TỔNG QUAN VỀ VẤN ĐỀ NGHIÊN CỨU
Khái niệm về ý định mua hàng
về cách tối ưu hóa sử dụng Influencer trong chiến lược tiếp thị trực tuyến của họ
1.7 Bố cục của khóa luận
Khóa luận bao gồm 5 chương:
Chương 1: Tổng quan về đề tài nghiên cứu
Các phần”trong chương này sẽ bao gồm: đặt vấn đề, mục tiêu nghiên cứu, câu hỏi nghiên cứu, đối tượng và phạm vi của nghiên cứu, phương pháp nghiên cứu, nội dung chi tiết của nghiên cứu, đóng góp của đề tài, tổng quan”về lĩnh vực nghiên cứu và cấu trúc của khóa luận
Chương 2: Cơ sở lý thuyết và mô hình nghiên cứu
Trình bày các khái niệm và lý thuyết liên quan đến nghiên cứu Đồng thời, trình bày các kết quả thực nghiệm từ các nghiên cứu trước, cả trong và ngoài nước, liên quan đến ý định mua hàng thông qua Influencer Từ đó, đưa ra nhận xét, so sánh và đề xuất mô hình cũng như giả thuyết cho đề tài nghiên cứu
Chương 3: Phương pháp nghiên cứu
Chương này tập trung vào phương pháp nghiên cứu, bao gồm việc xây dựng quy trình nghiên cứu và thiết kế nghiên cứu Nó cũng trình bày cách chọn mẫu, thiết kế thang đo cho bảng câu hỏi và quy trình mã hóa thang đo để chuẩn bị cho việc xử lí dữ liệu sau này
Chương 4: Kết quả nghiên cứu và thảo luận
Trong chương này, sẽ trình bày các bước như sau: đánh giá độ tin cậy của thang đo bằng hệ số Cronbach alpha, thực hiện phân tích nhân tố cho các biến độc lập và phụ thuộc, thực hiện phân tích hồi quy đa biến và kiểm định giả thuyết của mô hình
Chương 5: Kết luận và hàm ý quản trị
Chương này tập trung vào việc tổng kết kết quả nghiên cứu và đưa ra những khuyến nghị quản trị Nó cung cấp cái nhìn tổng quan về những điểm chính đã được đề xuất và phân tích trong khóa luận Ngoài ra, chương này cũng nhấn mạnh vào những hàm ý quản trị và gợi ý cho các quyết định và hành động trong lĩnh vực áp dụng của nghiên cứu, giúp cải thiện hiệu suất và hiệu quả trong quản trị và thực tiễn.”
“Chương 1 đã giới thiệu tổng quan về nội dung của nghiên cứu, bao gồm các phần như lý do lựa chọn đề tài, mục tiêu của nghiên”cứu, câu hỏi nghiên cứu, đối tượng và phạm vi nghiên cứu, phương pháp nghiên cứu, đóng góp của đề tài và cấu trúc của khóa luận Nghiên cứu được thực hiện với mục tiêu xác định và đo lường sự ảnh hưởng của các tác động của Influencer đến ý định”mua sắm trực tuyến trên nền tảng mạng xã hội TikTok của sinh viên Đại học Ngân hàng TP.HCM Từ đó, nghiên cứu đề xuất các ý kiến quản trị nhằm tối ưu hóa hoạt động quảng cáo trên mạng xã hội.”
CHƯƠNG 2: TỔNG QUAN VỀ VẤN ĐỀ NGHIÊN CỨU
2.1 Các khái niệm liên quan
TikTok là một nền tảng mạng xã hội linh hoạt để thực hiện các tương tác dưới dạng video ngắn Bởi cách sử dụng đơn giản và đầy thú vị, ứng dụng này đang được đông đảo người dùng sử dụng Người dùng trung bình dành khoảng 50 phút mỗi ngày trên TikTok Đa số người dùng thuộc độ tuổi 14-30 Với nền tảng được xác định là mạng xã hội gây nghiện nhất (Smith và Short 2022), TikTok cũng là nền tảng mạng xã hội được sử dụng nhiều nhất bởi thế hệ gen Z trên toàn thế giới, với hơn 1 tỷ người dùng hàng tháng (Gu et al 2022; Boeker và Urman 2022) Những ảnh hưởng của nó đối với hành vi con người vẫn chưa được hiểu đầy đủ (Smith và Short 2022) Đã có nghiên cứu chỉ ra rằng trải nghiệm cá nhân trên TikTok được định hình bởi động lực và hành vi của cá nhân, và trong góc độ nội dung được tinh chỉnh theo giá trị và cá nhân hóa do thuật toán mang lại, có thể tăng cường trải nghiệm tích cực và thúc đẩy sự phúc lợi tâm lý (Ostic et al 2021; Naslund et al 2020)
2.1.2 Khái niệm về Tiktok Shop
Năm 2021, TikTok lần đầu tiên ra mắt TikTok Shop tại Vương quốc Anh và các quốc gia Đông Nam Á bao gồm Việt Nam Như được trích dẫn trong trang thông tin chính thức của mình, TikTok cam kết hỗ trợ doanh nghiệp địa phương và sử dụng TikTok Shop như nơi kết nối thương hiệu hoặc người bán với những người sáng tạo nội dung và người tiêu dùng (Patel & Binjola, 2020; Wahid et al., 2023) Điều làm nổi bật TikTok so với các nền tảng mua sắm khác là thuật toán thay đổi theo cách người dùng mua một mặt hàng, khiến cho TikTok Shop trở thành một thị trường dựa trên sở thích Cùng một thuật toán được áp dụng cho tính năng mua sắm, cho phép người dùng mua sản phẩm từ video ngắn Hơn nữa, người dùng có thể mua sắm trực tiếp trong thời gian thực thông qua phát trực tiếp (Faison, 2021; Heinemann, 2023)
Trong một nghiên cứu được tiến hành bởi Fredberg và đồng nghiệp (2011), Influencer được định nghĩa là một loại cá nhân hoặc nhóm độc lập mới mà các tổ chức có thể sử dụng như một người xác nhận cho một sản phẩm hoặc dịch vụ Influencer thường có một lượng người theo dõi lớn do khán giả thích thú với nội dung của họ, có thể là các bài đăng trên blog, tweet, video, hoặc trực tiếp trên một nền tảng cụ thể Influencer thường cũng là người dùng mạng xã hội đã hưởng lợi từ việc có mặt trên các mạng xã hội với lượng người theo dõi lớn Những lợi ích đó chẳng hạn như tiền bạc hoặc danh tiếng
2.1.4 Khái niệm về hành vi mua hàng
Hành vi người tiêu dùng được hiểu là một loạt các quyết định về việc mua cái gì, tại sao, khi nào, như thếnào, nơi nào, bao nhiêu, bao lâu một lần, mà mỗi cá nhân, nhóm người tiêu dùng phải có quyết định qua thời gian vềviệc chọn dùng sản phẩm, dịch vụ hay ý tưởng (Wayne D Hoyer, Deborah J Macinnis, 2008).Hành vi mua sắm của người tiêu dùng là những hành vi mà người tiêu dùng thểhiện trong việc tìm kiếm, mua sắm, sử dụng, đánh giá sản phẩm và dịch vụ mà họ mong đợi sẽ thỏa mãn nhu cầu cá nhân của họ(Peter
2.1.5 Khái niệm về ý định mua hàng
Khi người tiêu dùng muốn mua một sản phẩm, họ cần tìm kiếm thông tin để đưa ra quyết định mua sắm Sau khi thu thập thông tin, họ sẽ xem xét đánh giá từ nhiều nguồn như Google, Facebook, Instagram, cũng như đánh giá từ người dùng thực tế và các Influencer Sau khi đánh giá nhiều yếu tố của sản phẩm, họ sẽ đưa ra quyết định mua, còn được gọi là quyết định mua hoặc ý định mua hàng (Chantavoraluk, 2020) Đa số khách hàng xem xét sản phẩm của họ và nghiên cứu với Influencer thông qua tìm kiếm trực tuyến về thông tin mà cả thương hiệu và Influencer cung cấp Khách hàng cũng có tự hình dung về bản thân thông qua hành vi tiêu dùng Nếu tự hình dung và tác động đi đôi với sự quan tâm, nó sẽ chuyển thành quyết định mua (Hermanda et al., 2019).
