Bi n quan sát Ký hi u
S l a ch n mua s m ch truy n th ng LC
Ch là ch n l a đ u tiên c a tôi khi tôi mu n đi mua s m LC_1
Tôi th ng xuyên mua s m ch h n lƠ nh ng n i mua s m khác (siêu th, trung tơm th ng m i, c a hàng ti n l i)
LC_2
Tôi s ti p t c đi mua s m ch trong t ng lai LC_3 M c dù các đi m mua s m hi n đ i ngày càng phát tri n, tôi v n l a
ch n mua s m ch truy n th ng
LC_4
3.2.3. K t qu ph ng v n sâu
Ph ng v n sơu đ c th c hi n vƠo tháng 08 n m 2013 nh m đánh giá m c
đ hoàn ch nh v n i dung và hình th c c a các phát bi u (các câu h i) trong thang
đo nháp vƠ kh n ng cung c p thông tin c a ng i tiêu dùng đ c ph ng v n, trên
c s đó hi u chnh thang đo nháp thƠnh thang đo chính th c s d ng trong nghiên c u đ nh l ng.
Trong đó, vi c đánh giá n i dung đ c th hi n trên các khía c nh:
- áp viên (ng i đ c ph ng v n) có hi u đ c các phát bi u hay không? - áp viên có thông tin đ tr l i hay không?
- áp viên có s n sàng cung c p thông tin hay không?
ánh giá v hình th c là ki m tra m c đ phù h p v m t t ng , cú pháp
đ c s d ng trong các phát bi u nh m đ m b o tính th ng nh t, rõ ràng và không gây nh m l n cho đáp viên khi đ c ph ng v n.
Qua quá trình ph ng v n sâu 20 ng i tiêu dùng th ng xuyên đi mua s m t i các ch trên đ a bàn thành ph H Chí Minh (10 ng i có trình đ h c v n t
cao đ ng tr lên, 10 ng i có trình đ h c v n th p h n cao đ ng), tác gi đƣ ghi nh n m t s ý ki n v m t n i dung và hình th c c a các phát bi u (các bi n quan
sát) trong thang đonháp nh sau:
- i v i phát bi u ắCó th ch n l a, so sánh gi a nhi u ng i bán khác
nhau đ mua đ c v i giá phù h p nh tẰ trong thang đo Nh n th c v giá c , nh ng
ng i đ c ph ng v n cho r ng c m t ắgiá phù h p nh tẰ không rõ ngh a mƠ nên đi u chnh thƠnh ắgiá v a ý nh tẰ.
- i v i phát bi u ắCó th đ i ho c tr l i hƠng hóa đƣ mua n u hàng b l i ho c không phù h p m t cách d dàngẰ trong thang đo Nh n th c v chính sách bán hàng, nh ng ng i đ c ph ng v n cho r ng nên lƠm rõ ngh a th nào là hàng hóa
ắkhông phù h pẰ t c là không v a v kích th c hay không đúng ch ng lo i c n mua.
- i v i phát bi u ắMua s m ch truy n th ng mang l i cho tôi nhi u l i
truy n th ng, nh ng ng i đ c ph ng v n cho r ng nên nói rõ ắl i íchẰ đơy lƠ
gì. V i nh ng thu c tính c a ch truy n th ng đ d n đ n s c m nh n v l i ích c a giá tr th c t mà ch truy n th ng mang l i thì ắl i íchẰ đó theo h nên nói rõ
đó lƠ s ti t ki m th i gian, công s c và ti n b c.
- i v i phát bi u ắTôi có đ ki n th c và kinh nghi m đ ch n mua đ c hàng hóa có ch t l ng t t, an toàn cho s c kh eẰ trong thang đo Ki m soát hành vi c m nh n, nh ng ng i đ c ph ng v n cho r ng nên phát bi u ng n g n lƠ ắTôi có
đ ki n th c và kinh nghi m đ ch n mua đ c hàng hóa đ m b o ch t l ngẰ.
Tác gi đƣ th c hi n hi u chnh thang đo nháp d a trên ý ki n c a nh ng
ng i đ c ph ng v n đ đ a ra thang đo chính th c vƠ đ c s d ng đ thi t k b ng câu h i dùng trong nghiên c u đ nh l ng sau khi b sung thêm ph n gi i thi u và các thông tin cá nhân c a khách hƠng đ c ph ng v n (ph l c 3).
