 472 100% Chuyển tiền 291 61,7%
3. Mức độ sử dụng Gửi tiền tiết kiệm 41 8,7%
Thành thạo 395 83,7% Thanh toán 157 33,3%
Chưa thành thạo 77 16,3% Vay tiền 15 3,2%
Tổng 472 100% 7. Thời gian sử dụng
4. Tần suất sử dụng Từ 03 tháng trở xuống 20 4,2%
Mỗi ngày 54 11,4% Từ 06 tháng trở xuống 77 16,3%
Hàng tuần 372 78,8% Từ 12 tháng trở xuống 300 63,6%
Hàng tháng 37 7,8% Từ 18 tháng trở xuống 57 12,1%
Dưới 06 tháng 01 lần 3 0,6% Từ 24 tháng trở xuống 6 1,3%
Một năm 01 lần 6 1,3% Trên 24 tháng 12 2,5%
Tổng 472 100% Tổng 472 100%

Đánh giá độ tin cậy thang đo và phân tích nhân tố khám phá

Đánh giá thang đo bằng hệ số Cronbach’s Alpha

Nhóm nghiên cứu tiến hành kiểm định hệ số Cronbach’s Alpha các biến thành phần trong thang đo. Cụ thể, tất cả các thang đo đều có hệ số Cronbach’s Alpha lớn hơn 0,6, đạt yêu cầu và các hệ số tương quan biến tổng của các biến quan sát đều lớn hơn 0,3 vì vậy các biến quan sát đủ điều kiện sẽ tiến hành phân tích nhân tố khám phá ở bước tiếp theo ( Table 4 ).

Table 4 Phân tích hệ số Cronbach’s Alpha
Tiêu chí Hệ số tương quan biến tổng Hệ số Cronbach’s Alpha Tiêu chí Hệ số tương quan biến tổng Hệ số Cronbach’s Alpha
1. Nhận thức lợi ích 5. Nhận thức rủi ro
NTLI1. Sử dụng các dịch vụ tài chính của Fintech có nhiều lợi ích. 0,776 0,868 NTRR1. Việc sử dụng các dịch vụ tài chính của Fintech không gắn liền với mức độ rủi ro cao. 0,525 0,727
NTLI2. Tôi có thể dễ dàng và nhanh chóng sử dụng các dịch vụ tài chính của Fintech. 0,798 NTRR2. Có một mức độ chắc chắn cao khi sử dụng các dịch vụ tài chính của Fintech. 0,672
NTLI3. Việc sử dụng dịch vụ tài chính của Fintech thì hữu ích (thuận tiện, chi phí, thời gian) cho tôi. 0,743 NTRR3. Tôi nghĩ rằng có rất ít rủi ro khi sử dụng các dịch vụ tài chính của Fintech so với các dịch vụ tài chính truyền thống. 0,462
NTLI4. Việc sử dụng dịch vụ tài chính của Fintech mang lại nhiều kết quả vượt trội hơn so với các dịch vụ tài chính truyền thống. 0,581
2. Lợi ích kinh tế 6. Rủi ro tài chính
LIKT1. Việc sử dụng các dịch vụ tài chính của Fintech sẽ rẻ hơn so với dịch vụ tài chính truyền thống. 0,676 0,812 RRTC1. Thiệt hại tài chính không thể xảy ra khi tôi sử dụng các dịch vụ tài chính của Fintech. 0,735 0,871
LIKT2. Tôi có thể tiết kiệm nhiều hơn khi sử dụng các dịch vụ tài chính của Fintech. 0,668 RRTC2. Gian lận tài chính và gian lận thanh toán không thể xảy ra khi tôi sử dụng các dịch vụ tài chính của Fintech. 0,776
LIKT3. Tôi có thể sử dụng nhiều dịch vụ tài chính khác nhau với chi phí thấp khi tôi sử dụng các dịch vụ tài chính của Fintech. 0,652 RRTC3. Thiệt hại tài chính không thể xảy ra do thiếu khả năng liên kết (tương tác) với các dịch vụ khác khi tôi sử dụng các dịch vụ tài chính của Fintech. 0,748
3. Sự thuận tiện 7. Rủi ro bảo mật
TT1. Tôi có thể sử dụng dịch vụ tài chính rất nhanh khi tôi sử dụng các dịch vụ tài chính của Fintech. 0,647 0,823 RRBM1. Tôi không lo lắng về việc bị lạm dụng thông tin tài chính của mình (ví dụ: giao dịch cá nhân hay thông tin cá nhân) khi tôi sử dụng các dịch vụ tài chính của Fintech. 0,692 0,845
TT2. Tôi có thể sử dụng dịch vụ tài chính bất kỳ lúc nào, bất kỳ nơi đâu khi tôi sử dụng các dịch vụ tài chính của Fintech. 0,690 RRBM2. Thông tin tài chính của tôi an toàn khi tôi sử dụng các dịch vụ tài chính của Fintech. 0,707
TT3. Tôi có thể sử dụng các dịch vụ tài chính dễ dàng khi tôi sử dụng các dịch vụ tài chính của Fintech. 0,700 RRBM3. Tôi không lo lắng rằng ai đó có thể truy cập thông tin tài chính của tôi khi tôi sử dụng các dịch vụ tài chính của Fintech. 0,739
4. Giao lịch liên tục 8. Rủi ro hoạt động
GDLT1. Tôi có thể kiểm soát tiền của mình mà không cần người trung gian (ngân hàng) kiểm tra khi tôi sử dụng các dịch vụ tài chính của Fintech. 0,593 0,865 RRHD1. Các công ty sở hữu Fintech sẵn sàng giải quyết các vấn đề khi xảy ra tổn thất tài chính hoặc rò rỉ thông tin tài chính của người dùng. 0,752 0,841
GDLT2. Tôi có thể sử dụng nhiều dịch vụ tài chính khác trong cùng một lúc khi tôi sử dụng các dịch vụ tài chính của Fintech. 0,851 RRHD2. Tôi không lo lắng về hoạt động của hệ thống các dịch vụ tài chính của Fintech. 0,710
GDLT3. Tôi có thể thực hiện các giao dịch ngang hàng giữa người dùng và nhà cung cấp mà không cần người trung gian khi tôi sử dụng các dịch vụ tài chính của Fintech. 0,802 RRHD3. Tôi không lo lắng các công ty sở hữu Fintech có thể bị sụp đổ (phá sản) dẫn đến tổn thất lớn cho người dùng. 0,660
9. Ý định tiếp tục sử dụng Fintech
YDINH1. Tôi sẽ yêu thích các ứng dụng của Fintech hơn. 0,440 0,680
YDINH2. Tôi có ý định tiếp tục sử dụng các ứng dụng của Fintech. 0,580
YDINH3. Tôi sẽ sử dụng các ứng dụng của Fintech trong tương lai. 0,477

