SO SÁNH VỚI KẾT QUẢ CỦA MÔ HÌNH TAM và UTAUT

Internal consistency reliability (còn gọi là độ tin cậy của các thành phần), xem xét phạm vi các mục được sử dụng để đánh giá một kiến trúc phản ảnh số điểm chung cho kiến trúc đó (Barki and Hartwick, 1994), trong bài này được đo lường bằng hệ số Cronbach’s alpha

CHƯƠNG IV PHÂN TÍCH DỮ LIỆU

I CÁC THỐNG KÊ CHUNG

I.1 Thống kê các đặc tính nhân khẩu học

Các đặc tính nhân khẩu học được trình bày trong Bảng IV.1 sau:

Bảng IV 1 Thống kê đặc tính nhân khẩu học

Tần số Phần trăm

Phổ thông trung học (cấp 3) 12 10,81 Trung học chuyên nghiệp 10 9,01

Nhân viên văn phòng 65 58,56 Nhân viên bán hàng 8 7,21

Công nghệ thông tin 21 18,92 Chủ kinh doanh vừa và nhỏ 1 0,90

I.2 Thống kê kinh nghiệm sử dụng Internet

Thống kê kinh nghiệm sử dụng Internet được trình bày trong Bảng IV.2 sau:

Bảng IV 2 Thống kê kinh nghiệm sử dụng Internet

Tần số Phần trăm

I.3 Thống kê dự định mua hàng trực tuyến

Thống kê dự định mua hàng trực tuyến được trình bày trong Bảng IV.3 sau:

Bảng IV 3 Thống kê dự định mua hàng trực tuyến

Tần số Phần trăm

Nhỏ hơn 500.000 đ 12 10,81

Trên 500.000 đến 1.000.000 đ 7 6,31

Trên 1.000.000 đến 2.000.000 đ 14 12,61

Trên 2.000.000 đến 5.000.000 đ 5 4,50

Trên 5.000.000 đến 10.000.000 đ 9 8,11

Lớn hơn 20.000.000 đ 2 1,80

Chưa biết là bao nhiêu 53 47,75

II KIỂM ĐỊNH MÔ HÌNH TAM-ECAM

II.1 Xác định độ tin cậy và độ giá trị

II.2.1 Độ tin cậy

Internal consistency reliability (còn gọi là độ tin cậy của các thành phần), xem xét phạm vi các mục được sử dụng để đánh giá một kiến trúc phản ảnh số điểm chung cho kiến trúc đó (Barki and Hartwick, 1994), trong bài này được

đo lường bằng hệ số Cronbach’s alpha (Cronbach and Meehl, 1955) kiểm định các thang đo riêng biệt và thang đo toàn bộ Xem kết quả trong Bảng IV.4

Bảng IV 4 Hệ số độ tin cậy

Nhân tố Mean SD Cronbach Alpha

TERMI_1 3,0090 1,0313 TERMI_2 3,7658 0,8734 TERMI_3 3,3063 0,9704

SCREEN_1 3,8559 0,7116 SCREEN_2 3,9459 0,8294

FACI_1 3,5586 0,9787 FACI_2 3,4955 1,0346 FACI_3 3,5495 0,9414

PU_1 3,6036 0,9073 PU_2 4,1802 0,6633 PU_3 3,8108 0,9097 PU_4 3,8649 0,7069

PEU_1 3,7117 0,7791 PEU_2 3,7568 0,8966 PEU_3 3,4775 0,8618 PEU_4 3,7117 0,7184

BI1 3,3063 0,7109 BI2 3,6036 0,8973

PRT_1 3,5045 1,0346 PRT_2 3,7568 0,9928 PRT_3 3,3514 0,9968 PRT_4 3,6847 0,8526

PRP_1 3,6306 0,8082 PRP_2 3,3694 0,9335 PRP_3 3,2703 0,9995 PRP_4 3,5315 0,8182 PRP_5 3,5946 0,8778

Ghi chú: Mean: giá trị trung bình, SD: độ lệch chuẩn

Hệ số Cronbach alpha theo yêu cầu tối thiểu là 0.7 đối với nghiên cứu thực nghiệm, trong trường hợp nghiên cứu khám phá thì có thể xem xét một phân tích nhân tố khám phá theo phương pháp truyền thống và phân tích nhân tố khẳng định theo phương pháp hiện đại (Bollen 1989) [14] Theo hướng dẫn này, phân tích nhân tố khám phá bằng phần mềm SPSS sẽ được thực hiện để làm tiền đề cho các phân tích kế tiếp

