2.2.2.1 Mục tiêu 1: Phân tích hành vi mua sắm trực tuyến của giới trẻ trên địa bàn TP Cần Thơ. Sử dụng các phương pháp phân tích sau:
Phân tích tần số dùng để thống kê tần số, đếm số lần xuất hiện của một quan sát, một biến nào đó. Trong bài nghiên cứu này sử dụng phân tích tần số để thống kê các yêu tố về nhân khẩu học và thông tin về đặc điểm trong hành vi mua sắm của giới trẻ.
Thống kê mô tả có thểđược định nghĩa như là hệ thống phương pháp thu thập, trình bày, tóm tắt dữ liệu, tính toán các đặc trưng nhằm mô tảđối tượng nghiên cứu. Các chỉ số được sử dụng trong bài nghiên cứu là: số trung bình (Mean), độ lệch chuẩn (standard deviation), giá trị nhỏ nhất (min) và giá trị lớn nhất (max).
Ý nghĩa từng giá trị trung bình với thang đo khoảng: Giá trị khoảng cách = (Maximum – Minimum)/n = (5 – 1)/5 = 0,8
Bảng 2.1 Ý nghĩa từng giá trị trung bình với thang đo khoảng
Giá trị trung bình Ý nghĩa
1,00 – 1,80 Rất không đồng ý/Rất không hài lòng/Rất không quan trọng
1,81 – 2,60 Không đồng ý/Không hài lòng/Không quan trọng 2,61 – 3,40 Không ý kiến/Trung Bình
3,41 – 4,20 Đồng ý/Hài lòng/Quan trọng
4,21 – 5,00 Rất đồng ý/ Rất hài lòng/Rất quan trọng
2.2.2.2 Mục tiêu 2: Xác định các nhóm nhân tốảnh hưởng đến ý định tái mua sắm trực tuyến của giới trẻ. Sử dụng các phương pháp phân tích sau:
Kiểm định độ tin cậy thang đo bằng hệ số Cronbach alpha: hệ số α của Cronbach là một phép kiểm định thống kê về mức độ chặt chẽ mà các mục hỏi trong thang đo tương quan với nhau.
Công thức của hệ sốCronbach α là
Α = Nρ/[1 + ρ(N –1)] trong đó ρ là hệ sốtương quan giữa các mục hỏi Theo qui ước thì một tập hợp các mục hỏi dùng đểđo lường được đánh giá là tốt phải có hệ số α lớn hơn hoặc bằng 0,8. Hệ số cronbach α 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 tốkhám phá theo phương
31
pháp truyền thống và phân tích nhân tố khẳng định theo phương pháp hiện đại (Bollen, 1989), cũng có nhà nghiên cứu đề nghị rằng từ 0,6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang đo lường là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu (Nunnally 1978; Peterson 1994; Slater 1995).
Phương pháp phân tích nhân tố khám phá: được dùng đến trong trường hợp mối quan hệ giữa các biến quan sát và biến tiềm ẩn là không rõ ràng hay không chắc chắn. Phân tích EFA theo đó được tiến hành theo kiểu khám phá đểxác định xem phạm vi, mức độ quan hệ giữa các biến quan sát và các nhân tốcơ sởnhư thế nào, làm nền tảng cho một tập hợp các phép đo để rút gọn hay giảm bớt số biến quan sát tải lên các nhân tố cơ sở. Phương pháp phân tích nhân tố (Factor analysis) dùng gom nhóm bộ tiêu chí các khái niệm ảnh hưởng đến ý định tái mua sắm trực tuyến của giới trẻ.
2.2.2.3 Mục tiêu 3: Phân tích và xây dựng mô hình cấu trúc tuyến tính SEM các nhân tố ảnh hưởng đến ý định tái mua sắm trực tuyến của giới trẻ. Sử dụng phương pháp phân tích như sau:
Phân tích nhân tố khẳng định (Confirmatory Factor Analysis) là một trong các kỹ thuật thống kê của mô hình cấu trúc tuyến tính (SEM). CFA cho chúng ta kiểm định các biến quan sát (measured variables) đại diện cho các nhân tố (constructs) tốt đến mức nào. CFA là bước tiếp theo của EFA vì CFA chỉ sử dụng thích hợp khi nhà nghiên cứu có sẵn một số kiến thức về cấu trúc tiềm ẩn cơ sở, trong đó mối quan hệ hay giả thuyết (có được từ lý thuyết hay thực nghiệm) giữa biến quan sát và nhân tốcơ sở thì được nhà nghiên cứu mặc nhiên thừa nhận trước khi tiến hành kiểm định thống kê. Phương pháp CFA được sử dụng để khẳng định lại tính đơn biến, đa biến, giá trị hội tụ và phân biệt của bộ thang đo nghiên cứu các nhân tố tác động đến ý định tái mua sắm trực tuyến của giới trẻ.