Đánh giá thang đo bằng phân tích nhân tố khám phá

Kết quả phân tích nhân tố khám phá thang đo các nhân tố ảnh hưởng đến nhận thức lợi ích của người dùng khi sử dụng Fintech, được thực hiện với phương pháp Principal Axis Factoring và phép xoay Promax. Kết quả phân tích Table 5 cho thấy, giá trị KMO = 0,746 (0,5 ≤ KMO = 0,746 ≤ 1) và kiểm định Barlett’s về tương quan của các biến quan sát có giá trị Sig = 0,000 < 5% chứng tỏ các biến có liên quan chặt chẽ 49 . Giá trị tổng phương sai trích = 64,533% (>50%) đạt yêu cầu và cho biết các biến thành phần trong thang đo các nhân tố ảnh hưởng đến nhận thức lợi ích của người dùng khi sử dụng Fintech giải thích được 64,533% độ biến thiên của dữ liệu và được giải thích bởi các nhân tố như ban đầu và không có sự xáo trộn giữa các biến.

Table 5 Phân tích nhân tố khám phá thang đo các nhân tố ảnh hưởng đến nhận thức lợi ích của người dùng Fintech
Tên biến Nhân tố
Giao dịch liên tục Sự thuận tiện Lợi ích kinh tế
GDLT2. Tôi có thể sử dụng nhiều dịch vụ tài chính khác trong cùng một lúc khi tôi sử dụng các dịch vụ tài chính của Fintech. 0,978 0,031 -0,023
GDLT3. Tôi có thể thực hiện các giao dịch ngang hàng giữa người dùng và nhà cung cấp mà không cần người trung gian khi tôi sử dụng các dịch vụ tài chính của Fintech. 0,899 -0,040 0,054
GDLT1. Tôi có thể kiểm soát tiền của mình mà không cần người trung gian (ngân hàng) kiểm tra khi tôi sử dụng các dịch vụ tài chính của Fintech. 0,620 -0,008 -0,050
TT3. Tôi có thể sử dụng các dịch vụ tài chính dễ dàng khi tôi sử dụng các dịch vụ tài chính của Fintech. -0,003 0,883 -0,079
TT2. Tôi có thể sử dụng dịch vụ tài chính bất kỳ lúc nào, bất kỳ nơi đâu khi tôi sử dụng các dịch vụ tài chính của Fintech. 0,022 0,735 0,078
TT1. Tôi có thể sử dụng dịch vụ tài chính rất nhanh khi tôi sử dụng các dịch vụ tài chính của Fintech. -0,040 0,689 0,062
LIKT2. Tôi có thể tiết kiệm nhiều hơn khi sử dụng các dịch vụ tài chính của Fintech. -0,042 -0,050 0,814
LIKT1. Việc sử dụng các dịch vụ tài chính của Fintech sẽ rẻ hơn so với dịch vụ tài chính truyền thống. -0,019 -0,003 0,794
LIKT3. Tôi có thể sử dụng nhiều dịch vụ tài chính khác nhau với chi phí thấp khi tôi sử dụng các dịch vụ tài chính của Fintech. 0,058 0,138 0,656
Hệ số KMO = 0,746Mức ý nghĩa kiểm định Barlett = 0,000Phương sai trích = 64,533%

Kết quả phân tích nhân tố khám phá thang đo các nhân tố ảnh hưởng đến nhận thức rủi ro của người dùng khi sử dụng Fintech, được thực hiện với phương pháp Principal Axis Factoring và phép xoay Promax. Kết quả phân tích Table 6 cho thấy, giá trị KMO = 0,810 (0,5 ≤ KMO = 0,810 ≤ 1) và kiểm định Barlett’s về tương quan của các biến quan sát có giá trị Sig = 0,000 < 5% chứng tỏ các biến có liên quan chặt chẽ 49 . Giá trị tổng phương sai trích = 67,648% (>50%) đạt yêu cầu và cho biết các biến thành phần trong thang đo các nhân tố ảnh hưởng đến nhận thức rủi ro của người dùng khi sử dụng Fintech giải thích được 67,648% độ biến thiên của dữ liệu và được giải thích bởi các nhân tố như ban đầu và không có sự xáo trộn giữa các biến.

Table 6 Phân tích nhân tố khám phá thang đo các nhân tố ảnh hưởng đến nhận thức rủi ro của người dùng Fintech
Tên biến Nhân tố
Rủi ro tài chính Rủi ro bảo mật Rủi ro hoạt động
RRTC2. Gian lận tài chính và gian lận thanh toán không thể xảy ra khi tôi sử dụng các dịch vụ tài chính của Fintech. 0,913 -0,037 -0,071
RRTC3. Thiệt hại tài chính không thể xảy ra do thiếu khả năng liên kết (tương tác) với các dịch vụ khác khi tôi sử dụng các dịch vụ tài chính của Fintech. 0,827 0,001 0,008
RRTC1. Thiệt hại tài chính không thể xảy ra khi tôi sử dụng các dịch vụ tài chính của Fintech. 0,767 0,028 0,060
RRBM2. Thông tin tài chính của tôi an toàn khi tôi sử dụng các dịch vụ tài chính của Fintech. -0,051 0,835 -0,022
RRBM3. Tôi không lo lắng rằng ai đó có thể truy cập thông tin tài chính của tôi khi tôi sử dụng các dịch vụ tài chính của Fintech. 0,018 0,830 0,031
RRBM1. Tôi không lo lắng về việc bị lạm dụng thông tin tài chính của mình (ví dụ: giao dịch cá nhân hay thông tin cá nhân) khi tôi sử dụng các dịch vụ tài chính của Fintech. 0,021 0,767 -0,032
RRHD1. Các công ty sở hữu Fintech sẵn sàng giải quyết các vấn đề khi xảy ra tổn thất tài chính hoặc rò rỉ thông tin tài chính của người dùng. -0,138 -0,009 0,950
RRHD2. Tôi không lo lắng về hoạt động của hệ thống các dịch vụ tài chính của Fintech. 0,050 -0,075 0,801
RRHD3. Tôi không lo lắng các công ty sở hữu Fintech có thể bị sụp đổ (phá sản) dẫn đến tổn thất lớn cho người dùng 0,173 0,122 0,618
Hệ số KMO = 0,810Mức ý nghĩa kiểm định Barlett = 0,000Phương sai trích = 67,648%

Kết quả phân tích nhân tố khám phá thang đo nhận thức lợi ích của người dùng khi sử dụng Fintech, được thực hiện với phương pháp Principal Axis Factoring và phép xoay Promax. Kết quả phân tích Table 7 cho thấy, giá trị KMO = 0,786 (0,5 ≤ KMO = 0,786 ≤ 1) và kiểm định Barlett’s về tương quan của các biến quan sát có giá trị Sig = 0,000 < 5% chứng tỏ các biến có liên quan chặt chẽ 49 . Giá trị tổng phương sai trích = 64,327% (>50%) đạt yêu cầu và cho biết các biến thành phần trong thang đo nhận thức lợi ích của người dùng khi sử dụng Fintech giải thích được 64,327% độ biến thiên của dữ liệu và được giải thích bởi các biến như ban đầu.

