hình tương tác của người sử dụng
Tác giả thực hiện phân tích nghiên cứu khám phá để tìm ra các thành phần giá trị có ảnh hưởng đến quyết định sử dụng dịch vụ truyền hình tương tác của người sử
dụng. Đồng thời sẽ loại bỏ một số biến không thích hợp trong số 34 biến đo lường. Tác giả sử dụng phân tích nhân tố, phép kiểm định Bartlett nhằm kiểm định sự phù hợp của dữ liệu với phương pháp phân tích nhân tố EFA áp dụng. Bước phân tích này nhằm bác bỏ giả thuyết cho rằng các biến không có tương quan với nhau trong tổng thể. Nếu giả thuyết này không bị bác bỏ thì phân tích nhân tố nhiều khả năng là không thích hợp.
Từ 34 biến đo lường chi tiết tác giả tiến hành rút gọn và gom lại thành các nhóm nhân tố ít hơn về số lượng và có ý nghĩa hơn để sử dụng trong phân tích hồi quy sau này. Sử dụng phương pháp Principal Components, phép quay Varimax với Kaiser Normalization - với thủ tục này sẽ xoay nguyên góc các nhân tố để tối thiểu hóa số lượng biến có hệ số lớn tại cùng một nhân tố. Điểm dừng trích các yếu tố là những nhóm nhân tố có giá trị Eigenvalues (đại diện cho lượng biến thiên được giải thích bởi các nhân tố) thấp nhất là 1 (Gerbing & Anderson, 1998). Tiêu chuẩn để chấp nhận các biến đo lường khi tiêu chuẩn hệ số tải nhân tố (Factor loading) từ 0,5 trở lên được xem là có ý nghĩa thực tiễn, biểu thị tương quan đơn giữa các biến với các nhân tố, dùng để đánh giá mức ý nghĩa của EFA (Hair et al, 1998). Đồng thời thang đo thật sự có thể thật sự tin cậy để đưa vào phân tích dữ liệu khi chỉ số Cumulative
(tổng phương sai trích cho biết phân tích nhân tố giải thích được bao nhiêu % và bao nhiêu % bị thất thoát) của chúng lớn hơn hoặc bằng 50% (Gerbing & Anderson, 1998). Để đảm bảo tính đồng nhất và độ tin cậy của các biến quan sát, sau khi phân tích EFA chỉ những nhóm nhân tố thỏa mãn các điều kiện trên mới có thể tham gia vào phân tích hồi quy. Phân tích EFA được gọi là thích hợp khi: 0,5≤KMO ≤1 và sig< 0,05. Trường hợp KMO<0,5 thì phân tích nhân tố có khả năng không phù hợp với dữ liệu.
Thực tế phân tích EFA đối với các biến độc lập cần phải trải qua 3 lần, loại bỏ tổng cộng 7 biến để đạt được kết quả yêu cầu. Đối với biến phụ thuộc, chỉ cần phân tích EFA một lần đã thỏa mãn yêu cầu đặt ra. Tác giả tổng hợp thông tin về các lần phân tích EFA trong bảng dưới đây từ nguồn phụ lục 6.
Bảng 4.6: kết quảsau các lần phân tích nhân tố Phân tích nhân tố Kết quả kiểm định Số nhân tố sau gom nhóm Khả năng giải thích độ biến thiên dữ liệu (%) Đánh giá Biến loại ra Chỉ số KMO (Kaiser- Meyer- Olkin) Giá trị sig. của kiểm định Bartlett Lần 1 – các biến độc lập 0,868 0,000 8 61,135 Tiếp tục phân tích nhân tố sau loại biến SI1, COM1, TRI3, RA2, INT2 Lần 2 – các biến độc lập 0,856 0,000 8 65,806 Tiếp tục phân tích nhân tố sau loại biến SI2, SI3 Lần 3 – các biến độc lập 0,845 0,000 8 67,121 Ngừng phân tích nhân tố Lần 1 – các biến phụ thuộc 0,701 0,000 1 53,185 Ngừng phân tích nhân tố Nguồn: Phụ lục 6
Các lần phân tích nhân tố đều có chỉ số KMO > 0,7 cho thấy độ phù hợp của dữ liệu phân tích, đồng thời phương sai trích tổng (hay khả năng giải thích độ biến thiên của dữ liệu) đều > 50% nên kết quả phân tích nhân tố cuối cùng được chấp nhận và thích hợp cho việc phân tích khác.
