Mức độ phổ biến và các yếu tố quyết định tiếp tục sử dụng dịch vụ grabbike của sinh viên đại học quốc tế hồng bàng

TRƯỜNG ĐẠI HỌC QUỐC TẾ HỒNG BÀNG KHOA KINH TẾ QUẢN LÝ-LUẬT ♥♥♥♥♥♥♥♥♥♥ Tiểu luận: Kinh tế lượng GVBM : THẦY NGUYỄN LÂM SƠN ĐỀ TÀI: MỨC ĐỘ PHỔ BIẾN VÀ CÁC YẾU TỐ QUYẾT ĐỊNH TIẾP TỤC SỬ DỤNG DỊCH VỤ GRABBIKE CỦA SINH VIÊN ĐẠI HỌC QUỐC TẾ HỒNG BÀNG NHÓM : Nguyễn Hữu Vũ Duy Nguyễn Thị Hương Quỳnh Nguyễn Quốc Tài Lê Thị Hương Giang Đỗ Hoàng Minh Thư MỤC LỤC Lý chọn đề tài : 1.1 Mục tiêu nghiên cứu 1.2 Câu hỏi nghiên cứu 1.3 Đối tượng phạm vi nghiên cứu Mơ hình đề xuất: .4 2.1 Tên biến phụ thuộc biến giải thích (độc lập) .4 2.2 Mơ hình tổng thể: Nguồn số liệu, bảng số liệu gốc 3.1 Link khảo sát : 3.2 Kết khảo sát : .6 Chạy mơ hình : 4.1 4.1.1 Kiểm định mơ hình Kiểm định hệ số 1 : 4.1.2 Kiểm định hệ số 2 : .9 4.1.3 Kiểm định hệ số 3 4.1.4 Kiểm định hệ số 4 4.1.5 Kiểm định hệ số 5 10 4.1.6 Kiểm định độ phù hợp mơ hình 10 4.2 Kiểm định khắc phục đa cộng tuyến 11 4.2.1 Kiểm định đa cộng tuyến 11 4.2.2 4.3 Khắc phục đa cộng tuyến 12 Kiểm định khắc phục tự tương quan .13 4.3.1 Kiểm định tự tương quan 13 4.3.2 Khắc phục tự tương quan 13 Lý chọn đề tài : Sự phát triển vũ bão khoa học công nghệ internet làm thay đổi sống cách rõ rệt Con người sống môi trường tự nhiên với thiết bị đại mối quan hệ họ khơng bị bó hẹp địa phương ,đất nước mà vươn tồn giới Chính điều làm thay đổi hoạt động kinh doanh doanh nghiệp,lấn dần từ kinh doanh thương mại truyền thống sang thương mại điện tử Bắt kịp với xu hướng mơ hình kinh doanh thương mại điện tử áp dụng vào Việt Nam năm gần Với tiện lợi trao đổi người mua người bán, thương mại điện tử dần trở thành lựa chọn nhiều người bận rộn,cư dân mạng …v…v… Từ , ứng dụng đặt xe đời phát triển mạnh mẽ Ứng dụng gọi xe, thành tựu đột phá sinh từ cách mạng 4.0 với ưu điểm phủ nhận làm thay đổi diện mạo ngành Kinh doanh vận tải, đồng thời tạo nên sức ép lớn với dịch vụ taxi truyền thống Các hãng taxi công nghệ thu hút lượng lớn tài xế tham gia, nhanh chóng chiếm lĩnh thị trường vốn hiển nhiên thuộc taxi truyền thống Sau Grab gia nhập thị trường Việt Nam năm 2014 thâu tóm Uber vào 2018 thị trường gọi xe cơng nghệ Việt Nam từ 2018 trở nên sôi động với nhiều tên GoViet, be, FastGo, Vato, Aber, MyGo, MLV, Go-ixe, Xelo, Ahamo, BAEMIN Chính lý ,nhóm tơi định chọn đề tài : phân tích mức độ phổ biến ứng dụng gọi xe GRAB cịn gọi xe ơm cơng nghệ 1.1 Mục tiêu nghiên cứu Thu