Các mô hình liên quan
2.2.1 Cơ sở lý thuyết về quy trình quyết định mua hàng của Kotler (2003)
Mô hình Quy trình quyết định mua hàng của Kotler là một công cụ lý thuyết quan trọng trong lĩnh vực tiếp thị và quảng cáo, giúp phân tích chi tiết quá trình mua sắm của người tiêu dùng Được thiết kế bởi nhà tiếp thị hàng đầu thế giới - Philip Kotler, mô hình này chia quyết định mua hàng thành năm giai đoạn cụ thể, mang lại cái nhìn toàn diện về tâm lý và hành vi của người tiêu dùng
Giai đoạn đầu tiên, "Nhận thức nhu cầu," nhấn mạnh sự xuất phát của quá trình quyết định mua hàng khi người tiêu dùng nhận thức được chênh lệch giữa tình trạng hiện tại và tình trạng mong muốn Điều này có thể xuất phát từ nhu cầu thực tế hoặc ảnh hưởng của yếu tố quảng cáo và khuyến mãi
Tiếp theo, giai đoạn "Tìm kiếm thông tin" đặt tầm quan trọng vào quá trình thu thập thông tin để giải quyết nhu cầu hay vấn đề của họ Các nguồn thông tin có thể đến từ nhiều phương tiện khác nhau, từ quảng cáo truyền thống đến đánh giá sản phẩm trực tuyến
Giai đoạn "Đánh giá thông tin" tập trung vào quá trình so sánh và đánh giá các lựa chọn.”Người tiêu dùng đưa ra quyết định dựa trên nhiều yếu tố như chất lượng, giá cả, thương hiệu, và cảm nhận cá nhân
"Quyết định mua" là giai đoạn quyết định chọn lựa, nơi người tiêu dùng chọn sản phẩm hoặc dịch vụ mà họ cảm thấy đáp ứng tốt nhất nhu cầu của mình Quyết định này có thể bị ảnh hưởng bởi nhiều yếu tố, bao gồm tầm quan trọng của quyết định và ý kiến của người khác
Giai đoạn cuối cùng là "Hành vi sau mua" tập trung vào kết quả của quyết định mua hàng Hài lòng hoặc không hài lòng sau mua có thể tác động lớn đến trải nghiệm và lòng trung thành của khách hàng với thương hiệu trong tương lai
Hình 2.1 Mô hình quy trình quyết định mua hàng của Kotler
2.2.2 Mô hình chấp nhận Công nghệ TAM
Mô hình Công nghệ TAM, được phát triển bởi Fred Davis vào những năm 1980 và mở rộng sau đó bởi Venkatesh và Davis vào năm 2000, là một khung lý thuyết quan trọng giúp giải thích hành vi sử dụng công nghệ Tập trung vào hai yếu tố chính là động cơ và thuận lợi, nó giúp đo lường sự tin tưởng của người dùng vào khả năng của công nghệ để cải thiện hiệu suất cá nhân hoặc tổ chức, cũng như mức độ thuận tiện và dễ dàng khi sử dụng công nghệ TAM cũng đã mở rộng để bao gồm các yếu tố bổ sung như uy tín, kiểm soát và tác động xã hội
Mô hình TAM hỗ trợ dự đoán và giải thích hành vi của người dùng đối với công nghệ bằng cách phân tích mức độ chấp nhận của họ Áp dụng rộng rãi trong nghiên cứu và thực tiễn, từ ứng dụng di động đến hệ thống quản lý doanh nghiệp, việc áp dụng mô hình TAM thường bắt đầu với việc thu thập dữ liệu về các yếu tố liên quan đến động cơ và thuận lợi Phương pháp nghiên cứu có thể bao gồm phỏng vấn, khảo sát hoặc quan sát trực tiếp người dùng, và dữ liệu thu thập được sau đó được phân tích bằng các phương pháp thống kê
Một điểm mạnh của mô hình TAM là sự toàn diện trong việc giải thích hành vi sử dụng công nghệ Bằng cách tập trung vào các yếu tố như động cơ và thuận lợi, nó cung cấp cái nhìn tổng thể về lý do tại sao một người dùng có thể chấp nhận hoặc từ chối một công nghệ cụ thể Tuy nhiên, mô hình TAM cũng có nhược điểm, và một số nghiên cứu đã chỉ ra rằng nó có thể không linh hoạt đủ để áp dụng vào một số ngữ cảnh cụ thể hoặc các công nghệ mới nổi, yêu cầu điều chỉnh và mở rộng để phản ánh đầy đủ các yếu tố ảnh hưởng đến”sự chấp nhận công nghệ.”
Hình 2.2 Mô hình chấp nhận Công nghệ TAM
2.2.3 Thuyết hành động hợp lý (TRA)
Thuyết Hành động Hợp lý (TRA), được phát triển ban đầu bởi Martin Fishbein và Icek Ajzen vào những năm 1960 và 1970, là một khung lý thuyết quan trọng trong việc nghiên cứu hành vi của người tiêu dùng TRA tập trung vào việc dự đoán và giải thích hành vi dựa trên thái độ và niềm tin của cá nhân
TRA tập trung vào hai yếu tố chính: thái độ và niềm tin kiến thức Thái độ đo lường sự đánh giá tích cực hoặc tiêu cực đối với một hành vi cụ thể, trong khi niềm tin kiến thức liên quan đến niềm tin của cá nhân về kết quả của hành vi đó Mô hình này giả định rằng thái độ và niềm tin kiến thức là hai yếu tố chính quyết định hành vi của cá nhân
Một ứng dụng phổ biến của TRA là trong lĩnh vực tiếp thị và quảng cáo, nơi những nhà tiếp thị sử dụng mô hình này để dự đoán và tác động đến hành vi mua hàng của người tiêu dùng Bằng cách hiểu rõ thái độ và niềm tin kiến thức của khách hàng đối với sản phẩm hoặc dịch vụ cụ thể, những nhà tiếp thị có thể thiết kế các chiến lược quảng cáo và tiếp thị hiệu quả để tạo ra sự quan tâm và tăng doanh số bán hàng
Trong việc áp dụng TRA vào nghiên cứu hoặc thực tiễn, các nhà nghiên cứu thường sử dụng các phương pháp như khảo sát, phỏng vấn hoặc quan sát để thu thập dữ liệu về thái độ và niềm tin kiến thức của đối tượng nghiên cứu Dữ liệu này sau đó được phân tích bằng các phương pháp thống kê để hiểu rõ hơn mối quan hệ giữa thái độ, niềm tin và hành vi
Hình 2.3 Mô hình thuyết hành động hợp lý (TRA)
2.3 Các nghiên cứu liên quan
2.3.1 Các nghiên cứu ngoài nước
Nghiên cứu của Sushendra Kumar Misra (2019) đề xuất và xác nhận một phương pháp toàn diện để giải thích các yếu tố ảnh hưởng đến sự lựa chọn của người tiêu dùng đối với việc đại diện bởi người nổi tiếng và tác động của nó đối với quyết định mua sắm của họ Để đạt được mục đích này, một mẫu gồm 450 người tham gia thuộc tiểu bang Punjab đã được chọn và kỹ thuật lấy mẫu không xác suất đã được sử dụng để thu thập dữ liệu Phương pháp phân tích đã được sử dụng và kết luận rằng khả năng mua sản phẩm của người tiêu dùng được kích thích mạnh mẽ nếu nó được đại diện bởi người nổi tiếng Các yếu tố chính làm tăng hình ảnh của một người nổi tiếng bao gồm: Sức hút, Sự quen thuộc, Đáng tin cậy và Độ tin cậy Điều cần thiết là doanh nghiệp tạo ra sự quen thuộc giữa người nổi tiếng và người tiêu dùng tiềm năng Hơn nữa, sự phù hợp giữa hình ảnh thương hiệu và nhân cách của người đại diện nổi tiếng là quan trọng để tạo ra ảnh hưởng mạnh mẽ đối với quyết định mua sắm của người tiêu dùng