Sau 3 lần rút trích biến độc lập để phân tích nhân tố, với việc loại bỏ lần lượt các biến SI1, COM1, TRI3, RA2, INT2, SI2, SI3 thì các biến độc lập còn lại đã được gom thành tám nhóm nhân tố. Từ các biến độc lập được gom nhóm sẽ hình thành các thang đo biến độc lập tương ứng. Dưới đây là kết quả phân tích và rút
trích nhân tố lần 3 (lần cuối) đối với các biến độc lập. Kết quả có 8 nhân tố (yếu tố) được rút ra, hình thành 8 thang đo biến độc lập mới so với ban đầu.
*Đánh giá việc loại bỏ các biến
-Khả năng tương tác giữa người dùng và nhà cung cấp của ITV ở TP.HCM chưa thực sự gây sự chú ý của người dùng. Các dịch vụ tương tác dự đoán, bầu chọn có thưởng cũng không được tổ chức thường xuyên bởi đi kèm sự kiện thi âm nhạc có bình chọn hoặc dự đoán giải bóng đá lớn. Do đó không nhiều khán giá, người dùng có thể tiếp cận, sử dụng dịch vụ tương tác dạng này để có đánh giá ảnh hưởng đến quyết định sử dụng của mình. Biến INT2 có thể loại ra.
- Thực tế hiện nay nhiều phương thức truyền hình đã có cải tiến chất lượng và nội dung đa dạng, có sự trao đổi bản quyền phát nội dung giữa các đài truyền hình, nhà cung cấp nên mang đến khả năng giải trí cho người dùng là tương tự nhau. Việc này có thể dẫn đến đánh giá lợi thế “tính năng giải trí nhiều hơn” của ITV - biến RA2 - không được đề cao hoặc không được đồng tình (nguồn: mẫu khảo sát định lượng). Biến RA2 được loại ra.
- Phần đông người dùng cũng không đánh giá cao ITV phù hợp với sở thích để giải trí (nguồn: mẫu khảo sát định lượng). Tivi không phải là phương tiện giải trí đối với nhiều người là điều dễ hiểu, họ còn có nhiều cách khác. Biến COM1 bị loại. - Việc sử dụng sản phẩm công nghệ mới cần có thời gian nhất định để trải nghiệm các tính năng mới mà nó cung cấp nên người dùng có thể không đánh giá cao ý kiến dùng thử thấy thích ITV – biến TRI3 bị loại. Việc lựa chọn, quyết định sử dụng ITV còn chi phối bởi nhiều nhân tố quan trọng hơn khác.
- Nhân tố Ảnh hưởng xã hội – các biến SI1, SI2, SI3 bị loại bỏ cho thấy người dùng có lựa chọn và quyết định sử dụng dịch vụ độc lập đối với những người khác. Rất nhiều người trong mẫu khảo sát định lượng không đồng tình rằng việc sử dụng ITV của họ ảnh hưởng bởi người quen biết và việc sử dụng ITV để chia sẻ thông tin với người quen biết cũng không được đánh giá cao.
Bảng 4.7 Kết quả phân tích nhân tố khám phá lần cuối
Mã hóa
Biến quan sát Nhân tố
1 2 3 4 5 6 7 8
COM4 Nhìn chung ITV phù hợp
với cuộc sống hàng ngày 0,876 COM3 Phù hợp với lối sống 0,843
COM2 Sử dụng ITV là thích hợp
khi rảnh rỗi 0,632 PI4 Nhìn chung tôi quan tâm
đến công nghệ mới 0,740 PI2 Tôi thích thử nghiệm công
nghệ thông tin mới 0,722 PI1 Khi nghe về công nghệ mới,
tôi tìm cách trải nghiệm nó 0,652
PI3 Trong số người quen, tôi thường là người đầu tiên thử
công nghệ mới 0,645 MV2 Với giá hiện hành, ITV có giá trị tốt 0,735 MV1 Cước phí sử dụng dịch vụ phù hợp 0,719
MV3 Nhìn chung ITV có giá cả
hợp lý 0,711
EU4 Nhìn chung ITV dễ sử dụng 0,779 (adsbygoogle = window.adsbygoogle || []).push({});
EU2 Dễ làm quen với cách dùng
ITV 0,677
EU3 Cách sử dụng không gây
EU1 Tôi có thể dùng các tính năng trong khoảng thời gian ngắn
0,536
CD1 Cung cấp nội dung phong
phú 0,808
CD3 Nhìn chung sử dụng ITV cho phép xem nội dung đa dạng 0,750 CD2 Cung cấp nội dung chất lượng cao 0,719 RA4 Dùng ITV thấy lợi ích hơn truyền hình dạng khác 0,772 RA3 Làm cho thời gian rảnh thú
vị hơn 0,686
RA1 Nâng cao chất lượng giải trí 0,566
INT3 Cho phép giao tiếp với
người khác 0,878 INT1 Cung cấp dịch vụ tương tác
đa dạng 0,790 TRI1 Muốn dùng thử dịch vụ 0,802 TRI2 Muốn dùng thử tính năng mới 0,568 Eigenvalue 6,775 1,956 1,565 1,346 1,282 1,100 1,072 1,013 Phương sai trích (%) 28,231 36,381 42,90 48,508 53,85 58,432 62,90 67,121
Phương pháp rút trích biến: Principal Component Analysis. Phép xoay: Varimax với Kaiser Normalization.
