Phần này sẽ phân tích áp dụng đối với những phản hồi có sử dụng Facebook để tìm kiếm những khuyến nghị sản phẩm từ bạn bè Facebook, tổng cộng có 207 trường hợp. Nếu một người tham gia không trả lời một câu hỏi bắt buộc nào đó, thì phản hồi ấy được xem là có giá trị khuyết trong suốt quá trình phân tích.
Để kiểm định các giả thuyết từ H1 đến H7, tương quan Pearson được tính toán để xác định mối quan hệ giữa các biến độc lập và biến phụ thuộc trong mô hình
nghiên cứu. Các giá trị tương quan Pearson cho phép đánh giá mức độ các mối liên hệ giữa các biến. Bảng 4.6 tóm tắt các mối tương quan đối với phần đầu tiên của mô hình nghiên cứu.
Bảng 4.5: Kết quả phân tích tương quan Pearson (mối quan hệ thứ nhất)
Dùng Fb để tham khảo khuyến nghị của bạn bè khi mua sp nhận thức hữu ích nhận thức dễ dàng nhận thức niềm vui nhận thức khả năng nhận thức niềm tin vào các khuyến nghị sản phẩm Nhận thức kinh nghiệm Pearson Correlation 1 .554** .353** .195** .522** .511** -.076 Sig. (2-tailed) .000 .000 .005 .000 .000 .277 N 207 207 207 207 207 207 207
(‘Dùng Facebook để tham khảo khuyển nghị bạn bè khi mua sản phẩm’ là biến phụ thuộc, dấu ‘**’ trong bảng thể hiện mối tương quan chặt chẽ)
(Nguồn: Kết quả xử lý số liệu trên phần mềm SPSS)
Kết quả cho thấy tất cả các biến độc lập (trong mô hình nghiên cứu thứ nhất) có tương qua đáng kể với biến phụ thuộc ngoại trừ một biến độc lập cuối đó là biến ‘nhận thức kinh nghiệm’, biến này không có tương quan với biến phụ thuộc.
Bảng 4.5 cho thấy ‘nhận thức tính hữu dụng’ của các khuyến nghị sản phẩm từ bạn bè Facebook có liên quan tích cực đến việc tìm kiếm những khuyến nghị này từ bạn bè Facebook, mối tương quan này là tương quan cao (r=.554, n=207, p<.001). Kết quả thể hiện hai biến độc lập là ‘nhận thức dễ dàng’ và ‘nhận thức niềm vui’ có được từ các khuyến nghị sản phẩm của bạn bè Facebook cho thấy mối tương quan tích cực vừa phải trong việc tìm kiếm các khuyến nghị từ bạn bè Facebook (tương ứng; r=.195, n=207, p<.001). Ngoài ra, cũng có một mối tương quan cao thứ hai giữa ‘nhận thức khả năng’ của những người khuyến nghị trên Facebook và việc tìm kiếm những khuyến nghị ấy (r=.522, n=207, p<.001); ‘cảm nhận niềm tin’ vào các
khuyến nghị sản phẩm của bạn bè Facebook với việc tìm kiếm các khuyến nghị đó có mối tương quan cao thứ ba (r=.511, n=207, p<.001). Trong khi đó, không có mối liên hệ tuyến tính được tìm thấy giữa ‘nhận thức kinh nghiệm với Facebook’ và việc tìm các khuyến nghị sản phẩm từ bạn bè Facebook (r = -.76, n=207, p<.001).
Một tương quan Pearson khác được tính toán để đánh giá mối quan hệ thứ hai trong mô hình nghiên cứu (H7). Bảng 4.6 thể hiện mối tương quan mạnh mẽ giữa tìm kiếm các khuyến nghị sản phẩm từ bạn bè Facebook và quyết định mua hàng của người tiêu dùng dựa vào các đề xuất này (r=.656, n=207, p<.001)
Bảng 3.6: Kết quả phân tích tương quan Pearson (mối quan hệ thứ hai)
Correlations
Dùng Fb để tham khảo khuyến nghị của
bạn bè khi mua sp
Mua hàng dựa theo khuyến nghị của bạn
bè Fb Dùng Fb để tham khảo khuyến nghị
của bạn bè khi mua sp
Pearson Correlation 1 .656**
Sig. (2-tailed) .000
N 207 207
Mua hàng dựa theo khuyến nghị của bạn bè Fb
Pearson Correlation .656** 1
Sig. (2-tailed) .000
N 207 207
**. Tương quan có ý nghĩa ở mức 0.01 (2-đuôi). (‘Dùng Facebook để tham khảo khuyến nghị của bạn bè khi mua sản phẩm’ xem là biến độc lập tìm kiếm khuyến nghị từ bạn bè Faebook và ‘mua hàng dựa theo khuyến nghị của bạn bè Facebook’ là biến phụ thuộc).