Trong nghiên cứu của Saima & M Altaf Khan (2020) về "Tác động của Influencers trên mạng xã hội đối với ý định mua hàng của người tiêu dùng và vai trò trung gian của độ tin cậy", mục tiêu chính là khảo sát ảnh hưởng của Niềm tin vào
Đề xuất mô hình và giả thiết nghiên cứu
2.4.1 Các giả thiết nghiên cứu
➢ Độ tin cậy Độ tin cậy là yếu tố chính đối với người ảnh hưởng, giúp khách hàng quyết định mua sắm vì họ không thể nhìn thấy, cảm nhận, hoặc chạm vào sản phẩm Vì vậy, độ uy tín là điều cần thiết trước khi quyết định mua sản phẩm (Lin et al., 2019)
Theo mô hình độ tin cậy của nguồn thông tin, nguồn thông tin có thể ảnh hưởng đến hiệu ứng thuyết phục của mình đối với người tiêu dùng mục tiêu thông qua sự hấp dẫn, chuyên môn và tương tác (Ohanian, 1991) Trên các mạng xã hội, do người tiêu dùng mục tiêu không thể giao tiếp trực tiếp với người ảnh hưởng, họ thường có những niềm tin đối lập hoặc hoài nghi về động cơ hành vi của người ảnh hưởng từ đầu (Lou và Yuan, 2019) Người tiêu dùng có thể không tin tưởng vào người ảnh hưởng cho đến khi sự ảnh hưởng của họ được thể hiện Ngoài ra độ tin cậy đã được phát hiện ảnh hưởng đến giá trị quảng cáo trên mạng xã hội, vì quảng cáo từ đồng nghiệp trên mạng xã hội được coi là đáng tin cậy hơn so với truyền thông truyền thống (Shareef et al., 2019)
H1: ” Độ tin c ậy có tác độ ng cùng chi ề u v ớ i ý đị nh mua hàng c ủa sinh viên Đạ i h ọ c Ngân hàng TP.HCM ”
Khám phá của Liu et al (2007) đã chỉ ra rằng sự thu hút từ người nổi tiếng đại diện có thể ảnh hưởng mạnh mẽ đến ý định mua sắm của người tiêu dùng và có thể phân loại thành hai yếu tố: sự thú vị và sự tương đồng (Gupta 2017) Điều này bao gồm bất kỳ thuộc tính đức hạnh nào mà người tiêu dùng cảm nhận trong người đại diện nổi tiếng, không chỉ giới hạn ở sự hấp dẫn về mặt ngoại hình (Erdogan 1999) Ngoài ra sự hấp dẫn là mức độ mà một người ủng hộ được xem là lịch lãm, gợi cảm và xinh đẹp (Erdogan, 1999) Kahle và Homer (1985) cũng nhận định rằng sự hấp dẫn là yếu tố hàng đầu ảnh hưởng đến hành vi mua hàng của người tiêu dùng do người nổi tiếng ủng hộ
H2: ” S ự thu hút có tác độ ng cùng chi ề u v ớ i ý đị nh mua hàng c ủa sinh viên Đạ i h ọ c Ngân hàng TP.HCM ”
Trong các nghiên cứu tiếp thị dựa trên lý thuyết truyền thông, thuật ngữ "chuyên môn" được sử dụng để mô tả bản chất của yếu tố nguồn thông tin (Harmon & Coney, 1982) Nó ám chỉ rằng nguồn thông tin đó có sở hữu kiến thức, kinh nghiệm hoặc kỹ năng về một chủ đề cụ thể (Lagace et al., 1991) Dựa trên định nghĩa này, trong nghiên cứu này, chuyên môn của người bán hàng có thể được hiểu là họ đang hành động với đánh giá như một chuyên gia do họ có đủ kiến thức về sản phẩm/dịch vụ (Hill & Neeley, 1988)
Một kỹ năng của người ảnh hưởng”tương tự như một bằng cấp trực tiếp ảnh hưởng đến mức độ tự tin cần thiết để thuyết phục người tiêu dùng mua những gì được tài trợ (Wang và Scheinbaum, 2018) Do đó, thiếu chuyên môn có thể làm giảm sự nhận thức về người ảnh hưởng và thiếu niềm tin vào quảng cáo Chuyên môn được xác định là mức độ mà một người nổi tiếng được coi là có kinh nghiệm, có kiến thức, đủ tư cách và, nói chung, là một nguồn thông tin hợp lệ (Erdogan, 1999).”
H3: Chuyên môn có tác độ ng cùng chi ề u v ớ i ý đị nh mua hàng c ủa sinh viên Đạ i h ọ c Ngân hàng TP.HCM
Chất lượng thông tin là”số lượng thông tin mà doanh nghiệp cung cấp cho khách hàng, và khả năng khách hàng mua sản phẩm tăng khi thông tin được cung cấp là đầy đủ Nói cách khác, sự xuất hiện của một thông tin đầy đủ và chi tiết sẽ tăng sự quan tâm của người tiêu dùng để mua hàng Theo lý thuyết độ giàu thông tin, thông tin chi tiết trực tiếp từ người bán hàng vẫn là một công cụ tiếp thị mạnh mẽ, không kể đến khả năng của các phương tiện điện tử hiện đại (ví dụ, thanh toán điện tử) trong việc thúc đẩy và đẩy mạnh thương mại điện tử (Chesney et al., 2017).”
Có lập luận rằng trong quá trình tiếp nhận thông tin, niềm tin hành vi được hình thành bởi chất lượng thông tin và đáng tin cậy của nguồn thông tin Một nghiên cứu được tiến hành về hiệu ứng lan truyền của truyền thông xã hội đối với ý định mua hàng kết hợp các mô hình IAM và TRA (Gunawan & Huarng, 2015) Hơn nữa, đã được chứng minh rằng đáng tin cậy của nguồn thông tin và chất lượng lập luận có tác động tích cực đối với thái độ đối với tính hữu ích của thông tin (Gunawan & Huarng, 2015)
Thông tin có tính bao quát cao sẽ tăng sự tự tin của người tiêu dùng, và do đó, tăng khả năng họ mua hàng hoặc sử dụng dịch vụ Chen và Chang (2018) một cách liên quan cho biết rằng khi được cung cấp thông tin chất lượng từ người bán, khách hàng sẽ có mức hài lòng tăng đáng kể, dẫn đến động lực mua hàng cao hơn Trong một nghiên cứu liên quan, Cheung và Thadani (2012) đề cập đến việc người ta sẽ chuyển đến các nền tảng truyền thông xã hội để tìm kiếm thông tin đa dạng, và chất lượng thông tin phát hiện được dường như có liên kết trực tiếp với cách họ đánh giá độ tin cậy của thông tin mà họ đang tìm kiếm Lou và Yuan (2019)”chỉ ra rằng chất lượng thông tin được đăng tải bởi người ảnh hưởng sẽ xác định mức độ tin tưởng mà độc giả có, nhận thức về thương hiệu của độc giả và ý định mua sắm của độc giả.”