thập số liệu cụ thể mức độ phổ biến ứng dụng gọi xe GRAB Tổng hợp phân tích số liệu thu thập Đưa nhận xét giải pháp mức độ phổ biến ứng dụng gọi xe 1.2 Câu hỏi nghiên cứu - Những yếu tố mang tính định đến mức độ phổ biến ứng dụng gọi xe grab ? - Mức độ phổ biến ứng dụng có ảnh hưởng nhu cầu sử dụng dịch vụ gọi xe ? - Phân tích mức độ phổ biến ứng dụng địa bàn thành phố ? - Yếu tố khiến khách hàng tiếp tục sử dụng GRAB 1.3 Đối tượng phạm vi nghiên cứu Đối tượng khảo sát: - Sinh viên trường đại học Quốc Tế Hồng Bàng Phạm vi nghiên cứu: - Không gian: Trường đại học Quốc Tế Hồng Bàng - Thời gian : tháng 10/2020 Mơ hình đề xuất: Cảm nhận rủi ro Giá Quyết định sử dụng dịch vụ Grabbike 2.1 Chất lượng dịch vụ Tên b * Biế ến giải thích (độc lập) Ưu đãi nh sử dụng dịch vụ Grabbike khách hàng * Biến giải thích (độc lập): - Chất lượng sử dụng dịch vụ: Chất lượng ảnh hưởng định sử dụng Grabbike khách hàng Được chia thành mức độ Tốt, Bình thường Tệ - Giá sử dụng dịch vụ: Giá tác động đến định sử dụng dịch vụ Grabbike khách hàng Với lựa chọn Rẻ, Đắt Vừa phải - Những ưu đãi cho khách hàng: Ưu đãi yếu tố tác động đến định sử dụng dịch vụ Grabbike khách hàng - Rủi ro khách hàng sử dụng dịch vụ: Rủi ro ảnh hưởng nhiều đến định sử dụng dịch vụ Grabbike khách hàng Được chia thành cấp độ Không rủi ro, Rủi ro cao rủi ro thấp 2.2 Mơ hình tổng thể: Yi = β1 + β2X2 + β3X3 + β4X4 +β5X5 + Ui Ui sai số ngẫu nhiên Yi : ∆ Số tiền bạn bỏ để sử dụng dịch vụ GRABBIKE tháng X2 : giá sử dụng dịch vụ X3 : chất lượng sử dụng dịch vụ X4 : rủi ro khách hàng sử dụng dịch vụ X5 : ưu đãi cho khách hàng Nguồn số liệu, bảng số liệu gốc 3.1 Link khảo sát : 3.2 Kết khảo sát : Số tiền Giá 0: Rẻ 1: Đắt Chất lượng 0: Tốt 1: Tệ Rủi ro 0: Có rủi ro 1: Khơng có rủi ro Ưu đãi 0: Có 1: Không 100,000 0 0 0 1 100000 0 100,000 0 200,000 1 900,000 0 0 0 80,000 0 0 500,000 1 0 0 1 100,000 1 500,000 0 40,000 0 0 4,000,000 1 100,000 0 30,000 0 100,000 0 450,000 0 75,000 0 600,000 1 300,000 0 1,000,000 0 450,000 0 2,000,000 1 150,000 0 1,850,000 1 1,000,000 0 300,000 0 0 1 0 0 50,000 0 95,000 0 1 200,000 0 200,000 0 1,500,000 0 0 100,000 0 545,000 0 500,000 0 400,000 1 0 1 700,000 0 600,000 1 0 450,000 0 1 500,000 0 0 700,000 0 0 1 1 1 650,000 0 750,000 1 1 Chạy mơ hình : Source SS df MS Model Residual 4.8111e+12 1.8292e+13 1.2028e+12 45 4.0648e+11 Total 2.3103e+13 49 4.7148e+11 tien Coef gia chatluong ruiro uudai _cons 308042 43034.5 -547663.2 -326872 