NGHIÊN cứu các yếu tố ẢNH HƯỞNG đến QUYẾT ĐỊNH MUA LAPTOP của SINH VIÊN THÀNH PHỐ hồ CHÍ MINH

GIỚI THIỆU CHUNG VỀ NGHIÊN CỨU

Tên đề tài

Thành phố Hồ Chí Minh, với 247 trường đại học và cao đẳng, có số lượng sinh viên đông nhất cả nước Sự phát triển của công nghệ đã trở thành yếu tố quan trọng trong học tập và giải trí của sinh viên, dẫn đến nhu cầu mua laptop ngày càng tăng về cả số lượng và chất lượng Điều này đặt ra yêu cầu nghiên cứu sâu hơn về hành vi của sinh viên, giúp các doanh nghiệp nhận diện và đáp ứng nhu cầu thị trường Chính vì vậy, nhóm đã chọn đề tài “Nghiên cứu những yếu tố ảnh hưởng đến quyết định mua laptop của sinh viên thành phố Hồ Chí Minh.”

Mục tiêu của bài nghiên cứu

Bài viết này nhằm mục đích xác định các yếu tố ảnh hưởng đến quyết định mua laptop của sinh viên tại trường Đại học Tài chính - Marketing Nhóm nghiên cứu sẽ tiến hành đo lường và phân tích để tính toán mức độ ảnh hưởng cũng như mối liên hệ giữa các yếu tố này.

Nhóm nghiên cứu đã đưa ra những nhận xét và đề xuất giải pháp cho siêu thị, cửa hàng và doanh nghiệp nhằm giải quyết các vấn đề hiện tại, đồng thời phát triển các chiến lược marketing phù hợp để tận dụng tối đa xu hướng thị trường.

Phương pháp nghiên cứu

Nhóm nghiên cứu đã tiến hành khảo sát bằng phương pháp định lượng, thu thập dữ liệu từ 172 sinh viên tại thành phố Hồ Chí Minh thông qua bảng câu hỏi Dữ liệu thứ cấp được lấy từ các nghiên cứu và bài báo trước đó để tham khảo và đưa ra phân tích về các yếu tố ảnh hưởng đã được chứng minh Dữ liệu sơ cấp được thu thập từ kết quả của bảng câu hỏi được thiết kế theo phương pháp định lượng.

Cơ sở lý thuyết

1.4.1 Các khái niệm liên quan đến vấn đề nghiên cứu

 Laptop (máy tính xách tay):

Máy tính xách tay (laptop) là thiết bị máy tính cá nhân nhỏ gọn, dễ dàng mang theo Nó thường được trang bị màn hình LCD hoặc LED mỏng ở nắp trên và bàn phím chữ kết hợp số bên trong nắp dưới.

Máy tính xách tay tích hợp màn hình, bàn phím, touchpad và loa, mang lại đầy đủ chức năng như một máy tính bàn mà không cần thiết bị ngoại vi Điều này cho phép người dùng dễ dàng mang theo và làm việc ở nhiều địa điểm khác nhau.

 Lý thuyết về hành vi người tiêu dùng:

Khái niệm hành vi người tiêu dùng:

Theo Philip Kotler, hành vi người tiêu dùng được định nghĩa là tổng thể các hành động diễn ra từ lúc nhận biết nhu cầu cho đến khi thực hiện mua hàng và cả giai đoạn sau khi mua sản phẩm Mô hình hành vi người tiêu dùng phản ánh quá trình này một cách rõ ràng và chi tiết.

Mô hình hành vi người tiêu dùng phân tích các yếu tố kích thích ảnh hưởng đến quyết định mua hàng "Hộp đen" là nơi chứa đựng suy nghĩ và nhận thức của người tiêu dùng, nơi tiếp nhận các tác động từ marketing và môi trường xung quanh Những kích thích này được "hộp đen" xử lý và chuyển hóa thành phản ứng của người mua, bao gồm việc lựa chọn chủng loại, nhãn hiệu, nhà cung cấp và thực hiện giao dịch mua sắm.

 Tiến trình ra quyết định mua:

Tiến trình ra quyết định mua hàng của khách hàng bao gồm 5 giai đoạn chính: nhận biết nhu cầu, tìm kiếm thông tin, đánh giá lựa chọn, quyết định mua và đánh giá sau khi mua Tùy thuộc vào từng loại sản phẩm, một số giai đoạn có thể được bỏ qua hoặc thay đổi thứ tự.

Tâm lý của khách hàng có ảnh hưởng lớn đến quyết định mua sắm của họ Mức độ phức tạp trong quá trình mua hàng tỷ lệ thuận với sự quan tâm của cá nhân đối với sản phẩm Càng quan tâm đến việc mua sắm, quá trình ra quyết định càng trở nên phức tạp hơn.

