Ký hiệu Ứng dụng di động Tham khảo
HV2 Tôi sẽ giới thiệu cho người thân Watchareebhorn Sakunlertvattana (2017) HV3 Tôi sẽ trở thành khách hàng trung thành của của ứng dụng gọi xe công nghệ Sakunlertvattana (2017) Watchareebhorn
2.1.4. Chọn mẫu:
2.1.4.1. Tổng thể đối tượng nghiên cứu:
Tổng thể nghiên cứu là toàn bộ những người đang sinh sống và làm việc tại khu vực nội thành Hà Nội.
2.1.4.2. Phương pháp chọn mẫu:
Mẫu nghiên cứu được lấy theo hình thức phi ngẫu nhiên, lấy mẫu tiện lợi, theo phương pháp gửi bảng hỏi khảo sát trên mạng internet thông qua công cụ hỗ trợ Google Docs đến các group facebook liên quan đến ứng dụng gọi xe công nghệ tại Hà Nội và phỏng vấn phát trực tiếp đến các đối tượng đang sử dụng dịch vụ gọi xe công nghệ mà tác giả bắt gặp trên địa bàn Hà Nội từ tháng 02/2019 – 04/2019.
2.1.4.3. Quy mô mẫu:
Theo Hair & ctg, trong trường hợp sử dụng phương pháp nhân tố (EFA) thì kích thước mẫu tối thiểu phải là 50, tốt hơn là 100 và cỡ mẫu tối thiểu bằng 5 lần tổng biến quan sát, hay là tỷ lệ số quan sát/biến đo lường là 5/1(Hair, Anderson, Tatham & Black 1998, trang 98). Trong đề tài luận văn có tổng cộng 40 biến, tức là kích thước mẫu tối thiểu là 200. Bên cạnh đó, độ tin cậy của thông tin sẽ phụ thuộc vào kích thước mẫu đã chọn, khi tăng kích thước mẫu thì độ tin cậy của thông tin tăng.
Kích thước mẫu trong đề tài luận văn dự kiến là khoảng 450 để đạt được yêu cầu về độ tin cậy của mẫu.
2.1.5. Các bước xử lý số liệu:
Theo Hoàng Trọng (2008),để tiến hành thu thập dữ liệu điều tra các nghiên cứu
định lượng, người nghiên cứu phải sử dụng nhiều loại thang đo lường khác nhau. Tuy nhiên do sự phức tạp của các hiện tượng kinh tế - xã hội nên việc lượng hóa các khái niệm nghiên cứu đòi hỏi phải có những thang đo được xây dựng công phu và được kiểm tra độ tin cậy trước khi vận dụng. Vì vậy, trước khi tiến hành các hoạt động
thống kê và phân tích, nghiên cứu sẽ thực hiện việc kiểm tra độ tin cây (Cronbach’s Alpha) của các thang đo đã được sử dụng trong bảng hỏi. Tác giả sử dụng phần mềm phân tích, thống kê SPSS 20.0 để phân tích dữ liệu. Hoạt động xử lý và phân tích dữ liệu được thực hiện theo các bước cụ thể như sau:
Làm sạch và mã hóa dữ liệu: Sau khi tiến hành cuộc khảo sát, những bảng hỏi
thu thập được sẽ được làm sạch và nhập vào cơ sở dữ liệu. Những bảng trả lời không đầy đủ hoặc có lỗi trả lời sẽ bị loại bỏ đảm bảo dữ liệu sau khi làm sạch có đủ độ tin cậy để đưa vào phân tích.