II.2.2 Độ giá trị

Độ giá trị phân biệt (discriminant validity) của một đo lường được xác định là phù hợp nếu đo lường này có thể phân biệt một các thỏa đáng từ các kiến trúc liên quan

Độ giá trị hội tụ của một đo lường được xác định là phù hợp nếu các chỉ báo khác nhau cho đo lường này liên quan đến kiến trúc khái niệm tương ứng

Để đánh giá độ giá trị hội tụ và độ giá trị phân biệt (convergent validity và discriminant validity), phân tích nhân tố khẳng định (CFA – Confirmatory Factor Analysis) được thực hiện CFA được thực hiện theo hai bước như sau [18]:

Bước 1: Kiểm tra độ giá trị hội tụ (convergent validity) và độ giá trị phân biệt (discriminant validity) cho những nhân tố cấp 1 (first-order factors) ở cấp độ nhân tố Bước này kiểm tra toàn bộ mô hình đo lường bao gồm các nhân tố cấp 1 có trong nghiên cứu liên quan đến các chỉ báo (indicators) của từng nhân

tố

Bước 2: Kiểm tra độ giá trị hội tụ (convergent validity) và độ giá trị phân biệt (discriminant validity) cho toàn bộ kiến trúc của mô hình Bước này dựa trên kết quả của bước 1 đã được kiểm tra để lấy điểm số nhân tố (factor scores) làm giá trị đầu vào Bước này bao gồm các nhân tố cấp 1 và các nhân tố cấp 2 (second-order factors)

Lý do thiết kế hai bước như trên dựa vào việc xem xét cỡ mẫu trong nghiên cứu không được lớn lắm (111 mẫu) để làm thích hợp một mô hình toàn diện

có quá nhiều tham số [18]

1 Phân tích nhân tố khẳng định cấp nhân tố (bước 1)

Kết quả kiểm tra bước 1 được trình bày trong Bảng IV.5 và Bảng VI.6 Bảng IV.6 cho thấy hệ số độ tin cậy (Cronbach’ của hai kiến trúc PRT và PRP đạt mức yêu cầu cho nghiên cứu khám phá (>0.6) Một số chỉ báo bị loại khỏi mô hình vì không phù hợp trong tiến trình làm thích hợp mô hình Các chỉ số thích hợp trong kết quả CFA bước 1 được trình bày trong Bảng IV.5

Bảng IV 5 Các chỉ số thích hợp CFA bước 1

Các chỉ số thích hợp (Fit Indices) Giá trị yêu cầu Kết quả thực hiện

Các hệ số đường dẫn từ các chỉ báo tới các kiến trúc tương ứng đều có ý nghĩa với t-value lớn hơn 1.96 (Xem Bảng IV.6) Các hệ số đường dẫn này kết hợp với các chỉ số thích hợp mô hình trong Bảng IV.5 cho thấy mô hình cấp nhân

tố đạt độ giá trị hội tụ (convergent validity)

Độ giá trị phân biệt (discriminant validity) được đánh giá bằng cách so sánh phương sai được chia giữa các nhân tố và phương sai trung bình được trích Trường hợp phương sai được chia giữa các kiến trúc nhỏ hơn phương sai trung

bình được trích là đạt độ giá trị phân biệt Bảng IV.7 cho thấy mô hình đạt độ giá trị phân biệt