Đặc điểm kỹ thuật của máy tính xách tay là yếu tố quan trọng, bao gồm các chỉ báo về thông số kỹ thuật, cấu tạo và khả năng hoạt động cơ bản của sản phẩm Theo nghiên cứu của Phạm Hùng Cường và Phan Lê Thùy Trang (2021), đặc điểm này không chỉ phản ánh những tính năng của máy tính mà còn thể hiện cảm nhận của người tiêu dùng về hiểu biết và sự kỳ vọng của họ đối với sản phẩm Điều này được hình thành qua quá trình tiêu dùng và trải nghiệm thực tế của người dùng (Nguyễn Văn Khánh, Lê Đỗ Ngọc Huyền, Nguyễn Thảo Ly, & Nguyễn Duy Trinh, 2021).

H1: Đặc điểm kỹ thuật có quan hệ thuận chiều với quyết định mua laptop của sinh viên tại thành phố Hồ Chí Minh

Tính năng tăng cường là những chỉ báo về các tính năng đặc biệt bổ sung cho máy tính xách tay, vượt ra ngoài các chức năng cơ bản Ví dụ, các tính năng này có thể bao gồm bàn phím chống nước, màn hình cảm ứng, và nhiều tính năng khác giúp nâng cao trải nghiệm sử dụng.

Tính năng tăng cường của sản phẩm phản ánh sự hiểu biết về các đặc điểm nổi bật và khả năng đáp ứng nhu cầu của người tiêu dùng (Thùy Trang, 2021).

H2: Tính năng tăng cường có quan hệ thuận chiều với quyết định mua laptop của sinh viên tại thành phố Hồ Chí Minh

Khả năng kết nối và di động của laptop rất quan trọng, phản ánh sự hiểu biết của người dùng về khả năng kết nối với các thiết bị như mạng internet và wifi Sự tiện lợi khi di chuyển laptop để làm việc hoặc học tập cũng đáp ứng nhu cầu thông tin của họ trên thị trường.

H3: Khả năng kết nối và di động có quan hệ thuận chiều với quyết định mua laptop của sinh viên tại thành phố Hồ Chí Minh

Thương hiệu bao gồm hình ảnh, định vị và giá trị của cả công ty sản xuất và công ty phân phối máy tính xách tay, là những yếu tố quan trọng trong việc xây dựng và phát triển thương hiệu (Phạm Hùng Cường & Phan Lê Thùy Trang, 2021).

Thương hiệu có ảnh hưởng tích cực đến quyết định mua laptop của sinh viên tại thành phố Hồ Chí Minh Ảnh hưởng từ xã hội, hay còn gọi là chuẩn chủ quan, là nhận thức của cá nhân về những ý kiến và áp lực từ những người xung quanh về việc thực hiện hành vi mua sắm Chuẩn mực chủ quan phản ánh cách mà sinh viên cảm nhận về sự kỳ vọng của xã hội đối với việc lựa chọn laptop, từ đó tác động đến quyết định cuối cùng của họ (Ajzen, lý thuyết hành vi có kế hoạch).

Theo nghiên cứu của Organizational Behavior and Human Decision (1991), khi người ảnh hưởng đến người tiêu dùng có mối quan hệ thân thiết và đáng tin cậy, người tiêu dùng sẽ có xu hướng tin tưởng và dễ dàng đưa ra quyết định dựa trên sự ảnh hưởng của họ.

H5: Ảnh hưởng từ xã hội có quan hệ thuận chiều với quyết định mua laptop của sinh viên tại thành phố Hồ Chí Minh

Giá cả và điều kiện thanh toán là những yếu tố quan trọng khi mua laptop, bao gồm giá cả sản phẩm, các điều kiện thanh toán, cùng với các khuyến mãi và chiết khấu hấp dẫn.

Giá cả là yếu tố quan trọng nhất mà người tiêu dùng xem xét trước khi quyết định mua sản phẩm Trước khi chi tiền, họ luôn đánh giá xem mức giá có phù hợp với khả năng tài chính của mình hay không.

H6: Giá cả và điều kiện thanh toán có quan hệ thuận chiều với quyết định mua laptop của sinh viên tại thành phố Hồ Chí Minh

Mô hình nghiên cứu đề xuất

Nhóm tác giả đã tổng hợp và chọn lọc các nghiên cứu liên quan để xác định 7 yếu tố ảnh hưởng đến quyết định mua laptop của sinh viên tại thành phố Hồ Chí Minh Các yếu tố này được điều chỉnh phù hợp với không gian và điều kiện nghiên cứu, nhằm đưa ra mô hình đề xuất hiệu quả.

Hình 1 2: Mô hình nghiên cứu đề xuất

XỬ LÝ DỮ LIỆU VÀ KẾT QUẢ NGHIÊN CỨU

Thông tin về mẫu nghiên cứu

Mẫu nghiên cứu được thu thập thông qua bảng câu hỏi khảo sát, với tổng cộng 172 phiếu thu vào, trong đó có 22 phiếu không đủ điều kiện Kết quả là cỡ mẫu chính xác được chọn là 150 mẫu Dữ liệu sau đó được xuất sang phần mềm Excel và tiếp tục nhập vào phần mềm SPSS để thực hiện phân tích định lượng.