Bảng 4.7: Tóm tắt đánh giá của các giả thuyết nghiên cứu dựa vào phân tích tương quan Pearson
Giả
thuyết Nội dung Kết luận
H1
Nhận thức sự hữu ích của các khuyến nghị sản phẩm từ bạn bè Facebook có quan hệ tích cực đến việc tìm kiếm các khuyến nghị sản phẩm từ bạn bè Facebook. (adsbygoogle = window.adsbygoogle || []).push({});
Ủng hộ
H2
Nhận thức tính dễ dàng của các khuyến nghị sản phẩm từ bạn bè Facebook có quan hệ tích cực đến việc tìm kiếm các khuyến nghị sản phẩm từ bạn bè Facebook.
Ủng hộ
H3
Nhận thức niềm vui của các khuyến nghị sản phẩm từ
bạn bè Facebook có quan hệ tích cực đến việc tìm kiếm các khuyến nghị sản phẩm từ bạn bè Facebook.
Ủng hộ
H4
Nhận thức kinh nghiệm với Facebook có quan hệ tích
cực đến việc tìm kiếm các khuyến nghị sản phẩm từ bạn bè Facebook.
Không ủng hộ
H5
Cảm nhận khả năng của người tư vấn trên Facebook có quan hệ tích cực đến việc tìm kiếm các khuyến nghị sản phẩm từ bạn bè Facebook.
Ủng hộ
H6
Nhận thức niền tin vào các khuyến nghị sản phẩm từ bạn bè Facebook có quan hệ tích cực đến việc tìm kiếm các khuyến nghị sản phẩm từ bạn bè Facebook.
Ủng hộ
H7
Những khuyến nghị từ bạn bè Facebook về các sản phẩm có quan hệ tích cực đến các quyết định mua của người tiêu dùng dựa trên những khuyến nghị này.
Sử dụng phân tích tương quan giúp hiểu rõ được mức độ liên kết giữa các biến để đánh giá các giả thuyết nghiên cứu. Câu hỏi đặt ra là bao nhiêu biến và những biến độc lập nào có ảnh hưởng lớn nhất đối với biến phụ thuộc. Nói cách khác, mối liên hệ tiên đoán mạnh mẽ nhất giữa các biến độc lập và biến phụ thuộc là gì? Ngoài ra, giới tính của người tham gia khảo sát có ảnh hưởng đến kết quả thu được hay không?
Để giải đáp những câu hỏi này, hai phân tích hồi quy được thực hiện. Đầu tiên là phân tích dành cho mối quan hệ thứ nhất trong mô hình nghiên cứu, nhằm xác định các mối quan hệ tiên đoán mạnh trong số các yếu tố dự báo (biến độc lập) và các biến phản ứng (biến phụ thuộc). Thứ hai là phân tích để kiểm tra các mối liên hệ dự đoán trong quan hệ thứ hai của mô hình nghiên cứu. Các hồi quy cũng đã kiểm tra sự ảnh hưởng có thể có của giới tính đến kết quả các mối quan hệ.
Phân tích hồi quy đa biến đầu tiên được thực hiện để dự đoán biến phản hồi ‘tìm kiếm các khuyến nghị từ bạn bè Facebook’ từ các biến dự đoán: sự hữu ích, tính dễ dàng, niềm vui, kinh nghiệm, khả năng và niềm tin vào các khuyến nghị sản phẩm từ bạn bè Facebook. Hồi quy thứ hai được áp dụng để kiểm tra các mối quan hệ dự báo giữa khuyến nghị sản phẩm tìm kiếm từ bạn bè Facebook và ảnh hưởng của những khuyến nghị đó đến quyết định mua của người tiêu dùng. Phân tích hồi quy thích hợp cho việc này vì cả hai yếu tố dự báo và ứng biến đều được đo trên thang đo liên tục.