Bảng IV 6 Hệ số các chỉ báo từ phân tích CFA bước 1

Các chỉ báo Hệ số chuẩn hóa Cronbach'a

TERMI

TERMI_1(a) TERMI_2(a) TERMI_3(a) SCREEN

SCREEN_1(a) SCREEN_2(a)

FACI_1 0,776**

FACI_2(b) 0,550**

FACI_3(a)

PRT_1(b) 0,478**

PRT_2(a) PRT_3(a) PRT_4 0,923**

PRP_1(b) 0,716**

PRP_2(a) PRP_3(a) PRP_4(a) PRP_5 0,467**

** p < 0.05

(a) Các mục này bị loại khỏi bước 1 và bước 2

(b) Các hệ số nhân tố này được cố định theo kết quả lấy từ EFA

Bảng IV 7 Các chỉ số thích hợp trong CFA bước 1

Các chỉ số thích hợp (Fit Indices) Giá trị yêu cầu Kết quả thực hiện

Các chỉ số thích hợp (Fit Indices) Giá trị yêu cầu Kết quả thực hiện

Bảng IV 8 Độ giá trị phân biệt 1

Kiến trúc FACI PRT PRP

FACI 0.392

PRT 0.226 0.351

PRP 0.349 0.331 1.328

2 Phân tích nhân tố khẳng định cho toàn bộ mô hình (bước 2)

Sau khi bước 1 đã thực hiện với kết quả mô hình đạt độ thích hợp tốt, lấy điểm

số nhân tố của các nhân tố vừa được phân tích làm giá trị đầu vào cho bước 2 Các kiến trúc FACI, PRT, PRP trong bước 2 được xem là các biến độc lập (ngoại sinh) [15, 18] Các nhân tố chưa được phân tích trong bước 1 là các nhân tố bậc hai (second order factor) bao gồm PU, PEU, và BI Các nhân tố bậc hai này được đưa vào mô hình với toàn bộ các chỉ báo của nó (các biến quan sát được) Kết quả phân tích các hệ số đường dẫn được trình bày trong Bảng IV.9

Bảng IV 9 Hệ số các chỉ báo từ phân tích CFA bước 2

Các chỉ báo Hệ số chuẩn hóa Cronbach'a

PU_1(a) PU_2 0,28**

1 Đường chéo trình bày phương sai trung bình được trích Các mục dưới đường chéo trình bày phương sai được chia giữa các nhân tố

PU_3 0,28**

PU_4 0,66**

PEU_1 0.56**

PEU_2(a) PEU_3(a) PEU_4 0,79**

BI_1 0,92**

BI_2 0,86**

** p < 0.05

(a) Các mục này bị loại khỏi mô hình

Bảng IV 10 Độ giá trị phân biệt

Kiến trúc BI PU PEU

BI 0.849

PU 0.194 0.637

PEU 0.108 0.745 0.891

Bảng IV 11 Các chỉ số thích hợp trong CFA bước 2

Các chỉ số thích hợp (Fit Indices) Giá trị yêu cầu Kết quả thực hiện

Các giá trị trình bày trong các bảng trên cho thấy mô hình cấu trúc toàn bộ đạt được độ giá trị hội tụ và độ giá trị phân biệt Với mục tiêu chú trọng vào khám

phá các yếu tố có liên quan đến sự sẵn sàng của thương mại điện tử trong đề tài này cùng với việc xem xét kết quả của các nghiên cứu trước đây trong lĩnh vực liên quan, tôi tạm dừng làm thích hợp mô hình ở đây với mức độ thích hợp chấp nhận được (xem [4], trang 112-118) Trong các nghiên cứu sử dụng SEM, người nghiên cứu cần phải biết khi nào dừng làm thích hợp mô hình, người ta cần phải xem xét liệu việc chỉ định lại mô hình có dẫn đến vấn đề mô

hình quá thích hợp hay không, như Wheaton đã chỉ ra “việc biết rằng độ thích

hợp bao nhiêu là đủ mà không cần quá thích hợp ” (Wheaton, B (1987) Assessement of fit in overidentified models with latent variables Sociological