H4: ” Ch ất lượng thông tin có tác độ ng cùng chi ề u v ớ i ý đị nh mua hàng c ủ a sinh viên Đạ i h ọ c Ngân hàng TP.HCM ”
➢ Sự phù hợp giữa Influencer và sản phẩm Để đạt được kết quả tích cực và hiệu quả, việc thiết lập được sự phù hợp giữa Influencer và sản phẩm là vô cùng quan trọng Chỉ khi có sự phù hợp giữa hai yếu tố này, chiến lược mới có thể được coi là có hiệu quả và có hiệu suất (Till & Busler, 1998) Khi một Influencer được chọn làm đại sứ cho một thương hiệu hay một sản phẩm, họ cần tạo ra một sự phù hợp với các đặc điểm đặc trưng và loại hình của thương hiệu hay sản phẩm đó Nếu sự phù hợp được xem là lý tưởng, thì khi đó họ mới có thể phục vụ hoặc tạo ấn tượng đối với khán giả và có thể thu hút họ về phía mình nhằm phát triển ý định mua sắm trong tâm trí của người tiêu dùng Điều này là mục tiêu tiên quyết mà một Influencer muốn đạt được
Các nghiên cứu gợi ý rằng sự phù hợp (một số nghiên cứu sử dụng thuật ngữ
"tương đồng") giữa Influencer và sản phẩm được tài trợ có thể tích cực ảnh hưởng đến thái độ của người tiêu dùng đối với quảng cáo, thái độ đối với thương hiệu, ý định mua hàng, niềm tin vào thương hiệu, doanh số bán hàng, sự đáng tin cậy của người đại diện, khuynh hướng đối với quảng cáo, thái độ đối với sản phẩm (Peterson và Kerin, 1977; Friedman và Friedman, 1979; Caballero và Solomon, 1984; Kamins và Gupta, 1994; Batra và Homer, 2004; Fleck et al, 2012; Zwilling, 2013)
Lý thuyết Schema cung cấp một giải thích cho giả thuyết rằng: sự phù hợp giữa Influencer và sản phẩm được tài trợ có thể tạo ra thông tin mới điều này tích cực ảnh hưởng đến thái độ đối với quảng cáo, trong khi sự không phù hợp có thể chứng minh rằng thương hiệu được tài trợ không khác biệt nhiều so với các thương hiệu khác trong cùng một danh mục (Lynch và Schuler, 1994) Một nghiên cứu sau về lý thuyết Schema cho thấy sự phù hợp giữa Influencer và sản phẩm được tài trợ”dẫn đến thái độ tốt hơn đối với quảng cáo và ý định mua hàng, khi người tiêu dùng được khích lệ xử lý thông tin của quảng cáo (Lee và Thorson, 2008) Do đó, việc tài trợ của Influencer có thể đạt được kết quả tốt hơn khi có sự phù hợp giữa Influencer và sản phẩm được tài trợ, vì họ có thể làm cho người tiêu dùng tập trung hơn vào quảng cáo để tăng cường hiệu ứng của sự phù hợp (Amos et al, 2008).”
H5: ” S ự phù h ợ p gi ữ a Influencer v ớ i s ả n ph ẩ m có tác độ ng cùng chi ề u v ớ i ý đị nh mua hàng c ủa sinh viên Đạ i h ọ c Ngân hàng TP.HCM ”
2.4.2 Mô hình nghiên cứu đề xuất
Dựa trên cơ sở lý thuyết và sự tham khảo từ các nghiên cứu khoa học trước đây, tác giả đã đề xuất mô hình nghiên cứu riêng của”mình về các tác động của Influencer đến quyết định mua sắm trực tuyến trên nền tảng mạng xã hội tiktok của sinh viên Đại học Ngân hàng TP.HCM Mô hình này bao gồm các yếu tố sau: (1) Độ tin cậy, (2) Sự thu hút, (3) Độ chuyên môn, (4) Chất lượng thông tin và (5) Sự phù hợp giữa Influencer và sản phẩm”
Hình 2.4 Mô hình nghiên cứu đề xuất
Sự phù hợp giữa Influencer và sản phẩm Độ tin cậy
Sự thu hút Độ chuyên môn
Chất lượng thông tin Ý định mua hàng H1
Chương 2 đã trình bày cơ sở lý thuyết cơ bản và các khái niệm liên quan đến đề tài nghiên cứu, bao gồm Tiktok, Tiktok Shop, Influencer và Ý định mua hàng Ngoài ra, chương này đã xem xét một số công trình nghiên cứu trước đó có liên quan, từ đó đề xuất một mô hình và các giả thuyết nghiên cứu phù hợp với bối cảnh nghiên cứu của đề tài
Mô hình bao gồm một biến phụ thuộc là Ý định mua hàng trực tuyến và năm biến độc lập bao gồm:”Độ tin cậy, Sự thu hút, Độ chuyên môn, Chất lượng thông tin và Sự phù hợp giữa Influencer và sản phẩm.”
CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
Quy trình nghiên cứu
“Quy trình nghiên cứu được tiến hành các bước như sau:”
“Hình 3.1 Sơ đồ quy trình nghiên cứu”
Phương pháp xây dựng thang đo và xử lý số liệu
3.2.1 Xây d ựng thang đo đị nh tính cho các y ế u t ố trong mô hình
• Xác định các biến cần đo và xác định mức độ ý kiến hoặc thái độ
• Thiết kế câu hỏi hoặc câu phát biểu để thu thập dữ liệu, thường sử dụng các tuyên bố hoặc câu hỏi mà người tham gia có thể đồng ý hoặc không đồng ý
• Sắp xếp các phát biểu thành một loạt các mức độ, thường từ 1 đến 5 hoặc 1 đến 7, trong đó 1 biểu thị mức độ không đồng ý hoặc không hài lòng nhất và con số cao hơn biểu thị mức độ đồng ý hoặc hài lòng hơn
3.2.2 Phương pháp nghiên c ứu định lượ ng
Mẫu nghiên”cứu được lựa chọn thông qua phương pháp chọn mẫu thuận tiện, với kế hoạch thu thập 250 quan sát từ sinh viên đang theo học tại Trường Đại học Ngân hàng TP.HCM Phương pháp thu thập bao gồm phỏng vấn trực tiếp và gửi bảng câu hỏi trực tiếp Dự kiến sẽ gửi đi 250 bảng câu hỏi và sau đó tiến hành nhập và làm sạch số liệu từ tháng 2/2024 đến tháng 3/2024 để phục vụ cho việc phân tích.”