Table 7 Phân tích nhân tố khám phá thang đo nhận thức lợi ích của người dùng Fintech
Tên biến Nhân tố
Nhận thức lợi ích
NTLI2. Tôi có thể dễ dàng và nhanh chóng sử dụng các dịch vụ tài chính của Fintech. 0,885
NTLI1. Sử dụng các dịch vụ tài chính của Fintech có nhiều lợi ích. 0,845
NTLI3. Việc sử dụng dịch vụ tài chính của Fintech thì hữu ích (thuận tiện, chi phí, thời gian) cho tôi. 0,833
NTLI4. Việc sử dụng dịch vụ tài chính của Fintech mang lại nhiều kết quả vượt trội hơn so với các dịch vụ tài chính truyền thống. 0,619
Hệ số KMO = 0,786Mức ý nghĩa kiểm định Barlett = 0,000Phương sai trích = 64,327%

Kết quả phân tích nhân tố khám phá thang đo nhận thức rủi ro của người dùng khi sử dụng Fintech, được thực hiện với phương pháp Principal Axis Factoring và phép xoay Promax. Kết quả phân tích Table 8 cho thấy, giá trị KMO = 0,611 (0,5 ≤ KMO = 0,611 ≤ 1) và kiểm định Barlett’s về tương quan của các biến quan sát có giá trị Sig = 0,000 < 5% chứng tỏ các biến có liên quan chặt chẽ 49 . Giá trị tổng phương sai trích = 52,120% (>50%) đạt yêu cầu và cho biết các biến thành phần trong thang đo nhận thức rủi ro của người dùng khi sử dụng Fintech giải thích được 52,120% độ biến thiên của dữ liệu và được giải thích bởi các biến như ban đầu.

Table 8 Phân tích nhân tố khám phá thang đo nhận thức rủi ro của người dùng Fintech
Tên biến Nhân tố
Nhận thức rủi ro
NTRR2. Có một mức độ chắc chắn cao khi sử dụng các dịch vụ tài chính của Fintech. 0,960
NTRR1. Việc sử dụng các dịch vụ tài chính của Fintech không gắn liền với mức độ rủi ro cao. 0,606
NTRR3. Tôi nghĩ rằng có rất ít rủi ro khi sử dụng các dịch vụ tài chính của Fintech so với các dịch vụ tài chính truyền thống. 0,525
Hệ số KMO = 0,611Mức ý nghĩa kiểm định Barlett = 0,000Phương sai trích = 52,120%

Kết quả phân tích nhân tố khám phá thang đo ý định tiếp tục sử dụng Fintech của người dùng, được thực hiện với phương pháp Principal Components và phép xoay Varimax. Kết quả phân tích Table 9 cho thấy, giá trị KMO = 0,629 (0,5 ≤ KMO = 0,629 ≤ 1) và kiểm định Barlett’s về tương quan của các biến quan sát có giá trị Sig = 0,000 < 5% chứng tỏ các biến có liên quan chặt chẽ 49 . Giá trị tổng phương sai trích = 61,109% (>50%) đạt yêu cầu và cho biết các biến thành phần trong thang đo ý định tiếp tục sử dụng Fintech của người dùng giải thích được 61,109% độ biến thiên của dữ liệu và được giải thích bởi các biến như ban đầu.

Table 9 Phân tích nhân tố khám phá thang đo nhận thức rủi ro của người dùng Fintech
Tên biến Nhân tố
Ý định tiếp tục sử dụng
YDINH2. Tôi có ý định tiếp tục sử dụng các ứng dụng của Fintech. 0,844
YDINH3. Tôi sẽ sử dụng các ứng dụng của Fintech trong tương lai. 0,767
YDINH1. Tôi sẽ yêu thích các ứng dụng của Fintech hơn. 0,729
Hệ số KMO = 0,629Mức ý nghĩa kiểm định Barlett = 0,000Phương sai trích = 61,109%

Kiểm định thang đo bằng phân tích nhân tố khẳng định (CFA)

Kết quả phân tích nhân tố khẳng định thang đo các nhân tố ảnh hưởng đến nhận thức lợi ích của người dùng khi sử dụng Fintech tại Table 10 cho thấy, tất cả các biến đều có trọng số chuẩn hóa cao > 0,5. Mô hình tới hạn có 23 bậc tự do, giá trị P của phép kiểm định Chi-square = 0,000; Chi-square/df = 2,343 (<4); TLI = 0,977; CFI = 0,985; GFI = 0,975 (đều lớn hơn 0,9) và RMSEA = 0,053 (<0,08) tất cả đều đáp ứng tốt yêu cầu đề ra từ đó chứng tỏ các thành phần trong thang đo phù hợp với dữ liệu thị trường. Kết quả CFA cho thấy không có tương quan giữa các sai số đo lường (hệ số tương quan giữa các biến quan sát đều nhỏ hơn 1) nên đạt tính đơn hướng. Bên cạnh đó, kết quả phân tích CFA cho thấy tất cả các khái niệm nghiên cứu đều đạt giá trị phân biệt (mức ý nghĩa đều < 0,05) và tất cả các hệ số tương quan của từng cặp khái niệm khác biệt so với 1 ở độ tin cậy 95%.

Table 10 Phân tích nhân tố khẳng định thang đo các nhân tố ảnh hưởng đến nhận thức lợi ích của người dùng Fintech
Mối quan hệ Chưa chuẩn hóa Chuẩn hóa
Trọng số Sai lệchchuẩn Giá trị tới hạn CR Mức ýnghĩa Trọngsố
LIKT3 <--- LOIICHKT 1,000 0,777
LIKT2 <--- LOIICHKT 1,143 0,075 15,237 *** 0,757
LIKT1 <--- LOIICHKT 1,180 0,076 15,454 *** 0,773
TT3 <--- THUANTIEN 1,000 0,797
TT2 <--- THUANTIEN 1,000 0,061 16,477 *** 0,809
TT1 <--- THUANTIEN 0,878 0,057 15,356 *** 0,735
GDLT3 <--- GIAODICHLT 1,000 0,886
GDLT2 <--- GIAODICHLT 1,099 0,044 25,238 *** 0,993
GDLT1 <--- GIAODICHLT 0,640 0,042 15,408 *** 0,609
P-value =0,000; df = 23; Chi-square/df = 2,343; TLI = 0,977; CFI = 0,985; GFI = 0,975; RMSEA = 0,053

