Thông tin tài liệu
ĐẠI HỌC UEH TRƯỜNG KINH DOANH KHOA KINH DOANH QUỐC TẾ - MARKETING TIỂU LUẬN Môn học: THỐNG KÊ TRONG KINH DOANH & KINH TẾ ĐỀ TÀI: KHẢO SÁT VỀ HỘI CHỨNG SỢ BỎ LỠ (FOMO) TRONG QUYẾT ĐỊNH MUA SẮM ONLINE CỦA SINH VIÊN TP.HCM Giảng viên: Nguyễn Văn Trãi Mã lớp học phần: 22C1STA50800512 Nhóm thực hiện: Nhóm Khóa – Lớp: K47 – MRC02 TP Hồ Chí Minh, ngày tháng 11 năm 2022 TABLE OF CONTENTS Abstract 1 Introduction Theoretical Background 2.1 Foundation of the theoretically proposed research model 2.2 Conceptual research model Key topics 4 Hypotheses development Methodology 5.1 Qualitative research 5.2 Quantitative research Data analysis and results .8 6.1 Qualitative research 6.2 Quantitative research Discussion .8 Conclusion 8.1 Theoretical contribution 8.2 Practical contribution 8.3 Limitations and future research .8 References LỜI NÓI ĐẦU Với tốc độ phát triển mạnh mẽ công nghệ địi hỏi người ngày tăng theo, từ nhu cầu ăn, mặc, ở, đến tinh thần Và đời Internet, đặc biệt sàn thương mại điện tử thoả mãn phần lớn nhu cầu này. Mua sắm trực tuyến việc xa lạ với người, đặc biệt bạn sinh viên Các sàn thương mại điện tử ngày khai thác hiệu hội chứng tâm lý “Sợ bị bỏ lỡ" (FOMO) phần lớn bạn trẻ để đăng mạnh doanh số bán hàng Hội chứng tâm lý “Sợ bị bỏ lỡ" (FOMO) thuật ngữ quen thuộc nhiều người, lại có ảnh hưởng vơ to lớn đến trạng thái tâm lý định mua hàng nhiều người Chính mà đề tài “NGHIÊN CỨU HỘI CHỨNG SỢ BỎ LỠ (FOMO) TRONG QUYẾT ĐỊNH MUA SẮM ONLINE CỦA SINH VIÊN TP.HCM” nhóm chúng em triển khai thực nhằm khảo sát nhận thức người hiệu ứng FOMO thói quen mua hàng online Nhóm em xin gửi lời cảm ơn chân thành đến Trường Đại học Kinh Tế TP Hồ Chí Minh đưa mơn Thống kê Ứng dụng vào chương trình giảng dạy Bên cạnh đó, đặc biệt cảm ơn giảng viên môn - Ts Nguyễn Văn Trãi - người thầy tận tình dạy bảo, định hướng cho chúng em cách tư logic, nâng cao kiến thức môn Thống kê đưa lời góp ý vơ q báu, giúp chúng em kịp thời chỉnh sửa thiếu sót q trình thực dự án Bên cạnh đó, để hồn thành dự án, chúng em khơng thể không nhắc đến anh/chị, bạn dành thời gian thực khảo sát trực tuyến để chúng em có thêm nhiều liệu để xây dựng nghiên cứu hồn chỉnh I Tóm tắt Lý chọn đề tài Hội chứng sợ bỏ lỡ (FOMO-Fear Of Missing Out) trạng thái tâm lý tiêu cực Người có hội chứng FOMO dễ dàng phát triển cảm xúc cô đơn, chán nản, hay chí đánh giá thấp thân cuối dẫn đến bệnh tâm lý trầm cảm Còn hành vi mua sắm trực tuyến, người bị FOMO ln tình trạng thấp chờ đợi, lo âu sợ bỏ lỡ điều mà họ nghĩ có ích với Hiệu ứng FOMO mua sắm online biểu qua chương trình khuyến diễn vào khung định đó, hay khách hàng đăng kí trước lợi ích độc quyền, Ai chúng ta, hẳn đôi gần mắc phải hội chứng tâm lý không nhận thức định mua hàng tảng thương mại điện tử Điều thơi thúc khách hàng mua nhiều mức nhu cầu, hay trạng thái sợ bị bỏ lỡ khung vàng, hay đợt sale Do đó, nhóm chúng em chọn trạng thái FOMO mua hàng mạng để làm đề tài cho dự án nghiên cứu lần này. Mục tiêu nghiên cứu Nhìn nhận cấp thiết đề tài, nghiên cứu đề mục tiêu nghiên cứu sau: Chỉ thực trạng hội chứng FOMO sinh viên địa bàn TPHCM Xác định, phân tích mức độ ảnh hưởng nguyên nhân dẫn đến hội chứng FOMO sinh viên địa bàn TPHCM Đề xuất giải pháp khả thi thiết thực nhằm nâng cao nhận thức sinh viên hội chứng FOMO giảm thiểu tình trạng đáng báo động Câu hỏi nghiên cứu 3.1 Những yếu tố ảnh hưởng đến hội chứng FOMO hành vi mua hàng sàn thương mại điện tử sinh viên địa bàn thành phố Hồ Chí Minh? 3.2 Chiều hướng tác động yếu tố đến ý định mua hàng online? 3.3 Mức độ ảnh hưởng hội chứng FOMO hành vi mua hàng online nào? Đối tượng nghiên cứu Đối tượng nghiên cứu ảnh hưởng hội chứng tâm lý FOMO thói quen mua sắm sàn thương mại điện tử sinh viên địa bàn thành phố Hồ Chí Minh Đối tượng khảo sát Đối tượng khảo sát chủ yếu sinh viên đến từ trường đại học địa bàn thành phố Hồ Chí Minh Phạm vi nghiên cứu 6.1 Phạm vi thời gian Thời gian nghiên cứu thời gian khảo sát kéo dài 05 ngày từ ngày 22/10/2022 đến ngày 27/10/2022 6.2 Phạm vi không gian Đề tài nghiên cứu tập trung vào bạn sinh viên từ năm đến năm tư trường đại học địa bàn Thành phố Hồ Chí Minh Phương pháp nghiên cứu 7.1 Phương pháp nghiên cứu định tính Các thành viên nhóm họp lại, đưa ý kiến vấn đề nghiên cứu, tìm hiểu ý tưởng đồng thời đánh giá ý kiến để chọn ý kiến thiết thực, khả quan 7.2 Phương pháp nghiên cứu định lượng Thống kê ảnh hưởng FOMO hành vi mua sắm online sinh viên TPHCM bảng khảo sát trực tuyến - Google Form - với bảng hỏi gồm câu hỏi thói quen mua sắm online, đánh giá người nhân tố ảnh hưởng đến hành vi mua hàng online dựa thang đo, câu hỏi nhân học để thu thập thông tin thực trạng hội chứng FOMO sinh viên TPHCM đánh giá, phân tích nguyên nhân ảnh hưởng đến hội chứng này. Sau hồn tất việc khảo sát, nhóm tác giả sử dụng phần mềm để xử lý số liệu thống kê, so sánh, đối chiếu để thiết lập bảng thông tin khái quát, đồng thời kiểm định thang đo mơ hình nghiên cứu cơng cụ SPSS, Microsoft Excel 2016 II Giới thiệu dự án nghiên cứu Các khái niệm 1.1 FOMO gì? Hội chứng sợ bỏ lỡ (FOMO - Fear Of Missing Out): thuật ngữ biểu diễn tượng tâm lý chứng sợ bị bỏ rơi hội đạt điều FOMO nhận định biểu tâm lý căng thẳng mà người mắc chứng thường tin người xung quanh họ hồn thành điều tuyệt vời mà họ khơng thể, họ bỏ lỡ kiện quan trọng Trong Marketing, FOMO hiệu ứng áp dụng nhiều lĩnh vực để