3.3. NGHIÊN C U NH L NG
3.3.1. Thi t k m u nghiên c u
3.3.1.1. Ph ng pháp l y m u
M u nghiên c u đ c ch n theo ph ng pháp l y m u thu n ti n, d li u
đ c thu th p thông qua hình th c ph ng v n tr c ti p. i t ng kh o sát là nh ng
ng i tiêu dùng th ng xuyên đi mua s m t i các ch trên đa bàn thành ph H Chí Minh.
3.3.1.2. Kích th c m u
i v i phân tích nhân t (EFA), kích th c m u th ng đ c xác đnh d a
vƠo (1) kích th c t i thi u và (2) s l ng bi n đo l ng đ a vƠo phơn tích. Hair
và c ng s (2006, trích trong Nguy n ình Th , 2011) cho r ng đ s d ng EFA,
kích th c m u t i thi u ph i là 50, t t h n là 100 và t l quan sát/ bi n đo l ng là 5:1. T c lƠ kích th c m u n = s bi n đ a vƠo phơn tích x 5.
Kích th c m u trong phân tích h i quy b i (MLR) ph thu c vào nhi u y u t ví d nh m c Ủ ngh a (significant level), đ m nh c a phép ki m đnh (power of the test), s l ng bi n đ c l p,… (Tabachnick & Fidell, 2007, trích trong Nguy n
ình Th , 2011). M t công th c kinh nghi m th ng dùng đ tính kích th c m u
cho MLR lƠ n ≥ 50 + 8p. Trong đó n lƠ kích th c m u, p là s l ng bi n đ c l p trong mô hình. Green (1991, trích trong Nguy n ình Th , 2011) cho r ng công th c trên t ng đ i phù h p n u p < 7, khi p > 7 công th c trên h i quá kh t khe.
Trong nghiên c u này, s l ng bi n đ a vƠo phơn tích EFA lƠ 38, s l ng bi n đ c l p trong mô hình là 9. Kích th c m u c a nghiên c u chính th c là n = 274, phù h p v i đi u ki n v kích th c m u cho phân tích EFA và h i quy b i. Tác gi đƣ g i đi 320 b ng câu h i và nh n đ c 296 h i đáp, trong đó có 274 b ng th a mãn yêu c u vƠ đ c s d ng đ phân tích. D li u đ c nh p và làm s ch thông qua ph n m m SPSS 16.0.
3.3.2. Ph ng pháp x lý và phân tích d li u
D li u sau khi đ c thu th p s đ c mã hóa và th c hi n quá trình phân
tích nh sau:
3.3.2.1. Phân tích mô t
Trong b c đ u tiên, tác gi s d ng phân tích mô t đ phân tích các thu c tính c a m u nghiên c u: đ tu i, thu nh p, ngh nghi p, trình đ h c v n.
3.3.2.2. Ki m đ nh và đánh giá thang đo
đánh giá thang đo các khái ni m trong nghiên c u c n ki m tra đ tin c y, giá tr c a thang đo. D a trên các h s đ tin c y Cronbach alpha, h s t ng
quan bi n ậ t ng (Item-to-total correlation) giúp lo i ra nh ng bi n quan sát không
đóng góp vƠo vi c mô t khái ni m c n đo, h s Cronbach alpha if Item Deleted đ giúp đánh giá lo i b b t bi n quan sát nh m nâng cao h s tin c y Cronbach alpha cho khái ni m c n đo vƠ ph ng pháp phơn tích nhơn t khám phá (EFA) nh m ki m tra giá tr c a thang đo các khái ni m nghiên c u.
Phân tích Cronbach alpha:
Cronbach alpha là phép ki m đ nh th ng kê v m c đ ch t ch (kh n ng
gi i thích cho m t khái ni m nghiên c u) c a t p h p các bi n quan sát (các câu h i) trong thang đo thông quan h s Cronbach alpha. Theo Hoàng Tr ng và Chu
Nguy n M ng Ng c (2008) cùng nhi u nhà nghiên c u đ ng ý r ng khi h s Cronbach alpha có giá tr t 0,8 tr lên đ n g n 1 lƠ thang đo t t; t 0,7 đ n 0,8 là s d ng đ c. Song c ng có nhi u nhà nghiên c u đ ngh h s Cronbach alpha t 0,6 tr lên là có th s d ng đ c trong tr ng h p khái ni m đang nghiên c u là m i ho c m i đ i v i ng i tr l i trong b i c nh nghiên c u.