820926.7 Std Err 189258.1 260598.5 205884.2 186215.5 342059.7 t 1.63 0.17 -2.66 -1.76 2.40 Number of obs F(4, 45) Prob > F R-squared Adj R-squared Root MSE P>|t| 0.111 0.870 0.011 0.086 0.021 = = = = = = 50 2.96 0.0297 0.2082 0.1379 6.4e+05 [95% Conf Interval] -73143.4 -481837.9 -962335.2 -701929.2 131983.1 689227.4 567906.9 -132991.2 48185.16 1509870 Vậy : Y = 820926.7 + 308042X2 + 43034.5X3 - 547663.2X4 –326872X5 + ei = 0.2082 F= 12.6213 4.1 Kiểm định mơ hình 4.1.1 Kiểm định hệ số 1 : H0 :  =  Với mức ý nghĩa α = 0.05 H1 :  ≠  Khoảng tin cậy 1 ( 131983.1 ; 1509870 ) Do 0 = không nằm khoảng tin cậy nên bác bỏ giả thiết H0, chấp nhận giả thiết H1 Kết luận: Số tiền bạn bỏ để sử dụng dịch vụ GRABBIKE tháng có ảnh hưởng đến việc sử dụng Grabbike 4.1.2 Kiểm định hệ số 2 : H0 :  =  Với mức ý nghĩa α = 0.05 H1 :  ≠  Khoảng tin cậy 2 (-73143.4 ; 689227.4) Do 0 = không nằm khoảng tin cậy nên bác bỏ giả thiết H0, chấp nhận giả thiết H1 Kết luận: Giá sử dụng dịch vụ có ảnh hưởng đến việc sử dụng Grabbike 4.1.3 Kiểm định hệ số 3 H0 :  =  Với mức ý nghĩa α = 0.05 H1 :  ≠  Khoảng tin cậy 3 (-481837.9 ; 567906.9) Do 0 = không nằm khoảng tin cậy nên bác bỏ giả thiết H0, chấp nhận giả thiết H1 Kết luận: Chất lượng sử dụng dịch vụ có ảnh hưởng đến việc sử dụng Grabbike 4.1.4 Kiểm định hệ số 4 H0 :  =  Với mức ý nghĩa α = 0.05 H1 :  ≠  Khoảng tin cậy 4 (-962335.2 ;-132991.2) Do 0 = không nằm khoảng tin cậy nên bác bỏ giả thiết H0, chấp nhận giả thiết H1 Kết luận: rủi ro khách hàng sử dụng dịch vụ có ảnh hưởng đến việc sử dụng Grabbike 4.1.5 Kiểm định hệ số 5 H0 :  =  Với mức ý nghĩa α = 0.05 H1 :  ≠  Khoảng tin cậy 5 (-701929 ;48185.16) Do 0 = không nằm khoảng tin cậy nên bác bỏ giả thiết H0, chấp nhận giả thiết H1 Kết luận: ưu đãi cho khách hàng có ảnh hưởng đến việc sử dụng Grabbike 4.1.6 Kiểm định độ phù hợp mơ hình Từ kết hồi quy, ta có hệ số F= 12.6213 Hệ số F(4; 45) = 2.96 Kiểm định giả thiết H0 : R2 = H1 : R2 ≠ Từ kết trên, ta thấy12.6213 >2.96, bác bỏ giả thuyết H0, chấp nhận H1 : R2 ≠ Kết luận: mơ hình hồi quy phù hơp 4.2 Kiểm định khắc phục đa cộng tuyến 4.2.1 Kiểm định đa cộng tuyến + Sử dụng Hàm hồi quy phụ - Hàm hồi quy phụ thứ 1: reg gia chatluong uudai ruiro Source SS df MS Model Residual 1.07165729 11.3483427 46 357219095 246703102 Total 12.42 49 253469388 gia Coef chatluong uudai ruiro _cons -.1513446 -.0537836 2445278 5390869 Std Err .2017898 1448547 1562899 2543524 t -0.75 -0.37 1.56 