tăng quan tâm vấn đề Trong marketing, FOMO khai thác mạnh mẽ khách hàng dễ dàng bị rơi vào trạng thái lo sợ việc đánh hội mua hàng FOMO khiến khách hàng nhanh chóng định mua hàng FOMO thể rõ mua hàng trực tuyến online thông qua sàn thương mại điện tử Những thương hiệu ngày nhạy bén nắm bắt tâm lý khách hàng để thu nguồn lợi nhuận khổng lồ 1.2 Mua sắm online gì? Mua sắm online (Online shopping) trình người tiêu dùng trực tiếp mua hàng hóa, dịch vụ từ người bán thông qua Internet khoảng thời gian xác định mà khơng có dịch vụ trung gian Ở mua sắm online, sản phẩm dịch vụ chọn, giao dịch thực cách tự động việc toán online toán tiền mặt Ngày nay, người dùng thường mua sắm online thông qua sàn thương mại điện tử tiện ích Tại Việt Nam, sinh viên thường mua hàng online thông qua trang sàn quen thuộc như: Shopee, Tiki, Lazada, TiktokShop, Sendo, Lý thuyết Lý thuyết áp dụng nghiên cứu chúng tôi: Lý Thuyết Động Lực Bảo Vệ (PMT) Lý thuyết động lực bảo vệ (PMT) tạo với mục đích hiểu phản ứng người trước lời kêu gọi sợ hãi Lý thuyết cho người cần tự bảo vệ thơng qua hai yếu tố: đánh giá mối đe dọa đánh giá đối phó PMT mơ hình giải thích lý người tham gia vào hành vi không lành mạnh đưa đề xuất để thay đổi hành vi Vì mang tính giáo dục động lực Tổng quan nghiên cứu nước nước 3.1 Nghiên cứu nước ngồi: Đến nay, giới có nhiều nghiên cứu hội chứng FOMO nhiều lĩnh vực, phương diện 3.1.1 Bài nghiên cứu “Direct and indirect effects of fear-of-missing-out appeals on purchase likelihood” (năm 2020) nhóm tác giả Megan C Good1 Michael R Hyman phân tích ảnh hưởng trực tiếp gián tiếp hội chứng FOMO đến khả mua hàng người tiêu dùng. Bài nghiên cứu xác định biến chia làm nhóm biến: biến độc lập: FOMO (hội chứng sợ bỏ lỡ), AE (dự đốn phấn khích), SE (sự gia tăng giá trị thân), AER (sự hối tiếc chi phí dự đốn trước) biến phụ thuộc: PL (khả mua hàng) 3.1.2 Bài nghiên cứu “Motivational, emotional, and behavioral correlates of fear of missing out” (năm 2013) nhóm tác giả Andrew K Przybylski thực với mục đích phát triển hiểu biết người FOMO yếu tố tương quan đến FOMO giới tính, tuổi tác, cảm xúc hành vi, Trong nghiên cứu, thấy ảnh hưởng ba biến: biến độc lập: Individual Differences (Sự khác cá nhân) FOMO biến phụ thuộc: Social Media Engagement (Sự tương tác mạng xã hội) 3.1.3 Bài nghiên cứu “Fear of missing out: prevalence, dynamics, and consequences of experiencing FOMO” (năm 2018) nhóm tác giả Marina Milyavskaya Kết nghiên cứu thể học sinh, sinh viên thường trải qua cảm giác FOMO đặc biệt cuối tuần lúc học tập, làm việc Họ có hậu kiệt sức, căng thẳng, thiếu ngủ, Ngồi ra, FOMO cịn tác giả nhận định tượng xã hội xảy chất tự nhiên người 3.2 Nghiên cứu nước: Cho đến thời điểm tiến hành nghiên cứu, nhóm tác giả chưa tìm thấy nghiên cứu chuyên sâu Việt Nam hội chứng FOMO Mơ hình nghiên cứu 4.1 Mơ hình 4.2 Các giả thuyết nghiên cứu: Giả thuyết H1: FOMO (Hội chứng sợ bỏ lỡ) ảnh hưởng đến AEN (Dự đoán ghen tị) Giả thuyết H2: AEN (Dự đoán ghen tị) ảnh hưởng đến PD (Ý định mua hàng) Giả thuyết H3: FOMO (Hội chứng sợ bỏ lỡ) ảnh hưởng thuận chiều đến SE (Sự tăng giá trị thân) Giả thuyết H4: SE (Sự tăng giá trị thân) ảnh hưởng thuận chiều đến PD (Ý định mua hàng) Giả thuyết H5: FOMO (Hội chứng sợ bỏ lỡ) ảnh hưởng thuận chiều đến AER (Dự đoán chi phí hối tiếc) Giả thuyết H6: AER (Dự đốn chi phí hối tiếc) ảnh hưởng thuận chiều đến PD (Ý định mua hàng) Giả thuyết H7: FOMO (Hội chứng sợ bỏ lỡ) ảnh hưởng thuận chiều đến AE (Dự đốn phấn khích) Giả thuyết H8: AE (Dự đốn phấn khích) ảnh hưởng thuận chiều đến PD (Ý định mua hàng) III Phương pháp thực Quy trình nghiên cứu Các bước quy trình nghiên cứu bao gồm: Xác định vấn đề nghiên cứu Xây dựng sở lý thuyết Nghiên cứu định tính Đánh giá độ tin cậy Điều chỉnh thang đo, mơ hình Nghiên cứu định lượng Đánh giá độ đáng tin cậy thang đo Hồn chỉnh mơ hình Kết nghiên cứu Phương pháp nghiên cứu thu thập liệu 2.1 Công cụ thu thập thông tin Đối với liệu thứ cấp: - Lấy từ mạng xã hội: Facebook, Instagram, Lấy từ trang báo uy tín cho người trẻ: Vietcetera, Kenh14, Tuổi trẻ, Đối với liệu sơ cấp: Thu thập liệu khách quan, không qua xác thực, điều tra không đồng thông qua phiếu khảo sát 2.2 Phương pháp chọn mẫu Tổng thể chung: sinh viên độ tuổi từ 18 tới 28 tuổi Danh sách chọn mẫu: - Phạm vi không gian: sinh viên từ 18 - 28 tuổi sinh sống Thành phố Hồ Chí Minh Lấy từ trang báo uy tín cho người trẻ: Vietcetera, Kenh14, Tuổi trẻ, Phạm vi thời gian: từ ngày 22/10 tới 27/10 năm 2022 Phạm vi nội dung: tác động hội chứng sợ bỏ lỡ (FOMO) định mua sắm online sinh viên từ 18 tới 28 tuổi sinh sống Thành phố Hồ Chí Minh Phương pháp chọn mẫu ngẫu nhiên: chọn mẫu có khả đại diện cho tổng thể phù hợp với nghiên cứu tính sai số chọn mẫu + Chọn sai số thống kê + Độ tin cậy Vì 2.3 Phương pháp thu thập liệu Dùng phương pháp định lượng thông việc thiết kế bảng hỏi Google Forms gửi tới bạn sinh viên Đại học UEH thông qua trang mạng xã hội, nhóm học tập để thu thập câu trả lời Dùng phương pháp thống kê mơ tả thống kê suy diễn để phân tích, tính tốn kết thu Phương pháp xử lý liệu 3.1 Phương pháp thống kê mô tả Dự án sử dụng phương pháp thống kê mô tả, kiểm định độ tin cậy liệu Dữ liệu phân tích trình bày dạng bảng đồ thị để dễ dàng quan sát kiểm tra 3.2 Phương pháp thống kê suy diễn Từ nguồn liệu thu thập, đặt giả thuyết, tiến hành tính tốn để kiểm tra độ xác giả thuyết