Kết quả phân tích nhân tố khẳng định thang đo các nhân tố ảnh hưởng đến nhận thức rủi ro của người dùng khi sử dụng Fintech tại Table 11 cho thấy, tất cả các biến đều có trọng số chuẩn hóa cao > 0,5. Mô hình tới hạn có 20 bậc tự do, giá trị P của phép kiểm định Chi-square =0,000; Chi-square/df = 3,497 (<4); TLI = 0,959; CFI = 0,977; GFI = 0,969 (đều lớn hơn 0,9) và RMSEA = 0,073 (<0,08) tất cả đều đáp ứng tốt yêu cầu đề ra từ đó chứng tỏ các thành phần trong thang đo phù hợp với dữ liệu thị trường. Kết quả CFA cho thấy không có tương quan giữa các sai số đo lường (hệ số tương quan giữa các biến quan sát đều nhỏ hơn 1) nên đạt tính đơn hướng. Bên cạnh đó, kết quả phân tích CFA cho thấy tất cả các khái niệm nghiên cứu đều đạt giá trị phân biện (mức ý nghĩa đều < 0,05) và tất cả các hệ số tương quan của từng cặp khái niệm khác biệt so với 1 ở độ tin cậy 95%.

Table 11 Phân tích nhân tố khẳng định thang đo các nhân tố ảnh hưởng đến nhận thức rủi ro của người dùng Fintech
Mối quan hệ Chưa chuẩn hóa Chuẩn hóa
Trọng số Sai lệchchuẩn Giá trị tới hạn CR Mức ýnghĩa Trọngsố
RRTC3 <--- RRTAICHINH 1,000 0,828
RRTC2 <--- RRTAICHINH 0,992 0,051 19,314 *** 0,849
RRTC1 <--- RRTAICHINH 0,970 0,053 18,415 *** 0,797
RRHD3 <--- RRHOATDONG 1,000 0,757
RRHD2 <--- RRHOATDONG 1,161 0,069 16,908 0,796
RRHD1 <--- RRHOATDONG 1,178 0,069 17,138 *** 0,850
RRBM3 <--- RRBAOMAT 1,000 0,854
RRBM2 <--- RRBAOMAT 0,931 0,054 17,197 0,778
RRBM1 <--- RRBAOMAT 0,980 0,058 17,036 *** 0,769
P-value=0,000; df = 20; Chi-square/df = 3,497; TLI = 0,959; CFI = 0,977; GFI = 0,969; RMSEA = 0,073

Kết quả phân tích nhân tố khẳng định các thang đo nhận thức lợi ích, nhận thức rủi ro, và tiếp tục sử dụng Fintech của người dùng tại Table 12 cho thấy, tất cả các biến đều có trọng số chuẩn hóa cao > 0,5. Mô hình tới hạn có 31 bậc tự do, giá trị P của phép kiểm định Chi-square =0,000; Chi-square/df = 3,214 (<4); TLI = 0,944; CFI = 0,961; GFI = 0,960 (đều lớn hơn 0,9) và RMSEA = 0,069 (<0,08) tất cả đều đáp ứng tốt yêu cầu đề ra từ đó chứng tỏ các thành phần trong thang đo phù hợp với dữ liệu thị trường. Kết quả CFA cho thấy không có tương quan giữa các sai số đo lường (hệ số tương quan giữa các biến quan sát đều nhỏ hơn 1) nên đạt tính đơn hướng. Bên cạnh đó, kết quả phân tích CFA cho thấy tất cả các khái niệm nghiên cứu đều đạt giá trị phân biệt (mức ý nghĩa đều < 0,05) và tất cả các hệ số tương quan của từng cặp khái niệm khác biệt so với 1 ở độ tin cậy 95%.

Table 12 Phân tích nhân tố khẳng định thang đo nhận thức lợi ích, nhận thức rủi ro, và ý định tiếp tục sử dụng Fintech của người dùng
Mối quan hệ Chưa chuẩn hóa Chuẩn hóa
Trọng số Sai lệchchuẩn Giá trị tới hạn CR Mức ýnghĩa Trọngsố
NTLI1 <--- NTLOIICH 1,000 0,821
NTLI2 <--- NTLOIICH 1,047 0,047 22,422 *** 0,868
NTLI3 <--- NTLOIICH 1,136 0,052 21,736 *** 0,878
NTLI4 <--- NTLOIICH 0,896 0,060 14,830 *** 0,665
NTRR3 <--- NTRUIRO 1,000 0,529
NTRR2 <--- NTRUIRO 1,988 0,237 8,387 *** 0,955
NTRR1 <--- NTRUIRO 1,258 0,125 10,039 *** 0,609
YDINH1 <--- YDINH 1,000 0,592
YDINH2 <--- YDINH 1,473 0,152 9,670 *** 0,762
YDINH3 <--- YDINH 0,938 0,102 9,179 *** 0,605
P-value=0,000; df = 31; Chi-square/df = 3,214; TLI = 0,944; CFI = 0,961; GFI = 0,960; RMSEA = 0,069

Kiểm định mô hình cấu trúc tuyến tính (SEM)

Kết quả phân tích mô hình SEM lần 1 tại Table 13 cho thấy, mô hình tới hạn có 239 bậc tự do, giá trị P của phép kiểm định Chi-square =0,000; Chi-square/df = 2,297 (<4); TLI = 0,929; CFI = 0,938; GFI = 0,900 (đều lớn hơn 0,9) và RMSEA = 0,052 (<0,08) tất cả đều đáp ứng tốt yêu cầu, chứng tỏ các thành phần trong thang đo phù hợp với dữ liệu thị trường. Kết quả còn cho thấy, có hai nhân tố có mối quan hệ tuyến tính với ý định tiếp tục sử dụng Fintech của người dùng là nhân tố nhận thức lợi ích và nhận thức rủi ro ở mức ý nghĩa thống kê 1%, nhân tố nhận thức lợi ích bị ảnh hưởng bởi lợi ích kinh tế và sự thuận tiện ở mức ý nghĩa 1%, và nhân tố nhận thức rủi ro bị ảnh hưởng bởi rủi ro tài chính và rủi ro bảo mật ở mức ý nghĩa 1%. Riêng nhân tố giao dịch liên tục không có tác động đến nhận thức lợi ích và nhân tố rủi ro hoạt động không có tác động đến nhận thức rủi ro do hai nhân tố này có mức ý nghĩa thống kê lớn hơn 10% và sẽ bị loại ra khỏi mô hình nghiên cứu, tác giả đủ cơ sở để bác bỏ giả thuyết H 4 và H 8 do có mức ý nghĩa thống kê lớn hơn 10%.