Thao tác: Analyze > Descriptive Statistics > Frequencies Statistics Đưa các biến cần chạy thống kê mô tả từ mục bên trái sang mục bên phải Variable, chọn OK

Bảng 2 1: Bảng thống kê mô tả các biến định lượng của nghiên cứu Đặc điểm Số lượng Tần suất

Khảo sát về giới tính cho thấy, trong số người tiêu dùng mua laptop, có 50 nam (chiếm 33,3%) và 100 nữ (chiếm 66,7%) Điều này cho thấy, người tiêu dùng chủ yếu mua laptop là nữ.

Khảo sát về thu nhập: Có 112 người có thu nhập dưới 3 triệu (chiếm 74,7%), có

Theo khảo sát, 29 người có thu nhập từ 3 triệu đến 5 triệu đồng, chiếm 19,3%, trong khi có 9 người có thu nhập trên 5 triệu đồng Đặc biệt, nhóm người chủ yếu mua laptop lại là những người có thu nhập dưới 3 triệu đồng.

Khảo sát về năm học: Sinh viên năm 1 có 9 người (chiếm 6%), sinh viên năm 2 có

57 người (chiếm 38%), sinh viên năm 3 có 72 người (chiếm 48%) và sinh viên năm

Kiểm định mối liên hệ giữa các biến định tính

Kiểm định Chi bình phương được áp dụng để đánh giá mối quan hệ giữa hai biến định tính hoặc biến phân loại trong một tập dữ liệu Mục đích của phương pháp này là xác định xem có sự liên kết nào tồn tại giữa các biến này hay không.

Cách thức tiến hành với SPSS như sau: Analyze > Descriptive Statistics >

Crosstab Đưa lần lượt từng biến định tính cần phân tích vào 2 ô Row(s) và

Column(s) Nhấn vào hộp thoại Statistics, chọn ô Chi-square và Phi & Cramer’s

V, chọn Continue Chọn OK để phân tích. Ý nghĩa các đại lượng:

Kiểm tra chi bình phương chỉ có ý nghĩa khi số quan sát là đủ lớn Nếu trong bảng chéo có hơn 20% ô với tần suất lý thuyết nhỏ hơn hoặc bằng 5, giá trị kiểm định sẽ không còn đáng tin cậy Cuối bảng luôn có dòng chỉ ra tỷ lệ phần trăm số ô có tần suất lý thuyết nhỏ hơn 5.

● Pearson Chi-square Sig.: Dựa vào giá trị này để kết luận là chấp nhận hay bác bỏ giả thuyết H0

○ p-value (sig.) ≤ 0.05 là bác bỏ giả thuyết H0 Có nghĩa là có mối quan hệ có ý nghĩa giữa các biến cần kiểm định.

○ p-value (sig.) > 0.05 là chấp nhận H0 Không có mối quan hệ giữa các biến cần kiểm định.

● Likelihood Ratio là một số thống kê tương tự với Pearson Chi- Square Đối với cỡ mẫu lớn thì kết quả của 2 số này khá gần nhau

● Linear-by-linear Association dùng để đo lường mối quan hệ tuyến tính giữa

Hai biến được kiểm định chỉ có giá trị khi các biến trong cột và hàng được sắp xếp theo thứ tự tăng dần Nếu các số liệu không được sắp xếp một cách hợp lý, thì chúng sẽ không có ý nghĩa và cần phải bỏ qua.

Bảng 2 2: Kết quả Kiểm tra Chi-square của biến Giới tính và Thu nhập

Giá trị df Ý nghĩa tiệm cận

Tỷ lệ khả năng xảy ra

Số lượng các trường hợp hợp lệ

150 aCó 1 ô (chiếm 16.7% số ô trong bảng chéo) có tần số mong đợi nhỏ hơn 5 Tần số tối thiểu là 3.00.

Có 16.7% (< 20%) số ô có tần số mong đợi dưới 5 nên ta kết luận kết quả kiểm định Chi-bình phương là đáng tin cậy.

Pearson Chi-square Sig = 0.210 > 0.05 nên ta kết luận không có mối liên hệ giữa Giới tính và Thu nhập của các sinh viên tại TP.HCM.

Bảng 2 3 Kết quả Kiểm tra Chi-square của biến Năm học và Thu nhập

Giá trị df Ý nghĩa tiệm cận

Tỷ lệ khả năng xảy ra

Sự liên kết linear- by-linear

Số lượng các trường hợp hợp lệ

150 aCó 6 ô (chiếm 50% số ô trong bảng chéo) có tần số mong đợi nhỏ hơn 5 Tần số tối thiểu là 54.

Kết quả kiểm định Chi-bình phương cho thấy có 50% số ô với tần số mong đợi dưới 5, do đó kết luận rằng mối quan hệ giữa biến Năm học và Thu nhập là không có ý nghĩa và không đáng tin cậy.

Kiểm định độ tin cậy thang đo (hệ số cronbach’s Alpha)

Phân tích mục đích của công cụ này là kiểm tra độ tin cậy và chất lượng của các biến quan sát thuộc nhân tố mẹ Kiểm định sẽ xác định các biến nào đóng góp hiệu quả vào việc đo lường khái niệm nhân tố và các biến nào không có giá trị Điều này giúp đảm bảo tính chặt chẽ và thống nhất trong các câu trả lời, từ đó xác nhận rằng người được hỏi đã hiểu đúng về khái niệm được nghiên cứu.

