Sự không phiền nhiễu được ký hiệu là NIRR, tác giả đã đưa ra 6 biến quan sát đối với nhân tố này trong nghiên cứu định tính. Kết quả là chỉ có 4 biến trong 6 biến nhận được sự chấp thuận của các đối tượng được khảo sát. Hai biến bị loại là “Cảm thấy các quảng cáo trên mạng xã hội là không lừa đảo” chiếm 82% người được khảo sát là không đồng ý và có 64% đáp viên không đồng tình với biến “Quảng cáo qua mạng xã hội Facebook không làm tôi mất tập trung vào những nội dùng khác”, vì vậy 2 biến này bị loại.
Bảng 3.5: Biến quan sát về sự không phiền nhiễu của quảng cáo
Ký hiệu Các tiêu thức
NIRR_1 Quảng cáo trên mạng xã hội Facebook không gây phản cảm
NIRR_2 Tôi cảm thấy không bị làm phiền bởi các quảng cáo trên mạng xã hội
Faceboook
NIRR_3 Tôi cảm thấy không khó chịu bởi các quảng cáo trên mạng xã hội
NIRR_4 Quảng cáo qua mạng xã hội Facebook là không xúc phạm người xem
3.1.3.4. Nhân tố sự tin cậyđối với quảng cáo
Sự tin cậyđối với quảng cáo được ký hiệu là CRED, chỉ còn 3 trên 5 nhân tố được giữ lại để nghiên cứu định lượng sau khi tác giả tiến hành nghiên cứu định tính. Hai biến “Quảng cáo trên mạng xã hội Facebook là đáng tin cậy” và “Quảng cáo trên mạng xã hội Facebook là đúng sự thật” với tỷ lệ không đồng ý lần lượt là 73% và 83%, vì vậy hai biến này hoàn toàn bị loại bỏ.
Bảng 3.6: Biến quan sát sự tin cậy đối với quảng cáo
Ký hiệu Các tiêu thức
CRED_1 Quảng cáo trên mạng xã hội Facebook là trung thực, một phần xuất phát
từ những người đã biết
CRED_2 Quảng cáo trên mạng xã hội Facebook là như là một tài liệu tham khảo
khi mua hàng
CRED_3 Quảng cáo trên mạng xã hội Facebook góp phần trong quyết định mua
hàng của tôi
3.1.3.5. Nhân tố tính tương tác
Tính tương tác được ký hiệu là INTE, sau khi tiến hành khảo sát định tính biến
“Quảng cáo qua mạng xã hội Facebook có thể tuỳ chỉnh để đáp ứng nhu cầu của tôi” có đến 59.09% là không đồng ý với ý kiến này. Vì vậy biến này được loại bỏ khỏi nghiên cứu định lượng.
Bảng 3.7: Biến quan sát khả năng tương tác
Ký hiệu Các tiêu thức
INT_1 Quảng cáo trên mạng xã hội Facebook có thể trao đổi thông tin thường
xuyên với mọi người về sản phẩm/ dịch vụ
INT_2 Quảng cáo trên mạng xã hội Facebook mang lại mức độ nhận biết về
sản phẩm/ dịch vụ cao
INT_3 Quảng cáo trên mạng xã hội Facebook có thể nhấp vào các liên kết và
nhận thông tin sản phẩm/ dịch vụ một cách nhanh chóng.
INT_4 Quảng cáo trên mạng xã hội Facebook giúp mua/ tiếp cận sản phẩm/ (adsbygoogle = window.adsbygoogle || []).push({});
dịch vụ dễ dàng hơn
INT_5 Quảng cáo trên mạng xã hội Facebook tạo cơ hội giao tiếp hai chiều
3.1.3.6. Thái độ đối với quảng cáo qua mang mạng xã hội Facebook
Thái độ đối với quảng cáo qua mạng xã hội Facebook được ký hiệu là ATTI.
