Research Report on Web Banking Usability

Description
To access a financial institution's online banking facility, a customer having personal Internet access must register with the institution for the service, and set up some password (under various names) for customer verification.

Impact of Web Banking Usability on Community Bank Performance:  A Heuristic Evaluation of Community Bank Website Homepages 
Srinivasa Rao Lingam  Master of Computing Studies  Division of Computing Studies  Arizona State University  [email protected]
Abstract—This research study attempts to study the impact of  usability  of  community  banks’  Web  banking  efforts  on  their  performance  through  heuristic  evaluation  of  their  Web  site  homepages.  The  homepages  were  evaluated  and  a  measure  of  their usability is developed which we term usability index. This  usability index is regressed against bank performance indicators  along with other explanatory variables. Based on the sample, the  results show that (1) the asset size of banks has no impact on the  usability  of  the  homepages  of  Web  sites,  and  (2)  the  impact  of  usability  of  bank  Web  site  homepages  on  bank  performance  is  insignificant  as  a  result  of  which  no  meaningful  and  reliable  conclusions  can  be  drawn.  It  may  be  that  Web  usability  in  community  banking  sector  is  not  mature  enough  to  have  significant  impact  on  performance.  However,  on  cross  examining the data it is found that more efficient banks tend to  maintain  quality  Web  sites  that  have  higher  usability  index  though higher usability index is not leading to higher efficiency.  Key  Words—Community  Banks,  Web  Banking,  Web  Usability, Heuristic Evaluation, Profit Efficiency. 

community  banks’  implementing  Web  banking  as  a  critical  success factor in the banks’ business model and revealed that  Web  banking  activities  have  significant  positive  impact  on  the  banks’  return  on  assets  (ROA)  and  return  on  equity  (ROE)  and  improves  the  asset  quality  by  identifying  non­  performing  loans.  Further,  increasing  Information  Technology (IT) costs reduce ROA and ROE but improve the  loan  quality.  This  research  study  is  a  sequel  to  our  previous  work  [3]  –  [6]  and  attempts  to  study  the  impact  of  usability  (user  experience  derived  from  the  usability)  of  community  banks’ Web banking efforts, particularly homepages, on their  performance  through  heuristic  evaluation  of  their  Web  site  homepages.  A.  Statement Of The Problem  This  project  intends to evaluate the impact of the usability  of  homepages  of  bank  Web  sites  on  their  financial  performance.  To  this  effect,  the  problem  statement  has  two  parts:  (1)  Do  banks  having  greater  asset  size  have  more  usable homepages (or Web sites)? This helps determine if the  investment of resources in the usability of Web sites is driven  by asset size. (2) Do banks having more usable homepages (or  Web  sites),  as  indicated  by  a  higher  compliance  rate  to  usability  design  guidelines,  show  more  profitability  or  perform  better  than  competing  banks  with  less  usable  homepages  because  of  the  usability  of  their  homepages  (or  Web  sites)?  Alternately,  does  usability  have  an  effect  on  financial  performance  of  a  bank?  This  helps  determine  if  there  is  a  payoff  from  the  investment  of  resources  in  the  usability of Web sites and their homepages.  B.  Research Objectives  The specific research objectives of this study are to: ·  Conduct  heuristic  evaluation  of  the  Web  site  homepages of the community banks under study to  assess  their  compliance  with  the  homepage  usability  design  guidelines  and  use  the  data  to  develop  a  measure  that  represents  the  overall  usability of the homepages? ·  Collect relevant financial performance data for the  sample  community  banks  from  the  Consolidated  Report  of  Condition  and  Income  (“Call  Reports”)  filed  by  the  banks  with  the  Federal  Deposit 

I.  INTRODUCTION  Community  banks  historically  had  a  strategic  advantage  over  large  regional  and  national  banks  in  providing  loans  to  small  and  medium­sized  businesses  especially  in  non­metro  areas.  However,  recent  innovations  in  the  use  of  communication and information technology, the deregulation  of  the  banking  sector,  and  an  increasing  use  of  electronic  banking  products  (Internet  banking)  have  altered  the  community  banker­local  merchant  relationship.  These  developments  have  increased  the  competition  from  large  commercial  banks  in  the  small  business  lending  markets,  which  were  mainly served  by  the  community  banks  [1],  [2].  As a result, community banks started implementing electronic  commerce  (EC)  activities,  particularly  Internet  (online  or  Web)  banking  applications,  as  a  strategic  measure  to  withstand  competition  to  remain  viable  market  players  and  gain  market  share.  Community  banks  started  implementing  Web  sites  around  1997  as  simple  information  tools  but  a  majority of them implemented online banking applications on  their Web sites during the three­year period 2001 to 2003.  Our  previous  work  [3]  –  [6]  assessed  the  strategy  of  the 

1

· 

Insurance Corporation (FDIC)? and Analyze  the  bank  level  performance  with  appropriate  econometric  modeling  techniques  using  data  pertaining  to  the  usability  measure  developed  in  step  1  as  an  explanatory  variable  of  primary  interest,  along  with  other  explanatory  variables  formed  from  financial  performance data  collected  in  step  2,  in  an  attempt  to  assess  the  impact  of  usability  of  homepages  on  the  specific  financial performance measures of banks. 

C.  Scope  The  study  includes  sample  community  banks  insured  by  FDIC  in  the  upper  Midwest  and  Southwest  regions  of  U.S.  covering Arizona, Iowa, Minnesota, Montana, North Dakota,  South  Dakota  and  Texas  due  to  the  preponderance  of  traditional unit banks and community banks in these regions.  This  study  covers  the  usability  of  homepages  alone  as  evaluated  with  a  limited  set  of  homepage  usability  design  guidelines, but not the entire Web sites.  1)  Assumptions:  The  main  assumptions  in  this  research  concern the benefits of Web banking activities for community  banks. Web banking is assumed to be a critical success factor  for  community  banks  in  withstanding  competition  to  stay  in  business. Web banking is assumed to bring new markets and  an emerging customer base to the community banks and help  retain  customers  as  opposed  to  the  traditional  brick­and­  mortar  banking  model.  Above  all,  to  successfully  sustain  the  Web  banking  activities  in  the  long­run,  the  Web  sites  and  their homepages must be usable for the masses.  2)  Limitations:  The  use  of  EC  in  community  banking  is  continuously  evolving  and  design  of  the  Web  sites  and  Web  banking  applications  and  features  on  the  Web  sites  change  from  time  to  time.  However,  this  study  takes  a  snap  shot  of  the  usability  of  the  design  and  content  of  homepages  of  community  banks  at  just  one  point  of  time.  As  a  result,  the  usability  of  homepages  of  bank  Web  sites  could  only  be  evaluated  against  the  financial  performance  data  for  the  current observation period, rather than the entire time period  of Web banking implementation.  II.  REVIEW OF LITERATURE  EC  technology  is  the  new  delivery  channel  in  banking  designed to reach bank customers efficiently. For community  banks,  using  technology  in  relationship  banking  assumes  greater  importance  as  these  local  banks  have  traditionally  based  their  business  model  on  relationship  banking.  This  section  reviews  relevant  literature  and  previous  research  pertaining  to  the  role  played  by  information  and  communication  technology  in  the  evolution  of  community  banking  as  well  as  the  importance  of  usability  of  these  EC  initiatives  (especially  Web  banking)  to  reap  the  real  benefits  that accrue from their implementation in the long­run. 

A.  EC Technology In Community Banking  My  previous  work  [6]  presented  the  usage  and  role  of  EC  technology  in  the  history  and  evolution  of  community  banking  over  the  last  three  decades  in  the  midst  of  deregulation in the banking industry, innovations in financial  services,  technological  advances,  increased  competitive  rivalry,  changing  industry  structure,  and  changing  business  models  and  business  processes  which  have  profoundly  affected  the  size  and  health  of  the  U.S.  community  banking  sector  and  the  availability  and  quality  of  banking  products  and  services.  The  banking  and  non­banking  activities  that  were implemented using EC, especially Web banking, and the  benefits  accrued  have  been  discussed.  The  vital  importance,  role,  and  usage  of  technology  in  improving  efficiency  and  productivity  in  the  traditional  relationship  banking  model  of  community  banks  has  been  discussed.  The  issues  of  privacy,  transaction  and  information  security,  customer  satisfaction,  loyalty,  and  trust  in  the  online  relationship  banking  environment have been discussed.  B.  Impact Of Web Banking Activities  Except  for  the de  novo  (i.e.,  new)  banks, banks in all size  categories  offering  Internet  banking  tend  to  rely  less  on  traditional  banking  (interest­yielding  activities  and  deposits)  than  do  non­Internet  banks,  and  outperform  non­Internet  banks in terms of profitability. Internet de novo banks tend to  be less efficient and less profitable than non­Internet de novo  banks. For most banks, the low percentage of customers using  Internet  banking  and  the  relatively  modest  cost  of  setting  up  an  Internet  banking  Web  site  makes  it  unlikely  that  Internet  banking  is  having  a  noticeable  impact  on  firm  profits.  However, the largest and smallest banks may be exceptions to  this.  Large  commercial  banks  have  a  disproportionately  sizeable  share  of  Internet  banking  usage.  For  small  banks  with  less  than  $100  million  assets  and  de  novo  banks,  Internet  banking  could  be  a  primary  reason  for  their  lack  of  profitability if they rely more on an Internet­based strategy as  the  costs  of  offering  Internet  banking  may  be  significant,  if  not prohibitive, for these banks [7]. Though bank profitability  is  strongly  correlated  with  Internet  banking,  the  impact  of  Internet  banking  on  bank  profitability  is  not  statistically  significant.  Apparently  banks  that  adopted  Internet  banking  already  had  higher  profitability,  accounting  efficiency,  and  scale than other banks [8] – [10].  Our previous work assessed the strategy of the community  banks’ implementing Web banking as a critical success factor  in the banks’ business model and revealed that Web banking  activities have significant positive impact on the banks’ ROA  and  ROE  and  improves  the  asset  quality  by  identifying  non­  performing  loans.  Further,  increasing  IT  costs  reduce  ROA  and  ROE  but  improve  the  loan  quality.  Their  results  show  that  community  banks  that  provide  extensive  online  banking  services tend to perform better (approximately 3 percent more  profit  efficient)  than  competitors  who  lag  behind.  These