Từ rút kết luận 3.3 Cơng cụ thống kê Dữ liệu thống kê docs.google.com 3.4 Chương trình máy tính Phần mềm Excel Phần mềm SPSS IV Kết thảo luận Đặc điểm mẫu khảo sát Tiến hành khảo sát với tổng cộng 204 đối tượng sinh viên và/hoặc có làm Thành Phố Hồ Chí Minh, nhóm nghiên cứu thu kết nghiên cứu sau: Table Demographic profile of the sample Đặc điểm Giới tính Độ tuổi Tần số Tần suất (%) Nam 87 42,6 Nữ 117 57,4 45 1.4% Male 142 40.9% Female 204 58.8% Other 0.3% Hanoi 23 6.6% Ho Chi Minh City 263 75.8% Other 61 17.6% High school 17 4.9% University/College 276 79.5% Postgraduate 51 14.7% 30 Income Other 0.9% Under million 150 43.2% 3- 10 million 122 35.2% 10 – 20 million 40 11.5% Above 20 million 35 10.1% 6.2.2 Reliability and validity 6.2.2.1 Exploratory factor (EFA) The results of reliability and validity of the research model are presented in Table Cronbach’s α and composite reliability were used to assess internal reliability of the constructs (Hair et al., 2012) In our research, the Cronbach’s α value is from 0.701 to 0.899, and the composite reliability value is from 0.829 to 0.921, which means that the constructs of our research perform strong internal reliability The average variance extracted (AVE) and factor loadings were used to assess convergent validity (Fornell and Larcker, 1981) All the AVE values are greater than 0.5 (i.e., range from 0.549 to 0.682), which means that the validity of the measurement is acceptable Moreover, all standardized factor loadings are greater than 0.7 (except VC3, SI1 and EMO4 were deleted) Therefore, the research variables are kept for confirmatory factor analysis Table Results of validity and reliability tests (N = 347) Variables Factor loadings (>0.5) Factor 1: Maintenance and Battery replacement cost (MBC) [MBC1] I think the use of eco-friendly means of transport will be more expensive than the traditional ones 0,745 [MBC2] I would want to use an electric vehicle if its maintenance cost is lower than that of petrol and other traditional vehicles 0,803 [MBC3] I am concerned if the cost of the battery pack, this cost of electric vehicles is higher than that of an internal combustion engine vehicles 0,730 [MBC4] I'm comfortable with eco-friendly battery replacements every 4-12 years 0,703 Factor 2: Vendor Credibility (VC) [VC1] I would like to acquire more information about the product if the manufacturer is Cronbach’s Alpha (>0.7) CR (>0.7) AVE (>0.5) 0,741 0,834 0,626 0,740 0,852 0,657 0,856 31 trustworthy [VC2] I think the supplier should make a sincere pledge rather than just doing marketing 0,817 [VC3] I don't believe the advertisement for the electric vehicle vendor 0,360 (delete) [VC4] There are a few electric car brands that always make me believe 0,739 Factor 3: Social Influence (SI) [SI1] I wouldn't buy an EV without a recommendation 0,264 (delete) [SI2] The purchasing an EV has an important influence on my intention to use it 0,753 [SI3] I feel safe when using the electric vehicle that is used by people 0,854 [SI4] I will never buy an electric car if I receive negative reviews from people around 0,758 Factor 4: Charging infrastructure (CI) [CI1] I like to have a charging station located near my workplace and my home 0,863 [CI2] I like having the charging station located on the highway 0,782 [CI3] I think installing more charging stations will boost my intention to buy an electric car 0,838 [CI4] I worry about wasting along time to wait or not having enough charging space when I get to the station 0,790 Factor 5: Emotion (EMO) [EMO1] I think the higher acceleration performance of electric vehicles is a pleasant experience 0,816 [EMO2] I like the modern electric stations (quieter, more comfortable seats, health information system ) 0,834 [EMO3] I like to be the leader of the trend so I will use electric cars 0,742 0,708 0,834 0,626 0,836 0,891 0,671 0,720 0,843 0,642 32 [EMO4] I feel there are many risks when buying electric cars because it is not really popular 0,369 (delete) Factor 6: Environmental Concern (EC) [EC1] I am concerned about environmental issues 0,857 [EC2] I think climate change is a threat to my family and to myself 0,803 [EC3] I think environmental problems are becoming more and more serious 0,858 [EC4] I think everyone should take action to prevent climate change and protect the environment 0,832 [EC5] I think using EVs will contribute to environmental protection 0,839 [EC6] I plant to buy an EV because it contributes to environmental protection 0,733 Factor 7: Habit (HA) [HA1] I am concerned about changing my driving skills and fueling habits when i use of electric vehicles 0,779 [HA2] I think using electric vehicle will come into my daily routine after a while 0,867 [HA3] The use of electric cars is becoming obvious to me 0,781 Factor 8: Government Policies (GP) [GP1] I have learned about the policies for EVs in Vietnam 0,743 [GP2] I believe that policies promoting investment in building charging stations across the country will boost my intention to buy EVs 0,839 [GP3] I believe that the financial policies of the government (subsidy, tax cuts, ) will promote my intention to buy EVs 0,873 [GP4] I think government policies are very important for EVs purchases 0,837 Factor 9: EVs Behavioral Intention (BI) [BI1] I intend to investigate more about EVs 0,904 0,925 0,674 