Tuy nhiên, theo Nunnally và c ng s (1994), h s Cronbach alpha không cho bi t bi n nào nên lo i b và bi n nào nên gi l i. B i v y, bên c nh h s Cronbach alpha, ng i ta còn s d ng h s t ng quan bi n - t ng và nh ng bi n có h s t ng quan bi n ậ t ng nh h n 0,3 đ c coi là bi n rác và s lo i ra kh i mô hình
Phân tích nhân t khám phá (EFA):
Sau khi lo i b các bi n không đ m b o đ tin c y, ph ng pháp phơn tích
nhân t EFA đ c s d ng đ xác đ nh giá tr h i t (convergent validity), giá tr phân bi t (discriminant validity), vƠ đ ng th i thu g n các tham s c l ng theo t ng nhóm bi n. Tiêu chu n áp d ng và ch n bi n đ i v i phân tích nhân t khám phá EFA bao g m:
- Tiêu chu n Bartlett và h s KMO dùng đ đánh giá s thích h p c a EFA.
Theo đó, gi thuy t H0 (các bi n không có t ng quan v i nhau trong t ng th ) b bác b vƠ do đó EFA đ c coi là thích h p khi 0,5 ≤ KMO ≤ 1 vƠ Sig < 0,05. Tr ng h p KMO < 0,5 thì phân tích nhân t có kh n ng không thích h p v i d li u (Hoàng Tr ng và Chu Nguy n M ng Ng c, 2008).
- Tiêu chu n rút trích nhân t g m ch s Engenvalue (đ i di n cho l ng bi n thiên đ c gi i thích b i các nhân t ) và ch s Cumulative (t ng ph ng sai
trích cho bi t phân tích nhân t gi i thích đ c bao nhiêu ph n tr m). Theo Gerbing và Anderson (1988), các nhân t có Engenvalue < 1 s không có tác d ng tóm t t thông tin t t h n bi n g c (bi n ti m n trong các thang đo tr c khi EFA). Vì th , các nhân t ch đ c rút trích t i Engenvalue ≥ 1 vƠ đ c ch p nh n khi t ng
- Tiêu chu n h s t i nhân t (factor loading) bi u th t ng quan đ n gi a các bi n v i các nhân t , dùng đ đánh giá m c Ủ ngh a c a EFA. thang đo đ t giá tr h i t thì factor loading ph i ≥ 0,4 trong m t nhân t . đ t giá tr phân bi t, khác bi t gi a các nhân t ph i ≥ 0,3.
Trong nghiên c u này, trong quá trình Conbach alpha, tác gi quy t đ nh gi l i các thang đo có tr s Conbach alpha ≥ 0,6 vƠ lo i các bi n quan sát có t ng
quan bi n ậ t ng < 0,3; trong quá trình EFA, tác gi s d ng ph ng pháp trích
Principal axis factoring v i phép quay Promax (kappa = 4) vƠ đi m d ng khi trích các y u t có Eigenvalue l n h n 1 đ i v i các bi n quan sát đo l ng các khái ni m nghiên c u, lo i b các bi n quan sát có h s factor loading ≤ 0,4 ho c trích vào các nhân t khác mà chênh l ch tr ng s factor loading gi a các nhân t ≤ 0,3.
Theo ph ng pháp nƠy s phát hi n ra các th nguyên (thành ph n) ti m n trong d li u g c (phát hi n c u trúc). Vi c ch n phép xoay Promax s ph n ánh c u trúc d li u chính xác h n dùng ph ng pháp Principal component v i phép xoay Varimax (Gerbing & Anderson, 1988).
3.3.2.3. Phân tích h i quy đa bi n
Sau khi hoàn t t vi c đánh giá đ tin c y và giá tr c a thang đo, các bi n
không đ m b o giá tr h i t ti p t c b lo i kh i mô hình cho đ n khi các tham s
đ c nhóm theo các nhóm bi n. Vi c xác đnh m i quan h gi a các nhóm này
c ng nh xác đ nh m i quan h gi a các nhóm bi n đ c l p và nhóm bi n ph thu c trong mô hình nghiên c u đ c th c hi n b ng ph ng pháp phơn tích h i quy b i.