2 

results  indicate  that  online  banking  is  an  important  strategic  option  for  competitive  positioning  of  community  banks.  The  implementation  of  a  wide  array  of  Web­based  products  by  community  banks  allows  them to compete for customers that  may  traditionally  be  outside  the  “local”  market.  As  the  level  of  demand  and  customer  affinity  to  Web­based  banking  services  increases,  the  community  banks  should  design  a  product mix that improves profit efficiency while engendering  enhanced customer service quality. Such a strategic direction  will expand the customer base of the firm in general and the  market  segment  that  is  requiring  robust  online  services  in  particular.  However,  the  impact  of  Web  sites  and  Web  banking  applications on the banks’ performance can be expected to be  more pronounced in the long­run if these Web sites are more  usable  for  the  masses  because  more  usable  Web  sites  attract  and retain more customers in the long­run thereby increasing  revenues,  reducing  customer  support  costs  [11],  and  increasing  profits.  The  current  research  study  is  a  sequel  to  our previous work [3] – [6] and attempts to study the impact  of  usability  (user  experience  derived  from  the  usability)  of  community banks’ Web banking efforts on their performance  through heuristic evaluation of their Web site homepages.  C.  Usability Of Web Sites And Web Applications  Now  that  most  banks  have  already  established  themselves  on the Web, competition on the Web is bound to increase and  banks  will  have  to  focus  on  the  usability  of  their  Web  sites  and  Web  banking  applications  in  order  for  their  Web  activities to sustain competition on the Web and payoff in the  long­run.  At the strategic level, usability is a prerequisite for  EC  success  among  other  things  as  sites  cannot  sell  unless  people  can  find  easily  what  they  are  looking  for  [12].  The  Web  sites  should  provide  a  truly  usable  environment  that  supports  users’  goals  and  maximizes  companies’  return  on  investments [13], [14].  Usability  is  defined  as  a  multi­dimensional  property  of  a  user  interface  and  is  traditionally  associated  with  the  five  quality attributes: (1) Learnability. The system should be easy  to learn so that users can rapidly start getting some work done  with  the  system?  (2)  Efficiency.  The  system  should  be  efficient  to  use  so  that  a  high  degree  of  productivity  is  possible once users learned the system? (3) Memorability. The  system  should  be  easy  to remember so that a casual user can  return  to  the  system  after  some  period  of  not  having  used it,  without having to learn everything all over again? (4) Errors.  The system should have low error rate so that users make few  errors  when  they  use  the  system  and  if  they  do  make  errors  they  can  easily  recover  from  them.  (5)  Satisfaction.  The  system  should  be  pleasant  to  use  so  that  users  are  satisfied  when  using  it  [11],  [14].  From  this  definition  it  is  clear  that  usability  and  user­centered  design  are  so  critical  that  Web  sites  design  warrants  a  lifecycle  approach,  with  appropriate  steps  taken in each development phase of the sites, to ensure 

their usability [11].  Web  usability is  more  important  than  ever  before  because  of  increased  competition.  For  the  Web  sites,  usability  is  critical for success because customers cannot purchase unless  they find what they want [14]. For the customers, the Web is  an  empowering  environment  where  one  can  buy  or  leave  for  competitor  sites  with  just  a  click.  Moreover,  competition  on  the  Web  is  not  limited  to a  single  industry because  of  cross­  selling  and  competition  for  the  users’  time  and  attention.  Further, Web users form their expectations for usability based  on the usability of the best of all the other sites that they visit  [15].  This  is  true  even  in  the  banking  industry  after  the  deregulation  act  as  many  types  of  financial  institutions  are  aggregating  an  array  of  overlapping  services,  especially  on  their Web sites, in an attempt to attract and retain customers.  In  the  network  economy,  the Web  site  is  a  firm’s  primary  interface  to  the  customer  [15].  Web  design  needs  to  cater  to  the masses that have less experience on the Web. Rarely can a  site  be  successful  if  it  is  aimed  at  more advanced  Web  users  [14],  [16].  Design  flaws  and  non­standard interaction design  lead to lost customers and sales [14], [15], [17]. Branding and  unique design of Web sites may give a temporary advantage,  but  usability  is  a  must  for  having  sustained  advantage.  As  more sites recognize the need for simplicity and user­centered  design to earn the users’ business and loyalty to be successful,  the usability barrier will be lowered [14].  Community  banks  do  not  have  the  scale  and  resources  to  match  large  commercial  banks  in  their  IT  investments  and  product  offerings.  Fortunately,  usability  has  the  potential  to  act  as  a  great  equalizer  of  competition  [18]  putting  community  banks  on  equal  footing  with  large  commercial  banks  to  compete  for  non­local  customers.  Therefore,  community  banks  should  emphasize  on  the  usability  of  their  Web sites and the limited Web banking applications that they  offer.  D.  Usability Of Homepages Of Web Sites  The  homepage  is  the  most  important  page  on  a  Web  site  acting  as  a  company’s  face  to  the  world  and  getting  more  page  views  than  any  other  page.  Firms  spend  millions  of  dollars  in  designing  homepages  and  the  impact  of  the  homepage on a company’s profits is beyond simple measures  of revenues. The homepage must make a sound impression to  draw  the  attention  of  visitors  and  communicate  where  they  are and where they can go in the site. At the same time, Web  design is interaction design, and the role of homepages in the  user experience that follows after entering the site is the key.  The  most  critical  role  of  the  homepage  is  to  communicate  what  the  company  is,  the  value  the  site  offers  over  the  competitors and the physical world, and the products/services  offered.  Users  are  often  overwhelmed  by  homepages  that  do  not  clearly  convey  their  options.  If  they  cannot  understand  a  homepage in about 10 seconds, they abandon the site and turn

3 

to  sites  that  are  more  usable [12].  Such  is  the importance  of  homepage usability that the abundance of choice and the ease  of  going  elsewhere  with  just  a  click  demand  to  make  it  extremely  easy  to  enter  a  site  [19].  Web  banking  customers  are  no  exception  to  this  as  the  cost  of  switching  online  to  a  new  bank  is  relatively  low  as  many  banks  and  financial  institutions  provide  a  broad  array  of  services,  which  covers  almost everything an average customer needs, over the Web.  A  homepage  serves  as  the  portal  to  the  site.  Because  the  primary  purpose  of  a  homepage  is  to  facilitate  navigation  in  the site, it is critical that users be able to find the appropriate  navigation area effortlessly, differentiate between the choices,  and  understand  what  lies  beneath  the  links.  The  navigation  area should also reveal the most important content of the site  so  that  users  understand  the  content  of  the  top­level  categories.  So,  the  challenge  is  to  design  a  homepage  that  allows  access  to  all  important  features  without  cramming  them  onto  the  page  itself  which  can  be  achieved  through  focus,  clarity,  and  understanding  of  users’  goals  [13].  Therefore,  homepage  design  decisions  have  impact  on  their  usability and better usability of homepage is indispensable.  Jakob’s  Law  of  the  Internet  User  Experience  [14]  states  that Web users spend most of their online time on other sites  than on any one site. This law implies the need for Web sites  to follow design conventions to be more usable because users  generally  visit  a  large  number  of  other  Web  site  homepages  and  form  a  general  mental  model  of  the  way  homepages  should  work  based  on  their  experiences  on  these  other  sites.  Because  the  decision  to  stick  or  leave  a  Web  site  is  often  made  at  the  homepage,  the homepage needs to communicate  immediate  value  and  enable  users  to  find  things  relevant  to  what  they  are  looking  for  within  25  to  35  seconds  which  implies  that  the  homepage  has  to  follow  standard  user  interface design conventions [13], [14].  Strategically,  most  community  banks  have  a  click­and­  mortar business model as they view the Internet as a delivery  channel  that  complements  traditional  brick­and­mortar  branches,  ATMs,  and  telephone  banking  call  centers  in  delivering  banking  services.  Such  a  hybrid  EC  strategy  has  synergistic  opportunities  if  the  online  and  offline  operations  collaborate [12]. By following appropriate usability guidelines  on  the  homepage  to communicate the hybrid  EC strategy, as  opposed  to  branding  the  Web  site  as  a  different  entity  from  the  bank,  it  is  possible to  present  a  unified  face  of  the  bank,  build trust, and exploit the synergistic opportunities [13].  The  existing  literature  talks  about  the  importance  of  the  usability of the Web sites and homepages. This research study  intends  to  quantify the  impact  of  the usability  of  homepages  on the performance of community banks.  III.  HOMEPAGE USABILITY DESIGN GUIDELINES  The Web is dynamic and designing Web sites for usability  has no established axioms. The design features, either good or  bad  for  usability,  implemented  by  Web  sites  visited  by  4 