Có 73% người được hỏi đồng ý với biến “Tôi thích những quảng cáo trực truyến trên mạng xã hội từ sự chia sẽ của bạn bè.” Và chỉ có 36% người đồng ý với biến “Tôi thích xem quảng cáo trên mạng xã hội”. Do đó, tác giả loại biến “Tôi thích xem quảng cáo trên mạng xã hội”.
Bảng 3.8: Biến quan sát Thái độ đối với quảng cáo qua mạng xã hội Facebook
Ký hiệu Các tiêu thức
của bạn bè
3.1.3.7. Đặc điểm nhân khẩu học
Tác giả tiến hành nghiên cứu những người dùng mạng xã hội Facebook thuộc các yếu tố nhân khẩu học sau:
Giới tính Nam Trình độ văn
hoá
PTTH/ TCCN
Nữ Đại học/ Cao đẳng
Độ tuổi
Từ 18 – dưới 25 Trên Đại học
Từ 25 – dưới 35
Thu nhập
Dưới 5triệu
Từ 35 - 40 Từ 5 triệu – dưới 10 triệu
Thời gian sử dụng MXH
(ngày/ giờ)
< 1 giờ/ ngày Từ 10 – 20 dưới triệu
1 - <3 giờ/ ngày Trên 20 triệu
3 - < 5 giờ/ ngày Trên 5 giờ/ ngày
3.2. KỸ THUẬT PHÂN TÍCH DỮ LIỆU
Xử lý dữ liệu được thực hiện trên phần mềm xử lý dữ liệu SPSS 20.0 và phần mềm Eview 5.0 theo 4 giai đoạn như sau:
3.2.1. Kiểm định độ tin cậy của các thang đo
Độ tin cậy của thang đo được đánh giá bằng phương pháp xác định hệ số Cronbach’s alpha. Hệ số này càng lớn thì độ tin cậy càng cao. Sử dụng phương pháp hệ số tin cậy Cronbach’s alpha để loại bỏ các biến không phù hợp vì các biến có thể tạo ra các yếu tố giả (Nguyễn Đình Thọ và Nguyễn Mai Trang, 2011). Độ tin cậy cho biết độ nhất quán của thang đo trong mỗi lần đo và hệ số tương quan biến tổng cho biết sự tương quan của một biến quan sát với các biến còn lại trong thang đo. (adsbygoogle = window.adsbygoogle || []).push({});
Hệ số tin cậy Cronbach’s alpha từ 0.80 đến 0.95 là thang đo lường tốt, từ 0.70 đến 0.80 là sử dụng được, từ 0,6 trở lên là có thể sử dụng cho trường hợp nghiên cứu là mới hoặc mới trong hoàn cảnh nghiên cứu (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Hệ số tương quan biến tổng: các biến có hệ số tương quan biến tổng nhỏ hơn 0.30 được xem là biến rác nên sẽ được loại ra và thang đo được chấp nhận khi hệ số Cronbach’s alpha đạt yêu cầu (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang, 2011)
Trong nghiên cứu này thang đo được chấp nhận phải có:
• Hệ số tương quan tổng (Corected Item – total Correlation) ≥ 0.30
• Hệ số Cronbach’s Alpha ≥ 0.60
3.2.2. Phân tích nhân tố khám phá EFA
Phân tích nhân tố khám phá EFA sẽ được thực hiện sau khi kiểm định độ tin cậy của thang đo được hoàn thành. Trong phân tích EFA, toàn bộ các biến quan sát đều được đưa vào để phân tích cùng một lượt để nhóm các biến quan sát lại thành những nhân tố cơ bản. Một số tiêu chuẩn mà các nhà nghiên cứu cần quan tâm trong phân tích nhân tố khám phá EFA là:
(1)Hệ số tải nhân tố (factor loading) là hệ số tương quan giữa các biến và nhân tố, hệ số này cho biết độ chặt chẽ trong mối quan hệ giữa biến và nhân tố, hệ số càng lớn mối quan hệ càng chặt chẽ. Các biến quan sát có hệ số tải nhân tố <0.5 sẽ bị loại bỏ.
