ปัจจัยเชิงสาเหตุและตัวแบบการยอมรับเทคโนโลยีการชำระเงินอิเล็กทรอนิกส์ของนักศึกษาเจเนอเรชันซี (GENERATION Z) กรณีศึกษาจังหวัดอุดรธานี
Article Sidebar
Main Article Content
บทคัดย่อ
วัตถุประสงค์ของงานวิจัยนี้คือ 1) เพื่อศึกษาอิทธิพลการคล้อยตามกลุ่มอ้างอิง การรับรู้ความง่ายในการใช้งาน และการรับรู้ประโยชน์ ที่มีผลต่อการยอมรับเทคโนโลยีการชำระเงินอิเล็กทรอนิกส์ของนักศึกษาเจเนอเรชันซี ในจังหวัดอุดรธานี และ 2) เพื่อยืนยันตัวแบบความสัมพันธ์เชิงโครงสร้างในบริบทของนักศึกษาเจเนอเรชันซี ในจังหวัดอุดรธานี เก็บรวบรวมข้อมูลด้วยแบบสอบถามจากกลุ่มตัวอย่างนักศึกษาเจเนอเรชันซี ในสถาบันการศึกษา 9 แห่ง จังหวัดอุดรธานี จำนวน 400 คน ด้วยวิธีสุ่มแบบหลายขั้นตอน วิเคราะห์ข้อมูลด้วยสถิติเชิงพรรณนาและการวิเคราะห์โมเดลสมการเชิงโครงสร้าง ผลการวิจัยพบว่า ปัจจัยที่มีอิทธิพลต่อต่อการยอมรับเทคโนโลยีการชำระเงินอิเล็กทรอนิกส์ของนักศึกษาเจเนอเรชันซี ในจังหวัดอุดรธานี มีความสอดคล้องกับข้อมูลเชิงประจักษ์โดยแสดงความสัมพันธ์ 1) การคล้อยตามกลุ่มอ้างอิง 2) การรับรู้ความง่ายในการใช้งาน และ 3) การรับรู้ประโยชน์ ได้รับอิทธิพลทางตรงเชิงบวกจากการยอมรับเทคโนโลยีการชำระเงินทางอิเล็กทรอนิกส์ ซึ่งในโมเดลทั้งหมดสามารถอธิบายค่าสัมประสิทธิ์พยากรณ์ (R2) เท่ากับ ร้อยละ 51.70 ซึ่งแปลผลตัวแปรอิสระได้ว่า การคล้อยตามกลุ่มอ้างอิง มีอิทธิพลมากที่สุดต่อการยอมรับเทคโนโลยีการชำระเงินทางอิเล็กทรอนิกส์ รองลงมา คือ การรับรู้ประโยชน์ และการรับรู้ความง่ายในการใช้งาน
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความที่ได้รับการตีพิมพ์เป็นลิขสิทธิ์ของคณะวิทยาการจัดการ มหาวิทยาลัยราชภัฏอุดรธานี
ข้อความที่ปรากฏในบทความแต่ละเรื่องในวารสารวิชาการเล่มนี้
ไม่ใช่ความคิดเห็นและความรับผิดชอบของผู้จัดทำ บรรณาธิการ กองบรรณาธิการ และคณะวิทยาการจัดการ มหาวิทยาลัยราชภัฏอุดรธานี ความรับผิดชอบด้านเนื้อหาและการตรวจร่างบทความแต่ละเรื่องเป็นความคิดเห็นของผู้เขียนบทความแต่ละท่าน
เอกสารอ้างอิง
กมณทิพย์ ชูประทีป, เสาวนีย์ สิทธิโชติ, อรชุมา มูลศรี, สุพักตร์ มะกุล, และพีระนันท์ คำบอนพิทักษ์. (2568). ปัจจัยเชิงสาเหตุที่ส่งผลต่อความตั้งใจใช้เทคโนโลยีการชำระเงินผ่าน QR Code ของผู้บริโภคเจเนอเรชั่นซี. วารสารวิทยาการจัดการ มหาวิทยาลัยราชภัฏอุดรธานี, 7(4), 1–11.
กระทรวงดิจิทัลเพื่อเศรษฐกิจและสังคม. (2565). ผลการสำรวจพฤติกรรมการใช้อินเตอร์เน็ตของคนไทยปี 2565 Thailand Internet User Behavior 2022. สืบค้นเมื่อ 2 มีนาคม 2569, จาก https://www.etda.or.th/th/Our-Service/statistics-and-information.aspx
ทวีวรรณ คงมณีชัชวาล, และถนอมศักดิ์ สุวรรณน้อย. (2565). การสร้างแบบจำลองที่ผู้บริโภคเลือกชำระค่าสินค้าและบริการด้วย QR Code Payment ผ่านสมาร์ทโฟน: กรณีศึกษากรุงเทพมหานครและปริมณฑล. วารสารดุษฎีบัณฑิตทางสังคมศาสตร์, 12(1), 41–56.