majority of people tend to become accepted guidelines within  a  particular  industry.  Based  on  extensive  user  tests  on  homepages observing what makes the homepages pass or fail  user  scrutiny,  Jakob  Nielsen  and  Marie  Tahir  [13]  proposed  113 design guidelines to ensure usability of homepages of EC  Web sites. However, not all of these guidelines are applicable  to  Web  sites  operating  in  the  banking  industry.  Because  of  time  and  resource  constraints,  a  subset  of  the  applicable  homepage usability design guidelines to banking industry has  been  chosen  to  evaluate  the  homepages  of  the  sample  community  banks  under  study.  This  subset  containing  32  usability  guidelines  fall  under  five  categories  namely  Communicating  the  site’s  purpose,  Communicating  information  about  the  company,  Content  writing,  Revealing  content  through  examples,  and  Archives  and  accessing  past  content  as  discussed  below.  These  five  categories  have  been  chosen  because  of  their  greater  strategic  importance  to  any  Web site to be successful in the long­run and, as a first step in  the immediate short term, to quickly help users identify what  the  site  is  about  and  make  them  stick  to  the  homepage  for  a  little longer if the site matches the users current needs thereby  increasing  the  chance  of  a  sale.  The  remaining  usability  guidelines  appear  to  be  more  of  tactical  nature  having  implementation importance to help users complete their tasks  in an easy and efficient way.  A.  Communicating The Site’s Purpose  Communicating  the  site’s  purpose  is  of  utmost  strategic  importance  as  the  homepage  is  the face of the Web presence  of  a  company.  In  a  short  glance  the  homepage  must  communicate  where  users  are,  what  the  company  does,  and  what products/services are available over the site. In order to  communicate  well,  homepages  must  give  appropriate  emphasis  to  both  branding  and  high­priority  tasks.  The  homepage  must  also  have  a  memorable  and  distinct  look,  so  that  users  can  recognize  it  as  their  starting  place  when  coming  from  any  other  part  of  the  site  [13].  The  usability  design guidelines evaluated under this category are: ·  Show the company name and/or logo in a reasonable  size and noticeable location. ·  Include  a  tag  line  that  explicitly  summarizes  what  the site or company does. ·  Emphasize  what  your  site  does  that's  valuable  from  the  user's  point  of  view,  as  well  as  how  you  differ  from key competitors. ·  Emphasize  the  highest  priority  tasks  so  that  users  have a clear starting point on the homepage. ·  Clearly  designate  one  page  per  site  as  the  official  homepage. ·  On your main company Web site, don't use the word  “Web site” to refer to anything but the totality of the  company's web presence. ·  Design the homepage to be clearly different from all  the other pages on the site.

B.  Communicating Information About The Company  Business  Web  sites  providing  products/services  need  to  provide a clear way to find information about their company.  Providing information about the company gives credibility to  the  site  and  establishes  trust  with  the  users/customers  who  sometimes  visit  Web  sites  with  the  sole  purpose  of  getting  information  about  the  company  [13].  Trust  is  a  very  important  issue in banking and financial services industry as  it  deals  with  the  whole  financial  security  of  the  customers.  The usability design guidelines evaluated under this category  are: ·  Group  corporate  information,  such  as  About  Us,  Investor  Relations,  Press  Room,  Employment  and  other information about the company, in one distinct  area. ·  Include  a  homepage  link  to  an  “About  Us”  section  that gives users an overview about the company and  links  to  any  relevant  details  about  your  products,  services,  company  values,  business  proposition,  management team, and so forth. ·  If  you want to get press coverage for your company,  include  a  “Press  Room”  or  “News  Room”  link  on  your homepage. ·  Present  a  unified  face to  the  customer,  in which the  Web  site  is  one  of  the  touchpoints  rather  than  an  entity unto itself. ·  Include  a  “Contact  Us”  link  on  the  homepage  that  goes  to  a  page  with  all  contact  information for your  company. ·  If  you  provide  a  “feedback”  mechanism,  specify  the  purpose  of  the  link  and  whether  it  will  be  read  by  customer service or the webmaster, and so forth. ·  Don't  include  internal  company  information  (which  is  targeted  for  employees  and  should  go  on  the  intranet) on the public Web site. ·  If  your  site  gathers  any  customer  information,  include a “Privacy Policy” link on the homepage.  C.  Content Writing  Content  is  the  king  on  the  Web  as  people  visit  Web  sites  for  their  content  and  not  design.  Therefore,  effective  content  writing  is  one  of  the  most  critical  aspects  of  Web  design.  Most  users  scan  online  content,  rather  than  carefully  read  line­by­line.  So,  online  content  must  be  optimized  for  scannability  and  drafted  to  convey  maximum  information  in  minimum  words.  Scannable  content  is  especially  important  for homepages where the greatest number of topics have to be  represented in a single and short page in an effective way and  still  capture  and  hold  the  users’  interest  [13].  The  usability  design guidelines evaluated under this category are: ·  Use  customer­focused  language.  Label  sections  and  categories  according  to  the  value  they  hold  for  the  customer,  not  according  to  what  they  do  for  your  company. 5 

·  · 

·  ·  ·  · 

· 

· 

·  ·  · 

Avoid redundant content. Don't  use  clever  phrases  and  marketing  lingo  that  make people work too hard to figure out what you're  saying. Use  consistent  capitalization  and  other  style  standards. Don't  label  a  clearly  defined  area  of  the  page  if  the  content is sufficiently self­explanatory. Avoid  single­item  categories  and  single­item  bulleted lists. Use  non­breaking  spaces  between  words  in  phrases  that need to go together in order to be scannable and  understood. Only  use  imperative  language  such as “Enter a City  or  Zip  Code”  for  mandatory  tasks,  or  qualify  the  statement appropriately. Spell  out  abbreviations,  initialisms,  and  acronyms,  and immediately follow them by the abbreviation, in  the first instance. Avoid exclamation marks. Use  all  uppercase  letters  sparingly  or  not  at  all  as  a  formatting style. Avoid using spaces and punctuation inappropriately,  for emphasis. 

D.  Revealing Content Through Examples  Showing examples of the site’s content on the homepage is  an  effective  way  of  communicating  the  actual  content  of  interest  to  the  users.  Example  content  can  help  instantly  communicate  what  the  site  is  about and whether the site can  meet  the  current  needs  of  the  user.  The  primary  benefit  of  using  examples  is  that  they  can  help  users  successfully  differentiate  between  categories  and  navigate  because  they  show the actual content beneath the abstract category names.  Using  examples  effectively,  a  site  can  reveal  the  breadth  of  products  or  content  offered.  Specific  examples  can  stimulate  users’  interest  more  than  the  abstract  category  names  provided in the main navigation apparatus [13]. The usability  design guidelines evaluated under this category are: ·  Use examples to reveal the site's content, rather than  just describing it. ·  For  each  example,  have  a  link  that  goes  directly  to  the  detailed  page  for  that  example,  rather  than  to  a  general category page of which that item is a part. ·  Provide  a  link  to  the  broader  category  next  to  the  specific example. ·  Make sure it's obvious which links lead to follow­up  information  about  each  example  and  which  links  lead  to  general  information  about  the  category  as  a  whole.  E.  Archives And Accessing Past Content  It  is  important  and  useful  to  have  an  archives  section  to  store content that has recently been moved off the homepage.

Homepage is the place where the most important information  in the Web site is featured. Often, important developments at  the  bank  such  as  introduction  of  new  products/services,  promotions  are  featured  on  their  homepage.  Therefore,  having  an  archive  section  for  the  past  homepage  content  helps  the  existing  as  well  as  new  customers,  who  can  get  to  know  what  the  bank  has  offered  or  communicated  to  the  customers  in  the  past  that  is  still  valid  and  relevant  to  them  [13].  The  usability  design  guideline  evaluated  under  this  category  is:  Make  it  easy  to  access  anything  that  has  been  recently  featured  on  your  homepage,  for  example,  in the last  two  weeks or month, by providing a list of recent features as  well as putting recent items into the permanent archives.  The  homepages  of  the  sample  community  banks  were  evaluated to find the compliance rate of each bank homepage  to  the  above  mentioned  32  usability  design  guidelines  from  the  five  categories.  This  usability  compliance  rate,  termed  Usability Index, is a measure of the degree of usability of the  bank Web site homepages.  Web site features, products, and services provided by firms  vary from industry to industry as revealed by [20]. Within an  industry, certain features are more valuable than others to the  customers  and  have  more  impact  on  the  performance  of  the  Web  site  as  a  delivery  channel.  Therefore,  the  usability  guidelines  to  provide  and  evaluate  these  Web  features,  products, and services also differ with industry. The usability  guidelines  selected  in  this  study  are  applicable  to  banking  Web  sites.  The  following  methods  section  addresses  the  methods  by  which  the  data  has  been  collected  for  the  homepage usability guidelines in this study.  IV.  METHODS  The objective of this study is to examine the usability of the  homepages  of  the  sample  community  bank  Web  sites  as  defined  by  their  compliance  to  the  subset  of  the  usability  design  guidelines  mentioned  in  the  previous  section  and  to  determine  the  impact  of  the  usability  of  bank  homepages  on  the  bank’s  performance.  To  address  the  objectives  of  this  study,  a  sample  of  community  banks  has  to  be  selected  and  data  on  the  usability  of  their  homepages  as  well  as  their  financial performance need to be collected.  A.  Selecting The Sample Banks  A list of all currently active banks in the states of Arizona,  Iowa, Minnesota, Montana, North Dakota, South Dakota, and  Texas has been obtained from the FDIC Web site. Banks from  these  states  have  been  selected  for  two  reasons.  One,  our  previous work [3] – [6] that investigated the influence of Web  banking  features,  products,  and  services  on  the  performance  of  community  banks  used  the  population  of  banks  in  these  particular  states.  Since  this  research  study  is  a sequel to that  study,  a  sample  of  banks  has  been  chosen  from  the  same  states.  Two,  excepting  Arizona,  these  states  have  a  long  and  unique  history  in  the  concentration  and  evolution  of 