(2)Mức ý nghĩa của kiểm định Barlett’s test of sphericity: để kiểm định giả thuyết H0 là các biến không có tự tương quan với nhau trong tổng thể, sig. ≤ 0.05 thì có ý nghĩa là bác bỏ giải thuyết H0 của nghiên cứu, hay sử dụng phân tích nhân tố là phù hợp. (Nguyễn Đình Thọ, 2012)
(3)Chỉ số Kaiser Meyer Olkin (KMO) là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Chỉ số KMO phải > 0.50 là điều kiện đủ để phân tích nhân tố mới thích hợp.
(4)Phương sai trích (percentage of variance) là phần trăm phương sai toàn bộ được giải thích bởi từng nhân tố. Điều đó có nghĩa là nếu coi biến thiên là 100% thì giá trị này cho biết phân tích nhân tố cô đọng được bao nhiêu phần trăm và thất thoát bao nhiêu phần trăm. Phương sai trích phải ≥ 50%
(5)Chỉ số Eigenvalue đại diện cho lượng biến thiên được giải thích bởi nhân tố. Chỉ những nhân tố có Eigenvalue > 1 mới được giữ lại trong mô hình.
3.2.3. Phân tích hồiquy tuyến tính
Phân tích hồi quy tuyến tính để biết được cường độ tác động của các biến độc lập lên biến phụ thuộc. Từ đó, kiểm tra được độ thích hợp của mô hình, xây dựng mô hình hồi quy bội, kiểm định các giả thuyết. Vấn đề chấp nhận và diễn giải các kết quả hồi quy được xem xét trong mối liên hệ với các giả thuyết nghiên cứu. Do đó mà trong phân tích hồi quy bội có kiểm định các giả thuyết của hàm hồi quy, nếu như các giả thuyết đó bị vi phạm thì các kết quả ước lượng các tham số trong hàm hồi quy không đạt được giá trị tin cậy. Tiêu chuẩn của đánh giá khi thực hiện phân tích hồi quy bội
(Hoàng Trọngvà Chu Nguyễn Mộng Ngọc,2008), bao gồm:
• Đánh giá sự phù hợp của mô hình: Thông qua thước đo RP
2
Pđiều chỉnh (Adjusted R square) để phản ánh sát hơn mức độ phù hợp của mô hình hồi quy tuyến tính đa biến. Dùng RP
2
P
để đánh giá độ phù hợp của mô hình sẽ an toàn hơn vì nó không thổi phồng mức độ phù hợp của mô hình. (Hoàng Trọng và Chu Nguyện Mộng Ngọc,
2008)
• Kiểm định độ phù hợp của mô hình: Kiểm định F sử dụng để xem xét mối quan hệ giữa biến phụ thuộc Y có mối liên hệ tuyến tính với toàn bộ tập biến hay không bằng chỉ số ý nghĩa sig. Nếu chỉ số sig. < 0.05 tức là kết hợp của các biến hiện có
trong mô hình có thể giải thích được thay đổi của biến Y, tức mô hình xây dựng phù
hợp với tập dữ liệu. (Hoàng Trọng và Chu Nguyện Mộng Ngọc, 2008)
• Xác định tầm quan trọng của các biến trong mô hình: Có 2 vấn đề cần quan tâm khi xác định tầm quan trọng tương đối của từng biến độc lập trong mô hình hồi quy tuyến tính bội, đó là:
- Tầm quan trọng của từng biến độc lập khi chúng tác động riêng biệt, và
- Tiếp theo là tầm quan trọng của các biến độc lập khi chúng được sử dụng cùng với những biến khác trong mô hình hồi quy bội.