Kích thước mẫu phụ thuộc vào phương pháp ước lượng, số lượng tham số và phân phối chuẩn của câu trả lời Với việc sử dụng phân tích nhân tố khám phá EFA, kích thước mẫu được xác định dựa trên kích thước mẫu tối thiểu và số lượng biến tham gia vào phân tích Theo Hair và các cộng sự (2006), kích thước mẫu tối thiểu để sử dụng EFA là 50, tốt nhất là 100 và tỉ lệ biến quan sát/biến đo lường là 5:1, tốt hơn là 10:1 Đối với sự phù hợp”của mẫu nghiên cứu, nguyên tắc kinh nghiệm yêu cầu số lượng quan sát ít nhất phải gấp 5 lần số biến quan sát trong mô hình nghiên cứu (Thọ, 2011) Với 23 biến quan sát trong mô hình nghiên cứu sơ bộ, kích thước mẫu tối thiểu cần là 5 x 23 = 115 quan sát Do đó, kích thước mẫu thu thập được là 250 quan sát, đủ để đảm bảo tính phù hợp của mẫu nghiên cứu
3.2.3 Phương pháp xử lý s ố li ệ u
“Đề tài đã sử dụng phần mềm thống kê SPSS 22.0 để phân tích dữ liệu Các phương pháp cụ thể như sau:”
➢ Kiểm tra độ tin cậy của thang đo bằng Cronbach’s Alpha: Kiểm tra độ tin cậy của thang đo bằng Cronbach’s Alpha là một phương pháp thường được sử dụng để đánh giá tính nhất quán và độ đo của một thang đo trong nghiên cứu khoa học và khảo sát Alpha Cronbach thường được sử dụng với các thang đo Likert để đo lường mức độ đồng nhất giữa các mục trong thang đo Quá trình kiểm tra bắt đầu bằng việc tính toán hệ số Alpha Cronbach, thường được ký hiệu là α Hệ số này đo lường mức độ tương quan giữa các mục trong thang đo Nó thường dao động từ 0 đến 1, với giá trị càng cao cho thấy tính nhất quán của thang đo càng cao Khi α lớn hơn 0.7, thang đo được coi là có độ tin cậy cao Tuy nhiên, đôi khi người nghiên cứu cũng chấp nhận α ở mức 0.6 nếu không có sự lựa chọn nào khác Nếu α thấp hơn, có thể cần xem xét lại các mục trong thang đo hoặc thậm chí là loại bỏ các mục không đồng nhất Tuy nhiên, nếu hệ số Cronbach Alpha quá cao, vượt quá 0,95, có thể cho thấy rằng có sự trùng lặp giữa các biến trong thang đo Hiện tượng này được gọi là trùng lắp trong thang đo (Thọ, 2013), và nó có thể đồng nghĩa với việc một số biến trong thang đo không có sự khác biệt đáng kể.”
➢ “Phân tích yếu tố khám phá (EFA-Exploratory Factor Analysis): Phân tích yếu tố khám phá (EFA) là một phương pháp thống kê được sử dụng để khám phá mối quan hệ giữa các biến trong tập dữ liệu mà không cần có giả định trước về số lượng và tính chất của các yếu tố EFA giúp tìm ra các yếu tố ẩn có thể đang ảnh hưởng đến dữ liệu Kết quả từ EFA thường là sự hiểu biết sâu hơn về cấu trúc bên trong của dữ liệu, giúp cho việc phát triển thang đo và hiểu rõ hơn về mối quan hệ giữa các biến trong nghiên cứu Điều này làm cho EFA trở thành một công cụ quan trọng trong quá trình nghiên cứu và phát triển thang đo, đặc biệt là khi dữ liệu không rõ ràng hoặc khi cần có cái nhìn tổng thể về cấu trúc dữ liệu.”
➢ “Kiểm định Bartlett: Kiểm định Bartlett là một phương pháp thống kê được sử dụng để kiểm tra xem một ma trận hiệp phương sai có đồng nhất không Trong ngữ cảnh của phân tích yếu tố, kiểm định Bartlett thường được sử dụng để đảm bảo rằng dữ liệu là phù hợp cho phân tích yếu tố Khi giá trị p thu được từ kiểm định Bartlett là thấp (thường dưới một ngưỡng nhất định, chẳng hạn như 0.05), chúng ta có đủ bằng chứng để bác bỏ giả thuyết rằng ma trận hiệp phương sai là đồng nhất Điều này chỉ ra rằng dữ liệu có đủ biến động để phân tích yếu tố Kiểm định Bartlett là một bước quan trọng trong quá trình phân tích yếu tố, giúp đảm bảo tính chính xác và đáng tin cậy của kết quả phân tích.”
➢ “Hệ số KMO (Kaiser-Meyer-Olkin): Hệ số KMO (Kaiser-Meyer-Olkin) là một phép đo được sử dụng để đánh giá khả năng thích hợp của dữ liệu cho phân tích yếu tố
Nó đo lường mức độ phù hợp của dữ liệu cho phân tích yếu tố bằng cách đánh giá khả năng tái sản xuất các mẫu phân biệt giữa các biến Giá trị của KMO dao động từ 0 đến 1, với giá trị gần 1 cho thấy dữ liệu là phù hợp cho phân tích yếu tố Trong trường hợp giá trị KMO thấp (thường dưới 0.5), dữ liệu có thể không phù hợp cho phân tích yếu tố và cần được kiểm tra lại hoặc điều chỉnh KMO là một công cụ hữu ích để đánh giá tính thích hợp của dữ liệu trước khi thực hiện phân tích yếu tố, giúp đảm bảo tính chính xác và đáng tin cậy của kết quả phân tích.”
➢ Phân tích hồi quy tuyến tính: Phân tích hồi quy tuyến tính là một phương pháp thống kê được sử dụng để xác định mối quan hệ tuyến tính giữa một biến phụ thuộc và một hoặc nhiều biến độc lập Mục tiêu của phân tích này là dự đoán giá trị của biến phụ thuộc dựa trên giá trị của các biến độc lập Quá trình phân tích hồi quy tuyến tính bao gồm ước lượng các hệ số hồi quy để mô tả mối quan hệ giữa các biến, đánh giá độ quan trọng của mỗi biến độc lập đối với biến phụ thuộc, và kiểm tra giả thuyết về mối quan hệ giữa chúng
“Cho mô hình hồi quy k biến 𝒀 𝒊 = 𝜷 𝟏 + 𝜷 𝟐 𝑿 𝟐𝒂 + 𝜷 𝟑 𝑿 𝟑𝒂 +…+ 𝒏𝑿 𝒌𝒂 + 𝑼 𝒂
- Ki ểm định đa cộ ng tuy ế n : Kiểm định đa cộng tuyến sử dụng hệ số VIF (Variance
Inflation Factor) để đo lường mức độ tương quan giữa các biến độc lập trong phân tích hồi quy Nếu VIF cao hơn một ngưỡng nhất định (thường là 10), sự đa cộng tuyến có thể là một vấn đề Kiểm định này giúp xác định và loại bỏ các biến gây nhiễu trong mô hình hồi quy, đảm bảo tính chính xác của dự đoán và diễn giải
- “ Ki ểm đị nh t ự tương quan : Kiểm định tự tương quan sử dụng chỉ số Durbin-Watson để kiểm tra mức độ tự tương quan của các sai số trong mô hình hồi quy Giá trị Durbin-Watson nằm trong khoảng từ 0 đến 4, với giá trị gần 2 cho thấy không có tự tương quan, gần 0 cho thấy tự tương quan dương, và gần 4 cho thấy tự tương quan âm Kiểm định này giúp đảm bảo tính chính xác của mô hình hồi quy và diễn giải kết quả một cách chính xác.”
“ Ki ểm định ý nghĩa thố ng kê các tham s ố h ồ i quy riêng : Kiểm định ý nghĩa thống kê các tham số hồi quy riêng sử dụng β ̂_2 là một phương pháp quan trọng trong phân tích hồi quy β ̂_2 đo lường độ lớn của tác động của mỗi biến độc lập lên biến phụ thuộc, không phụ thuộc vào sự hiện diện của các biến khác Trong kiểm định này, chúng ta xác định xem liệu giá trị của β ̂_2 có ý nghĩa thống kê hay không, thông qua việc so sánh nó với một ngưỡng nhất định (thường là 1 hoặc 0) Khi giá trị của β ̂_2 vượt quá ngưỡng, chúng ta có thể kết luận rằng tác động của biến đó lên biến phụ thuộc là ý nghĩa thống kê Quá trình này giúp chúng ta hiểu rõ hơn về vai trò của từng biến độc lập trong mô hình hồi quy và đảm bảo tính chính xác của kết quả.”