community  banking  in  the  U.S.  From  this  list,  only  banks  belonging  to  bank  classes  N  (commercial  bank,  national/federal  charter  and  Fed  member,  supervised  by  the  Office  of  the  Comptroller  of  the Currency), SM (commercial  bank,  state  charter  and  Fed  member,  supervised  by  the  Federal  Reserve),  and  NM  (commercial  bank,  state  charter  and Fed nonmember, supervised by the FDIC) are retained in  the sample as they have the full mandate for regular banking  services  as  opposed  to  bank  classes  SB  (savings  banks,  state  charter,  supervised  by  the  FDIC),  SA  (savings  associations,  state  or  federal  charter,  supervised  by  the  Office  of  Thrift  Supervision),  and  OI  (insured  U.S.  branch  of  a  foreign  chartered  institution)  that  are  not  regular  banks  and  have  limited and different function compared to commercial banks.  As in our previous study [3] – [6], to set criteria for selecting  the  sample  frame,  a  community  bank  is  defined  as  any  commercial bank with less than $1 billion in assets [21], [22],  [23]. This classification is done based on 2005 year end assets  as  disclosed  in  FDIC  call  reports.  Banks  with  more  than  $1  billion  in  assets  were  excluded  from  the  sample.  Within  the  community  banks,  those  that  fall  in  the  asset  category  $500  million  to  <$1  billion  were  chosen  as  the  final  sample  expecting that they fall with in the definition of a community  bank  and  still  may  have  reasonably  well  designed  Web  sites  to conduct usability studies through heuristic evaluation.  B.  Collecting Usability Data  Usability  analysis  of  bank  homepages  is  conducted  using  heuristic  evaluation  method  with  the  homepage  usability  design  guidelines  proposed  in  [13]  as  mentioned  in  the  guidelines section. Heuristic evaluation relies on evaluating a  user  interface  relative  to  a  known  set  of  usability  principles  called  the  “heuristics”  [11],  [24].  Compared  to  a  decade  earlier,  the  field  of  Web  usability  has  now  matured  sufficiently  that  specialized  guidelines  to  codify  the  best  design  practices  for  specific  components  of  a  Web  site  have  been  developed  through  extensive  research  thereby  making  heuristic evaluation a valid and reliable research method. 
TABLE 1: DATA RANGE CODING SCHEME USED FOR THE  USABILITY GUIDELINES  0  0.25  0.50  0.75  1.0  Guideline is not followed.  Guideline is partially followed, but not satisfactory.  Guideline is partially followed, but neutral in terms of satisfaction.  Guideline is partially followed, but satisfactory.  Guideline is fully and consistently followed. 

The  data  collection  and  observation  process  in  the  evaluation  of  bank  homepages  for  compliance  to  usability  design  guidelines  is  consistent  with  the  simple  methodology  proposed  in  [13].  However,  the  data  range  or  scale  of  evaluation  was extended from the proposed 0 – 0.5 – 1 scale  to  a  0  –  0.25  –  0.5  –  0.75  –  1  scale,  as  shown  in  Table  1,  because  this  study  is  evaluating  a  sample  of  58  bank  homepages  instead  of  a  single  bank  homepage  and  it  is 6 

necessary to differentiate among the banks based on how well  they  implemented  the  suggested  design guidelines. This data  collection was done in 2006 Q3.  C.  Collecting Financial Performance Data  The  financial  performance  data  for  the  sample  banks  were  collected  from  the  FDIC  Call  Reports  and  Performance  and  Condition  Ratios  reports  for  Q4  2005  which  reflects  consolidated reports for the year 2005.  D.  Assumptions and Limitations  There  are  some  assumptions  and  limitations  in  this  study  and the data collection process that need to be mentioned.  Some  bank  performance  studies  impose  age  cut­off  on  banks  while  selecting  the  sample  to  help  focus  on  mature  banking  institutions  by  excluding  younger,  de  novo  banks  that  typically  operate  with  low  efficiency  and  tend  to  under­  perform  their  competitors  until  they  are about nine years old  [25],  [26].  This  study  does  not  impose  any  age  cut­off  restriction, however, out of the 58 sample banks, 55 are more  than  8  years  old,  2  are  5  years  old  and  1  is  3  ½  years  old  thereby  satisfactorily  mitigating  the  problem  of  de  novo  banks.  This  study  does  not  take  into  account  when  a  particular  bank initiated their Web site because it was not mandatory for  community banks to report their Web sites and Web activities  in  the  call  reports  until  2002.  Some  banks  may  have  started  their  Web  activities  very  recently,  in  which  case  they  need  more  time  to  realize  the  benefits  of  Web  banking.  However,  all the 58 sample banks had Web site in 2003, but we do not  know for how long they had their Web sites before 2003.  The  following  section  explains  the  models  proposed  for  financial performance measures.  V.  MODEL DEVELOPMENT  This  research  has  two  components:  (1)  analyzing  the  homepages  of  sample  bank  Web  sites  to  evaluate  their  usability  and  develop  a  measure  of  usability  of  each  bank’s  homepage?  and  (2)  modeling  the  financial  performance  of  banks as a function of the usability index to explain the effect  of  the  usability  of  the  homepages  of  banks  upon  their  financial  performance.  To  address  the  first  component,  a  usability  index  will  be  developed  using  the  usability  data  collected  for  each  bank  which  represents  the  usability  of  the  homepage  of  the  bank  Web  site.  To  address  the  second  component,  an  econometric  model  will  be  proposed  that  contains  a  multiple  regression  specification  to  model  select  financial  performance  measures  of  community  banks.  The  usability index will be integrated into the econometric model  in  an  attempt  to  explore  the  effect  of  the  usability  of  bank  Web site homepages on the financial performance measures.  A.  Developing Usability Index  Each  bank  homepage  was  evaluated  for  the  32  guidelines  discussed  in  the  guidelines  section  based  on  the  scale  7 

mentioned  in  the  methods  section.  The  data  collected  is  aggregated  for  each  bank  and  the  aggregate  score  is  divided  by the total number of guidelines evaluated, which is 32, and  multiplied  by  100  to  arrive  at  a  percentage  figure  that  represents  compliance  rate  to  home  page  usability  design  guidelines  which  is  termed  Usability  Index.  The  usability  index  values  for  the  sample  banks  ranged  from  40.62%  to  82.81%  with  an  average  of  66.11%.  Web  sites  should  conform  to 80% of design guidelines to be considered usable  [13], [27]. This index is used in the econometric model as an  explanatory  variable  to  examine  the  impact  of  usability  of  homepages  on  two  reported  bank  performance  measures  ­  ROE and ROA.  B.  Econometric Model  A  multiple  regression  modeling  approach  is  chosen  to  explain the financial performance of community banks for the  following  reasons:  (1)  multiple  regression  analysis  is  robust  and  powerful  analytical  tool  designed  to  explore  all  types  of  dependence  relationships,  (2)  this  approach  is  a  straightforward  dependence  technique  that  can  provide  both  prediction  and  explanation/description  of  the  relationships  among  two  or  more  intervally  scaled  variables,  (3)  a  regression  scheme  can  be  used  to  examine  the  incremental  and total explanatory power of many variables simultaneously  [28],  (4)  this  model  design  is  consistent  with  existing  literature  that  has  applied  multiple  regression  analysis  to  model  the  financial  performance  of  banks  [26],  [29]  –  [31],  and (5) a time series specification may have been better suited  to  model  the  performance  trend  of  banks  over  the  entire  period  of  implementation  of  Web  banking.  However,  the  constraint  that  only  a  single  data  point  is  available  for  the  usability index precludes the use of a time­series econometric  model.  Two  financial  performance  measures  ROE  and  ROA  are  identified  to  be  important  in  community  banking  [9],  [26],  [29],  [30]  –  [34].  Most  community  banks  are  locally  owned  with a relatively high equity to assets ratio which implies that  ROE  is  an  important  performance  measure  in  evaluating  a  community bank. ROA is a standard measure of efficiency in  utilization  of  the  assets.  Also,  ROA  and  ROE  are  standard  indicators of earnings for any firm. Specific models have been  developed to ascertain the impact of select financial variables  on these two financial performance measures.  The usability index (Uindx) developed for each bank is used  in  the  econometric  model  specifications  for  both  the  performance  measures,  ROE  and  ROA,  as  an  explanatory  variable of primary interest to predict and explain the effect of  the usability of the homepages upon the bank’s performance.  A  community  bank’s  performance  can  be  defined  as  a  function  of  factors  associated  with  assets,  liabilities,  employees,  loan  structure,  interest  margins,  and  the  income­  expense  structure.  Therefore,  the  other  explanatory  variables  used  are  business  loans  to  total  loans  ratio  (Blon),  consumer