Đối với nhân tố giao dịch liên tục không ảnh hưởng đến nhận thức lợi ích là do trong thực tế, người sử dụng chỉ sử dụng Fintech cho mỗi giao dịch khác nhau, ít có người sử dụng cùng lúc nhiều giao dịch liên tục do đó nhân tố này trong thực tế không có ảnh hưởng đến nhận thức lợi ích của người dùng. Đối với nhân tố rủi ro hoạt động, nhân tố này thể hiện khả năng người dùng sẽ bị nhiều tổn thất lớn khi tổ chức tài chính bị ảnh hưởng, hay sụp đổ các tổ chức tài chính, nhưng tại Việt Nam với hệ thống tài chính chặt chẽ, cùng với sự quản lý của nhà nước nên người sử dụng Fintech cho rằng hầu như việc các tổ chức sụp đổ là điều khó có thể xảy ra do đó nhân tố này trong thực tế không có ảnh hưởng đến nhận thức rủi ro của người dùng.

Table 13 Kết quả phân tích mô hình cấu trúc tuyến tính lần 1
Mối quan hệ Trọng số Sai lệch chuẩn Giá trị tới hạn CR Mức ý nghĩa
NTLOIICH <--- LOIICHKT 0,526 0,060 8,815 ***
NTLOIICH <--- THUANTIEN 0,583 0,054 10,763 ***
NTLOIICH <--- GIAODICHLT -0,002 0,050 -0,042 0,967
NTRUIRO <--- RRTAICHINH 0,146 0,033 4,457 ***
NTRUIRO <--- RRBAOMAT 0,126 0,035 3,609 ***
NTRUIRO <--- RRHOATDONG -0,017 0,036 -0,486 0,627
YDINH <--- NTLOIICH 0,323 0,039 8,220 ***
YDINH <--- NTRUIRO -0,212 0,069 -3,058 0,002
P-value =0,000;df = 239; Chi-square/df = 2,297; TLI = 0,929; CFI = 0,938; GFI = 0,900; RMSEA = 0,052

Kết quả phân tích mô hình SEM lần 2 tại Figure 2 cho thấy, tất cả các thành phần đưa vào trong mô hình đều có ý nghĩa thống kê ở mức 1%, mô hình có 198 bậc tự do, giá trị Chi-square có p = 0,000, các kiểm định mức độ phù hợp chung của mô hình cấu trúc với các chỉ số Chi-square/df = 2,496 (<4); GFI = 0,916; TLI = 0,932; CFI = 0,942 (>= 0,9); RMSEA = 0,056 (<0,08) chứng tỏ mô hình phù hợp với dữ liệu thị trường.

THẢO LUẬN KẾT QUẢ NGHIÊN CỨU

Đối với nhân tố nhận thức lợi ích của người dùng Fintech bị ảnh hưởng bởi sự thuận tiện và lợi ích kinh tế ở mức ý nghĩa 1% và hai nhân tố này giải thích được 85% sự biến động của nhận thức lợi ích của người dùng Fintech, trong đó sự thuận tiện có tác động lớn nhất đến nhận thức lợi ích của người dùng Fintech ( Table 14 ), tác giả có đủ cơ sở để chấp nhận giả thuyết H 3 và H 5 . Kết quả nghiên cứu này phù hợp với nghiên cứu của các nhà nghiên cứu khác 10 , 13 , 8 .

Đối với nhân tố nhận thức rủi ro của người dùng Fintech bị ảnh hưởng bởi rủi ro tài chính và rủi ro bảo mật ở mức ý nghĩa 1% và hai nhân tố này giải thích được 18,2% sự biến động của nhận thức rủi ro của người dùng Fintech, trong đó rủi ro tài chính có tác động lớn nhất đến nhận thức rủi ro của người dùng Fintech ( Table 14 ), tác giả có đủ cơ sở để chấp nhận giả thuyết H 6 và H 7 . Kết quả nghiên cứu này phù hợp với các nghiên cứu của các nhà nghiên cứu khác 10 , 8 .

Ý định tiếp tục sử dụng các dịch vụ tài chính của Fintech thì bị tác động tích cực bởi nhân tố nhận thức lợi ích và bị tác động tiêu cực bởi nhân tố nhận thức rủi ro của người dùng ở mức ý nghĩa 1% và hai nhân tố trên giải thích được 32,7% sự biến động của ý định tiếp tục sử dụng Fintech của người dùng, trong đó nhân tố nhận thức lợi ích có tác động lớn nhất đến ý định tiếp tục sử dụng Fintech của người dùng ( Table 14 ), tác giả có đủ cơ sở để chấp nhận giả thuyết H 1 và H 2 . Trong thực tế, người dùng quan tâm đến lợi ích nhận được nhiều hơn là rủi ro họ có thể gặp phải khi sử dụng Fintech, và người dùng sử dụng Fintech để giao dịch các khoản có giá trị nhỏ vì vậy nhân tố lợi ích được người dùng Fintech cân nhắc nhiều hơn so với nhân tố rủi ro khi sử dụng Fintech của người dùng. Kết quả nghiên cứu này phù hợp với nghiên cứu của 8 .

Figure 2 . Phân tích mô hình cấu trúc tuyến tính hiệu chỉnh

Table 14 Kết quả phân tích mô hình cấu trúc tuyến tính hiệu chỉnh
Mối quan hệ Trọng số chưa chuẩn hóa Trọng số chuẩn hóa Sai lệch chuẩn Giá trị tới hạn CR Mức ý nghĩa Kết luận
NTLOIICH <--- LOIICHKT 0,509 0,430 0,060 8,474 0,000 Chấp nhận H3
NTLOIICH <--- THUANTIEN 0,598 0,586 0,054 10,981 0,000 Chấp nhận H5
NTRUIRO <--- RRTAICHINH 0,140 0,282 0,031 4,513 0,000 Chấp nhận H6
NTRUIRO <--- RRBAOMAT 0,119 0,220 0,033 3,610 0,000 Chấp nhận H7
YDINH <--- NTLOIICH 0,322 0,546 0,039 8,206 0,000 Chấp nhận H1
YDINH <--- NTRUIRO -0,212 -0,170 0,069 -3,066 0,002 Chấp nhận H2
Chi-square/df = 2,496; GFI = 0,916; TLI = 0,932; CFI = 0,942; RMSEA = 0,056