Vấn đề thứ nhất được giải quyết thông qua hệ số tương quan giữa các biến độc lập và biến phụ thuộc, trị tuyệt đối của các hệ số tương quan càng lớn thì liên hệ tuyến tính càng mạnh. Vấn đề thứ hai thông qua hệ số tương quan từng phần và tương
quan riêng (Part and partial correlations). (Hoàng Trọng và Chu Nguyện Mộng (adsbygoogle = window.adsbygoogle || []).push({});
• Dò tìm sự vi phạm các giả định cần thiết trong hồi quy tuyến tính:
- Giả định liên hệ tuyến tính: Sử dụng đồ thị phân tán giữa các phần dư và giá trị dự đoán mà mô hình tuyến tính đưa ra. Nếu giả định liên hệ tuyến tính và phương sai bằng nhau được thỏa mãn, thì sẽ không nhận thấy mối liên hệ nào giữa các giá trị dự đoán và phần dư, chúng sẽ phân tán ngẫu nhiên.
- Giả định phương sai của sai số không đổi: Sử dụng kiểm định Breusch Godfrey
(BG) với giả thuyết được đặt ra là phương sai của sai số không thay đổi, nếu giả thuyết này đúng thì giá trị p value lớn hơn 0.05.
- Giả định về phân phối chuẩn của phần dư: Sử dụng biểu đồ tần số Histogram và biểu đồ tần số P-P plot, nếu các chấm phân tán sát với đường chéo, phân phối phần dư có thể xem như chuẩn.
- Giả định về tính độc lập của sai số (không có tương quan giữa các phần dư): giả định về sai số thực eRiR cho đây là biến ngẫu nhiên, độc lập, có phân phối chuẩn với trung bình bằng 0 và phương sai không đổi. Sử dụng đại lượng thống kê
Durbin – Watson (d) với giả thuyết đặt ra là: hệ số tương quan tổng thể của các
phần dư bằng 0. Nếu các phần dư không có tương quan chuỗi bậc nhất với nhau thì giá trị d nằm trong khoảng (dRUR; 4-dRUR).
- Dò tìm đa cộng tuyến: Các công cụ để phát hiện sự tồn tại của cộng tuyến trong dữ liệu và đánh giá mức độ cộng tuyến là thoái hóa các tham số được ước lượng: Độ chấp nhận của biến (Tolerance) – nếu độ chấp nhận của một biến nhỏ, thì có thể có một sự kết hợp tuyến tính của các biến khác giải thích biến độc lập trên. Hệ số phóng đại phương sai (VIF), khi VIF vượt quá 10 đó là dấu hiệu của đa cộng tuyến.
3.2.4. Kiểm định sự khác biệt
Tiến hành kiểm định giả thuyết đặt ra cho nhóm giả thuyết H6, tức mối liên hệ giữa các đặc điểm cá nhân với thái độ của người tiêu dùng đối với quảng cáo qua mạng xã hội Facebook. Kiểm định được thực hiện thông qua phân tích ANOVA và T-
test giữa các nhóm đối tượng nhằm tìm ra sự khác biệt có ý nghĩa của các nhóm phân tích. Tiêu chuẩn đánh giá cụ thể như sau:
• Kiểm định Independent-samples T-test: Nếu giá trị sig. trong kiểm định Levene < 0.05 thì phương sai giữa 2 nhóm khác nhau và sử dụng kết quả tại mục Equal variances not assumed. Và ngược lại, giá trị sig. trong kiểm định Levene ≥ 0.05 thì phương sai 2 nhóm là như nhau và sử dụng kết quả tại mục Equal variance assumed. Nếu sig. trong kiểm định t < 0.05 kết luận có sự khác biệt có ý nghĩa về trung bình của 2 nhóm, và t ≥ 0.05 kết luận chưa có sự khác biệt có ý nghĩa về trị trung bình giữa 2 nhóm.
• Phân tích phương sai một yếu tố: với mức ý nghĩa đánh giá toàn bài là 0.05.