Như vậy sau khi phân tích nhân tố, kết quả cho thấy có tám nhóm nhân tố được trích ra và sơ bộ với 8 nhóm nhân tố này có khả năng giải thích 67,121% độ biến thiên của dữ liệu. Số lượng biến trong các thang đo biến độc lập như: Tương tác, Lợi thế tương đối, Tương thích, Dùng thử đã thay đổi so với thiết kế ban đầu. Thang đo Ảnh hưởng xã hội đã bị loại vì tất cả các biến không thỏa điều kiện đặt ra khi phân tích nhân tố.
Tiếp theo, tác giả phân tích EFA để kiểm tra có biến nào bị loại bỏ khỏi thang đo biến phụ thuộc không.
Bảng 4.8 Kết quả phân tích nhân tốđối với biến phụ thuộc Mã hóa
biến Biến quan sát Nhân tố
1
UD3 Tôi tin rằng ITV là sự lựa chọn đúng đắn 0,818 UD1 Tôi còn tiếp tục dùng ITV trong tương lai 0,720 UD2 Sử dụng ITV làm tôi cảm thấy hài lòng 0,707 UD4 Tôi sẽ khuyến khích người khác sử dụng 0,665
Eigenvalue 2,127
Phương sai trích (%) 53,185
Phương pháp rút trích biến: Principal Component Analysis.
Nguồn phụ lục 6
Kết quả phân tích nhân tố đối với thang đo biến phụ thuộc cho thấy các biến thuộc thang đo có mối tương quan chặt chẽ nhau. Không biến nào bị loại bỏ khỏi thang đo và thang đo Quyết định sử dụng ITV thích hợp để đưa vào phân tích hồi quy.
Sau khi hoàn thành phân tích nhân tố, tác giả kiểm định lại độ tin cậy của thang đo mới với sự thay đổi biến thành phần. Kết quả kiểm định Cronbach alpha được tổng hợp như sau:
Bảng 4.9: kết quả kiểm định cronbach alpha của các thang đo sau khi phân tích nhân tố
Thang đo Các biến đo lường Hệ số Cronbach Alpha
Nội dung CD1, CD2, CD3 0,705
Tương tác INT1, INT3 0,777 (adsbygoogle = window.adsbygoogle || []).push({});
Giá cả hợp lý MV1, MV2, MV3 0,723
Lợi thế tương đối
RA1, RA3, RA4 0,648
Dễ sử dụng EU1, EU2, EU3, EU4 0,710
Tương thích COM2, COM3, COM4 0,817
Dùng thử TRI1, TRI2 0,671
Sáng tạo cá nhân
PI1, PI2, PI3, PI4 0,708
Quyết định sử dụng ITV
UD1, UD2, UD3, UD4 0,706
Nguồn: Phụ lục 7
Các thang đo có sự thay đổi biến đo lường là: Tương tác, Lợi thế tương đối,
tương quan biến- tổng của các biến trong thang đo tương ứng đều > 0,3 nên thang đo đáng tin cậy (Nguồn phụ lục 7). Các thang đo còn lại giữ nguyên biến đo lường sau phân tích nhân tố nên kết quả kiểm định độ tin cậy không đổi so với lần kiểm định đầu tiên. Vậy các thang đo trong bảng trên đều đáng tin cậy và dữ liệu phù hợp cho việc tiến hành phân tích hồi quy.