Tổng quan, Chương 3 đã chi tiết mô tả về quy trình nghiên cứu, phương pháp nghiên cứu định tính và định lượng, cách lựa chọn mẫu, thu thập dữ liệu và xây dựng thang đo Trong nghiên cứu này, việc đo lường sử dụng thang đo Likert 5 mức độ, bảng câu hỏi được tạo trên Google Forms và gửi đến các đối tượng khảo sát phù hợp Phần nghiên cứu định lượng bao gồm kiểm định độ tin cậy, phân tích nhân tố khám phá, phân tích hồi quy tuyến tính bội, sẽ được thực hiện trong Chương 4
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU
Chương 4 trình bày các thông tin tổng quan về mẫu nghiên cứu (n), kết quả của việc kiểm định độ tin cậy của thang đo thông qua chỉ số Alpha của Cronbach và phân tích nhân tố EFA, cũng như các kết quả của các mô hình và các giả thuyết nghiên cứu liên quan đến các tác động của Influencer đến ý định mua hàng trên nền tảng mạng xã hội Tiktok của sinh viên Đại học Ngân hàng TP.HCM.
Mô tả mẫu nghiên cứu
4.1.1 Tổng quan về mẫu nghiên cứu
Tác giả đã tiến hành một cuộc khảo sát chính thức với mục tiêu là sinh viên hiện đang theo học tại trường Đại học Ngân hàng TP.HCM, những người đã sử dụng mạng xã hội Tiktok và có ý định mua hàng trên nền tảng này Khảo sát được thực hiện trong khoảng thời gian hai tuần và đã nhận được tổng cộng 265 bản phản hồi Trong số này, có
250 bản phản hồi được xem xét phù hợp với yêu cầu của cuộc khảo sát
Bảng 4.1 Cơ cấu mẫu giới tính
“ (Nguồn: Kết quả tính toán từ phần mềm SPSS)”
Dựa trên kết quả tính toán từ Bảng 4.1 với tổng số 250 phiếu khảo sát nhận được, số lượng nam là 101 người, chiếm tỷ lệ là 40.4%, trong khi số lượng nữ là 149 người, chiếm tỷ lệ 59.6%
Bảng 4.2 Cơ cấu mẫu độ tuổi
Phân loại Tần số Tần suất
( Nguồn: Kết quả tính toán từ phần mềm SPSS)
Theo bảng 4.2 cơ cấu độ tuổi, số người có độ tuổi dưới 18 tuổi là 52 người, chiếm tỷ lệ 20.8%; độ tuổi từ 18 đến 22 tuổi là 99 người, chiếm tỷ lệ 39.6%; độ tuổi từ 22 đến 27 tuổi là 63 người, chiếm tỷ lệ 25.2%; số còn lại trên 27 tuổi có 36 người, chiếm tỷ lệ là 14.4%
Bảng 4.3 Cơ cấu theo mẫu thu nhập
Phân loại Tần số Tần suất
“Từ 3 triệu đến 5 triệu đồng” 53 21.2%
Từ 5 triệu đến 10 triệu đồng 184 73.6%
( Nguồn: Kết quả tính toán từ phần mềm SPSS)
Theo cơ cấu thu nhập từ bảng 4.3, số người có thu nhập dưới 3 triệu đồng là 8 người, chiếm tỷ lệ 3.2%; thu nhập từ 3 triệu đến 5 triệu đồng, chiếm tỷ lệ 21.2%; thu nhập từ 5 triệu đến 10 triệu đồng là 184 người, chiếm tỷ lệ 73.6%; số còn lại trên 10 triệu đồng có 5 người, chiếm tỷ lệ là 2%
Bảng 4.4 Cơ cấu theo tần suất mua hàng
Phân loại Tần số Tần suất
Tần suất mua hàng/tháng
“( Nguồn: Kết quả tính toán từ phần mềm SPSS)”
Theo cơ cấu tần suất mua hàng từ bảng 4.4, số người có tần suất mua hàng dưới 2 lần là 34 người, chiếm tỷ lệ 13.6%; tần suất mua hàng từ 2 đến 4 lần là 76 người, chiếm tỷ lệ 30.4%; tần suất mua hàng từ 4 đến 6 lần là 69 người, chiếm tỷ lệ 27.6%; số còn lại tần suất mua hàng trên 6 lần có 71 người, chiếm tỷ lệ là 28.4%
4.1.2.”Thống kê mô tả biến định lượng”
Các thang”đo trong bảng khảo sát được thiết kế dựa trên thang đo Likert 5 mức, từ
"Hoàn toàn không đồng ý" đến "Hoàn toàn đồng ý", được biểu diễn lần lượt từ 1 đến 5
Do đó, bằng cách này, có thể nắm bắt tổng quát phạm vi các giá trị của biến, ví dụ như độ lệch chuẩn hoặc giá trị trung bình Nhờ vào việc này, nghiên cứu có thể tiến hành thống kê mô tả trung bình của các biến định lượng.”
Bảng 4.5.”Thống kê mô tả biến định lượng”
Sự phù hợp giữa Influencer với sản phẩm
( Nguồn: Kết quả tính toán từ phần mềm SPSS)
Trong bảng 4.5, kết quả cho thấy mọi phát biểu đều có giá trị nhỏ nhất là mức 1 và giá trị lớn nhất là mức 5 Đồng thời, giá trị trung bình của các phát biểu đều lớn hơn 3 và độ lệch chuẩn không quá lớn, cho thấy có sự đồng đều giữa các mẫu phản hồi Do đó, có thể kết luận rằng các câu hỏi trong bảng khảo sát được đánh giá là phù hợp khi nhận được sự đồng ý từ các đáp viên.