Methods & Reasearch, 16, p 118-154) Như vậy, trong nghiên cứu khám phá này, mô hình TAM-ECAM cuối cùng trong đề tài này được xem là phù hợp cho các phân tích tiếp theo

II.2 Trình bày mô hình TAM-ECAM cuối cùng

PEU_1

0.68

PEU_4

0.38

PEU

BI PU

PU_2

0.92

PU_3

0.92

PU_4

0.56

-0.22

-0.14

0.28

0.28

0.66

0.92

0.86 0.56

0.79

6.91

-6.71 0.99

0.32

0.26

-0.11

-0.12

Hình IV 1 Kết quả chạy mô hình TAM-ECAM

Mô hình TAM-ECAM cuối cùng được trình bày trong Hình IV.1 Các hệ số đường dẫn là các hệ số chuẩn hóa Kiến trúc FACI được phân tích trong CFA

bước 1 đã loại khỏi mô hình cuối cùng vì cho hệ số không phù hợp Mô hình TAM-ECAM cuối cùng cũng không tính tác động của các biến nhân khẩu học (AGE, GENDER, EXPE) lên các đường dẫn từ PU  BI và PEU  BI như

mô hình giả thuyết đã đề xuất (xem lại chương 3) do mô hình TAM-ECAM cuối cùng trong đề tài này chưa được thích hợp rất tốt với dữ liệu nghiên cứu nên mô hình cuối cùng chỉ được sử dụng làm tiền đề cho các nghiên cứu tương lai

III KIỂM ĐỊNH CÁC GIẢ THUYẾT

Như vậy, mô hình TAM-ECAM đề nghị từ 3 mô hình chính là TAM, e-CAM,

và UTAUT đã được rút gọn lại thành mô hình TAM-ECAM cuối cùng với các thành phần chính có từ mô hình e-CAM Các kiến trúc khác không phù hợp đã được loại bỏ khỏi mô hình cuối cùng Chúng ta sẽ kiểm định các giả thuyết được nêu trong Chương III xem kết quả xác nhận giả thuyết nào và bác bỏ giả thuyết nào

Kết quả tóm tắt việc kiểm định các giả thuyết được trình bày trong Bảng IV.12

Bảng IV 12 Giá trị các hệ số đường dẫn và t-value

H1 TERMI > (+) PEU

H2 SCREEN > (+) PEU

H3 FACI > (+) BI

H4 PEU > (+) PU 0,99 4,490 x

H5 PU > (+) BI 6,906 1,100

H6 PEU > (+) BI -6,71 -1,030

H7 PRT > (-) BI -0,113 -2,250 x

H8 PRP > (-) BI -0,14 -1,360

H9 PRT (+) < > (+) PRP 0,32 3,250 x

 (-) : ảnh hưởng âm theo chiều mũi tên

Như vậy, với mô hình TAM-ECAM đã được ước lượng, chỉ có giả thuyết H4, H7, và H9 là được xác nhận Các giả thuyết còn lại bị bác bỏ theo kết quả phân tích dữ liệu thu thập được Đặc biệt là hai nhân tố PRT (nhận thức rủi ro trong giao dịch trực tuyến) và PRP (nhận thức rủi ro liên quan đến sản phẩm/dịch vụ) đều có tác động âm đáng kể lên BI (dự định hành vi)

Kế tiếp, để xác nhận kết quả nghiên cứu, chúng ta sẽ so sánh kết quả thu được trong nghiên cứu này với các kết quả từ các nghiên cứu khác làm tiền đề cho nghiên cứu này trong chương tiếp theo

CHƯƠNG V

SO SÁNH KẾT QUẢ PHÂN TÍCH

I SO SÁNH VỚI KẾT QUẢ CỦA MÔ HÌNH e-CAM

Mục tiêu nghiên cứu tập trung chính vào khảo sát các yếu tố tác động vào sự sẵn sàng trong thương mại điện tử Mặt khác, kết quả khảo sát cho thấy các yếu tố trong mô hình e-CAM được xác nhận theo dữ liệu nghiên cứu trong