0,742 0,851 0,657 0,842 0,894 0,679 0,834 0,890 0,668 0,794 33 [BI2] I plan to use EVs more in the future 0,828 [BI3] I plan to use the EVs if possible 0,809 [BI4] I will try to prioritize using EVs for commuting 0,838 Factor 10: EVs Use Behavior (UB) 0,810 [UB1] I think the experience of using EVS is a very interesting experience 0,829 [UB2] EVs are my preferred choice when I want to change my vehicle 0,828 [UB3] I will recommend friends to use EVs if possible 0,835 [UB4] I think using EVs is supporting green technology products 0,835 0,888 0,725 6.2.2.2 Correlation coefficients between variables in the model Discriminant validity was assessed by the square root of the AVE and the cross-loading matrix (Hoque and Sorwar, 2017) The Table show that all the structures meet the requirements and confirm that the discriminant validity of the data is satisfied (Hoque and Sorwar, 2017) The total correlation coefficients of the observed variables in each scale have to be higher than the limit of 0.3 to satisfy the discriminant validity The value of the Behavioral Intention, Charging Infrastructure, Environmental Concern, Emotion, Government Policies, Habit, Maintenance and Battery replacement cost, Social Influence, Use Behavior, Vendor Credibility are from 0.418 to 0,718, which means that there are strong positive correlations between variables On the other hand, the correlation coefficients between the moderator variable and other variables are from -0,117 to 0,381, which have negative correlation types. Table Pair correlation matrix BI CI EC EMO GP BI 1,000 CI 0,461 1,000 EC 0,652 0,664 1,000 EMO 0,613 0,642 0,676 1,000 GP 0,630 0,473 0,568 0,564 1,000 HA 0,657 0,402 0,503 0,585 0,601 HA MBC SI UB VC GPxBI 1,000 34 MBC 0,508 0,576 0,540 0,552 0,506 0,505 1,000 SI 0,422 0,426 0,423 0,418 0,452 0,488 0,428 1,000 UB 0,718 0,561 0,686 0,676 0,597 0,624 0,539 0,456 1,000 VC 0,542 0,661 0,670 0,622 0,531 0,453 0,575 0,467 0,579 1,000 GPxBI -0,366 -0,317 -0,348 -0,305 -0,381 -0,247 -0,270 -0,117 -0,314 -0,335 1,000 Notes: BI: Behavioral Intention; CI: Charging Infrastructure; EC: Environmental Concern; EMO: Emotion; GP: Government Policies; HA: Habit; MBC: Maintenance and Battery replacement cost; SI: Social Influence; UB: Use Behavior; VC: Vendor Credibility 6.2.2.3 Analyze the discriminant validity Shown in the Table 4, the square roots of AVE in every latent variable are more than other correlation values among the latent variables (0,402 - 0,821), which means that Fornell-Larcker criterion of the variables meet the requirement. Table Fornell-Larcker Criterion BI CI EC EMO GP HA MBC SI UB BI 0,817 CI 0,461 0,819 EC 0,652 0,664 0,821 EMO 0,613 0,642 0,676 0,801 GP 0,630 0,473 0,568 0,564 0,824 HA 0,657 0,402 0,503 0,585 0,601 0,810 MBC 0,508 0,576 0,540 0,552 0,506 0,505 0,746 SI 0,422 0,426 0,423 0,418 0,452 0,488 0,428 0,791 UB 0,718 0,561 0,686 0,676 0,597 0,624 0,539 0,456 0,851 VC 0,542 0,661 0,670 0,622 0,531 0,453 0,575 0,467 0,579 VC 0,811 Notes: BI: Behavioral Intention; CI: Charging Infrastructure; EC: Environmental Concern; EMO: Emotion; GP: Government Policies; HA: Habit; MBC: Maintenance and Battery replacement cost; SI: Social Influence; UB: Use Behavior; VC: Vendor Credibility The HTMT results showed that all the ratio were different from value, and the HTMT ratio of correlation in Table illustrates that all the values are under the threshold of 0.90, which means that the discriminant validity of the reflective constructs Table Heterotrait-Monotrait Ratio (HTMT) 35 BI CI EC EMO GP HA MBC SI UB VC GPxBI BI CI 0,546 EC 0,726 0,780 EMO 0,785 0,817 0,824 GP 0,751 0,558 0,636 0,722 HA 0,815 0,485 0,571 0,785 0,752 MBC 0,620 0,724 0,647 0,744 0,620 0,662 SI 0,533 0,529 0,497 0,571 0,583 0,673 0,580 UB 0,871 0,675 0,789 0,881 0,720 0,786 0,666 0,592 VC 0,676 0,856 0,837 0,841 0,664 0,573 0,753 0,600 0,745 GPxB I 0,400 0,345 0,365 0,353 0,412 0,276 0,294 0,131 0,348 0,391 Notes: BI: Behavioral Intention; CI: Charging Infrastructure; EC: Environmental Concern; EMO: Emotion; GP: Government Policies; HA: Habit; MBC: Maintenance and Battery replacement cost; SI: Social Influence; UB: Use Behavior; VC: Vendor Credibility Variance inflation factor (VIF) is frequently used for detecting collinearity, whose value should be or lower The SmartPls results in Table indicate that all VIF values are below (1,211-2,408), indicating the absence of collinearity among predictors Table Inner VIF Values BI BI CI EC EMO GP HA MBC SI UB VC GPxBI 2,148 CI 2,408 EC 2,506 EMO 2,513 GP 1,938 HA 1,824 MBC 1,867 SI 1,497 1,964 36 UB VC 2,386 GPxB I 1,211 Notes: BI: Behavioral Intention; CI: Charging Infrastructure; EC: Environmental Concern; EMO: Emotion; GP: Government Policies; HA: Habit; MBC: Maintenance and Battery replacement cost; SI: Social Influence; UB: Use Behavior; VC: Vendor Credibility 6.2.3 Research model analyzing Shown in Table 7, the results of the analyzing sem model indicate that there are hypotheses supported with the level of P value < 0,05 The constructs Environmental Concern (EC), Emotion (EMO), Habit (HA) were found to be significant variables in explaining Behavioral Intention (BI), thus accepting hypotheses H9, H5, and H6a Moreover, Government Policies (GP), Habit (HA) and Behavioral Intention (BI) were found to have significant influence