2.12 Number of obs F(3, 46) Prob > F R-squared Adj R-squared Root MSE P>|t| 0.457 0.712 0.125 0.039 = = = = = = 50 1.45 0.2411 0.0863 0.0267 49669 [95% Conf Interval] -.5575264 -.345361 -.0700675 0271021 2548372 2377937 5591231 1.051072 - Hàm hồi quy phụ thứ 2: reg chatluong gia ruiro uudai Source SS df MS Model Residual 734539793 5.98546021 46 244846598 1301187 Total 6.72 49 137142857 chatluong Coef gia ruiro uudai _cons -.0798237 -.2204982 -.0170203 1.039186 Std Err .1064301 1118568 1053275 1182289 t -0.75 -1.97 -0.16 8.79 Number of obs F(3, 46) Prob > F R-squared Adj R-squared Root MSE P>|t| 0.457 0.055 0.872 0.000 = = = = = = 50 1.88 0.1459 0.1093 0.0512 36072 [95% Conf Interval] -.2940563 -.4456542 -.2290335 8012037 1344089 0046578 1949929 1.277169 - Hàm hồi quy phụ thứ 3: reg ruiro gia chatluong uudai Source SS df MS Model Residual 1.63051007 9.58948993 46 543503358 208467172 Total 11.22 49 228979592 ruiro Coef gia chatluong uudai _cons 206629 -.353267 -.0272687 8620712 Std Err .1320669 1792092 1332958 2094062 t 1.56 -1.97 -0.20 4.12 Number of obs F(3, 46) Prob > F R-squared Adj R-squared Root MSE P>|t| 0.125 0.055 0.839 0.000 = = = = = = 50 2.61 0.0629 0.1453 0.0896 45658 [95% Conf Interval] -.0592079 -.7139964 -.2955792 4405584 4724659 0074625 2410418 1.283584 - Hàm hồi quy phụ thứ 4: reg uudai gia chatluong ruiro Source SS df MS Model Residual 057777778 11.7222222 46 019259259 254830918 Total 11.78 49 240408163 uudai Coef gia chatluong ruiro _cons -.0555556 -.0333333 -.0333333 Std Err .149627 2062785 1629412 2504002 t -0.37 -0.16 -0.20 2.80 Number of obs F(3, 46) Prob > F R-squared Adj R-squared Root MSE P>|t| 0.712 0.872 0.839 0.008 = = = = = = 50 0.08 0.9728 0.0049 -0.0600 50481 [95% Conf Interval] -.3567391 -.4485505 -.3613169 1959705 245628 3818838 2946502 1.204029 Từ mơ hình hồi quy phụ ta thấy giá trị R2 mô hình 0.0863, 0.1093, 0.1453, 0.0049 gia trị R2 nhỏ nhỏ giá trị R2 (0.2082) Vì mơ hình khơng có đa cộng tuyến 4.2.2 Khắc phục đa cộng tuyến Vì mơ hình khơng có đa cộng tuyến nên khơng cần khắc phục 4.3 Kiểm định khắc phục tự tương quan 4.3.1 Kiểm định tự tương quan + Sử dụng phương pháp Durbin-Watson: dwstat Durbin-Watson d-statistic( 5, 50) = 2.099941 Dựa vào kết phép thử Durbin-Watson so với bảng Durbin-Watson, d = 2,099941 > dL = 1.771,cho nên ta thấy mơ hình khơng có tự tương quan 4.3.2 Khắc phục tự tương quan Vì mơ hình k có tự tương quan nên khơng cần khắc phục