loans to total loans ratio (Clon), fixed assets to total asset ratio  (Faset),  equity  capital  to  asset  ratio  (Eqcap),  average  rate  of  growth  in  assets  (Agr),  total  assets  per  employee  (Aemp),  employment  growth  rate  (Egr),  non­interest  income  to  total  expenses  ratio  (NIex),  level  of  inefficiency  as  measured  by  non­interest  expenses  to  total  revenue  (NErev),  liabilities  to  asset  ratio  (Last),  and  net  interest  margin  (Imgn).  These  variables  have  been  applied  in  prior  studies  [9],  [26],  [29],  [32],  [33],  [35]  –  [37].  The  models  for  ROE  and  ROA  are  hypothesized  applying  a  sub­set  of  the  above  mentioned  variables.  The  average  asset  growth  rate  and  the  average  employment growth rate of the bank are calculated using the  past three years’ data. The data for all the remaining financial  variables  have  been downloaded for Q4 2005 from the FDIC  Web site and used in estimating the models.  The model for ROE is:  Yi  = ? + ?1Faset  + ?2Blon + ?3Clon  + ?4NIex + ?5NErev  + ?6Last  + ?7Aemp  + ?8Imgn + ?9Agr  + ?10Egr + ?11Uindx  + ?i  where Yi, ?, ?, and ?i  represent the predicted ROE value, the  intercept  of  regression  line  on  y­axis,  estimated  regression  coefficient, and error in prediction of ROE respectively.  The model for ROA is:  Yi  = ? + ?1Faset  + ?2Blon + ?3Clon  + ?4Eqcap +?5NIex + ?6NErev  + ?7Last + ?8Aemp  + ?9Imgn + ?10Agr  + ?11Egr + ?12Uindx  + ?i  where Yi, ?, ?, and ?i  represent the predicted ROA value, the  intercept  of  regression  line  on  y­axis,  estimated  regression  coefficient, and error in prediction of ROA respectively.  The primary objective of this study, corresponding to part 2  of the problem statement, is to determine whether community  banks  providing  more  usable  Web  site  homepages  than their  peers have a higher efficiency and profitability resulting from  usability  of  Web  banking  in  general  and  homepages  in  particular.  The  related  hypothesis  based  upon  the  statistical  significance  of  the  model  findings  will  attempt  to  measure  both  the  magnitude  and  direction  of  the  impact  of  usability  index upon ROE and ROA.  The secondary objective of this study, corresponding to part  1  of  the  problem  statement,  is  to  determine  whether  community  banks  having  greater  assets  size  provide  more  usable  Web  sites  in  general  and  in  particular  more  usable  homepages than their peers having lower asset size. For this,  a simple regression model is proposed where asset size of the  bank  is  used  as  explanatory  variable  and  regressed  against  usability  index.  The  related  hypothesis  based  upon  the  statistical  significance  of  the  model  findings  will  attempt  to  measure  both  the  magnitude  and  direction  of  the  impact  of  asset size upon usability index.  The  following  section  presents  the  results  and  discussions  for the proposed models in detail. 

VI.  RESULTS AND DISCUSSION  The  descriptive  statistics  pertaining  to  all  the  financial  variables  and  the  usability  index  used  in  the  econometric  models are reported in Table 2. The results of the econometric  model  specifications  with  estimated  parameters  and  corresponding  t­values  are  reported  in  Table  3.  The  regression output is provided in the Appendix. 
TABLE 2: DESCRIPTIVE STATISTICS ON FINANCIAL VARIABLES  USED IN ECONOMETRIC MODEL  Sample  average  14.8  1.3  1.8  24.9  8.1  27.4  62.8  91.1  3.7  4.0  13.6  7.8  8.9  66.1  Standard  deviation  7.4  0.8  0.8  11.7  7.7  18.3  14.1  1.8  1.6  0.8  20.3  21.8  1.8  8.9 

Variable description  Return on equity  Return on assets  Fixed asset ratio  Business loan to total loan  Consumer loan to total loan  Non­interest income over expenses  Non­interest expense over revenue  Liability asset ratio  Assets per employee ($million)  Net interest margin  Asset growth rate  Employment growth rate  Equity asset ratio  Usability index 

Data  Source:  FDIC  Online  database  (SDI)  downloaded  from  http://www2.fdic.gov/sdi/main.asp and author’s estimates. 

TABLE 3: REGRESSION RESULTS FOR RETURN ON EQUITY AND  RETURN ON ASSETS 

Return on equity  Variable  Coefficient  Intercept  Business loans to total  loans  Consumer loans to total  loans  Equity to assets  Fixed assets to total  assets  Non­interest income to  total expense  Non­interest expenses to  revenue  Liabilities to assets  Assets per employee  Net interest margin  Average asset growth  rate  ­1.1310  0.2040**  ­0.2570**  1.3950**  0.1830  3.1560**  ­0.1720*  ­1.296  4.698  ­4.661  4.408  0.333  4.014  ­2.420  ­107.778**  0.0450  ­0.0170  t­  Value  ­3.570  0.930  ­0.204 

Return on assets  Coefficient  0.5900  0.0078  0.0086  0.0632*  ­0.1450  0.0245**  ­0.0250**  t­  Value  0.620  1.670  1.044  2.082  ­1.735  5.882  ­4.745 

0.0463  0.4130**  ­0.0210** 

0.878  5.482  ­3.087

8 

Average employment  growth rate  Usability index 

0.1280  ­0.0740 

1.882  ­1.187 

0.0169**  ­0.0090 

2.593  ­1.493 

NOTE. *, ** Denote statistical significance at 5 and 1 percent  levels respectively.  A.  ROE Model Results  The  econometric model for ROE has significant model fit.  Some  important  results  include  the  positive  impact  of  non­  interest  income  to  total  expense ratio, the negative impact of  non­interest  expenses  to revenue ratio (an inefficiency ratio),  the  positive  impact  of  liabilities  to  assets  ratio,  and  the  positive  impact  of  net  interest  margin  which  all  show  statistical  significance  at  <1%  level.  This  p­value  of  <1%  indicates  that  there  is  less  than  1%  probability  for  the  null  hypothesis, stating that the coefficients of these variables will  be  equal  to  zero,  to  occur.  Also,  the  absolute  t  values,  from  the t­tests of the null hypothesis that the coefficients of these  variables  are  equal  to  zero  in  the  population,  are  above  the  critical  value  of  3.291  thereby  rejecting  the  null  hypothesis  and  indicating  that  all  these  coefficients  are  statistically  significant  at  <0.1%  level.  The  impact  of  average  asset  growth rate is negative and statistically significant at the <5%  level with an absolute t­value 2.42 which is above the critical  limit  of  1.96  for  5%  significance  level.  Usability  index,  however,  shows  a  theoretically  inexplicable  and  unexpected  negative  impact  on  ROE  but  statistically  very  insignificant  with    a  p­value  of  0.241  indicating  that  there  is  24.1%  probability for the coefficient of usability index to be equal to  zero  which  is  heartening  to  see.  The  absolute  t­value  for  usability index is 1.87 which is below the critical limit of 1.96  for  5%  significance  level  thereby  accepting  the  null  hypothesis that its coefficient is equal to 0. The coefficient of  2  determination  (R  )  for  the  model  is  0.792  indicating  that  79.2%  of  the  variance  in  ROE  is  explained  by  the  hypothesized  regression  model  which  is  a  good  fit.  The  ANOVA  test  shows  that  F value is 15.96 which is above the  critical  value  and  p­value  is  0.000  indicating  that  there  is  <0.1% probability for the null hypothesis, the assumption that  there  is  no  true  difference  between  the  variables  and  any  difference  (statistically)  is  due  to  sampling  errors,  to  occur.  This indicates that the model variables as a group are a good  predictor  of  ROE  and  hence  the  model  is  a  good  one.  The  variance  inflation  factor  (VIF)  is  <10  for  all  the  variables  indicating  that  there  is  no  significant  collinearity  problem  between the model variables.  B.  ROA Model Results  The econometric model for ROA has significant model fit.  Some  important  results  include  the  positive  impact  of  non­  interest  income  to  total  expense ratio, the negative impact of  non­interest  expenses  to revenue ratio (an inefficiency ratio),  the positive impact of net interest margin, the negative impact  of  average  asset  growth  rate,  and  the  positive  impact  of  9 

average  employment  growth  rate  which  all  show  statistical  significance at <1% level except average employment growth  rate  which  is  marginally  close  at  1.3%  level.  Also,  the  absolute  t  values  for  the  coefficients  of  these  variables  are  above the critical value of 3.291. The impact of equity to asset  ratio  is  positive  and  statistically  significant  at  the  <5%  level  with an absolute t­value 2.082. Usability index, again, shows  unexpected  negative  impact  on  ROA  but  statistically  very  insignificant  with  a  p­value  of  0.142  and  an absolute t­value  of  1.493  which  is  again  a  welcome  result.  The  liability  to  assets ratio has been excluded from the final model because it  had high collinearity with equity capital to assets ratio owing  to  the  fact  that  these  two  ratios  are  calculated  using  total  assets figure and total assets equal liabilities plus equity. The  2  R  for  the  model  is  0.870  indicating  that  87.0%  of  the  variance in ROA is explained by the hypothesized regression  model  which  is  a  good  fit.  The  ANOVA  test  shows  that  F  value is 27.89 which is above the critical value and p­value is  0.000  or  <0.1%.  This  indicates  that the model variables as a  group are a good predictor of ROA and hence the model is a  good  one.  The  variance  inflation  factor  (VIF)  is  <10  for  all  the  variables  indicating  that  there  is  no  significant  collinearity problem between the model variables.  The  overall  results,  except  usability  index,  are  consistent  with  prior  studies  [9],  [26],  [33]  providing  validity  to  the  proposed  models.  Therefore,  the  regression  models  are  deemed  to  have  acceptable  fit  indicating  that  the  models  predict and explain the performance measures satisfactorily.  C.  Hypotheses Results  The  variable  of primary interest, the usability index, has a  negative  impact  upon  ROE  and  ROA.  In  particular,  a  one  unit  increase  in  the  usability  index  would  decrease  the  ROE  by  0.074  units  and  decrease  the  ROA  by  0.009  units.  However,  the  effect  of  usability  index  on  ROE  and  ROA  is  statistically  very  insignificant.  These  findings  based  on  a  subset  of  usability  guidelines  do  not  lend  support  to  the  hypothesis  that  community  banks  that  provide  better  and  more  usable  homepages  than  their  peers  have  a  higher  efficiency and profitability resulting from the usability of their  homepages.  Pertaining  to  part  1  of  the  problem  statement,  the  simple  regression  model  for  predicting  usability  index  using  asset  2  size as explanatory variable shows an R  of 0.029 which is too  low  indicating  that  asset  size  is  not  a  good  predictor  of  usability index. Also, the hypothesis test of the coefficient for  asset size show a t­value of 1.294 which is below the critical  limit and a p­value of 0.201 which is unacceptable.  The  following  section  presents  the  summary  and  conclusions of this study and future direction of research.  VII.  CONCLUSIONS AND SUMMARY  The  managerial  discussion  (practical  significance)  of  the  conclusions  drawn  from  the  aforementioned  results  from  the