To perform reliability analysis using SPSS, navigate to Analyze > Scale > Reliability Analysis For each measurement scale, input the observed variables of each factor into the Items section Then, select Statistics and check the option for Scale if item deleted to obtain the relevant results.

Continue > OK để xuất kết quả ra output

Tiêu chuẩn kiểm định độ tin cậy của thang đo Cronbach’s Alpha được đề xuất bởi Hair và cộng sự (1998) cho thấy rằng nếu hệ số Cronbach’s Alpha nằm trong khoảng từ 0.8 đến 1, thang đo được coi là tốt; từ 0.7 đến 0.8 là thang đo có thể sử dụng; và từ 0.6 trở lên là thang đo đủ điều kiện sử dụng Để đảm bảo tính chính xác, hệ số tương quan biến tổng Corrected Item – Total Correlation cần phải đạt ≥ 0.3.

● Cronbach's Alpha (Hệ số Cronbach's Alpha): hệ số Cronbach’s Alpha giúp đo lường độ tin cậy của thang đo.

● N of Items: Số lượng biến quan sát

● Scale Mean if Item Deleted: Trung bình thang đo nếu loại biến

● Scale Variance if Item Deleted: Phương sai thang đo nếu loại biến

● Corrected Item-Total Correlation (Tương quan biến tổng): cho thấy mức độ chặt chẽ giữa các biến quan sát tương ứng với biến tổng.

Hệ số Cronbach's Alpha nếu loại biến (Cronbach's Alpha if Item Deleted) cho biết giá trị của hệ số Cronbach's Alpha khi biến đang xem xét bị loại bỏ Nếu giá trị này cao hơn hệ số Cronbach's Alpha tổng thể của nhóm, thì cần xem xét khả năng loại bỏ biến quan sát đó để cải thiện độ tin cậy của thang đo.

Bảng 2 4: Kết quả kiểm định độ tin cậy Cronbach’s Alpha

Trung bình thang đo nếu loại biến

Hệ số tương quan biến tổng

Hệ số Cronbach's Alpha nếu bị loại biến

Thang đo Đặc điểm kỹ thuật: Cronbach's Alpha = 0,782

Thang đo Tính năng tăng cường: Cronbach's Alpha = 0,785

Thang đo Khả năng kết nối và di động: Cronbach's Alpha = 0,835

Thang đo Thương hiệu: Cronbach's Alpha = 0,781

Thang đo Ảnh hưởng từ xã hội: Cronbach's Alpha = 0,804

Thang đo Giá cả và khả năng thanh toán: Cronbach's Alpha = 0,685

Thang đo Dịch vụ hậu mãi: Cronbach's Alpha = 0,815

Thang đo Quyết định mua: Cronbach’s Alpha = 0,672

Nguồn: Xử lý dữ liệu khảo sát qua SPSS

Kết quả kiểm định cho thấy tất cả bảy thang đo, bao gồm Đặc điểm kỹ thuật, Tính năng tăng cường, Khả năng kết nối và di động, Thương hiệu, Ảnh hưởng từ xã hội, Giá cả và khả năng thanh toán, cùng với Dịch vụ hậu mãi và Quyết định mua đều có hệ số Cronbach’s Alpha lớn hơn 0,6, với hệ số cao nhất là 0,835 cho thang đo Khả năng kết nối và di động, và thấp nhất là 0,672 cho thang đo Quyết định mua Tất cả các biến quan sát đều có hệ số tương quan biến tổng lớn hơn 0,3, và khi loại bỏ bất kỳ biến nào, hệ số Cronbach’s Alpha của biến tổng vẫn cao hơn Điều này cho thấy rằng các thang đo này là đáng tin cậy, và tất cả các biến quan sát sẽ được giữ lại để phân tích nhân tố khám phá nhằm kiểm định giá trị thang đo.

Phân tích nhân tố khám phá EFA

Phân tích nhân tố khám phá (EFA) nhằm rút gọn một tập hợp k biến quan sát thành các nhân tố có ý nghĩa hơn, đồng thời vẫn giữ lại hầu hết thông tin của tập biến ban đầu (Hair J.F Jr và cộng sự, 1998) Phương pháp này giúp phát hiện mối quan hệ giữa các biến trong các nhóm nhân tố khác nhau, từ đó nhận diện các biến quan sát có thể tải lên nhiều nhân tố hoặc bị phân sai từ ban đầu Việc thực hiện phân tích này thường được hỗ trợ bởi phần mềm SPSS.

To conduct Exploratory Factor Analysis (EFA) with independent variables, navigate to Analyze > Dimension Reduction > Factor In the Factor Analysis window, input all relevant observed variables into the Variables box, excluding those eliminated during the Cronbach’s Alpha test Select Descriptive and check KMO and Bartlett's test of sphericity, then click Continue For Extraction, choose Method: Principal axis factoring and click Continue Under Rotation, select Promax and continue In Options, suppress small coefficients by setting the absolute value below 2 and then click Continue Finally, click OK to execute the EFA for the independent variables.