on Use Behavior (UB), thus accepting hypotheses H8, H6b and H7 However, there are still variables not accepted in the SEM model namely Maintenance and Battery replacement cost (MBC), Vendor Credibility (CR), Social Influence (SI), Charging Infrastructure (CI) and the moderator variables Government Policies (GP) These variables are examined to construct relationships to the dependent variables in qualitative research results and quantitative research results The main reason for these rejection in the objective aspect is that there is not enough quantitative data collected Another reason recommended is that the items of these variables conducted in the survey didn’t match with the insight of the respondents Table Hypotheses results Ho Relationships Coefficient Std T-values P values Results H1 MBC → BI 0,067 0,054 1,239 0,215 Rejected H2 VC → BI 0,080 0,062 1,279 0,201 Rejected H3 SI → BI 0,018 0,058 0,307 0,759 Rejected H4 CI → BI -0,102 0,060 1,703 0,089 Rejected H5 EMO → BI 0,137 0,061 2,257 0,024 Supported H6a HA → BI 0,365 0,057 6,451 0,000 Supported H6b HA → UB 0,213 0,069 3,101 0,002 Supported H7 EC → BI 0,346 0,063 5,480 0,000 Supported 37 H8 GP → UB 0,166 0,071 2,344 0,019 Supported H8 GP x BI → UB -0,019 0,047 0,403 0,687 Rejected H9 BI → UB 0,463 0,069 6,742 0,000 Supported Notes: BI: Behavioral Intention; CI: Charging Infrastructure; EC: Environmental Concern; EMO: Emotion; GP: Government Policies; HA: Habit; MBC: Maintenance and Battery replacement cost; SI: Social Influence; UB: Use Behavior; VC: Vendor Credibility Discussion EVs are innovative products so there are still many inadequacies that need examining To deeply research, our study adds up three new variables Firstly, incentives will include subsidies for purchases, operations, and construction of vehicle charging stations, and are significantly correlated with consumer electric vehicle use (Wang et al., 2017) Based on literature review, we took this factor as a new variable in this study, which became Government Policies (GP) later. Secondly, consumers always consider carefully before deciding to buy, especially supplier credibility, for technical and operational expertise can reduce risk concerns; supplier reliability is central to purchasing behavior (Bỹttner and Goritz ă 2008; Pan and Chiou 2011; Reichelt et al., 2014) Therefore, Vendor Credibility (VC) was combined in our research model Thirdly, the final new variable Environmental Concern (EC) affects the intention to adopt EVs, which is the main influence in changing individuals from current behavior to more friendly with the environment (Bamberg, 2003; Schuitema et al., 2013) The study is built on the UTAUT2 model because it has the ability to explain well the contexts and new variables mentioned with the intention to use electric vehicles By using a semi-structured interview, we based on keywords in interviewees' answers to get their perspectives In each variable, we found the interviewees provided proper insights for our research Generally, all our interviewees had high awareness of environmental concern, and were positive about the role of electric vehicles They also showed their interest in the vendor's credibility, and accepted the cost of maintenance, and the waste of charging time, and tended to consider using EVs as their daily habit, which was not affected by any social influence but government support Based on the quantity research, we come to preliminary analyses: standard approach variance and confirmatory factor analysis to specify reliability and validity We also illustrate bivariate correlations between the independent and dependent variables before testing the proposed hypotheses Then, from the data received, we test our hypotheses The results reveal that EC, EMO, GP, and HA significantly and positively influence BI, and it is the same to BI towards the UB Besides, MBC, SI, VC, and GP are also positive in this research model, while CI is negative In other words, consumers are not willing to purchase electric vehicles if the charging infrastructure is not ensured The important theoretical and practical contributions raised by this study will be examined in the next section 38 Conclusion 8.1 Theoretical contribution The study was conducted with the aim of finding out about consumer's intention to use electric vehicles in Vietnam, especially, the technology landscape has strongly developed in recent years In addition, it also helps diversify the legal literature in the field of accepting new technologies and makes some new theoretical contributions From a theoretical point of view, our study is built on the UTAUT2 model, but through the process of collecting qualitative data, we realize that it is necessary to adjust the model by adding variables to ensure more coverage and clarity on the factors affecting customers' intention to buy electric vehicles According to theories of innovation and planned behavior, in the context of EVs, it investigates factors that affect EVs behavioral intention and EV use behavior We focus on data that favors Vendor Credibility, Government Policies determine the group of people purchasing EV and Environmental Concern mention habits, lifestyle, activities related to environment, which influence behavior The research conclusions can provide a lot of factors