econometric models will be discussed in this section followed  by  a  brief  summary  of  the  overall  research  findings,  a  discussion of limitations, and suggestions for future research.  A.  Conclusions  Some  significant  conclusions  are  drawn  from  the  econometric  models  for  ROE  and  ROA  with  respect  to  various  explanatory  variables.  Many  of  the  findings  here  are  consistent with our previous study [3] – [6] and other existing  literature.  However,  the  conclusions  for  usability  Index,  the  variable  of  primary  interest,  differ  from  the  conclusions  drawn on Web banking index in our previous study.  1)  Usability  Index:  Our  previous  work  found  that,  online  banking  index,  a  measure  of  the  Web  features,  products  and  services  provided  on  the  bank  Web  sites,  had  a  significant  positive  impact  on  ROE  (p  ?  0.001)  and  ROA  (p  ?  0.005)  implying  that  online  banking  applications  help  increase  a  bank’s earnings. Banks that provide more effective Web sites  and  a  wider  array  of  online  products  and  services  than  their  peers appear to have higher efficiency and profitability. As all  financial  transactions  are  digitized,  banks  can  easily  access  and  analyze  this  information  (both  bank  information  and  credit  score  information)  rapidly  and  more  effectively  to  identify underperforming and nonperforming assets as well as  target better sources of revenues.  However,  in  this  research  study,  the  usability  index  has  a  very  insignificant  negative  impact  on  ROE  and  ROA  implying  that  more  usable  homepages  (Web  sites)  decrease  the  earnings  which  is  not  possible.  Even  if  banks  overspend  on  usability  of  their  IT  initiatives  in  their  drive  to  provide  more  usable  Web  applications,  the  inefficiency  ratio  should  reflect  this  problem  rather  than  the  usability  index.  The  statistical  insignificance  of  this  negative  impact is a blessing  in  disguise  and  a  welcome  result  that  does  not  reject  the  theory  that  better  usability  of  Web  applications  should  increase efficiency and profitability of banks. However, while  comparing  the  results  of  the  previous  study  with  this  study,  one has to note that in the earlier study entire Web sites were  evaluated for Web features, products, and services. This study  evaluates  neither  the  usability  of  entire  Web  sites  nor  the  usability  of  the  specific  homepage­related  Web  features,  products,  and  services  evaluated  in  the  previous  study alone.  These  two  projects  are  as  much  independent  as  they  are  related conceptually.  A  body  of literature  pertaining  to  the period 1998 to 2003  [8]  –  [10]  shows  that  though  bank  profitability  is  strongly  correlated  with  Internet  banking,  the  impact  of  Internet  banking  on  bank  profitability  is  not  statistically  significant.  Apparently  banks  that  adopted  Internet  banking  already  had  higher  profitability,  accounting  efficiency,  and  scale  than  other  banks.  However,  by  the  end  of  2005  the  impact  of  Internet  banking  on  bank  profitability  is  found  to  be  statistically significant as reported by our previous work [3] –  [6]  probably  because  rest  of  the  community  banks  sensed 

competition  and  opportunity for Internet banking and caught  up  with the early birds in offering Web­based services. Now,  this  study  found  that  bank  profitability  is  correlated  with  usability  of  Internet  banking  Web  sites,  but  the  impact  of  usability on bank profitability is not statistically significant. It  could  be  the  case  that  Web  site  usability  in  community  banking  sector  is  not  mature  enough  yet  to  have  significant  impact  on  performance.  However,  on  cross  examining  the  data  it  is  found  that  more  efficient  banks  tend  to  maintain  quality  Web  sites  that  have  higher  usability  index  though  higher usability index is not leading to higher efficiency. This  clearly indicates a potential trend where it appears that more  efficient  banks  with  scale  are  the  first  ones  to  adopt  Internet  banking  and they are also the first ones to ensure the quality  of  their  Web  offerings  by  emphasizing  on  usability  of  their  Web  sites.  Following  the  trend,  one  could  expect  in  2  to  3  years from now, less efficient banks will feel compelled by the  competition  to  make  their  Web  sites  more  usable  at  which  point  Web  usability  might  show  significant  impact  on  bank  profitability.  Some  of  the  limitations  in  the  study  might  explain  this  unexpected  negative  and  insignificant  impact  of  usability  index  which  differs  from  the  positive  and  significant  impact  of the online banking index observed in the earlier study. The  sample size of 58 used in this study, as opposed to 1271 used  in  the  previous  study,  is  very  small  for  a  powerful  modeling  technique  like  regression  analysis  that  generally  requires  larger  sample  size  especially  for  multiple  regression analysis  thus  making  the  results  less  reliable.  The  asset  category  of  $500  million  to  <$1billion  used  as  a  criteria  to  select  the  sample  may  have  made  a  difference.  The  homepages  are  evaluated  against  a  small  set  32  homepage  usability  design  guidelines  out  of  a  total  of  113  guidelines  available.  Evaluating  the  remaining  guidelines  as  well  will  provide  a  truer  picture  of  the  impact  of  the  homepage  usability  on  performance.  The  procedure  used  to  develop  the  usability  index  in  this  study  is  not  a  sophisticated  one  capable  of  providing  a  measure  of  usability  or  user  experience  of  the  homepages that is capable of capturing the abstract nature of  the impact of usability of homepages or Web sites as a whole  on  the  performance  of  banks.  Indirect  measurement  techniques  or  latency  models  like  structural  equation  modeling  may  be  better  suited  to  develop  a  measure  for  the  unobservable effects of Web usability that can then be used in  regression  models  against  performance  measures.  Moreover,  homepage itself is a subset of the Web site. Data for some of  the  variables  for  the  sample  banks  show  skewness  which  might  account  to  some  extent  for  the  unexpected  results.  More importantly, many of the community banks may neither  have  sufficient  financial  resources  nor  the  critical  mass  of  potential  online  customers  to  justify  a  reasonable  budget  for  the usability of their Web banking initiatives.  Pertaining  to  part  1  of  the  problem  statement,  the  simple  regression  model  for  predicting  usability  index  using  asset

10 

size  as  explanatory  variable  shows  that  asset  size  is  not  a  good  predictor  of  usability  index.  This  concludes  that  banks  with greater asset size need not necessarily build more usable  Web sites. Again, the sample size, the asset size of the banks  in the sample, the small subset of guidelines used to evaluate  the  homepages,  and  the  procedure  used  for  developing  usability index may have influenced this result.  B.  Investigating the Joint Impact/Relationship of Web  Features Index and Usability Index on Performance  The previous study on Web features, products, and services  showed  that  Web  features  and  products/services  do  matter  and  they  have  significant  impact  on  the  bank  performance.  However,  this  study  shows  that  usability  does  not  matter  or  that  usability  has  no  significant  impact  on  the  bank  performance  though  the  limitations  in  this  study  and  the  previous study are differing. But existing literature pertaining  to  general  usability  studies  and  return  on  investment  (ROI)  studies points out that the Web features and their usability are  closely  related  concepts  and  that  the  usability  of  Web  sites  does  have  significant  impact  on  revenue  generation.  Though  this may not imply that usability has an impact on efficiency  of revenue generation which is different from simple measure  of  revenue  generation,  it  is  however  still  important  to  combine  the  two  aspects  of  Web  features  and  their  usability  and  conduct  a  post­mortem  analysis  to  investigate  the  joint  impact  of  Web  features  and  usability  on  the  performance  of  banks.  First,  the  sample  banks  have  been  segregated  into  high,  medium,  and  low  categories  based  on  their  Web  features/products/services  scores  from  previous  study  and  usability index score in this study. The natural data breaks in  the sample data and even distribution of sub­sample sizes are  the  two  criteria  employed  in  segregating  the  sample  banks.  Then, with the high, medium, and low categories of usability  index  on  x­axis  and  with  the  high,  medium,  and  low  categories  of  Web  features/products/services  categories  on  y­  axis,  a  cross  tabulation  matrix  containing  9  cells  is  plotted  using  SPSS  as  shown  in  section  C  of  Appendix.  Of  these  9  cells, the cell containing banks that are high on both usability  and  Web  features  (which  is  termed  high­high  cell)  and  the  cell containing banks that are low on both usability and Web  features  (which  is  termed  low­low  cell)  are  of  importance  to  test  the  joint  impact  of  Web  features  and  usability  on  bank  performance. The high­high cell has a sample size of 8 banks  and the low­low cell has a sample size of 7 banks.  The same performance measures ROE and ROA, which are  modeled in the model development section, are chosen again  for  analysis.  The  mean  ROE  and  ROA  for  the  banks  in  the  high­high  cell  and  the  low­low  cell  are  calculated  separately  after  removing  the  outlying  data  points.  The  mean ROE and  ROA  for  the  entire  sample  of  58  banks  are  also  calculated  after  removing  the  outlying data points. The pooled variance  t­test for testing the statistical significance of the difference in 