To conduct factor analysis with a dependent variable, navigate to Analyze > Dimension Reduction > Factor The Factor Analysis window will appear Add all relevant observed variables of the dependent variable into the Variables box, excluding those removed during the Cronbach’s Alpha test Select Descriptive, then KMO and Bartlett's test of sphericity, and click Continue For Extraction, choose Method: Principal Components and click Continue Under Rotation, select Varimax and click Continue In Options, suppress small coefficients by setting the absolute value below 0.2, then click Continue Finally, click OK to perform the analysis.

EFA các biến phụ thuộc Ý nghĩa của các đại lượng:

● Hệ số KMO (Kaiser-Meyer-Olkin): là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố.

● Kiểm định Bartlett (Bartlett’s test of sphericity): dùng để xem xét các biến quan sát trong nhân tố có tương quan với nhau hay không.

● Trị số Eigenvalue dùng để xác định số lượng nhân tố trong phân tích EFA.

Tổng phương sai trích (Total Variance Explained) cho biết tỷ lệ phần trăm các nhân tố được trích ra và mức độ phần trăm biến mất của các biến quan sát.

Các tiêu chuẩn trong phân tích nhân tố khám phá EFA để phân tích nhân tố là phù hợp:

● Trị số của KMO phải đạt giá trị từ 0.5 đến 1 (0.5 ≤ KMO ≤ 1)

● Kiểm định Bartlett (Bartlett’s test of sphericity) có sig Bartlett’s Test nhỏ hơn 0.05

● Trị số Eigenvalue phải lớn hơn hoặc bằng 1

● Tổng phương sai trích (Total Variance Explained) lớn hơn hoặc bằng 50%

2.4.1 Kết quả phân tích EFA của biến độc lập

Bảng 2 5: Kết quả phân tích EFA đối với thang đo các biến độc lập

Giá trị P của kiểm định Bartlett’s = 0,000

Phần trăm phương sai trích = 70,692%

Nguồn: Xử lý dữ liệu khảo sát qua SPSS

Kết quả phân tích cho thấy hệ số KMO đạt 0,821, vượt mức 0,5, cho thấy điều kiện phân tích nhân tố là thích hợp Kiểm định Bartlett’s với giá trị sig 0,000 nhỏ hơn 0,5 cho thấy sự tương quan giữa các biến quan sát Qua 8 lần phân tích nhân tố EFA, từ 27 biến cơ sở ban đầu, đã rút gọn còn 20 biến quan sát, tất cả đều có hệ số tải lớn hơn 0,5 và giá trị Eigenvalue là 1,137.

> 1 với tổng phương sai trích = 53.729% (> 50%) Qua 8 lần phân tích, các biến quan sát được chia thành 6 nhân tố, cụ thể:

Nhóm nhân tố đầu tiên liên quan đến nhận thức về Đặc điểm kỹ thuật, cho thấy bốn tiêu chí KT1, KT2, KT3 và KT4 đều được nhóm lại trong một nhân tố duy nhất Điều này chỉ ra rằng các biến quan sát này có mối quan hệ ý nghĩa với nhân tố nhận thức Đặc điểm kỹ thuật.

Nhóm nhân tố thứ hai liên quan đến nhận thức về Tính năng tăng cường (TC), trong đó có 4 tiêu chí được nhóm lại thành một nhóm nhân tố Các biến quan sát trong nhóm này bao gồm TC1, TC2 và TC3.

TC5 Cho thấy chúng có quan hệ ý nghĩa với nhân tố nhận thức Tính năng tăng cường

- Nhóm nhân tố thứ ba: nhận thức Khả năng kết nối và di động (KN) cho thấy

Ba tiêu chí này được nhóm lại thành một nhân tố, bao gồm ba biến quan sát là KN1, KN2 và KN3 Điều này cho thấy mối quan hệ ý nghĩa giữa các biến quan sát này và nhân tố nhận thức về khả năng kết nối và di động.

Nhóm nhân tố thứ tư liên quan đến nhận thức ảnh hưởng từ xã hội (XH) được xác định qua bốn tiêu chí, bao gồm các biến quan sát XH1, XH2 và XH3 Những biến này cho thấy mối quan hệ ý nghĩa với nhân tố nhận thức ảnh hưởng từ xã hội.

Nhóm nhân tố thứ năm liên quan đến nhận thức về Dịch vụ hậu mãi (HM), trong đó có bốn tiêu chí được nhóm lại thành một nhân tố duy nhất Các biến quan sát HM1, HM2 và HM3 đều cho thấy mối quan hệ ý nghĩa với nhân tố này, khẳng định tầm quan trọng của nhận thức về Dịch vụ hậu mãi trong việc đánh giá chất lượng dịch vụ.

Nhóm nhân tố thứ sáu liên quan đến nhận thức thương hiệu (TH) bao gồm bốn tiêu chí, được thể hiện qua bốn biến quan sát TH1, TH2, TH3 Các biến này cho thấy mối quan hệ ý nghĩa với nhân tố nhận thức thương hiệu, nhấn mạnh tầm quan trọng của việc xây dựng và duy trì hình ảnh thương hiệu trong tâm trí người tiêu dùng.