Kết quả phân tích mô hình SEM với đối tượng người sử dụng thành thạo và chưa thành thạo các dịch vụ tài chính của Fintech tại Table 15 cho thấy: Đối với người sử dụng chưa thành thạo các ứng dụng của Fintech, nhận thức lợi ích bị ảnh hưởng bởi lợi ích kinh tế và sự thuận tiện, và nhận thức lợi ích có tác động tích cực đến ý định tiếp tục sử dụng các dịch vụ tài chính của Fintech do có mức ý nghĩa thống kê nhỏ hơn 1%. Tuy nhiên, nhận thức rủi ro bị tác động bởi rủi ro tài chính, và không có tác động đến ý định tiếp tục sử dụng các dịch vụ tài chính của Fintech, do có mức ý nghĩa thống kê lớn hơn 10% ( Figure 3 ). Đối với người sử dụng thành thạo các ứng dụng của Fintech, nhận thức lợi ích cũng bị ảnh hưởng bởi lợi ích kinh tế và sự thuận tiện, và nhận thức lợi ích có tác động tích cực đến ý định tiếp tục sử dụng các dịch vụ tài chính của Fintech do có mức ý nghĩa thống kê nhỏ hơn 1%. Ngược lại, nhận thức rủi ro bị tác động bởi rủi ro tài chính và rủi ro bảo mật, và có tác động tiêu cực đến ý định tiếp tục sử dụng các dịch vụ tài chính của Fintech, do có mức ý nghĩa thống kê lớn hơn 10% ( Figure 4 ). Dựa trên các phân tích trên, bác bỏ giả thuyết H 9 , vì nhận thức lợi ích có tác động đến ý định tiếp tục sử dụng thành thạo và chưa thành thạo các dịch vụ tài chính của Fintech tại mức ý nghĩa 1%. Ngược lại, chấp nhận giả thuyết H 10 , do nhận thức rủi ro chỉ có tác động đến ý định tiếp tục sử dụng thành thạo các dịch vụ tài chính của Fintech, và không có tác động đến ý định tiếp tục sử dụng chưa thành thạo các dịch vụ tài chính của Fintech.

Figure 3 . Phân tích mô hình cấu trúc tuyến tính: trường hợp chưa sử dụng thành thạo

Figure 4 . Phân tích mô hình cấu trúc tuyến tính: trường hợp sử dụng thành thạo

Table 15 Kết quả phân tích mô hình cấu trúc tuyến tính theo mức độ sử dụng
Mối quan hệ Trọng số chưa chuẩn hóa (chưa thành thạo) Mức ý nghĩa Trọng số chưa chuẩn hóa (thành thạo) Mức ý nghĩa
NTLOIICH <--- LOIICHKT 0,294 0,004 0,576 0,000
NTLOIICH <--- THUANTIEN 0,946 0,000 0,503 0,000
NTRUIRO <--- RRTAICHINH 0,270 0,001 0,100 0,002
NTRUIRO <--- RRBAOMAT 0,103 0,200 0,118 0,000
YDINH <--- NTLOIICH 0,210 0,005 0,348 0,000
YDINH <--- NTRUIRO -0,038 0,763 -0,283 0,000
Chi-square/df = 1,904; GFI = 0,881; TLI = 0,920; CFI = 0,931; RMSEA = 0,044

KẾT LUẬN VÀ HÀM Ý

Nghiên cứu tiến hành điều tra phỏng vấn 472 khách hàng có độ tuổi từ 18 đến 39 tuổi đang sống và làm việc tại thành phố Hồ Chí Minh để đánh giá nhận thức lợi ích – rủi ro và ý định tiếp tục sử dụng Fintech của người dùng, nghiên cứu sử dụng các phương pháp phân tích thống kê mô tả, phân tích hệ số Cronbach’s Alpha, phân tích nhân tố khám phá, phân tích nhân tố khẳng định, và phân tích mô hình cấu trúc tuyến tính. Kết quả nghiên cứu thể hiện một số điểm như sau:

Thứ nhất, nhận thức lợi ích của người dùng Fintech bị ảnh hưởng tích cực bởi lợi ích kinh tế và sự thuận tiện của việc sử dụng Fintech, kết quả nghiên cứu này phù hợp với nghiên cứu của các nhà nghiên cứu khác 10 , 8 , 11 , do đó để khuyến khích người dùng tiếp tục sử dụng Fintech thì các tổ chức tín dụng nên tập trung vào cải thiện chất lượng dịch vụ, cải thiện các quy trình nhằm tăng lợi ích kinh tế khi sử dụng Fintech, và liên tục đổi mới, cải thiện đường truyền của Fintech để đảm bảo người dùng có thể thoải mái sử dụng, thuận tiện khi cần thiết từ đó nâng cao nhận thức lợi ích của người dùng khi sử dụng Fintech.

Thứ hai, nhận thức rủi ro của người dùng Fintech bị ảnh hưởng bởi rủi ro tài chính và rủi ro bảo mật của Fintech, kết quả nghiên cứu này phù hợp với nghiên cứu của các nhà nghiên cứu khác 10 , 8 , do đó để khuyến khích người dùng tiếp tục sử dụng Fintech thì các tổ chức tín dụng nên tập trung vào việc liên tục nâng cao các lớp bảo mật nhằm đảm bảo không xảy ra rủi ro tài chính và bảo mật từ đó giảm thiểu nhận thức rủi ro của người dùng Fintech.

Thứ ba, ý định tiếp tục sử dụng Fintech của người dùng bị ảnh hưởng tích cực bởi nhận thức lợi ích và bị tác động tiêu cực bởi nhận thức rủi ro, kết quả nghiên cứu này phù hợp với nghiên cứu của các nhà nghiên cứu khác 10 , 8 , 12 , 11 , 13 , do đó để khuyến nghị người dùng tiếp tục sử dụng Fintech thì các tổ chức tín dụng nên quan tâm đến các nhân tố thuộc về nhận thức lợi ích và nhận thức rủi ro theo hướng tăng nhận thức về lợi ích và giảm thiểu tối đa rủi ro trong quá trình sử dụng từ đó khuyến khích họ tiếp tục sử dụng Fintech.

Thứ tư, đối người người sử dụng chưa thành thạo các ứng dụng của Fintech, nhận thức lợi ích bị ảnh hưởng bởi lợi ích kinh tế và sự thuận tiện, và ý định tiếp tục sử dụng các dịch vụ tài chính của Fintech bị tác động tích cực bởi nhận thức lợi ích và không bị tác động bởi nhận thức rủi ro. Trong đó, nhận thức rủi ro bị tác động bởi rủi ro tài chính.

Thứ năm, đối người người sử dụng thành thạo các ứng dụng của Fintech, nhận thức lợi ích cũng bị ảnh hưởng bởi lợi ích kinh tế và sự thuận tiện, và nhận thức lợi ích có tác động tích cực đến ý định tiếp tục sử dụng các dịch vụ tài chính của Fintech nhưng nhận thức rủi ro có tác động tiêu cực đến ý định tiếp tục sử dụng các dịch vụ tài chính của Fintech, và bị tác động bởi rủi ro tài chính và rủi ro bảo mật.