two  means  is  employed  to  check  if  the  averages  of  the  performance  measures  of  banks  in  high­high  cell  are  significantly  different  from  the  averages  of  respective  performance measures of banks in low­low cell. To make the  tests more robust, the t­tests are conducted 3­way: (1) between  means  of  performance  measures  of  banks  in  high­high  cell  and  low­low  cell,  (2)  between  means  of  performance  measures of banks in high­high cell and overall sample of 58,  and  (3)  between means of performance measures of banks in  low­low cell and overall sample of 58. The null hypothesis in  all  these  tests  states  that  the  means  of  the  performance  measures  of  the  populations  of high­high and low­low banks  are  equal  failing  to  reject  which  we  cannot  prove  that  banks  in  high­high  cell  perform  significantly  better  than  banks  in  low­low cell which in turn means that banks in high­high cell  are no more efficient than banks in low­low cell.  The  average  ROE  for  overall  sample,  high­high  cell,  and  low­low  cell  are  14.35,  14.68,  and  13.42  respectively  which  means  that  the  performance  of  banks  in  high­high  cell  is  better  than  the  performance  of  overall  sample  of  58  banks  which in turn is better than the performance of banks in low­  low cell. This is in line with theoretical expectation of higher  efficiency of banks with better Web banking features and also  usability.  However,  all  the  3­way  t­tests  failed  to  reject  the  null  hypothesis  showing  that  the  difference  in  the  means  of  performance of these 3 groups in not significant.  The  average  ROA  for  overall  sample,  high­high  cell,  and  low­low  cell  are  1.30,  1.23,  and  1.46  respectively  which  means that the performance of banks in low­low cell is better  than the performance of overall sample of 58 banks which in  turn is better than the performance of banks in high­high cell.  But,  this  is  not  in  line  with  the  theoretical  expectation  of  higher  efficiency  for  banks with better Web banking features  and  also  usability.  The  potential  explanation  for  this  unexpected  result  is  that  banks  in  high­high  cell  may  have  significantly  invested  in  assets  for  IT  applications  and  these  assets are tied­up and cannot produce any immediate returns.  It  is  a  fact  that  investments  in  IT  applications  will  not  give  returns in the short term. In such a scenario, this unexpected  result  is  bound  to  happen  with  any  asset  based  performance  measure  such  as  ROA.  However,  again  all  the  3­way  t­tests  failed to reject the null hypothesis showing that the difference  in  the  means  of  performance  of  these  3  groups  in  not  significant.  This  clearly  shows  that  the  ROA  of  banks  in  high­high  cell  is  not  significantly  lower  than  ROA  of  banks  in low­low cell which is an expected result.  The  overall  conclusion  is  that  asset­based  performance  measures  appear  to  be  insignificantly  lower  for  banks  with  high Web features and high usability compared to banks with  low  Web  features  and  low  usability  while  non­asset  based  performance  measures  appear  to  be  higher  for  banks  with  high Web features and high usability compared to banks with  low  Web  features  and  low  usability  probably  because  of  higher investments in IT assets by banks that have high Web

11 

features and high usability. We know that all these banks had  Web  sites  from  2003  though  we  do  not  precisely  know  how  long  they  had  Web  sites  before  2003.  Probably  the  ROA  is  lower  for  banks  in  high­high  cell  because  they  have  not  recovered their investments in IT applications as yet and they  may  require  more  time  to  realize  the  performance  efficiency  benefits of OB applications. This trend of the results based on  ROE and ROA, and the rejection of the null hypotheses in all  the 6 t­tests indicates that the banks, especially those in high­  high  cell, may be in a twilight stage in realizing the benefits  of  Web  banking  and  the  usability  of  Web  banking.  This  prediction  is  based  on  the  fact  that  ROE,  a  measure  closely  related  to  asset­based  performance  measures,  though  not  a  direct asset­based performance measure in itself, is showing a  higher  performance  for  banks  in  high­high  cell  compared  to  those  in  low­low  cell  while  ROA,  a  direct  asset­based  performance  measure,  is  showing  an  insignificant  lower  performance for banks in high­high cell compared to those in  low­low  cell.  The  implications  of  these  two  findings  have  to  be  read  in  conjunction  rather  than  in  an  insulated  manner.  However,  it  has  to  be noted that the insignificant results and  the less precise conclusions are because of the small sample of  banks  in  the  high­high  and  low­low  cells  of  the  cross  tabulation matrix and the overall sample size. Future research  endeavors must make sure of sufficient sample size.  C.  Summary  This  research  analyzed  the  impact  of  usability  of  community  bank  Web  site  homepages on the performance of  community banks that are implementing electronic commerce  with  Internet  banking.  A  usability  index  is  developed  as  a  measure  of  compliance  to  the  homepage  usability  design  guidelines to proxy the usability of homepages and this index  is included in econometric models as an explanatory variable  to  examine  whether  it  explains  differences  in  community  bank performance. Based on the sample, the results show that  (1)  the  asset  size  of  banks  has  no  impact  on  the  usability  of  the homepages of Web sites, and (2) the impact of usability of  bank  Web  site  homepages  on  bank  performance  is  insignificant  as  a  result  of which no meaningful and reliable  conclusions  can  be  drawn.  It  could  be the case that Web site  usability  in  community  banking  sector  is  not  mature  enough  yet to have significant impact on performance. However, it is  also found that more efficient banks tend to maintain quality  Web  sites  that  have  higher  usability  index  though  higher  usability is not leading to higher efficiency.  An  important  point  to  note  is  that  usability  is  measured  relative  to  certain  users  and  certain  tasks.  Usability  measurement  therefore  starts  with  the  definition  of  a  representative set of test tasks, relative to which the different  usability  attributes  can  be  measured.  Certain  trade­offs  are  involved  in  designing  Web  sites  for  usability  simultaneously  for  both  novice  and  expert  users  and  hence  usability  is  in  a  way a contradiction in itself [11]. 

D.  Future Direction Of Research  As  community  banks  continue  to  implement  EC  applications,  the  usability  of  these  applications  cannot  be  ignored if community banks were to withstand the aggressive  online  competition  from  competitors  in  the  market  which  is  only bound to increase in the future as almost all banks have  gone  online  and  remaining  ones  are  also  following  suit  to  catch  up  the  online  market.  This  leads  to  many  future  usability research endeavors in the banking sector beyond this  project.  To  better  study  the  effect  of  the  usability  of  the  homepages on financial performance of the banks, it would be  interesting  to  evaluate  the  homepages  with  all  the  113  homepage  usability  design  guidelines  and  40  homepage  usability design statistics proposed in [13] based on extensive  user  testing.  However,  homepage  is  only  a  part  of  Web  site  and a heuristic evaluation of the entire Web sites for usability  will  be  more  reliable  to  assess  the  true  and  comprehensive  impact  of  the  usability  of  Web  activities  of  banks  on  their  financial performance.  REFERENCES 
[1]  H.Beck,  “Banking  is  essential,  banks  are  not.  The  future  of  financial  intermediation in the age of the Internet,” Netnomics, vol. 3 (1), pp. 7­22,  2001.  [2]  B. Foster, “Do or die time for community banks?” The RMA Journal, pp.  15–19, April 2001.  [3]  R.  N. Acharya, A. Kagan, and S. R. Lingam, “Online banking and profit  efficiency:  Implications  for  community  banking,”  Journal  of  Money,  Credit, and Banking, submitted for publication.  [4]  A.  Kagan,  R.  N.  Acharya,  and  S.  R.  Lingam,  “Electronic  business  applications within community banks: A modeling approach,” presented at  the  Annual  Meeting  of  the  Decision  Sciences  Institute,  San  Francisco,  California, 2005.  [5]  A.  Kagan,  R.  N.  Acharya,  L.  S.  Rao,  and  V.  Kodepaka,  “Does  Internet  banking  affect  the  performance  of  community  banks?”  presented  at  the  Annual  Meeting  of  the  American  Agricultural  Economics  Association,  Providence, RI, 2005.  [6]  S.  R.  Lingam,  “Performance  aspects  of  community  banks  implementing  electronic  commerce  with  Internet  banking,”  M.S.  thesis,  Department  of  Agribusiness  and  Resource  Management,  Arizona  State  University,  Tempe, 2005.  [7]  K. Furst, W. W. Lang, and D. E. Nolle, “Internet banking: Developments  and  prospects,”  Economic  and  Policy  Analysis  Working  Paper,  Office  of  the Comptroller of the Currency, pp. 1­58, September 2000.  [8]  K. L. Egland, K. Furst, D. E. Nolle, and D. Robertson, “Banking over the  Internet,”  Quarterly  Journal,  Office  of  the  Comptroller  of  the  Currency,  vol. 17, no. 4, pp. 25­30, December 1998.  [9]  K. Furst, W. W. Lang, and D. E. Nolle, “Internet banking: Developments  and  prospects,”  Program  on  Information  Resources  Policy  (Jointly  sponsored  by  Harvard  University  and  Center  for  Information  Policy  Research), pp. 1­53, April 2002.  [10]  A.  N.  Berger,  “The  economic  effects  of  technological  progress:  Evidence  from the banking industry,” Journal of Money, Credit and Banking, vol.  35, no. 2, pp. 141­176, 2003.  [11]  J. Nielsen, Usability Engineering. San Diego, California: Academic Press,  1993.  [12]  J.  Nielsen,  R.  Molich,  C.  Snyder,  and  S.  Farrell,  E­Commerce  User  Experience. Fremont, California: Nielsen Norman Group, 2001.  [13]  J.  Nielsen  and  M.  Tahir,  Homepage  Usability:  50  Websites  Deconstructed. Indianapolis, Indiana: New Riders, 2002.  [14]  J.  Nielsen  and  H.  Loranger,  Prioritizing  Web  Usability.  Indianapolis,  Indiana: New Riders, 2006.  [15]  J.  Nielsen,  Designing  Web  Usability:  The  Practice  of  Simplicity.  Indianapolis, Indiana: New Riders, 2000.