2.4.2 Kết quả phân tích EFA của biến phụ thuộc

Bảng 2 6: Kết quả phân tích EFA của biến phụ thuộc

Hệ số KMO = 0,647 Giá trị P của kiểm định Bartlett’s = 0,000 Phần trăm phương sai trích = 60,711%

Kết quả phân tích cho thấy Sig = 0,000, cho thấy sự tương quan giữa các biến quan sát trong tổng thể Chỉ số KMO đạt 0,647, vượt mức 0,5, cho thấy điều kiện phân tích nhân tố là phù hợp Phân tích cũng chỉ ra có một nhân tố được trích ra với Eigenvalue 1,821, giải thích 60,711% sự biến thiên của dữ liệu từ ba biến quan sát trong EFA.

Phân tích tương quan

Hệ số tương quan Pearson được sử dụng để kiểm tra mối tương quan tuyến tính giữa biến phụ thuộc và các biến độc lập, đồng thời giúp nhận diện vấn đề đa cộng tuyến khi các biến độc lập có mối tương quan mạnh với nhau.

Để thực hiện phân tích tương quan trong SPSS, bạn cần truy cập vào menu Analyze > Correlate > Bivariate Khi hộp thoại Bivariate Correlations xuất hiện, hãy chuyển các biến độc lập và biến phụ thuộc từ cột bên trái sang cột bên phải Cuối cùng, nhấn OK để tiến hành phân tích.

Bảng 2 7: Bảng phân tích tương quan Pearson

KT TC KN TH XH HM QĐ

* Correlation is significant at the 0.05 level (2-tailed).

** Correlation is significant at the 0.01 level (2-tailed).

Nguồn: Kết quả xử lý SPSS 2022

Khi xem xét Bảng phân tích tương quan Pearson, giá trị sig là yếu tố quan trọng cần chú ý Để mối tương quan r được coi là có ý nghĩa, mức ý nghĩa Sig phải nhỏ hơn α = 0.05.

Kết quả từ ma trận tương quan Pearson cho thấy tất cả các biến độc lập như Đặc điểm kỹ thuật, Tính năng tăng cường, Khả năng kết nối và di động, Thương hiệu, Ảnh hưởng từ xã hội, và Dịch vụ hậu mãi đều có mối quan hệ tương quan với quyết định mua laptop của sinh viên tại thành phố Hồ Chí Minh, với giá trị Sig của các biến này đều nhỏ hơn 0,05.

Sau khi hoàn tất việc đánh giá sự tương quan giữa các cặp biến, chúng ta sẽ sử dụng giá trị r (tương quan Pearson) để xác định mức độ tương quan mạnh hay yếu giữa các biến phụ thuộc và biến độc lập.

 r = 0: Hai biến không có tương quan tuyến tính

 r = 1; r = -1: Hai biến có mối tương quan tuyến tính tuyệt đối

 r < 0: Hệ số tương quan âm Nghĩa là giá trị biến x tăng thì giá trị biến y giảm và ngược lại, giá trị biến y tăng thì giá trị biến x giảm.

 r > 0: Hệ số tương quan dương Nghĩa là giá trị biến x tăng thì giá trị biến y tăng và ngược lại, giá trị biến y tăng thì giá trị biến x cũng tăng

Mối tương quan giữa các biến độc lập cho thấy hầu hết các cặp biến có mối tương quan tuyến tính với giá trị Sig nhỏ hơn 0,05 và hệ số tương quan nằm trong khoảng từ 0.105 đến 0.528 Điều này chỉ ra khả năng xảy ra đa cộng tuyến giữa các biến độc lập Nhóm sẽ kiểm tra hiện tượng này trong quá trình phân tích hồi quy tuyến tính bội và sử dụng hệ số lạm phát phương sai VIF (Variance Inflation Factor).

Hồi quy bội

Phân tích hồi quy tuyến tính giúp xác định cường độ tác động của các biến độc lập lên biến phụ thuộc Nghiên cứu này được thực hiện với 6 biến độc lập, bao gồm “Đặc điểm kỹ thuật”, “Tính năng tăng cường”, “Ảnh hưởng từ xã hội”, “Dịch vụ hậu mãi”, “Thương hiệu” và “Khả năng kết nối và di động”.

Trong phân tích nhân tố khám phá EFA, các biến khác đã bị loại bỏ, và giá trị của các nhân tố được sử dụng trong phân tích hồi quy là giá trị trung bình của các biến quan sát Các giá trị "Đặc điểm kỹ thuật" được ký hiệu lần lượt là KT, TC, KN, TH, XH và HM.

Trong nghiên cứu này, chúng tôi áp dụng phân tích hồi quy đa biến để đánh giá ảnh hưởng của sáu nhân tố bao gồm tính năng tăng cường, khả năng kết nối và di động, thương hiệu, ảnh hưởng từ xã hội, và dịch vụ hậu mãi lên quyết định (QD) Các nhân tố độc lập được kiểm định hệ số tương quan, với hệ số tự do (𝜷₀) và các hệ số hồi quy từng phần (𝜷₁, 𝜷₂, 𝜷₃, 𝜷₄, 𝜷₅) tương ứng với các biến này Kết quả phân tích sẽ cung cấp cái nhìn sâu sắc về mối quan hệ giữa các yếu tố và quyết định của người tiêu dùng.