Mặc dù, nghiên cứu có những kết quả nhất định nhưng nghiên cứu cũng có một số hạn chế, chẳng hạn như: Thứ nhất, nghiên cứu sử dụng phương pháp chọn mẫu thuận tiện, phương pháp này có hạn chế là không cần chú ý đến tính đại diện tổng thể mà chỉ chú ý đến tính thuận tiện cho người nghiên cứu 50 ; Thứ hai, việc kiểm định mô hình trên một số mẫu nhất định, mặc dù rút ra hàm ý khuyến khích người dùng tiếp tục sử dụng các dịch vụ tài chính của Fintech, nhưng do cỡ mẫu hạn chế có thể làm hạn chế khả năng tổng quát của nghiên cứu; Thứ ba, nghiên cứu chỉ tiến hành trên đối tượng có độ tuổi từ 18 đến 40 tuổi, và chưa xem xét các đối tượng ở những độ tuổi khác, điều này cũng là hạn chế của nghiên cứu. Cuối cùng, các nghiên cứu tiếp theo có thể mở rộng thêm đối tượng nghiên cứu là người dùng ở nhiều độ tuổi khác nhau, và xem xét sự khác nhau như thế nào giữa đặc điểm cá nhân người sử dụng đối với các dịch vụ tài chính của Fintech.

DANH MỤC CÁC CHỮ VIẾT TẮT

CFA : Confirmatory Factor Analysis

CFI : Comparative Fit Index

EFA : Exploratory Factor Analysis

Fintech : Financial Technology

GFI : Goodness of Fix Index

GIAODICHLT : Giao dịch liên tục

KMO : Kaiser-Meyer-Olkin

LOIICHKT : Lợi ích kinh tế

NTLOIICH : Nhận thức lợi ích

NTRUIRO : Nhận thức rủi ro

RRTAICHINH : Rủi ro tài chính

RRHOATDONG : Rủi ro hoạt động

RRBAOMAT : Rủi ro bảo mật

RMSEA : Root Mean Square Error Approximation

SEM : Structural Equation Modeling

THUANTIEN : Sự thuận tiện

TLI : Tucker & Lewis Index

YDINH : Ý định tiếp tục sử dụng

TUYÊN BỐ XUNG ĐỘT

Nhóm tác giả xin cam đoan rằng không có bất kì xung đột lợi ích nào trong công bố bài báo.

ĐÓNG GÓP CỦA TÁC GIẢ

Các tác giả đều đóng góp như nhau trong việc thực hiện bài báo nghiên cứu, trong đó tác giả Nguyễn Hoàng Minh chịu trách nhiệm chính về nội dung toàn bài báo nghiên cứu. Tác giả Nguyễn Hoàng Minh: xây dựng khung nghiên cứu và viết kết quả nghiên cứu; tác giả Lê Thị Thúy Vi và Hứa Lê Thiên Bảo: tổng quan lý thuyết, xây dựng mô hình nghiên cứu, thu thập và xử lý dữ liệu.