Giá tr c a bi n m i trong mô hình nghiên c u là giá tr chu n hóa đ c ph n m m SPSS tính m t cách t đ ng sau khi phân tích nhân t EFA. Tuy nhiên, tr c khi ti n hành phân tích h i quy, m t phân tích quan tr ng c n đ c th c hiên đ u
tiên lƠ phơn tích t ng quan nh m ki m đ nh m i t ng quan tuy n tính gi a các bi n trong mô hình.
Phơn tích t ng quan:
Ki m đnh m i t ng quan tuy n tính gi a các bi n trong mô hình: gi a bi n ph thu c v i t ng bi n đ c l p và gi a các bi n đ c l p v i nhau. S d ng h s
t ng quan Pearson đ l ng hóa m c đ ch t ch m i liên h tuy n tính gi a hai bi n đ nh l ng. Giá tr tuy t đ i c a h s Pearson càng g n đ n 1 thì hai bi n này m i t ng quan tuy n tính càng ch t ch (Hoàng Tr ng và Chu Nguy n M ng Ng c, 2008).
Trong mô hình nghiên c u, k v ng có m i t ng quan tuy n tính ch t ch gi a bi n ph thu c và các bi n đ c l p.
Phân tích h i quy:
H i quy tuy n tính b i th ng đ c dùng đ ki m đnh và gi i thích lý thuy t nhân qu (Cooper & Schindler, 2003, trích trong Hoàng Th Ph ng Th o, Hoàng Tr ng và Chu Nguy n M ng Ng c, 2010). Ngoài ch c n ng lƠ m t công c mô t , h i quy tuy n tính b i c ng đ c s d ng nh m t công c k t lu n đ ki m
đnh các gi thuy t và s báo các giá tr t ng th nghiên c u (Duncan, 1996, trích trong Hoàng Th Ph ng Th o, Hoàng Tr ng và Chu Nguy n M ng Ng c, 2010).
Nh v y, đ i v i nghiên c u này h i quy tuy n tính b i lƠ ph ng pháp thích h p
đ ki m đnh các gi thuy t nghiên c u.
Ph ng pháp bình ph ng nh nh t v i mô hình t ng b c Stepwise đ c s d ng thông qua ph n m m x lý th ng kê SPSS. Ph ng pháp ch n bi n t ng
b c đ c xem lƠ ph ng pháp khám phá trong nghiên c u khoa h c. Ph ng pháp nƠy dùng đ khám phá m i quan h c a các bi n (trong th tr ng). Khi m c tiêu nghiên c u c a chúng ta là khám phá các m i quan h c a các bi n trong th tr ng, chúng ta s s d ng ph ng pháp t ng b c (Nguy n ình Th , 2011).
Ki m đnh các gi thuy t vƠ đ phù h p c a mô hình:
Giá tr b i R ch rõ đ l n c a m i quan h gi a các bi n đ c l p và bi n ph thu c. H s xác đnh R2 đo l ng t l t ng bi n thiên c a bi n ph thu c đ c gi i thích b ng các bi n đ c l p trong mô hình. Giá tr c a R2 càng cao thì kh n ng gi i thích c a mô hình h i quy càng l n và vi c d đoán bi n ph thu c càng chính xác.
Tuy nhiên, h s xác đnh R2 đ c ch ng minh là hàm không gi m theo s bi n đ c l p đ c đ a vƠo mô hình, cƠng đ a thêm nhi u bi n đ c l p vào mô hình thì R2
cƠng t ng; nh ng đi u nƠy c ng đ c ch ng minh r ng không ph i ph ng trình
càng có nhi u bi n s càng phù h p h n v i d li u g c (t c là t t h n). Do đó, R2 hi u ch nh đ c s d ng đ ph n ánh sát h n m c đ phù h p c a mô hình h i quy
đa bi n. R2 hi u ch nh không nh t thi t t ng lên khi nhi u bi n đ c đ a thêm vƠo ph ng trình, nó lƠ th c đo s phù h p đ c s d ng cho tình hu ng h i quy tuy n tính đa bi n vì nó không ph thu c vƠo đ l ch phóng đ i c a R2 (Hoàng Tr ng và Chu Nguy n M ng Ng c, 2008).
Phép ki m đ nh phơn tích ph ng sai ANOVA đ c ti n hành. N u giá tr F
có Ủ ngh a đáng k v m t th ng kê (p < 0,001), gi thuy t thu n c a m i quan h không tuy n tính b bác b . H s lƠ h s h i quy chu n hóa cho phép so sánh tr c ti p gi a các h s , đ c xem nh lƠ kh n ng gi i thích bi n ph thu c. Tr