𝜷₆ ) Mô hình hồi quy tuyến tính được xây dựng như sau:

QD=𝜷₀ + 𝜷₁*KT + 𝜷₂*TC + 𝜷₃*KN + 𝜷₄*TH + 𝜷₅*XH + 𝜷₆*HM + e

QD: là biến phụ thuộc chịu tác động của các biến khai thác

KT, TC, KN, TH, XH, HM: là các biến độc lập tác động lên biến phụ thuộc

𝜷₀: là hệ số chưa chuẩn hóa Beta, hay còn gọi là tung độ gốc

𝜷₁, 𝜷₂, 𝜷₃, 𝜷₄, 𝜷₅, 𝜷₆: là hệ số hồi quy e: là sai số ước lượng

To perform a linear regression analysis in SPSS, navigate to Analyze > Regression > Linear Place your dependent variable in the Dependent box and your independent variables in the Independents box Next, select Statistics, check the boxes for Collinearity diagnostics and Durbin-Watson, and click Continue For visual representation, go to Plots, check Histogram and Normal probability plot, and drag the ZRESID variable into the appropriate box.

Y, kéo biến ZPRED thả vào ô X Quay lại hộp thoại Linear Regression, chọnMethod: Enter, cuối cùng chọn OK để phân tích hồi quy.

Bảng 2 8: Kết quả phân tích hồi quy_Bảng Model Summary

Mô hình R R² R² hiệu chỉnh Độ lệch chuẩn của ước lượng

1 601ê 361 334 56285 2.247 a Biến độc lập: (hằng số): HM, TC, XH, KT, KN, TH b Biến phụ thuộc: QD

Để đánh giá sự phù hợp của mô hình hồi quy với tập dữ liệu, hệ số R² hiệu chỉnh được sử dụng, phản ánh mức độ ảnh hưởng của các biến độc lập lên biến phụ thuộc Kết quả cho thấy hệ số R² hiệu chỉnh là 0.334, nhỏ hơn R² là 0.361, chứng tỏ mô hình hồi quy phù hợp với dữ liệu ở mức 33.4% Cụ thể, 6 biến độc lập trong mô hình ảnh hưởng đến 33.4% sự thay đổi của biến phụ thuộc “Quyết định mua laptop”, trong khi 66.6% còn lại do các biến ngoài mô hình và sai số ngẫu nhiên.

Hệ số Durbin-Watson đạt 2.247 với mức ý nghĩa 5%, hệ số biến độc lập đưa vào chạy hồi quy k’=6, kích thước mẫu n0

Tra bảng DW ta có dL=1.400 và dU=1.863 Thấy DW=2.247 > dL=1,679.

Do dU < DW < 4-dU, kết luận rằng mô hình không có sự tự tương quan.

2.6.1 Kết quả kiểm định ANOVA

Bảng 2 9: Kết quả kiểm định ANOVA

Mô hình Tổng bình phương

Df Bình phương trung bình

Phân tích phương sai và hệ số R2 cho thấy mô hình nghiên cứu phù hợp Để xác nhận điều này, cần thực hiện kiểm định F thông qua phân tích phương sai Kết quả kiểm định cho thấy giá trị F = 13.473 với mức ý nghĩa Sig = 0,000, nhỏ hơn 0,05, cho thấy mô hình hồi quy phù hợp với dữ liệu và các biến độc lập đều có ý nghĩa thống kê ở mức 5% Do đó, giả thuyết H0 bị bác bỏ, xác nhận rằng ít nhất một biến độc lập trong mô hình có ảnh hưởng đến biến phụ thuộc.

2.6.2 Kết quả hồi quy của từng biến

Bảng 2 10: Các hệ số hồi quy trong mô hình

Mô hình Hệ số chưa chuẩn hóa

Beta Hệ số chấp nhận

Hệ số phóng đại phương sai

Xét các yếu tố có giá trị Sig < 0.05 bao gồm KT, TC, HM với giá trị Sig lần lượt là 0.002, 0.03, 0.003 < 0.05 là có ý nghĩa.

Độ chấp nhận của biến (Tolerance) và hệ số phóng đại phương sai (VIF) cho thấy không có hiện tượng đa cộng tuyến trong mô hình, khi tất cả các hệ số chấp nhận đều lớn hơn 0,1 và VIF nhỏ hơn 10, không vượt quá 2 Các nhân tố trong mô hình đều có mức ý nghĩa Sig nhỏ hơn 0.05, cho thấy chúng có tác động cùng chiều đến ý định tham gia với các hệ số hồi quy dương Giá trị hồi quy chuẩn của các biến độc lập lần lượt là: Đặc điểm kỹ thuật 0.267, Tính năng tăng cường 0.137 và Hậu mãi 0.268.