References

  1. Schueffed P. Taming the beast: A scientific definition of Fintech. Journal of Innovation Management. 2019;4(4):32-54. Google Scholar
  2. Lee TH, Kim HW. An exploratory study on fintech industry in Korea: Crowdfunding case. Proceedings in International Conference on Innovative Engineering Technologies. Bangkok. 2015;:. Google Scholar
  3. Barberis J. The rise of Fintech: Getting Hong Kong to lead the digital financial transition in APAC. Fintech report. Fintech HK. 2014;:. Google Scholar
  4. Chishti S, Barberis J. The Fintech Book: The financial technology handbook for investors, entrepreneurs and visionaries. Chichester. UK: John Wiley & Sons Ltd. 2016;:. Google Scholar
  5. Pwc. Blurred lines: How Fintech is shaping Financial Service - Global Fintech Report. . 2016;:. Google Scholar
  6. ISB. Fintech tại Việt Nam: nắm bắt xu hướng để phát triển. . 2018;:. Google Scholar
  7. Thức ĐC. Bàn về xu hướng FINTECH trong lĩnh vực ngân hàng và những chuyển động ban đầu ở Việt Nam. . 2017;:. Google Scholar
  8. Ryu HS. What makes users willing or hesitant to use Fintech?. The moderating effect of user type. Industrial Management & Data Systems. 2018;:. Google Scholar
  9. Davis FD, Bagozzi RP, Warshaw PR. User acceptance of computer technology: A comparison of two theoretical models. Management Science. 1989;35(8):982-1003. Google Scholar
  10. Chuang LM, Liu CC, Kao HK. The adoption of Fintech service: TAM perspective. International Journal of Management and Administrative Sciences. 2016;3(7):1-15. Google Scholar
  11. Jin CC, Seong LC, Khin AA. Factors Affecing the consumer acceptance towards Fintech products and services in Malaysia. International Journal of Asian Social Science. 2019;9(1):59-65. Google Scholar
  12. Huei CT, Cheng LS, Seong LC, Khin CC, Bin RLL. Preliminary study on consumer attitude towards Fintech procducts and services in Malaysia. International Journal of Engineering & Technology. 2018;7(2.29):166-169. Google Scholar
  13. Meyliana, Fermando R, Surjandy. The influence of perceived risk and trust in adoption of Fintech services in Indonesia. Communication & Informantion Technology. 2019;13(1):31-37. Google Scholar
  14. Thanh N.D., Thi C.H.. Mô hình chấp nhận và sử dụng ngân hàng điện tử ở Việt Nam. Tạp chí phát triển khoa học & công nghệ. 2011;14(2):97-105. Google Scholar
  15. L.P.T.D. Thảo, Liên N.M.. Nhân tố ảnh hưởng đến việc lựa chọn sử dụng Internet banking của khách hàng khu vực miền Tây Nam Bộ. Tạp chí Công nghệ ngân hàng. 2013;:. Google Scholar
  16. Tuyết L.T.K.. Nghiên cứu động cơ sử dụng dịch vụ internet banking của người tiêu dùng tại thành phố Đà Nẵng. Tạp chí đại học Đông Á. 2011;4:17-27. Google Scholar
  17. The Global Fintech Index City Rankings Report. The global Fintech Index. . 2020;:. Google Scholar
  18. Arner DW, Barberis JN, Buckley R. The evolution of Fintech: A new post-crisis Paradigm?. University of Hong Kong. 2015;:1-46. Google Scholar
  19. Freedman RS. Introduction to financial technology. Academic press. New York. 2006;:. Google Scholar
  20. Puschmann TF. Bus Inf Syst Eng. . 2017;59(1):69-76. Google Scholar
  21. Wilkie WL, Pessemier EA. Issues in marketing's use of multi-attribute attitude models. Journal of Marketing Research. 1973;10(4):428-441. Google Scholar
  22. Peter JP, Tarpey LX. A comparativeanalysis of three consumer decision strategies. Journal of Consumer Research. 1975;2(1):29-37. Google Scholar
  23. Fishbein M, Ajzen I. Belief, attitude, intention and behavior: An introduction to theory and research. Addison Wesley, Reading, MA. 1975;:. Google Scholar
  24. Jurison J. The role of risk and return in information technology outsourcing decisions. Journal of Information Technology. 1995;:. Google Scholar
  25. Kim DJ, Ferrin DL, Rao HR. Atrust-based consumer decision-making model in electronic commerce: The role of trust, perceived risk, and their antecedents. Decision Support Systems. 2008;44(2):544-564. Google Scholar
  26. Lee MC. Factors influencing the adoption of internet banking: An integration of TAM and TPB with perceived risk and perceived benefit. Electronic Commerce Research and Applications. 2009;8(3):130-141. Google Scholar
  27. Lee H, Park H, Kim J. Why do people share their context information on social network services? A qualitative study and an experimental study on users' behavior of balancing perceived benefit and risk. International Journal of Human-Computer Studies. 2013;71(9):862-877. Google Scholar
  28. Favivar S, Yuan Y. The dual perspective of social commerce adoption. Proceeding in SIGHCI 2014. 2014;:1-6. Google Scholar
  29. Melewar T, Alwi S, Tingchi Liu M, Brock JL, Cheng Shi G, Chu R, Tseng TH. Perceived benefits, perceived risk, and trust: Influences on consumers' group buying behaviour5-48.. Asia Pacific Journal of Marketing and Logistics. 2013;25(2):22. Google Scholar
  30. Benlian A, Hess T. Opportunities and risk of software as a service: Findings from a survey of IT executives. Decision Support Systems. 2011;52(1):232-246. Google Scholar
  31. Liu Y, Yang Y, Li H. A Unified risk-benefit analysis framework for investigating mobile payment adoption. Proceedings in International Conference on Mobile Business 2012. 2012;:. Google Scholar
  32. Abramova S., Bohme R.. Perceived benefit and risk as multidimensional determinants of Bitcoin use: A quantitative exploratory study. Proceedings in International Conference on Informantion Systems 2016. Dublin. 2016;1(20):. Google Scholar
  33. Kuo-Chuen DL, Teo EG. Emergence of FinTech and the LASIC principles. Journal of Financial Perspectives. 2015;3(3):24-36. Google Scholar
  34. Mackenzie A. The fintech revolution. London Business School Review. 2015;26(3):50-53. Google Scholar
  35. Gerber EM, Hui JS, Kuo, PY. Crowdfunding: Why people are motivated to post and fun projects on crowdfunding platforms. Proceedings in international workshop on design, influence, and social technologies: Techniques, impacts and Ethics. 2012;:. Google Scholar
  36. Lee E, Lee B. Herding behavior in online P2P lending: An empirical investigation. Electronic Commerce Research and Applications. 2012;11(5):495-503. Google Scholar
  37. Zavolokina L, Dolata M, Schwabe G. FinTech transformation: How IT-enabled innovations shape the financial sector. Proceedings in International Workshop on Enterprise Applications and Services in the Finance Industry. . 2016;:. Google Scholar
  38. Sharma S, Gutiérrez JA. An evaluation framework for viable business models for mcommerce in the information technology sector. Electronic Markets. 2010;20(1):33-52. Google Scholar
  39. Kim C, Mirusmonov M, Lee I. An empirical examination of factors influencing the intention to use mobile payment. Computers in Human Behavior. 2010;26(3):310-322. Google Scholar
  40. Okazaki S, Mendez F. Exploring convenience in mobile commerce: Moderating effects of gender. Computers in Human Behavior. 2013;29(3):1234-1242. Google Scholar
  41. Shen YC, Huang CY, Chu CH, Hsu CT. A benefit-cost perspective of the consumer adoption of the mobile banking system. Behaviour & Information Technology. 2010;29(5):497-511. Google Scholar
  42. Cunningham SM. The major dimensions of perceived risk. Risk Taking and Informantion Handling in Consumer Behavior. 1967;1:82-111. Google Scholar
  43. Forsythe S, Liu C., Shannon D, Gardne LC. Developmemt of a scale to measure the perceived benefits and risks of online shopping. Journal of Interactive Marketing. 2006;20(2):55-75. Google Scholar
  44. Schierz PG, Schilke O, Wirtz BW. Understanding consumer acceptance of mobile payment services: An empirical analysis. Electronic Commerce Research and Applications. 2010;9(3):209-216. Google Scholar
  45. Barakat A, Hussainey K. Bank governance, regulation, supervision, and risk reporting: Evidence from operational risk disclosures in European banks. International Review of Financial Analysis. 2013;30:254-273. Google Scholar
  46. Karahanna E, Straub DW, Chervany NL. Information technology adoption across time: A cross-sectional comparison of pre-adoption and post-adoption beliefs. MIS Quarterly. 1999;23(2):183-213. Google Scholar
  47. Rogers EM. Diffusion of innovations (4th ed.). The Free Press. New York. 1995;:. Google Scholar
  48. Anderson JC, Gerbing WD, Narayanan A. A comparison of two alternate residual goodness-of-fit indices. Journal of the Market Research Society. 1985;27(4):283-291. Google Scholar
  49. Trọng H., Ngọc N.M.. Phân tích dữ liệu nghiên cứu với SPSS. Nhà xuất bản Hồng Đức. 2008;:. Google Scholar
  50. Cành N.T.. Giáo trình Phương pháp và phương pháp luận Nghiên cứu khoa học kinh tế. Nxb Đại học Quốc gia Thành phố Hồ Chí Minh. 2004;:. Google Scholar


Author's Affiliation
Article Details

Issue: Vol 4 No 4 (2020)
Page No.: 974-996
Published: Oct 7, 2020
Section: Research article
DOI: https://doi.org/10.32508/stdjelm.v4i4.605

 Copyright Info

Creative Commons License

Copyright: The Authors. This is an open access article distributed under the terms of the Creative Commons Attribution License CC-BY 4.0., which permits unrestricted use, distribution, and reproduction in any medium, provided the original author and source are credited.

 How to Cite
Nguyen, M., Hua Le, B., & Le, V. (2020). Perceiving benefit – risk and Fintech users’ continuance intention in Ho Chi Minh City. Science & Technology Development Journal: Economics- Law & Management, 4(4), 974-996. https://doi.org/https://doi.org/10.32508/stdjelm.v4i4.605

 Cited by



Article level Metrics by Paperbuzz/Impactstory
Article level Metrics by Altmetrics

 Article Statistics
HTML = 7245 times
Download PDF   = 2678 times
View Article   = 0 times
Total   = 2678 times