Nếu kiểm định Homogeneity of Variances sig. ≥ 0.05 thì phương sai trung bình không khác nhau một cách có ý nghĩa thống kê do đó phân tích ANOVA có thể sử dụng tốt. Nếu trong phân tích ANOVA sig. < 0.05 kết luận có sự khác biệt có ý nghĩa thống kê về đánh giá tầm quan trọng giữa các nhóm kiểm định. Để xác định khác biệt tiếp tục với phân tích sâu ANOVA. Sử dụng phương pháp
Bonferroni, nếu sig. của nhóm kiểm định chênh lệch trung bình nhỏ hơn 0.05
Tóm tắt Chương 3
Trong chương 3, tác giả đã trình bày phương pháp mà nghiên cứu thực hiện để đánh giá thang đo là sử dụng hệ số Cronbach alpha để đánh giá độ tin cậy và giá trị các thang đo, phân tích nhân tố sẽ được sử dụng để kiểm định sự hội tụ của các biến thành phần về khái niệm, kiểm định các giả thuyết mô hình cấu trúc và độ phù hợp tổng thể
mô hình.
Nghiên cứu được thực hiện qua hai giai đoạn là nghiên cứu định tính và nghiên cứu định lượng. Nghiên cứu định tính bằng hình thức phỏng vấn sâu theo một nội
dùng được chuẩn bị trước dựa theo các thang đo có sẵn với 22 người. Nghiên cứu định
lượng với kỹ thuật thu thập dữ liệu là phỏng vấn thông qua bảng câu hỏi với kích thước mẫu dự kiến là n = 200. Dữ liệu thu thập được xử lý bằng phần mềm SPSS 20.0 và Eview 5.0.
CHƯƠNG IV: KẾT QUẢ NGHIÊN CỨU
Chương này sẽ trình bày kết quả nghiên cứu thông qua phân tích dữ liệu. Kết quả nghiên cứu được trình bày bao gồm: (1) thông tin về mẫu khảo sát, (2) kết quả đánh giá thang đo thông qua hệ số tin cậy Cronbach alpha, kết quả phân tích nhân tố khám phá (EFA), kết quả phân tích hồi quy, kiểm định các giả thuyết được trình bày ở Chương 2.
4.1. MÔ TẢ MẪU
Số mẫu tối thiểu cần có cho nghiên cứu này là 200 mẫu, tác giả tiến hành phát ra 300 bảng (Tăng 50% so với số mẫu dự kiến). Kết quả, tác giả thu về được 287 bảng trả lời và sau khi làm sạch, loại bỏ 17 bảng câu hỏi mà thông tin đáp viên nằm trong phần gạn lọc, cụ thể có 7 bảng trả lời nằm ngoài khu vực HCM, 4 bảng năm ngoài độ tuổi nghiên cứu và 6 bảng có đáp viên làm việc trong lĩnh vực quảng cáo và truyền thông Tổng kích thước mẫu hợp lệ là n = 270.
Tác giả thực hiện đánh giá mẫu thông qua 5 thuộc tính sau:
• Giới tính: Trong 270 bảng câu hỏi thu về, có 101 nam chiếm tỉ lệ 37.4%, trong khi đó số lượng nữ gần gấp đôi nam là 169 nữtương ứng với tỉ lệ là 62.6% (phụ lục 2a, trang xv). Các con số này cho thấy trong nghiên cứu này có sự chênh lệch giữa nam và nữ khá lớn. Điều này có thể cho thấy nữ giới quan tâm đến các hoạt động quảng cáo trên mạng xã hội Facebook hơn nam giới.
• Độ tuổi: Kích thước mẫu nghiên cứu có 135 người nằm trong độ tuổi từ 18 – 25
tuổi, chiếm tỉ lệ cao nhất là 50%. Tiếp đến là nhóm tuổi từ 25 đến 35 tuổi với 105 người chiếm 38.9%. Và nhóm cuối cùng chiếm tỷ lệ 11.1% với 30 người có độ tuổi từ 35 – 40 tuổi (phụ lục 2b, trang xv). Với kết quả này, ta có thể nhận (adsbygoogle = window.adsbygoogle || []).push({});