Kiểm định thang đo bằng hệ số tin cậy Cronbach’s Alpha
Các thang đo được xây dựng và kiểm định độ tin cậy bằng hệ số Cronbach's Alpha để loại bỏ các biến quan sát không phù hợp Những biến quan sát có hệ số tương quan biến–tổng nhỏ hơn 0.3 sẽ bị loại, và tiêu chuẩn chọn thang đo là khi Cronbach's Alpha đạt từ 0.6 trở lên Hệ số này được sử dụng để đánh giá độ tin cậy của các biến quan sát và để loại bỏ những biến không phù hợp trước khi phân tích Có sự đồng thuận rằng nếu
Cronbach's Alpha đạt từ 0.8 đến gần 1, thì thang đo là tốt; từ 0.7 đến gần 0.8 là có thể sử dụng được Tuy nhiên, cũng có nhà nghiên cứu đề xuất rằng nếu Cronbach's Alpha từ 0.6 trở lên, thì vẫn có thể sử dụng được, đặc biệt là trong trường hợp thang đo mới hoặc mới đối với người tham gia khảo sát (Trọng và Ngọc, 2008)
➢ Thang đo Độ tin cậy (DTC)
Kết quả phân tích độ tin cậy của thang đo Độ tin cậy được thể hiện trong Bảng 4.6 với hệ số Cronbach's Alpha của thang đo là 0.743, đủ để đáp ứng tiêu chuẩn về tính đồng nhất (lớn hơn 0.6) và các hệ số tương quan biến tổng đều đạt giá trị trên 0.3 Vì vậy, các quan sát DTC1, DTC2, DTC3 và DTC4 trong thang đo này được đánh giá là có ý nghĩa và được giữ nguyên trong phân tích EFA
Bảng 4.6 Kiểm định Độ tin cậy
“Trung bình thang đo loại biến”
“Phương sai thang đo nếu loại biến”
“Hệ số tương quan biến tổng”
“Cronbach's Alpha nếu loại biến” Độ tin cậy (DTC) : Cronbach’s Alpha = 0.743
➢ Thang đo Sự thu hút (STH)
Kết”quả phân tích độ tin cậy của thang đo Sự thu hút được thể hiện trong Bảng 4.7 với hệ số Cronbach's Alpha của thang đo là 0.788, đủ để đáp ứng tiêu chuẩn về tính đồng nhất (lớn hơn 0.6) và các hệ số tương quan biến tổng đều đạt giá trị trên 0.3 Vì vậy, các quan sát STH1, STH 2, STH 3 và STH 4 trong thang đo này được đánh giá là có ý nghĩa và được giữ nguyên trong phân tích EFA”
Bảng 4.7 Kiểm định Sự thu hút
“Trung bình thang đo loại biến”
“Phương sai thang đo nếu loại biến”
“Hệ số tương quan biến tổng”
“Cronbach's Alpha nếu loại biến”
Sự thu hút (STH) : Cronbach’s Alpha = 0.788
( Nguồn: Kết quả tính toán từ phần mềm SPSS)
➢ Thang đo Độ chuyên môn (DCM)
“Kết quả phân tích độ tin cậy của thang đo Độ chuyên môn được thể hiện trong Bảng 4.8 với hệ số Cronbach's Alpha của thang đo là 0.748, đủ để đáp ứng tiêu chuẩn về tính đồng nhất (lớn hơn 0.6) và các hệ số tương quan biến tổng đều đạt giá trị trên 0.3 Vì vậy, các quan sát DCM1, DCM 2, DCM 3 và DCM 4 trong thang đo này được đánh giá là có ý nghĩa và được giữ nguyên trong phân tích EFA”
Bảng 4.8 Kiểm định Độ chuyên môn
Trung bình thang đo loại biến
Phương sai thang đo nếu loại biến
Hệ số tương quan biến tổng
Cronbach's Alpha nếu loại biến Độ chuyên môn (DCM): Cronbach’s Alpha = 0.748
( Nguồn: Kết quả tính toán từ phần mềm SPSS)
➢ Thang đo Chất lượng thông tin (CLTT)
Kết quả phân tích độ tin cậy của thang đo Chất lượng thông tin được thể hiện trong Bảng 4.9 với hệ số Cronbach's Alpha của thang đo là 0.798,”đủ để đáp ứng tiêu chuẩn về tính đồng nhất (lớn hơn 0.6) và các hệ số tương quan biến tổng đều đạt giá trị trên 0.3 Vì vậy, các quan sát CLTT1, CLTT2, CLTT3 và CLTT4 trong thang đo này được đánh giá là có ý nghĩa và được giữ nguyên trong phân tích EFA”
Bảng 4.9 Kiểm định Chất lượng thông tin
“Trung bình thang đo loại biến”
“Phương sai thang đo nếu loại biến”
“Hệ số tương quan biến tổng”
“Cronbach's Alpha nếu loại biến”
“Chất lượng thông tin (CLTT): Cronbach’s Alpha = 0.798”
( Nguồn: Kết quả tính toán từ phần mềm SPSS)
➢ Thang đo Sự phù hợp với sản phẩm (SPH)
“Kết quả phân tích độ tin cậy của thang đo Sự phù hợp với sản phẩm được thể hiện trong Bảng 4.10 với hệ số Cronbach's Alpha của thang đo là 0.744, đủ để đáp ứng tiêu chuẩn về tính đồng nhất (lớn hơn 0.6) và các hệ số tương quan biến tổng đều đạt giá trị trên 0.3 Vì vậy, các quan sát SPH1, SPH2, SPH3 và SPH4 trong thang đo này được đánh giá là có ý nghĩa và được giữ nguyên trong phân tích EFA”
Bảng 4.10 Kiểm định Sự phù hợp
Trung bình thang đo loại biến
Phương sai thang đo nếu loại biến
Hệ số tương quan biến tổng
Cronbach's Alpha nếu loại biến
Sự phù hợp (SPH): Cronbach’s Alpha = 0.744
( Nguồn: Kết quả tính toán từ phần mềm SPSS)
➢ Thang đo Ý định mua hàng (YDMH)
Kết quả phân tích độ tin cậy của thang đo Ý định mua hàng được thể hiện trong Bảng 4.11 với hệ số Cronbach's Alpha của thang đo là 0.890, đủ để đáp ứng tiêu chuẩn về tính đồng nhất (lớn hơn 0.6) và các hệ số tương quan biến tổng đều đạt giá trị trên 0.3 Vì vậy, các quan sát YDMH1, YDMH2 và YDMH3 trong thang đo này được đánh giá là có ý nghĩa và được giữ nguyên trong phân tích EFA
Bảng 4.11 Kiểm định Ý định mua hàng
Trung bình thang đo loại biến
Phương sai thang đo nếu loại biến
Hệ số tương quan biến tổng
Cronbach's Alpha nếu loại biến Ý định mua hàng (YDMH): Cronbach’s Alpha = 0.890
( Nguồn: Kết quả tính toán từ phần mềm SPSS)
Kết quả của việc thực hiện phân tích hệ số Cronbach's Alpha cho thấy rằng trong nghiên cứu này, 6 thang đo và 23 biến quan sát đều đáp ứng được yêu cầu Do đó, chúng được giữ nguyên và đồng thời tiếp tục sử dụng trong phân tích nhân tố khám phá EFA.