Phương pháp phân tích mô hình cấu trúc tuyến tính được sử dụng để kiểm định mô hình nghiên cứu đã đề xuất. Mô hình cấu trúc chỉ rõ mối quan hệ giữa các biến tiềm ẩn (một khái niệm được đo lường dựa trên nhiều biến quan sát) với nhau. SEM (Structural Equantion Modeling) là một kỹ thuật mô hình thống kê rất tổng quát, được sử dụng rộng rãi trong khoa học nghiên cứu hành vi. Nó có thể được xem là sự kết hợp của phân tích nhân tố và hồi quy hay phân tích đường dẫn. Sựquan tâm trong SEM thường là vào các kiến trúc lý thuyết (các khái niệm lý thuyết), được trình bày bởi các nhân tố ngầm (các khái niệm tiềm ẩn). Các quan hệ giữa các kiến trúc lý thuyết được trình bày bởi các hệ số hồi quy hay hệ số đường dẫn giữa các nhân tố. SEM ám chỉ 1
32
cấu trúc của các hiệp tương quan (covariances – hiệp phương sai) giữa các biến được quan sát, do đó nó còn có tên gọi khác là mô hình hóa cấu trúc hiệp phương sai.
SEM thường được minh họa bằng biểu đồđường dẫn (sơ đồđường dẫn). Phương trình thống kê này thường được trình bày trong một hệphương trình ma trận SEM liên quan đến các biến đo lường được (measured variables) và các biến ngầm (latent variables – biến tiềm ẩn). Một measured variable là một biến có thể được quan sát trực tiếp và được đo lường. Biến đo lường được cũng được biết đến như biến quan sát được (observed variable), biến chỉ báo hay biến biểu thị (indicator or manifest variables). Một latent variable là một biến không thể được quan sát trực tiếp và phải được suy ra từ measured variable. Latent variables được ám chỉ bởi hiệp tương quan (covariances) giữa hai hay nhiều measured variables. Chúng cũng được biết đến như là các nhân tố (nghĩa là phân tích nhân tố), các biến kiến trúc hay các biến không quan sát được (constructs or unobserved variables). SEM có hai thành phần: mô hình đo lường (measurement model) và mô hình cấu trúc (structural model). Trong đó, measurement model: liên quan đến quan hệ giữa measured variables và latent variables; structural model: chỉliên quan đến các quan hệ giữa các latent variables.
2.2.2.4 Mục tiêu 4: Phân khúc thị trường mua sắm trực tuyến theo cảm nhận lợi ích. Sử dụng phương pháp phân tích sau:
Phương pháp phân tích cụm (Cluster Analysis) theo thủ tục Ward và K- mean được dùng để xác định số phân khúc giới trẻ cho hoạt động mua sắm trực tuyến tại Thành phố Cần Thơ dựa vào tiêu chí cảm nhận lợi ích.
Phân tích phân biệt được dùng để kiểm định lại sự khác biệt giữa các phân khúc giới trẻ cho hoạt động mua sắm trực tuyến tại Thành phố Cần Thơ dựa vào tiêu chí cảm nhận lợi ích.
Hàm phân tích phân biệt (discriminant analysis) có dạng: D = b0 + b1X1 + b2X2 + … + bnXn
Trong đó: D là điểm phân biệt; bi: các hệ số hay trọng số phân biệt, được ước lượng để phân biệt sự khác nhau giữa các phân khúc dựa vào giá trị của hàm phân biệt. Xi: các biến độc lập (i = 1, n ) ảnh hưởng đến sự phân biệt các phân khúc. Các biến độc lập là các cảm nhận lợi ích từ hoạt động mua sắm trực tuyến.
2.2.2.5 Mục tiêu 5: Đề ra các giải pháp thúc đẩy hoạt động tiếp tục mua sắm trực tuyến của giới trẻ.
33
Trên cơ sở kết quả nghiên cứu chương 3 và chương 4, tác giả đề ra các giải pháp cụ thể nhằm thúc đẩy ý định tái mua sắm trực tuyến của giới trẻ.