đề tài này, nên chúng ta xem xét trước các yếu tố nhận thức rủi ro trong giao dịch trực tuyến (PRT) và nhận thức rủi ro liên quan đến sản phẩm/dịch vụ Kết quả so sánh các giả thuyết theo hai tập dữ liệu đã được khảo sát tại Mỹ

và Hàn Quốc được trình bày trong bảng sau:

Bảng V 1 Kết quả so sánh theo mô hình e-CAM

Ghi chú: PB=BI

Như vậy, giả thuyết H4, H7, và H9 khớp với kết quả của dữ liệu khảo sát tại

Mỹ, trong đó giả thuyết H1 và H7 hoàn toàn khớp với kết quả khảo sát tại cả hai nước trên Kiến trúc PB trong mô hình e-CAM đã được thiết kế để đo lường hành vi mua hàng thực sự, trong khi kiến trúc tương ứng là BI trong

mô hình này được thiết kế để đo lường hành vi dự định sử dụng hệ thống thương mại điện tử Trên nền tảng của mô hình TAM, kiến trúc BI có tác động trực tiếp đến kiến trúc sử dụng hệ thống thực sự Các nghiên cứu liên quan đến mô hình TAM đã cho thấy kiến trúc BI có tác động trực tiếp lên kiến trúc Sử Dụng Thực Sự (Usage) [19, 21], do đó, kiến trúc BI là chỉ báo chính của kiến trúc PB Với kết quả trên, chúng ta xem kiến trúc BI và PB là

có liên quan chặt chẽ với nhau và có thể so sánh được

Tiếp theo, chúng ta so sánh ảnh hưởng trực tiếp và tổng ảnh hưởng của PRT

và PRP lên BI theo kết quả nghiên cứu tại Mỹ và Hàn Quốc Các tác động được trình bày trong bảng sau:

Bảng V 2 So sánh tác động của PRP và PRT lên BI

BI

Ta thấy kết quả tác động của PRT và PRP lên BI tại Việt Nam gần tương ứng với kết quả tại Hàn Quốc hơn là kết quả của Mỹ

II SO SÁNH VỚI KẾT QUẢ CỦA MÔ HÌNH TAM và UTAUT

Kiến trúc FACI (các điều kiện thuận tiện) lấy từ mô hình UTAUT đã không đáp ứng được dữ liệu của mô hình TAM-ECAM trong nghiên cứu này Xem lại mô hình UTAUT [19], chúng ta thấy kiến trúc FACI chỉ có ảnh hưởng rất thấp lên BI với hệ số đường dẫn là 0.8 Kiến trúc này đã được thiết kế trong nghiên cứu longitudinal với môi trường hệ thống thông tin Khi có tác động đồng thời của giới tính (GENDER) và tuổi (AGE) thì kiến trúc này ảnh hưởng lên BI mạnh hơn một chút so với khi không có tác động tương tác Cụ thể là khi có tác động tương tác thì hệ số đường dẫn là 0.22 (p>0.05)

Kiến trúc TERMI (thuật ngữ) và kiến trúc SCREEN (thiết kế giao diện) được làm theo mô hình TAM trong nghiên cứu sử dụng thư viện số hóa [24] cũng không được dữ liệu nghiên cứu này hỗ trợ và đã bị loại khỏi mô hình trong phân tích CFA bước 1

Các kiến trúc PEU (nhận thức tính dễ sử dụng), PU (nhận thức sự hữu ích) trong mô hình TAM và các mô hình mở rộng từ mô hình TAM đều có tác động trực tiếp và gián tiếp lên BI Hệ số đường dẫn tối thiểu từ PEU  PU,

BI hoặc từ PU  BI là 0.7 (p<0.05) Trong đề tài này, chỉ có tác động của

PEU  BI là 0.99 (p<0.05), còn tác động của PU, PEU  BI không được hỗ trợ từ dữ liệu