ธนาคารแห่งประเทศไทย. (2566). โครงการสำรวจพฤติกรรมการชำระเงินประชาชน โดยการบันทึกการใช้จ่ายประจำวัน (Payment Diary) ประจำปี 2566. สืบค้นเมื่อ 22 มีนาคม 2569, จาก https://www.bot.or.th/content/dam/bot/documents/th/research-and-publications/research/payment-research/Occasional-Paper-2023-Website.pdf
ธนาคารแห่งประเทศไทย. (2568). ทิศทางการพัฒนาระบบการชำระเงินภายใต้ภูมิทัศน์การเงินไทย. สืบค้นเมื่อ 15 เมษายน 2569, จาก https://www.bot.or.th/th/news-and-media/news/news-20250930.html
ประสพชัย พสุนนท์. (2558). ความเที่ยงตรงของแบบสอบถามสำหรับงานวิจัยทางสังคมศาสตร์. วารสารสังคมศาสตร์ มหาวิทยาลัยศรีนครินทรวิโรฒ, 18(18), 375–396.
รัฐชัย ศีลาเจริญ. (2568). ปัจจัยที่ส่งผลต่อความตั้งใจใช้งานโมไบล์แบงก์กิ้งอย่างต่อเนื่อง. Chulalongkorn University Theses and Dissertations (Chula ETD). สืบค้นเมื่อ 11 พฤษภาคม 2569, จาก https://digital.car.chula.ac.th/chulaetd/75436/
ศุภกฤต ปิติพัฒน์. (2565). แรงจูงใจที่ส่งผลต่อความตั้งใจซื้อสินค้าเสมือนในเกมออนไลน์ของผู้บริโภคเจเนอเรชันซี. วารสารเศรษฐศาสตร์และกลยุทธ์การจัดการ, 9(1), 180–197.
Ajzen, I. (1991). The theory of planned behavior. Organizational Behavior and Human Decision Processes, 50(2), 179–211. https://doi.org/10.1016/0749-5978(91)90020-T
Ariyaphanphitak, P. (2025). A study of consumer behaviors and barriers to the use of digital payment systems in Bangkok. Journal of Dhamma for Life, 31(4), 127–143.
Bentler, P. M., & Chou, C.-P. (1987). Practical issues in structural modeling. Sociological Methods & Research, 16(1), 78–117. https://doi.org/10.1177/0049124187016001004
Bollen, K. A. (1989). Structural equations with latent variables. Wiley.
Budrak, K., Kittinorarat, J., & Kachawangsri, A. (2024). The influence of technology acceptance on the intention to use online banking applications for financial transactions among Generation B users in Bangkok, Thailand. Asian Interdisciplinary and Sustainability Review, 13(2), 112–120.
Cortina, J. M. (1993). What is coefficient alpha? An examination of theory and applications. Journal of Applied Psychology, 78(1), 98–104. https://doi.org/10.1037/0021-9010.78.1.98
Daragmeh, A., Lentner, C., & Sagi, J. (2021). Fintech payments in the era of COVID-19: Factors influencing behavioral intentions of “Generation X” in Hungary to use mobile payment. Journal of Behavioral and Experimental Finance, 32, Article 100574.
Davis, F. D. (1985). A technology acceptance model for empirically testing new end-user information systems: Theory and results [Doctoral dissertation, Massachusetts Institute of Technology]. MIT DSpace. https://dspace.mit.edu/handle/1721.1/15192
Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319–340. https://doi.org/10.2307/249008
Davvetas, V., Diamantopoulos, A., Zaefarian, G., & Sichtmann, C. (2020). Ten basic questions about structural equations modeling you should know the answers to—but perhaps you don’t. Industrial Marketing Management, 90, 252–263.
DeVellis, R. F. (2017). Scale development: Theory and applications (4th ed.). SAGE Publications.
Diamantopoulos, A., & Siguaw, J. A. (2000). Introducing LISREL: A guide for the uninitiated. SAGE Publications. https://doi.org/10.4135/9781849209359
Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39–50. https://doi.org/10.1177/002224378101800104
Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2014). Multivariate data analysis (7th ed.). Pearson Education.
Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate data analysis (8th ed.). Cengage.
Hayduk, L. A., & Littvay, L. (2012). Should researchers use single indicators, best indicators, or multiple indicators in structural equation models? BMC Medical Research Methodology, 12, Article 159.
Jöreskog, K. G., & Sörbom, D. (1993). LISREL 8: User’s reference guide. Scientific Software International.
Kelloway, E. K. (2015). Using Mplus for structural equation modeling: A researcher’s guide. Sage Publications.
Kline, R. B. (2011). Principles and practice of structural equation modeling (3rd ed.). Guilford Press.
Kline, R. B. (2016). Principles and practice of structural equation modeling (4th ed.). Guilford Press.
Nunnally, J. C. (1978). Psychometric theory (2nd ed.). McGraw-Hill.
Saetim, S. (2020). Factors influencing mobile banking adoption of students in Prince of Songkla University, Trang Campus. Silpakorn University Journal, 40(4), 68–85.
Schumacker, R. E., & Lomax, R. G. (2010). A beginner’s guide to structural equation modeling (3rd ed.). Lawrence Erlbaum Associates.
Worthington, R. L., & Whittaker, T. A. (2006). Scale development research: A content analysis and recommendations for best practices. The Counseling Psychologist, 34(6), 806–838. https://doi.org/10.1177/0011000006288127