that help theoretically related to consumer behavior more abundant 8.2 Practical contribution In terms of practical contribution, we found that the Electric Vehicles behavior intention in the future is increasing significantly Environmental problems make consumers want to use electric cars to protect the environment. Empirical evidence obtained in this study may have important practical implications for encouraging policymakers, including confirming conclusions similar to former research and exploring new policy contributions Some of the incentives proposed in previous studies have been confirmed, including the effectiveness of continuing investment in EV infrastructure, such as charging stations and maintenance service facilities to enhance the perceived value of EVs, pricing subsidies, including purchase price subsidies, vehicle registration tax reductions, value-added tax relief, and operational subsidies In addition to policy incentives, policymakers need to consider the following new possibilities: customer satisfaction with electric vehicle infrastructure and functions By providing free test-drive opportunities of electric vehicles to everyone, this policy can increase people's interest It should be noted that policymakers should be satisfied with the level and experience of electric driving with these policies, and will then adjust their accounts based on the resulting survey This study predicts an increase in the demand for electric vehicles in the future, and electric vehicle manufacturers should also be fully prepared with technology and minimize possible problems Continuing to upgrade services will help users increasingly enhance their trust in the firm Therefore, electric vehicle manufacturers should upgrade and expand charging stations, ensuring the infrastructure can accommodate many users at the same time Manufacturers of batteries for electric vehicles should focus on minimizing the problems that users encounter such as fire and explosion problems, the 39 overwhelming weight of the battery, In addition, the production of fast charging stations is also an important solution to save time for users In addition, EV manufacturers should apply proper marketing strategies to reach customers easily In addition, car manufacturers should focus on product quality development EV manufacturers should find reliable suppliers, build an experienced engineer team, and enhance customer service Our research also provides strategic strategies for electric vehicle manufacturers to encourage people to use electric vehicles We suggested and identified in current certifications, for example, providing a free long-term driving experience (eg months) to consumers can shape the habit of using electric vehicles, improve charging stations and shorten return times, to improve high-performance operations Emotion is the heart of new strategy to enhance the use of electric vehicles, e.g comfortable seats, low brightness, outstanding acceleration, efficient management technology and fast charging Government should have more policies to encourage customer demand for electric vehicles such as reducing taxes, increasing support, and communicating through government channels Moreover, the government and EV manufacturers should have the right support selections for charging stations along the way, such as increasing the area of charging stations, placing more charging stations or integrating with gas stations, and increasing the density of charging stations on highways and roads 8.3 Limitations and future research The study provides diverse perspectives on usage intentions, but it also has many limitations Firstly, the data collected from the key economic cities and the sample size are consistent with the recommendations set forth in previous studies, but the participants are relatively young Therefore, the generalization of the model's conclusions should be handled with caution The factors affecting the intention to use in the present will change rapidly as the development of technology and time lead to different conclusions Secondly, interviews show that policies have no significant influence, but they can affect behavior in other countries or at a particular time, so there are still limitations Thirdly, according to UTAUT2 applied in previous studies, social influence plays an important role in influencing behavioral intention (Venkatesh et al., 2012, Herrero et al., 2017) While researching and investigating the market, we discovered new variables including CI, MBC, GP, and VC, which clearly influence the consumers However, the p-value indicates the vague impact of those variables on BI This could be down to the fact that the radix is not optimal to collect objective data or the respondents not have enough intellectual background and intention to use EVs In addition to the limitations mentioned, the research process shows that the personal utilities brought by electric vehicles are always guaranteed and supported by many different factors As for charging infrastructure, construct definition can be used to provide insight into consumers' beliefs about daily motivating activities, that is, they will gradually change their habits through exposure to the charging station problem; Based on the premise model can continue to apply business activities to