Cả hai phân tích hồi quy đều được thực hiện bởi phương pháp hồi quy “từng bước”. Phương pháp này cho phép hồi quy để sánh sự đóng góp của các biến dự đoán. Nói cách khác nó đánh giá sức mạnh cảu các mối quan hệ giữa các biến dự đoán và các biến phản ứng và bỏ qua các mối quan hệ yếu để kết thúc với các tập hợp con của các biến dự đoán có mối liên hệ mạnh mẽ với các biến phản ứng. Các tiêu chuẩn của hồi quy từng bước dựa trên các giá trị p ứng với các biến dự đoán vào phương trình mô hình, được đặt ở mức 0.05. Để kiểm soát ảnh hưởng của giới tính đến các mối quan hệ, giới tính được thêm vào phân tích hồi quy từng bước như
một biến giả, được mã hóa như một biến phân loại, có giá trị 1 hoặc 2, trong đó giá trị 1 tương ứng là nam, và 2 là nữ.
Kết quả của phân tích hồi quy thứ nhất chỉ ra rằng các mối quan hệ dự đoán tốt nhất được đưa ra là nhận thức sự hữu dụng và nhận thức khả năng. Kết quả cho thấy nhận thức sự hữu dụng của các khuyến nghị sản phẩm từ bạn bè Facebook có ý nghĩa thống kê, mối quan hệ cao nhất đối với việc tìm kiếm các khuyến nghị đó (Bảng 4.8 và 4.9).
Hồi quy có nghĩa thống kê (F2, 203 = 71.160, p < 0.001). Mối quan hệ dự đoán mạnh nhất được tính bởi Cauhoi_12 = 1.879 + 0.467 * nhận thức hữu dụng + 0.294 * nhận thức khả năng (Cauhoi_12 là biến phụ thuộc ‘tìm kiếm các khuyến nghị sản phẩm từ bạn bè Facebook’). Sức mạnh tiên đoán là trung bình (R² = 0.412), (Bảng 4.8, 4.9 và 4.10; chi tiết về phân tích hồi quy được trình bày trong phụ lục 8). Đồng thời, hồi quy có nghĩa thống kê (F3, 202 = 51.201, p < 0.001). Mối quan hệ dự đoán mạnh thứ hai được tính là c12 = 1.732 + 0.433 * nhận thức hữu dụng + 0.193 * nhận thức khả năng + 0.163 * nhận thức niềm tin vào khuyến nghị sản phẩm. Sức mạnh tiên đoán là trung bình (R² = 0.432) (Bảng 4.8, 4.9 và 4.10; Phụ lục 8).
Tính bình thường của phần dư cũng được kiểm định, và có kết quả thỏa mãn (Shapiro-Wilk = 0.926, p = .000; Phụ lục 7.C). Biểu đồ của phần dư với biến dự đoán thể hiện giả thuyết tuyến tính là hợp lệ. Biến giả ‘giới tính’ cho thấy không có đóng góp trong mối quan hệ tiên đoán và bị loại khỏi mô hình. Do đó, giới tính trong khảo sát không có ảnh hưởng đến kết quả cho các mối quan hệ thứ nhất.
Bảng 4.8: Mô hình tóm tắt của phân tích hồi quy đa biến thứ nhất
Model Summary (adsbygoogle = window.adsbygoogle || []).push({});
Model R R Square Adjusted R Square
Std. Error of the Estimate
1 .555a .308 .304 .665
2 .642b .412 .406 .615
3 .657c .432 .424 .606
a. Predictors: (Constant), nhận thức hữu ích
b. Predictors: (Constant), nhận thức hữu ích, nhận thức khả năng
c. Predictors: (Constant), nhận thức hữu ích, nhận thức khả năng, nhận thức niềm tin vào các khuyến nghị sản phẩm
(Nguồn: Kết quả xử lý số liệu trên phần mềm SPSS)
Bảng 4.9: Kết quả ANOVA của phân tích hồi quy đa biến thứ nhất
ANOVAd
Model Sum of Squares df Mean Square F Sig.