Phân tích nhân tố EFA
4.3.1 Phân tích nhân tố EFA cho các biến độc lập
Sau khi xác định và loại bỏ các thang đo không đáng tin cậy, phân tích EFA được thực hiện để khám phá mối quan hệ giữa các biến quan sát và biến tiềm ẩn Quá trình này tạo ra cơ sở cho việc áp dụng một loạt các phương pháp để tóm gọn hoặc kết hợp một số biến quan sát cụ thể Các tiêu chí kiểm định bao gồm KMO, kiểm định Bartlett, hệ số tải nhân tố, giá trị riêng (Eigenvalue) và phương sai trích tổng cộng, cùng với việc sử dụng phép xoay Varimax để cải thiện sự hiểu biết về cấu trúc của các nhân tố
➢ Lần kiểm định đầu tiên
Kết quả từ kiểm định KMO và Bartlett lần đầu trong bảng 4.12 cho thấy giá trị KMO là 0.810 (0.5 ≤ KMO ≤ 1), với Sig là 0 000 < 0.05 Trong khi đó bảng 4.13 cho thấy trị số Eigenvalue đạt 1.237 > 1, và tổng phương sai trích đạt 60.959% > 50% Các kết quả này chỉ ra rằng có sự tương quan chặt chẽ giữa các biến và mô hình đáp ứng các yêu cầu của kiểm định
Bảng 4.12 Kiểm định KMO và Barlett lần một của biến độc lập
“Kiểm định Kaiser-Meyer-Olkin” 0.810
“( Nguồn: Kết quả tính toán từ phần mềm SPSS)”
Bảng 4.13 Hệ số Eigen và tổng % giải thích lần một của biến độc lập
“Chỉ tiêu Eigenvalues” “Tổng bình phương hệ số tải trích được”
“Tổng bình phương hệ số tải xoay”
“Chỉ tiêu Eigenvalues” “Tổng bình phương hệ số tải trích được”
“Tổng bình phương hệ số tải xoay”
( Nguồn: Kết quả tính toán từ phần mềm SPSS)
Kết quả ma trận xoay nhân tố lần đầu được thể hiện trong Bảng 4.14 cho thấy các biến quan sát thuộc các thang đo "Độ tin cậy", "Sự thu hút", "Sự phù hợp với sản phẩm" và “Chất lượng thông tin" đều có hệ số tải lớn hơn 0.5 Điều này đảm bảo tính hội tụ và tính phân biệt giữa các biến trong cùng một thang đo Tuy nhiên, có một biến quan sát là DCM4 cần được xem xét loại bỏ
“Biến quan sát DCM4 trong thang đo "Độ chuyên môn" tải lên cả hai nhân tố là 1 và 5, với hệ số tải lần lượt là 0.571 và”0.585 Tuy nhiên, khi biến quan sát xuất hiện ở nhiều nhân tố, đặc điểm của nhân tố trở nên không rõ ràng, làm giảm khả năng đánh giá và kiểm định của các thang đo Theo Matt C Howard (2015), nếu hệ số tải của một biến quan sát ở hai nhân tố chỉ chênh lệch nhỏ hơn 0.2, nên xem xét loại bỏ biến này Với độ chênh lệch hệ số tải của biến quan sát INT3 là 0.014, nhỏ hơn ngưỡng 0.2 nên việc loại bỏ biến này là phù hợp
Bảng 4.14.”Ma trận xoay các nhân tố lần một của các biến độc lập”
( Nguồn: Kết quả tính toán từ phần mềm SPSS)
Như vậy, 20 biến quan sát ban đầu đã được đưa vào phân tích EFA lần đầu tiên Khi có biến tải lên hai hoặc nhiều nhân tố, tác giả chọn loại bỏ biến một cách tuần tự Trong lần kiểm định đầu, có 1 biến quan sát DCM4 cùng tải lên hai nhân tố Tác giả tiếp tục bằng cách loại bỏ biến DCM4 và đưa 19 biến quan sát còn lại của biến độc lập vào phân tích EFA lần thứ hai
➢ “Lần kiểm định thứ hai”
Kết”quả lần hai từ bảng 4.15 cho thấy giá trị KMO là 0.798 (0.5 ≤ KMO ≤ 1), với Sig là 0 000 < 0.05 Trong khi đó từ bảng 4.16 ta thấy trị số Eigenvalue đạt 1.378 > 1, và tổng phương sai trích đạt 61.131% > 50% Các kết quả này chỉ ra rằng có sự tương quan chặt chẽ giữa các biến và mô hình đáp ứng các yêu cầu của kiểm định.”
Bảng 4.15 Kiểm định KMO và Barlett lần hai của biến độc lập
( Nguồn: Kết quả tính toán từ phần mềm SPSS)
Bảng 4.16 Hệ số Eigen và tổng % giải thích lần hai của biến độc lập
Chỉ tiêu Eigenvalues Tổng bình phương hệ số tải trích được
Tổng bình phương hệ số tải xoay
Chỉ tiêu Eigenvalues Tổng bình phương hệ số tải trích được
Tổng bình phương hệ số tải xoay
( Nguồn: Kết quả tính toán từ phần mềm SPSS)
Kết quả ma trận xoay nhân tố lần hai được thể hiện trong Bảng 4.17 cho thấy các biến quan sát thuộc các thang đo "Độ tin cậy", "Sự thu hút", "Độ chuyên môn", "Sự phù hợp với sản phẩm" và “Chất lượng thông tin" đều có hệ số tải lớn hơn 0.5 Điều này đảm bảo tính hội tụ và tính phân biệt giữa các biến trong cùng một thang đo Do đó, 19 biến quan sát trong thang đo biến độc lập được xem xét là phù hợp với các tiêu chí trong quá trình kiểm định
Bảng 4.17.”Ma trận xoay các nhân tố lần hai của các biến độc lập”
“( Nguồn: Kết quả tính toán từ phần mềm SPSS)”
“Phân tích nhân tố khám phá (EFA) cho các biến độc lập đã được thực hiện hai lần Lần đầu tiên, tổng cộng 20 biến quan sát đã được sử dụng Tuy nhiên, sau khi loại bỏ 1 biến quan sát không đạt điều kiện “(DCM4), phân tích đã được thực hiện lại Trong lần phân tích thứ hai, chỉ sử dụng 19 biến quan sát và kết quả là các biến quan sát hội tụ và phân biệt thành 5 nhân tố khác nhau Điều này chỉ ra sự tiến triển trong quá trình phân tích và nhấn mạnh được tầm quan trọng của việc chọn lọc các biến quan sát phù hợp trong quá trình nghiên cứu
4.3.2 Phân tích nhân tố EFA cho biến phụ thuộc
Bảng 4.18 Kiểm định KMO và Barlett của biến phụ thuộc
Kiểm định Kaiser-Meyer-Olkin 0.749
( Nguồn: Kết quả tính toán từ phần mềm SPSS)
Từ bảng 4.18 cho ra kết quả hệ số KMO là 0.749 thỏa mãn điều kiện lớn hơn 0.05 cho thấy các biến có ý nghĩa thực tế Ngoài ra kiểm định Barlett về sự tương quan của hệ số
Sig có ý nghĩa thống kê khi có giá trị là 0.000 thỏa mãn điều kiện nhỏ hơn 0.05
Bảng 4.19.”Kiểm định mức độ giải thích của cá biến quan sát đối với các nhân tố đại diện”
Thành phần Co mp one nt
Hệ số Tổng tải trọng b ình phương
Hệ số Tổng tải trọng b ình phương
( Nguồn: Kết quả tính toán từ phần mềm SPSS)
Ngoài những kết quả đã đề cập từ bảng 4.19 cũng chỉ ra giá trị Eeigenvalue là
2.460, vượt qua ngưỡng 1 Điều này cho thấy rằng nhân tố này có khả năng giải thích được 81.986% sự biến thiên trong dữ liệu của 3 biến quan sát YDMH1, YDMH2 và
YDMH3 tham gia vào EFA Kết quả này đánh giá được tính chính xác của quá trình phân tích, vì thông thường, việc có phương sai trích dẫn lớn hơn 50% được coi là chấp nhận được trong phân tích nhân tố Điều này đặc biệt quan trọng khi xác định sự ảnh hưởng của các biến quan sát đến các nhân tố được trích xuất, đồng thời cung cấp cái nhìn tổng quan về mối quan hệ giữa các biến trong mô hình nghiên cứu Những kết quả này sẽ hỗ trợ trong việc hiểu sâu hơn về cấu trúc của dữ liệu và có thể dẫn đến các phát hiện quan trọng trong quá trình phân tích và diễn giải kết quả nghiên cứu.
Phân tích tương quan
Bảng 4.20 Phân tích tương quan Pearson
YDMH DTC STH DCM CLTT SPH
( Nguồn: Kết quả tính toán từ phần mềm SPSS)
Kết quả từ bảng 4.20 cho thấy, tất cả tương quan với biến phụ thuộc đều có hệ số Sig nhỏ hơn 0.05 Điều này ngụ ý rằng các cặp biến trên đều có mối quan hệ ý nghĩa với nhau và không xảy ra hiện tượng đa cộng tuyến giữa cặp biến độc lập và biến phụ thuộc Kết quả này làm rõ sự quan trọng của việc phân tích tương quan để hiểu sâu hơn về mối quan hệ giữa các biến trong mô hình Việc tìm ra các tương quan ý nghĩa giữa các biến có thể giúp phát triển một mô hình dự đoán chính xác và hiểu rõ hơn về các tác động của Influencer đến hành vi quyết định mua hàng của sinh viên Đại học Ngân hàng TP.HCM.