Phân tích hệ số tin cậy của các thang đo: Hệ số Cronbach’s Alpha là chỉ số đo
lường độ tin cậy của thang đo bao gồm từ ba biến quan sát trở lên. Hệ số này chỉ đo lường độ tin cậy của thang đo mà không tính được độ tin cậy cho từng biến quan sát. Hệ số này biến thiên trong đoạn [0,1], hệ số này càng cao thì tháng đo càng có độ tin cậy lớn. Tuy nhiên nếu hệ số này quá lớn (khoảng từ 0.95 trở lên) thì điều này cho thấy có nhiều biến trong thang đo không có sự khác biệt gì nhau, dẫn đến xảy ra hiện tượng gọi là trùng lặp trong thang đo (Nguyễn Đình Thọ, Phương pháp nghiên cứu khoa học trong kinh doanh, trang 364). Hệ số này được sử dụng để loại biến rác, các biến có hệ số tương quan tổng biến (Corrected Item-Total Correlation) nhỏ hơn 0.3 sẽ bị loại và thang đo sẽ bị loại nếu hệ số Cronbach Alpha nhỏ hơn 0.6 (Nunnally & Bernstein, 1994). Hệ số Cronbach’s Alpha cho biết mức độ tương quan giữa các biến trong bảng hỏi, được dùng để tính sự thay đổi của từng biến và mối tương quan giữa các biến (Hair & ctg, 1992).
Phân tích nhân tố EFA (Exploratory Factor Analysis): Sau khi loại các biến
không đảm bảo độ tin cậy, các biến giữ lại sẽ được xem xét giá trị hội tụ (các biến quan sát hội tụ về cùng một nhân tố) và giá trị phân biệt (các biến quan sát thuộc về nhân tố này và phải phân biệt với nhân tố khác). Phân tích nhân tố EFA dùng để rút gọn một tập hợp k biến quan sát thành một tập hợp X (với X < k) các nhân tố có ý nghĩa hơn. Trong nghiên cứu ta thường thu thập được một số lượng biến tương đối lớn, và nhiều biến có mối liên hệ tương quan với nhau. Để tiết kiệm thời gian, thay vì đi nghiên cứu 20 đặc điểm nhỏ của một đối tượng, ta có thể gộp lại các đặc điểm có cùng sự tương quan để phân tích nghiên cứu 5 đặc điểm lớn, trong mỗi đặc điểm
lớn này có 4 đặc điểm nhỏ. Phân tích nhân tố EFA thông qua các tiêu chí sau: Hệ số KMO (Kaiser-Meyer-Olkin) là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố, hệ số này phải đạt giá trị lớn hơn 0.5, nếu nhỏ hơn 0.5 thì phân tích nhân tố có khả năng không thích hợp với tập dữ liệu nghiên cứu (Hoàng Trọng, Chu Nguyễn Mộng Ngọc, 2008, Phân tích dữ liệu nghiên cứu với SPSS, trang 31); Kiểm định Bartlett (Bartlett’s Test of Sphericity) dùng để xem xét về mức độ tương quan của các biến quan sát (Sig < 0.05) (Nguyễn Đình Thọ, Phương pháp nghiên cứu khoa học trong kinh doanh, trang 413); Độ tin cậy của các biến quan sát có hệ số truyền tải (Factor loading) nhỏ hơn 0.5 sẽ bị loại, điểm dừng khi Eigenvalues (đại diện cho phần biến thiến được giải thích bởi mỗi nhân tố) lớn hơn 1 và tổng phương sai trích lớn hơn 50% (Hoàng Trọng, Chu Nguyễn Mộng Ngọc, 2008, Phân tích dữ liệu nghiên cứu với SPSS, trang 34)
Phân tích tương quan Person: Phân tích tương quan Pearson để kiểm tra mối
quan hệ tuyến tính giữa các biến (kiểm tra hiện tượng đa cộng tuyến). Thông thường trước khi sử dụng hồi quy tuyến tính người ta sẽ xét mối quan hệ giữa các biến độc lập với biến phụ thuộc qua hệ số tương quan Pearson của bảng hệ số tương quan. Hệ số tương quan sẽ nằm trong khoảng [-1; +1]. Nếu bằng -1 nghĩa là tương quan nghịch (negative correlation) và +1 là tương quan thuận (positive correlation). Nếu bằng 0 nghĩa là không có tương quan (không có mối liên hệ giữa 2 biến hoặc là 2 biến có mối liên hệ phi tuyến). Đây còn được gọi là tương quan tuyến tính, do nếu tương quan thì mối quan hệ được thể hiện bởi đường thẳng dốc lên hay dốc xuống. Trường hợp không tương quan thì là đường nằm ngang. Trong phân tích tương quan Pearson, không có sự phân biệt giữa các biến độc lập và biến phụ thuộc mà tất cả đều được xem như nhau.