1 Regression 40.123 1 40.123 90.659 .000a Residual 90.285 204 .443 Total 130.408 205 2 Regression 53.746 2 26.873 71.160 .000b Residual 76.661 203 .378 Total 130.408 205 3 Regression 56.330 3 18.777 51.201 .000c Residual 74.078 202 .367 Total 130.408 205
a. Predictors: (Constant), nhận thức hữu ích
b. Predictors: (Constant), nhận thức hữu ích, nhận thức khả năng
c. Predictors: (Constant), nhận thức hữu ích, nhận thức khả năng, nhận thức niềm tin vào các khuyến nghị sản phẩm d. Dependent Variable: Dùng Fb để tham khảo khuyến nghị của bạn bè khi mua sp
Bảng 4.10: Một phần của hệ số kết quả trong hồi quy đa biến thứ nhất Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 2.615 .403 6.487 .000 nhận thức hữu ích .632 .066 .555 9.521 .000 2 (Constant) 1.879 .392 4.795 .000 nhận thức hữu ích .467 .067 .410 6.952 .000 nhận thức khả năng .294 .049 .354 6.006 .000 3 (Constant) 1.732 .390 4.439 .000 nhận thức hữu ích .433 .067 .380 6.411 .000 nhận thức khả năng .193 .061 .232 3.140 .002 nhận thức niềm tin vào các
khuyến nghị sản phẩm
.163 .061 .196 2.654 .009
a. Dependent Variable: Dùng Fb để tham khảo khuyến nghị của bạn bè khi mua sp
(Nguồn: Kết quả xử lý số liệu trên phần mềm SPSS)
Để chắc chắn rằng kết quả của hồi quy thứ nhất cung cấp mô hình dự báo mạnh nhất, sự kết hợp của các biến khác đã được thiết lập thủ công, sau đó phân tích hồi quy được chạy nhiều lần nhằm tìm các biến dự đoán khác mà có thể có những đóng góp đáng kể. Quá trình này cho kết quả tương tự nhau, cụ thể nhận thức tính hữu dụng và nhận thức khả năng của người khuyến nghị là mạnh nhất, kế đến là nhận thức niềm tin.
Kết quả phân tích hồi quy đa biến cho thấy mối quan hệ dự đoán giữa tìm kiếm các khuyến nghị từ bạn bè Facebook và quyết định mua của người tiêu dùng dựa vào những khuyến nghị này có ý nghĩa thống kê (F1, 204 = 153.77, p < 0.001) với phương trình Cauhoi_13 = -1.382 + 1.067 * Cauhoi_12 (Cauhoi_12 là biến tìm kiếm các khuyến nghị sản phẩm từ bạn bè Facebook và Cauhoi_13 là biến phụ thuộc quyết định mua của người tiêu dùng dựa trên những khuyến nghị đó). Sức
mạnh tiên đoán là vừa phải (R² = 0.430) (Bảng 4.11, 4.12 và 4.13; chi tiết về phân tích hồi quy đa biến được trình bày cụ thể trong phụ lục 9). Tính bình thường của phần dư cũng được kiểm tra, và cho thấy sự thỏa đáng (Shapiro-Wilk = 0.876, p = .000; Phụ lục 7.C). Biểu đồ của phần dư với biến dự đoán cho thấy giả thuyết tuyến tính là hợp lệ. Biến giả ‘giới tính’ cho thấy không có đóng góp trong mối quan hệ tiên đoán và bị loại khỏi mô hình. Do đó, giới tính trong khảo sát không có ảnh hưởng đến kết quả cho các mối quan hệ thứ hai của mô hình.
Bảng 4.11: Mô hình tóm tắt của phân tích hồi quy thứ hai
Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the Estimate
1 .656a .430 .427 .983
a. Predictors: (Constant), Dùng Fb để tham khảo khuyến nghị của bạn bè khi mua sp b. Dependent Variable: Mua hàng dựa theo khuyến nghị của bạn bè Fb (adsbygoogle = window.adsbygoogle || []).push({});
(Nguồn: Kết quả xử lý số liệu trên phần mềm SPSS)
Bảng 4.12: Kết quả ANOVA của phân tích hồi quy thứ hai
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 148.448 1 148.448 153.777 .000a
Residual 196.930 204 .965
Total 345.379 205
a. Predictors: (Constant), Dùng Fb để tham khảo khuyến nghị của bạn bè khi mua sp b. Dependent Variable: Mua hàng dựa theo khuyến nghị của bạn bè Fb
Bảng 4.13: Một phần của hệ số kết quả trong hồi quy thứ hai Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) -1.382 .557 -2.480 .014
Dùng Fb để tham khảo khuyến nghị của bạn bè khi mua sp
1.067 .086 .656 12.401 .000 a. Dependent Variable: Mua hàng dựa theo khuyến nghị của bạn bè Fb
(Nguồn: Kết quả xử lý số liệu trên phần mềm SPSS)