Vậy ta có mô hình hồi quy tuyến tính như sau:

Kết quả nghiên cứu chỉ ra rằng ba biến độc lập là đặc điểm kỹ thuật, tính năng tăng cường và hậu mãi có giá trị Sig < 0,05 với hệ số hồi quy dương, cho thấy chúng có ảnh hưởng tích cực đến quyết định mua hàng của người tiêu dùng Ngược lại, các giả thuyết H3, H4, H5 liên quan đến khả năng kết nối và di động, thương hiệu, và ảnh hưởng từ xã hội đã bị bác bỏ Do đó, chỉ có ba giả thuyết H1, H2, H6 được chấp nhận với ý nghĩa thống kê.

Kiểm định Independent samples T - Test và ANOVA

 Kiểm định T - Test giữa biến giới tính và biến Quyết định mua

Mục đích của kiểm định này là xác định sự khác biệt giữa nhu cầu tiêu dùng xanh của nam và nữ Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008), để thực hiện kiểm định T-test, cần dựa vào kết quả kiểm định sự bằng nhau của hai phương sai tổng thể thông qua kiểm định Levene Phương sai là chỉ số thể hiện mức độ đồng đều hoặc không đồng đều của dữ liệu quan sát.

To conduct an Independent Samples T-Test in SPSS, navigate to Analyze > Compare Means > Independent Samples T-Test In the opened interface, place the quantitative variable in the Test Variable(s) section and the qualitative variable in the Grouping Variable section Then, click on Define Groups and enter 1 and 2 in the two empty fields Finally, return to the Independent-Samples T-Test dialog and click OK to obtain the results.

Kết quả kiểm định sự khác biệt về Quyết định mua với biến giới tính được thể hiện trong bảng sau:

Bảng 2 11: Kết quả kiểm định Independent Samples T - Test

Kiểm định Levene Kiểm định t

Giả thiết phương sai bằng nhau 506 478 -.892 374

Giả thiết phương sai không bằng nhau -.880 381

H : Phương sai không đồng nhất₁

Kết quả thống kê Levene cho giá trị Sig (màu vàng) = 0.478 > 0.05 (mức ý nghĩa).

Chấp nhận giả thuyết H cho thấy phương sai của hai giới tính là giống nhau Do đó, trong kết quả kiểm định T-test, chúng ta sẽ sử dụng kết quả giả thuyết về phương sai bằng nhau để tiến hành kiểm định cặp giả thuyết.

H : Không có sự khác biệt về quyết định mua giữa nam và nữ₀

H : Có sự khác biệt về quyết định mua giữa nam và nữ₁

Kết quả thống kê Leneve cho giá trị Sig T-test (màu xanh) đối với trường hợp phương sai bằng nhau = 0.374 > 0.05 (mức ý nghĩa).

Với mức ý nghĩa 5%, chúng ta chấp nhận giả thuyết H₀, cho thấy không có sự khác biệt về quyết định mua sắm giữa nam và nữ, cũng như phương sai giữa các nhóm giá trị là đồng nhất.

Từ kết quả của kiểm định T-test, nhóm đi vào kiểm định ANOVA để tìm ra sự khác biệt giữa các cặp biến định lượng so với định tính.

2.7.2 Kiểm định ANOVA cho các biến nhân khẩu học a Kiểm định ANOVA giữa Quyết định mua và Số năm của sinh viên

Mục đích của nghiên cứu là kiểm định sự khác biệt có ý nghĩa thống kê giữa các biến nhân khẩu học trung bình, bao gồm số năm sinh viên và thu nhập Đồng thời, nghiên cứu cũng nhằm xác định mức độ ảnh hưởng của các biến độc lập đối với biến phụ thuộc trong phân tích hồi quy.

Để thực hiện phân tích ANOVA một chiều trên SPSS, bạn vào menu Analyze > Compare Means > One-Way ANOVA Đưa biến phụ thuộc vào mục Dependent List và biến định tính vào mục Factor Trong bảng kiểm định ANOVA, giá trị Sig là đại lượng quan trọng mà chúng ta cần chú ý.

 Nếu sig < 0.05 chúng ta kết luận có sự khác biệt ý nghĩa thống kê về Quyết định mua laptop của sinh viên thuộc nhóm số năm/thu nhập khác nhau.

Nếu giá trị sig nhỏ hơn 0.05, chúng ta có thể kết luận rằng không tồn tại sự khác biệt có ý nghĩa thống kê trong quyết định mua laptop của sinh viên thuộc các nhóm năm học và thu nhập khác nhau.

Bảng 2 12: Kết quả kiểm định ANOVA giữa Quyết định mua và Số năm của sinh viên

Sum of Squares df Mean

Kết quả phân tích ANOVA cho thấy không có sự khác biệt về ý định tiêu dùng xanh giữa các nhóm tuổi khác nhau, với giá trị Sig = 0.346 > 0.05 Bên cạnh đó, cần thực hiện kiểm định ANOVA giữa Quyết định mua và Thu nhập để có thêm thông tin về mối liên hệ này.

Bảng 2 13: Kiểm định ANOVA giữa Quyết định mua và Thu nhập