Phân tích hồi quy mức độ ảnh hưởng của các nhân tố: Mục tiêu của bước này
là đánh giá chi tiết mức độ tác động của từng nhân tố, nhóm nhân tố tới thái độ và hành vi gọi xe của người tiêu dùng. Mức độ ảnh hưởng thể hiện thông qua các con số trong phương trình hồi quy. Những nhân tố nào có chỉ số Beta lớn hơn sẽ có mức độ ảnh hưởng cao hơn. Những nhân tố có chỉ số Beta là số âm sẽ có ảnh hưởng tiêu cực và ngược lại.
Phân tích kiểm định ANOVA và T-test: Sử dụng kiểm định ANOVA và kiểm
định T-test để đánh giá tác động của các biến định tính (độ tuổi, nghề nghiệp, thu nhập, giới tính) tới biến phụ thuộc Hành vi gọi xe công nghệ.
- Kiểm định ANOVA: được sử dụng để kiểm định có hay không sự khác nhau trong đánh giá về hành vi gọi xe giữa các nhóm khác nhau.
H0: Không có sự khác biệt về hành vi gọi xe công nghệ giữa các nhóm đối tượng nhân khẩu học khác nhau
H1: Có sự khác biệt về hành vi gọi xe công nghệ giữa các nhóm đối tượng nhân khẩu học khác nhau
Mức ý nghĩa: 95%
Nếu Sig.<0,05: Bác bỏ giả thiết H0, chấp nhận giả thuyết H1 Nếu Sig.≥0,05: Chấp nhận giả thiết H0, bác bỏ giả thuyết H1
Tuy nhiên, trước khi thực hiện kiểm định One Way ANOVA ta cần phải kiểm định Levene's Test sự bằng nhau của các phương sai tổng thể để xem xét mức độ đồng đều của dữ liệu quan sát.
+ Nếu Sig.<0,05: Phương sai giữa các nhóm đối tượng khác nhau là khác nhau hay không có phân phối chuẩn thì kiểm định Welch được sử dụng để kết luận cho trường hợp này.
+ Nếu Sig.≥0,05: Phương sai không khác nhau hay có phân phối chuẩn. Ta sẽ sử dụng kiểm định One Way ANOVA để kết luận.
Phân tích ANOVA một chiều (One – Way ANOVA) được thực hiện để tìm hiểu sâu hơn về hành vi gọi xe công nghệ giữa các nhóm có từ 3 biến quan sát trở lên với mức ý nghĩa 5%.
- Kiểm định T-test: tương tự như kiểm định ANOVA, với các giả định sau: H0: Không có sự khác biệt về hành vi gọi xe công nghệ giữa các nhóm đối tượng nhân khẩu học khác nhau
H1: Có sự khác biệt về hành vi gọi xe công nghệ giữa các nhóm đối tượng nhân khẩu học khác nhau
Xét Sig của kiểm định Levene (kiểm định F), nếu sig < 0,05 thì sử dụng kết quả kiểm định t ở dòng Equal variances not assumed, nếu sig ≥ 0.05 sử dụng kết quả kiểm định t ở dòng Equal variances assumed. Trong kiểm định t:
+ Nếu Sig.<0,05: Bác bỏ giả thiết H0, chấp nhận giả thuyết H1 + Nếu Sig.≥0,05: Chấp nhận giả thiết H0, bác bỏ giả thuyết H1
Phân tích T-test được thực hiện để tìm hiểu sâu hơn về hành vi gọi xe công nghệ giữa các nhóm có 2 biến quan sát với mức ý nghĩa 5%.
2.2. Kết quả nghiên cứu:
2.2.1. Thống kê nhân khẩu học:
Trong thời gian hai tháng, 450 phiếu khảo sát được gửi đến người tiêu dùng tại Hà Nội thông qua nhiều phương pháp khác nhau trong đó có 100 mẫu trực tiếp và 350 mẫu gián tiếp thông qua gửi mail, gửi survey trên các group facebook liên quan đến gọi xe công nghệ. Kết thúc điều tra, sau khi tiến hành kiểm tra và loại bỏ các phiếu khảo sát bị lỗi như bỏ trống một số chỗ, trả lời theo một quy luật nhất định, tác giả thu được 367 phiếu khảo sát hợp lệ tương đương với 81,6% số phiếu phát đi. Với 367 phiếu hợp lệ này, tác giả thu về được kết quả như sau:
- Giới tính: Có 175 người tiêu dùng là nam tham gia khảo sát, chiếm tỷ lệ 47,7%. Con số này đối với giới tính nữ tham gia khảo sát là 192 người, chiếm 52,3% tổng số người tham gia khảo sát. Tỷ lệ giữa Nam/Nữ tham gia khảo sát là 47,7/52,3 gần như tương đương với tỷ lệ giới tính trong cấu trúc của dân số Việt Nam nói chung và Hà Nội nói riêng (49/51).
- Độ tuổi: 28,1% những người tham gia khảo sát có độ tuổi dưới 23, tương đương 103 người. Những người tham gia có độ tuổi từ 23 đến 35 chiếm tỷ lệ cao nhất với 58,3% tương đương 214 người. Độ tuổi từ 36 đến 45 có số người tham gia chỉ chiếm 9,3% tương đương với 34 người. Nhóm tuổi có tỷ lệ người tham gia thấp nhất là nhóm trên 45 tuổi với chỉ 16 người tham gia khảo sát, tương đương 4,3%. Kết quả này thể hiện một cách rõ nét về xu hướng hành vi người tiêu dùng theo nhóm tuổi đối với ứng dụng gọi xe công nghệ: những người trẻ thường có khả năng tiếp thu cái mới nhanh hơn so với những người có độ tuổi lớn hơn. Nhóm người lớn tuổi hơn thường
có xu hướng làm theo những thói quen đã gắn bó lâu dài với họ và ít có nhu cầu muốn thay đổi thói quen này.
- Nghề nghiệp: có 5 nhóm nghề nghiệp được tác giả phân loại và tiến hành khảo
sát bao gồm các đối tượng: Đang đi học, Công nhân/viên chức/nhân viên văn phòng,
Kinh doanh tự do, Về hưu và Kinh doanh khác. Trong đó nhóm Công nhân/viên
chức/nhân viên văn phòng chiếm tỷ lệ tham gia khảo sát cao nhất với 194 người tương
đương 52,9%. Nhóm Nghề nghiệp khác chiếm tỷ lệ cao thứ hai với 60 người tham
gia tương đương 16,3%. Hai nhóm có tỷ lệ tham gia gần tương đương nhau là nhóm
Đang đi học và Kinh doanh tự do với tỷ lệ tham gia lần lượt là 13,1% và 14,7%.
Nhóm Về hưu có tỷ lệ tham gia khảo sát thấp nhất với chỉ 3% tương đương 11 người.
Kết quả này cho thấy nhóm Công chức/viên chức/nhân viên văn phòng có xu hướng
sử dụng ứng dụng gọi xe công nghệ này nhiều nhất, tiếp theo đó là nhóm Nghề nghiệp
khác. Điều này tương đồng với kết quả về độ tuổi khi mà những người thuộc hai
nhóm nghề nghiệp này đa phần nằm trong nhóm độ tuổi từ 23 – 35 còn nhóm Về hưu
tương ứng với độ tuổi trên 45 có xu hướng gọi xe công nghệ thấp nhất.
- Thu nhập: theo kết quả tổng hợp được, nhóm có thu nhập cao nhất trên 10tr
tham gia khảo sát với tỷ lệ 32,2% tương ứng với 118 người. Nhóm tham gia khảo sát có tỷ lệ cao nhất 50,4% là nhóm thu nhập từ 5 – 10tr với 185 người tham gia khảo sát. Nhóm thu nhập dưới 5tr chiếm tỷ lệ thấp nhất là 17,4% với chỉ 64 tham gia khảo sát. Kết quả này cho thấy tập khách hàng tiềm năng của dịch vụ gọi xe đa phần có mức thu nhập trung bình, tương ứng với nhóm độ tuổi từ 23 – 35 đã được tổng hợp phần trên.