12 

[16]  J. Nielsen. (1998, April 5). Nielsen’s Law of Internet bandwidth. Alertbox:  Current  Issues  in  Web  Usability.  [Online].  Available:  http://www.useit.com/alertbox/980405.html  [17]  J.  Nielsen.  (2004,  September  13).  The  need  for  Web  design  standards.  Alertbox:  Current  Issues  in  Web  Usability.  [Online].  Available:  http://www.useit.com/alertbox/20040913.html  [18]  J.  Nielsen.  (2000,  August  6).  Why  Doc  Searls  doesn’t  sell  any  books.  Alertbox:  Current  Issues  in  Web  Usability.  [Online].  Available:  http://www.useit.com/alertbox/20000806.html  [19]  J. Nielsen. (2000, February 6). Novice vs. expert users. Alertbox: Current  Issues  in  Web  Usability.  [Online].  Available:  http://www.useit.com/alertbox/20000206.html  [20]  A. Kagan, G. Post, and C. M. Noel, “Selling the Web: Web features used  by  retailers,”  The  Journal  of Applied Business Research, vol. 16, no. 1,  pp. 15­26, 2000.  [21]  R.  DeYoung,  W.  C.  Hunter,  and  G.  F.  Udell,  “Whither  the  community  bank?”  Journal  of  Financial  Services  Research,  vol.  25:2/3,  pp. 81­84,  2004.  [22]  R.  DeYoung,  W.  C.  Hunter,  and  G.  F.  Udell,  “The  past,  present,  and  probable  future  for  community  banks,”  Journal  of  Financial  Services  Research, vol. 25:2/3, pp. 85­133, 2004.  [23]  L. I. Nakamura, “Small Borrowers and the Survival of the Small Bank: Is  Mouse Bank Mighty or Mickey?” Business Review, Federal Reserve Bank  of Philadelphia, pp. 3­15, November/December 1994.  [24]  J.  Nielsen.  (2006,  January  23).  Ten  best  intranets  of  2006.  Alertbox:  Current  Issues  in  Web  Usability.  [Online].  Available:  http://www.useit.com/alertbox/intranet_design.html  [25]  R.  DeYoung,  and  I.  Hasan,  “The  performance  of  de  novo  commercial  banks: A profit efficiency approach,” Journal of Banking & Finance, vol.  22, pp. 565­587, 1998.  [26]  K. J. Stiroh, “Do community banks benefit from diversification?” Journal  of Financial Services Research, vol. 25:2/3, pp. 135­160, 2004. 

[27]  V.  Flanders  and  D.  Peters,  Son  of  Web  Pages  That  Suck:  Learn  Good  Design by Looking at Bad Design. Alameda, California: Sybex, 2002.  [28]  J.  F.  Hair,  Jr.,  R.  E.  Anderson,  R.  L.  Tatham,  and  W.  C.  Black,  Multivariate  Data  Analysis,  5th  ed.  Upper  Saddle  River,  New  Jersey:  Prentice Hall, 1998.  [29]  A.  N.  Berger  and  L.  J.  Mester,  “Inside  the  black  box:  What  explains  differences  in  the  efficiencies  of  financial  institutions?”  Journal  of  Banking & Finance, vol. 21, pp. 895­947, 1997.  [30]  A.  Akhigbe  and  J.  E.  McNulty,  “The  profit  efficiency  of  small  US  commercial banks,” Journal of Banking & Finance, vol. 27, pp. 307­325,  2003.  [31]  T.  J.  Yeager,  “The  demise  of  community  banks?  Local economic shocks  are not to blame,” Journal of Banking & Finance, vol. xxx, pp. xxx­xxx,  2003.  [32]  Gary  C.  Zimmerman,  “California’s  community  banks  in  the  1990s,”  Weekly Letter, Federal Reserve Bank of San Fancisco, no. 96­04, January  26, 1996a.  [33]  Gary  C.  Zimmerman,  “Factors  influencing  community bank performance  in California,” Economic Review, Federal Reserve Bank of San Fancisco,  no. 1, pp. 26­42, 1996b.  [34]  A. P. Meyer and T. J. Yeager, “Are small rural banks vulnerable to local  economic  downturns?”  Review,  Federal  Reserve  Bank  of  ST.  Louis,  pp.  25­38, March/April 2001.  [35]  A. N. Berger and G. F. Udell, “Relationship lending and lines of credit in  small firm finance,” The Journal of Business, vol. 68,3, pp. 351­381, July  1995.  [36]  P. E. Strahan and J. P. Weston, “Small business lending and the changing  structure of the banking industry,” Journal of Banking & Finance, vol. 22,  pp. 821­845, 1998.  [37]  A. N. Berger, A. Saunders, J. M. Scalise, and G. F. Udell, “The effects of  bank  mergers  and  acquisitions  on  small  business  lending,”  Journal  of  Financial  Economics, vol. 50, pp. 187­229, 1998. 

APPENDIX  SPSS output tables for the hypothesized econometric models.  A.  Output for part 1 of the problem statement 
Model Summary  Model  1  R  R Square  a  .170  .029  Adjusted  R Square  .012  Std. Error of  the Estimate  8.91589687 

a. Predictors: (Constant), Total Assets 

b  ANOVA 

Model  1 

Regression  Residual  Total 

Sum of  Squares  133.130  4451.620  4584.750 

df  1  56  57 

Mean Square  133.130  79.493 

F  1.675 

Sig.  a  .201 

a.  Predictors: (Constant), Total Assets  b. Dependent Variable: Usability Index 

13 

a  Coefficients 

Model  1 

Unstandardized  Coefficients  B  Std. Error  (Constant)  58.499  5.997  Total Assets  1.109E­05  .000 

Standardized  Coefficients  Beta  .170 

t  9.756  1.294 

Sig.  .000  .201 

a.  Dependent Variable: Usability Index 

B.  Output for part 1 of the problem statement  ROE Model: 
b  Model Summary 

Model  1 

R  R Square  a  .890  .792 

Adjusted  R Square  .743 

Std. Error of  the Estimate  ********** 

a.  Predictors: (Constant), UINDX, BLON, IMGN, CLON,  AGR, FASET, LAST, NEREV, NIEX, AEMP, EGR  b. Dependent Variable: ROE 

b  ANOVA 

Model  1 

Regression  Residual  Total 

Sum of  Squares  2489.825  652.378  3142.203 

df  11  46  57 

Mean Square  226.348  14.182 

F  15.960 

Sig.  a  .000 

a.  Predictors: (Constant), UINDX, BLON, IMGN, CLON, AGR, FASET, LAST, NEREV,  NIEX, AEMP, EGR  b. Dependent Variable: ROE 

14 

a  Coefficients 

Model  1 

Unstandardized  Coefficients  B  Std. Error  (Constant)  ­107.778  30.200  FASET  ­1.131  .873  BLON  4.506E­02  .049  CLON  ­.017  .085  NIEX  .204  .043  NEREV  ­.257  .055  LAST  1.395  .316  AEMP  .183  .549  IMGN  3.156  .786  AGR  ­.172  .071  EGR  .128  .068  UINDX  ­.074  .063 

Standardized  Coefficients  Beta  ­.127  .071  ­.018  .505  ­.488  .344  .040  .337  ­.472  .376  ­.090 

t  ­3.569  ­1.296  .928  ­.204  4.698  ­4.661  4.408  .333  4.014  ­2.420  1.882  ­1.187 

Sig.  .001  .201  .358  .839  .000  .000  .000  .741  .000  .020  .066  .241 

Collinearity Statistics  Tolerance  VIF  .471  .767  .570  .391  .412  .741  .319  .639  .119  .113  .787  2.125  1.304  1.756  2.555  2.428  1.350  3.138  1.566  8.412  8.832  1.270 

a.  Dependent Variable: ROE 

ROA Model: 
b  Model Summary 

Model  1 

R  R Square  a  .933  .870 

Adjusted  R Square  .838 

Std. Error of  the Estimate  ********** 

a.  Predictors: (Constant), EQCAP, IMGN, CLON, FASET,  AGR, UINDX, BLON, NEREV, NIEX, AEMP, EGR  b. Dependent Variable: ROA 

b  ANOVA 

Model  1 

Regression  Residual  Total 

Sum of  Squares  40.036  6.003  46.039 

df  11  46  57 

Mean Square  3.640  .131 

F  27.890 

Sig.  a  .000 

a.  Predictors: (Constant), EQCAP, IMGN, CLON, FASET, AGR, UINDX, BLON, NEREV,  NIEX, AEMP, EGR  b. Dependent Variable: ROA 

15 

a  Coefficients 

Model  1 

Unstandardized  Coefficients  B  Std. Error  (Constant)  .590  .952  FASET  ­.145  .084  BLON  7.779E­03  .005  CLON  8.561E­03  .008  NIEX  2.453E­02  .004  NEREV  ­.025  .005  AEMP  4.626E­02  .053  IMGN  .413  .075  AGR  ­.021  .007  EGR  1.692E­02  .007  UINDX  ­.009  .006  EQCAP  6.318E­02  .030 

Standardized  Coefficients  Beta  ­.135  .102  .074  .501  ­.394  .083  .365  ­.477  .410  ­.090  .129 

t  .620  ­1.735  1.670  1.044  5.882  ­4.745  .878  5.482  ­3.087  2.593  ­1.493  2.082 

Sig.  .538  .089  .102  .302  .000  .000  .384  .000  .003  .013  .142  .043 

Collinearity Statistics  Tolerance  VIF  .471  .767  .570  .391  .412  .319  .639  .119  .113  .787  .741  2.125  1.304  1.756  2.555  2.428  3.138  1.566  8.412  8.832  1.270  1.350 

a.  Dependent Variable: ROA 

C.  Cross Tabulation Chart Comparing Usability Index and Web Features (Banking) Index: 
Crosstabulation of Usability Index and Banking Index  Usability Index  1.00  2.00  7  4  50.0%  28.6%  10  6  37.0%  22.2%  2  7  11.8%  41.2%  19  17  32.8%  29.3% 

3.00  3  21.4%  11  40.7%  8  47.1%  22  37.9% 

Banking  Index 

1.00  2.00  3.00 

Total 

Count  % within Recoded Bindx  Count  % within Recoded Bindx  Count  % within Recoded Bindx  Count  % within Recoded Bindx 

Total  14  100.0%  27  100.0%  17  100.0%  58  100.0% 

Note: Codes 1.00, 2.00, and 3.00 for Usability Index (Uindx) and Banking Index (Bindx) correspond to low, medium, and  high values respectively for the concerned index.

16 



doc_819536545.pdf