the corresponding model 40 In our current study, we focus on intention to use, so in future research, charging will no longer be a negative factor but may increase anxiety before the trip, to determine stressors will likely be involved in needing more detailed recommendations to information or support systems In the future research, it will be repeated if the lifestyle of consumers changes as electric vehicles become more popular, at this time it will be necessary to further investigate the variables affecting the intention to use based on habits, emotions, or environmental factors In future research, the survey subjects will be a group of people with high income who will tend to consider and minimize risks on product features, or services to create competitive advantages (Ryabova, 2015). On another hand, future researchers would deeply investigate to enhance their credibility and specialization of suppliers Therefore, the estimation would be more optimal in terms of the consumers’ perspective Technology producers also need to actively upgrade the relationship between customers, brands, and suppliers Regarding products related to lifestyle, figuring out reliability is more crucial Bhattacherjee (2001) demonstrated that the impact of the ability to provide EVs and reliability would ease the nerve of risks, and enrich belief about the benefits after consideration The environmental concern in future studies would link with batteries; recycling needs to be promoted and solutions should be announced because of its tremendous effect when a huge number of upcoming batteries are manufactured (Zeng et al., 2015) As a result, we would like to investigate how consumers influence the environment by considering their purchasing and using EVs References Rauh, N., Franke, T., & Krems, J F (2015) User experience with electric vehicles while driving in a critical range situation – a qualitative approach IET Intelligent Transport Systems, 9(7), 734–739 https://doi.org/10.1049/iet-its.2014.0214 Huang, Y., & Qian, L (2021) Consumer adoption of electric vehicles in alternative business models Energy Policy, 155, 112338 https://doi.org/10.1016/j.enpol.2021.112338 Zhou, M., Long, P., Kong, N., Zhao, L., Jia, F., & Campy, K S (2021b) Characterizing the motivational mechanism behind taxi driver’s adoption of electric vehicles for living: Insights from China Transportation Research Part A: Policy and Practice, 144, 134–152 https://doi.org/10.1016/j.tra.2021.01.001. Featherman, M., Jia, S J., Califf, C B., & Hajli, N (2021) The impact of new technologies on consumers beliefs: Reducing the perceived risks of electric vehicle adoption Technological Forecasting and Social Change, 169, 120847 https://doi.org/10.1016/j.techfore.2021.120847. Antonson, H., & Carlson, A (2017) Spatial planning and electric vehicles A qualitative case study of horizontal and vertical organisational interplay in southern Sweden Journal of Environmental Planning and Management, 61(8), 1340–1362 https://doi.org/10.1080/09640568.2017.1349653 41 Yan Q, Qin G, Zhang M, Xiao B Research on Real Purchasing Behavior Analysis of Electric Cars in Beijing Based on Structural Equation Modeling and Multinomial Logit Model Sustainability 2019; 11(20):5870 https://doi.org/10.3390/su11205870. Tu J-C, Yang C Key Factors Influencing Consumers’ Purchase of Electric Vehicles Sustainability 2019; 11(14):3863 https://doi.org/10.3390/su11143863 Joram H.M Langbroek, Joel P Franklin, Yusak O Susilo The effect of policy incentives on electric vehicle adoption Energy Policy 2016; 94-103, 0301-4215 https://doi.org/10.1016/j.enpol.2016.03.050 Zeinab Rezvani, Johan Jansson, Jan Bodin Advances in consumer electric vehicle adoption research: A review and research agenda Transportation Research Part D: Transport and Environment 2015; 122-136 https://doi.org/10.1016/j.trd.2014.10.010 Dutta B, Hwang H-G Consumers Purchase Intentions of Green Electric Vehicles: The Influence of Consumers Technological and Environmental Considerations Sustainability 2021; 13(21):12025 https://doi.org/10.3390/su132112025 Sekaran, U and Bougie, R (2016) Research Methods for Business: A Skill-Building Approach 7th Edition, Wiley & Sons, West Sussex Fornell, C., Larcker, D.F., 1981 Evaluating structural equation models with unobservable variables and measurement error J Mark Res 18, 39–50 https://doi.org/10.2307/3151312 Mackinnon, D.P., Lockwood, C.M., Williams, J., 2004 Confidence limits for the indirect effect: Distribution of the product and resampling methods Multivar Behav Res 39, 99–128 https://doi.org/10.1207/s15327906mbr3901_4 Hair, J.F., Sarstedt, M., Ringle, C.M et al An assessment of the use of partial least squares structural equation modeling in marketing research J of the Acad Mark Sci 40, 414–433 (2012) https://doi.org/10.1007/s11747-011-0261-6 Hoque R, Sorwar G Understanding factors influencing the adoption of mHealth by the elderly: an extension of the UTAUT model Int J Med Inform 2017;101:75–84 https://doi.org/10.1016/j.ijmedinf.2017.02.002 Jaiswal, D., Kaushal, V., Kant, R., & Kumar Singh, P (2021b) Consumer adoption intention for electric vehicles: Insights and evidence from Indian sustainable transportation Technological Forecasting and Social Change, 173, 121089 https://doi.org/10.1016/j.techfore.2021.121089 Hoeft, F (2021) Internal combustion engine to electric vehicle retrofitting: Potential customer’s needs, public perception and business model implications Transportation Research Interdisciplinary Perspectives, 9, 100330 https://doi.org/10.1016/j.trip.2021.100330 42 van Bree, B., Verbong, G., & Kramer, G (2010) A multi-level perspective on the introduction of hydrogen and battery-electric vehicles Technological Forecasting and Social Change, 77(4), 529–540 https://doi.org/10.1016/j.techfore.2009.12.005 Stouthuysen, K., Teunis, I., Reusen, E., & Slabbinck, H (2018) Initial trust and intentions to buy: The effect of vendor-specific guarantees, customer reviews and the role of online shopping experience☆ Electronic Commerce Research and Applications, 27, 23–38 https://doi.org/10.1016/j.elerap.2017.11.002 Gupta, A., & Dogra, N (2017) TOURIST ADOPTION OF MAPPING APPS: A UTAUT2 PERSPECTIVE OF SMART TRAVELLERS Tourism and Hospitality Management, 23(2), 145–161 https://doi.org/10.20867/thm.23.2.6 Zhou, M., Kong, N., Zhao, L., Huang, F., Wang, S., & Campy, K S (2019) Understanding urban delivery drivers’ intention to adopt electric trucks in China Transportation Research Part D: Transport and Environment, 74, 65–81 https://doi.org/10.1016/j.trd.2019.07.024 Kim, M K., Oh, J., Park, J H., & Joo, C (2018) Perceived value and adoption intention for electric vehicles in Korea: Moderating effects of environmental traits and government supports Energy, 159, 799–809 https://doi.org/10.1016/j.energy.2018.06.064 Jayasingh, S., Girija, T., & Arunkumar, S (2021) Factors Influencing Consumers’ Purchase Intention towards Electric Two-Wheelers Sustainability, 13(22), 12851 https://doi.org/10.3390/su132212851 Gansser, O A., & Reich, C S (2021) A new acceptance model for artificial intelligence with extensions to UTAUT2: An empirical study in three segments of application Technology in Society, 65, 101535 https://doi.org/10.1016/j.techsoc.2021.101535 Sequeiros, H., Oliveira, T., & Thomas, M A (2021) The Impact of IoT Smart Home Services on Psychological Well-Being Information Systems Frontiers, 24(3), 1009– 1026 https://doi.org/10.1007/s10796-021-10118-8 Cui, L., Wang, Y., Chen, W., Wen, W., & Han, M S (2021) Predicting determinants of consumers’ purchase motivation for electric vehicles: An application of Maslow’s hierarchy of needs model Energy Policy, 151, 112167 https://doi.org/10.1016/j.enpol.2021.112167 Saari, U A., Damberg, S., Frömbling, L., & Ringle, C M (2021) Sustainable consumption behavior of Europeans: The influence of environmental knowledge and risk perception on environmental concern and behavioral intention Ecological Economics, 189, 107155 https://doi.org/10.1016/j.ecolecon.2021.107155 Haider, S., Jabeen, S., & Ahmad, J (2018) Moderated mediation between work life balance and employee job performance: The role of psychological wellbeing and satisfaction with coworkers Journal of Work and Organizational Psychology, 34(1), 29– 37 https://doi.org/10.5093/jwop2018a4 43 Mohammadi, F., Mahmoodi, F (2019) Factors Affecting Acceptance and Use of Educational Wikis: Using Technology Acceptance Model (3) Interdisciplinary Journal of Virtual Learning in Medical Sciences, 10(1), 5-9 https://doi.org/10.5812/ijvlms.87484 Erdem, T., & Swait, J (1998) Brand Equity as a Signaling Phenomenon Journal of Consumer Psychology, 7(2), 131–157 http://www.jstor.org/stable/1480277 Singh, S., Dhir, S., Das, V M., & Sharma, A (2020) Bibliometric overview of the Technological Forecasting and Social Change journal: Analysis from 1970 to 2018 Technological Forecasting and Social Change, 154, 119963 https://doi.org/10.1016/j.techfore.2020.119963 Nordhoff, S., Madigan, R., Van Arem, B., Merat, N., & Happee, R (2020) Interrelationships among predictors of automated vehicle acceptance: a structural equation modelling approach Theoretical Issues in Ergonomics Science, 1–26 https://doi.org/10.1080/1463922x.2020.1814446 Kapser, S., & Abdelrahman, M (2020) Acceptance of autonomous delivery vehicles for last-mile delivery in Germany – Extending UTAUT2 with risk perceptions Transportation Research Part C: Emerging Technologies, 111, 210–225 https://doi.org/10.1016/j.trc.2019.12.016 Tamilmani, K., Rana, N P., Prakasam, N., & Dwivedi, Y K (2019) The battle of Brain vs Heart: A literature review and meta-analysis of “hedonic motivation” use in UTAUT2 International Journal of Information Management, 46, 222–235 https://doi.org/10.1016/j.ijinfomgt.2019.01.008 Tamilmani, K., Rana, N P., Wamba, S F., & Dwivedi, R (2021) The extended Unified Theory of Acceptance and Use of Technology (UTAUT2): A systematic literature review and theory evaluation International Journal of Information Management, 57, 102269 https://doi.org/10.1016/j.ijinfomgt.2020.102269 Kopplin, C S., Brand, B M., & Reichenberger, Y (2021) Consumer acceptance of shared e-scooters for urban and short-distance mobility Transportation Research Part D: Transport and Environment, 91, 102680 https://doi.org/10.1016/j.trd.2020.102680 Kapser, S., Abdelrahman, M., & Bernecker, T (2021) Autonomous delivery vehicles to fight the spread of Covid-19 – How men and women differ in their acceptance? Transportation Research Part A: Policy and Practice, 148, 183–198 https://doi.org/10.1016/j.tra.2021.02.020 44
Ngày đăng: 27/12/2023, 05:08
Xem thêm:
