Mẫu được chọn theo kỹ thuật lấy mẫu lan tỏa (Snowball sampling). Với mấu chốt lấy được nhiều mẫu hơn theo hướng dây chuyền.
Dựa theo nghiên cứu của Hair, Anderson, Tatham & Black (1998), với phân tích nhân tố khám phá (EFA), số mẫu tối thiểu là gấp 5 lần số biến quan sát (số lượng câu hỏi). Với bài nghiên cứu của nhóm và thang đo đã thiết kế, số lượng cần đạt ít nhất là 185 mẫu. Số mẫu hợp lệ dự kiến thu được đã vượt qua số lượng này.
Đối với phân tích hồi quy đa biến: Theo Barbara G. Tabachnick & Linda S. Fidell (1996), cỡ mẫu tối thiểu cần đạt được tính theo công thức là:
50 + 8 × m
23
Từ lý thuyết trên, với số biến độc lập là 37 biến , nhóm nghiên cứu cần thu được số mẫu tối thiểu là:
50 + 8 × 37 = 346 (mẫu)
Số mẫu hợp lệ dự kiến thu được cũng đã thỏa điều kiện này 3.2.3. Thiết kế bảng hỏi
Bảng câu hỏi được hình thành trên cơ sở tham khảo từ các nghiên cứu đi trước, của Mehta REENA & Kulkarni UDITA (2020) và Ngô Mỹ Trân & Mai Võ Ngọc Thanh (2017). Bảng câu hỏi này được sử dụng để phỏng vấn thử 10 cựu sinh viên (đã có công việc toàn thời gian) thuộc nhiều Khoa của trường Đại học Kinh tế - Luật nhằm đánh giá mức độ hoàn chỉnh của bảng câu hỏi về mặt hình thức, mức độ phù hợp về nội dung, khả năng cung cấp thông tin của đối tượng mục tiêu, từ đó tạo nền tảng để điều chỉnh thành bảng câu hỏi chính thức nhằm phục vụ cho việc khảo sát với số lượng lớn.
Cấu trúc bảng câu hỏi khảo sát sẽ bao gồm:
Phần I: Thông tin cơ bản: Phần này nhằm thu nhập một số thông tin cá nhân như giới tính, tuổi, ngành nghề đang làm việc, thu nhập hàng tháng.
Phần II: Phần thông tin thực trạng về các khía cạnh của Quảng cáo cá nhân hóa tác động đến người lao động ( biến độc lập đã đề cập ở trên) như: Tính thông tin, Tính 8 giải trí, Sự tin cậy, Tính tương tác xã hội, Nhận thức, Sự phiền nhiễu, Sự xâm phạm riêng tư, Thái độ.
Phần III: Phần thông tin về mức độ mà các yếu tố trên tác động đến ý định mua hàng của đối tượng khảo sát.
Phần II và Phần III sẽ được đo lường dựa trên thang đo đã thiết kế ở trên 3.2.4. Thu thập thông tin mẫu nghiên cứu
Bảng hỏi định lượng được xây dựng hoàn chỉnh dựa trên nghiên cứu sơ bộ. Do ảnh hưởng của dịch bệnh nên thông tin mẫu nghiên cứu được thu thập gián tiếp bằng cách gửi mẫu khảo sát tới email hoặc thông qua các trang mạng xã hội của người lao động trong độ tuổi từ 18 đến 35 (bao gồm lao động chính thức và lao động phi chính thức) trên địa bàn thành phố Hồ Chí Minh. Mặt khác, thông tin mẫu nghiên cứu được tiếp cận tới những đối tượng mục tiêu đang nghiên cứu bằng cách sử dụng kĩ thuật lấy mẫu phát triển mầm (snowball - kỹ thuật lấy mẫu phi xác suất có chủ đích), phương pháp này được thực hiện bằng cách lựa chọn các đối tượng khảo sát ban đầu dựa trên sự quen biết hoặc có liên hệ thông qua mạng xã hội, sau đó, nhờ họ giới thiệu người khảo
24
sát tiếp theo. Cụ thể, với một đối tượng ban đầu là người có hiểu biết sâu sắc về thành viên trong quần thể đang nghiên cứu, nhờ họ giới thiệu cho một hoặc nhiều người kế tiếp và tiếp tục giới thiệu đến các đối tượng khác thực hiện bảng khảo sát để lấy được liên hệ theo hướng dây chuyền. Kết quả thu thập được từ việc gửi phiếu khảo sát còn thiếu nhiều thông tin, hoặc có cơ sở để xác định không đáng tin cậy (chẳng hạn: người thực hiện khảo sát chọn cùng một, hoặc hai mức độ trả lời cho tất cả các câu hỏi). Các câu trả lời này được nhập vào ma trận dữ liệu trên phần mềm SPSS để tổng hợp và làm sạch số liệu, trước khi sử dụng vào thống kê và phân tích dữ liệu.
3.2.5. Phương pháp phân tích dữ liệu
Quá trình phân tích dữ liệu nghiên cứu được thực hiện qua các giai đoạn: • Đánh giá sơ bộ thang đo: thông qua phần mềm xử lý SPSS để sàng lọc loại bỏ
các biến quan sát không đáp ứng tiêu chuẩn (biến rác): Bước 1. Thực hiện thống kê mô tả với mẫu thu thập được.
Bước 2. Đánh giá độ tin cậy của thang đo sử dụng hệ số Cronbach’s Alpha. Hệ số Cronbach Alpha là hệ số cho phép đánh giá xem nếu đưa các biến quan sát nào đó thuộc về một biến nghiên cứu (biến tiềm ẩn, nhân tố). Sử dụng phương pháp hệ số tin cậy Cronbach’s Alpha trước khi phân tích nhân tố EFA để loại các biến không phù hợp vì các biến rác này có thể tạo ra các nhân tố giả (Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2009)
Phương pháp Cronbach Alpha sử dụng công thức:
trong đó K là số lượng chỉ số trong thang đo, là phương sai (căn bậc hai của độ lệch chuẩn) của tổng điểm đã quan sát và là phương sai đã quan sát đối với chỉ số i.
Về lý thuyết, việc đánh giá độ tin cậy của thang đo sử dụng hệ số Cronbach’s Alpha. theo các tiêu chí sau:
- Hệ số tương quan biến tổng (Item total correlation) không nhỏ hơn 0.3.- - Độ tin cậy Cronbach’s Alpha từ 0.6 trở lên.
Bước 3. Đánh giá giá trị của thang đo sử dụng phân tích nhân tố khám phá EFA (Exploratory Factor Analysis).
25
Sau khi đánh giá các thang đo bằng Cronbach’s Alpha, các biến quan sát được đưa vào phân tích nhân tố khám phá (EFA) bằng phương pháp trích Principal components và phép xoay Varimax. Theo Nguyễn Đình Thọ (2013), phương pháp phân tích EFA thuộc nhóm phân tích đa biến phụ thuộc lẫn nhau, dựa vào mối tương quan giữa các biến lẫn nhau. Việc đánh giá hai giá trị quan trọng của thang đo gồm giá trị hội tụ và giá trị phân biệt cần đến phương pháp EFA. EFA dùng để rút gọn một tập k biến quan sát thành một tập F (F < k) các nhân tố có ý nghĩa hơn. Cơ sở của việc rút gọn này dựa vào mối quan hệ tuyến tính của các nhân tố với các biến quan sát.
Theo Hair, Anderson, Tatham, & Black (1998), trọng số nhân tố (factor loading) là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA:
- Factor loading > 0,3 được xem là đạt được mức tối thiểu; - Factor loading > 0,4 được xem là quan trọng;
- Factor loading ≥ 0,5 được xem là có ý nghĩa thực tiễn. • Phân tích hồi quy tuyến tính:
Bước 1: Kiểm tra tương quan giữa biến các biến độc lập với nhau và với biến phụ
thuộc thông qua ma trận hệ số tương quan
Trong thống kê thì hệ số tương quan có ý nghĩa rất quan trọng. Hệ số tương quan Pearson (ký hiệu là r) sẽ được áp dụng để đo lường mức độ tương quan tuyến tính giữa biến phụ thuộc với các biến độc lập. Vì một trong những điều kiện cần để phân tích hồi quy là biến độc lập phải có tương quan với biến phụ thuộc, nên nếu ở bước phân tích tương quan này biến độc lập không có tương quan với biến phụ thuộc thì loại biến độc lập này ra khỏi mô hình khi phân tích hồi quy. Khi phân tích hệ số tương quan Pearson (ký hiệu là r) thì nhân tố cần quan tâm đầu tiên là giá trị Sig.
- Nếu Sig. > 0,05 nghĩa là không có tương quan giữa 2 biến. (Azizul Yaakop, 2013)
- Nếu Sig. < 0,05 thì hệ số tương quan r mới có ý nghĩa thống kê. Hệ số tương quan r sẽ nhận giá trị từ +1 đến -1.
+ r = -1 hay 1 cho thấy hai biến số có sự tương quan tuyệt đối
+ r < 0 cho biết một sự tương quan nghịch giữa hai biến, nghĩa là nếu giá trị của biến này tăng thì sẽ làm giảm giá trị của biến kia.
26
+ r > 0 cho biết một sự tương quan thuận giữa hai biến, nghĩa là nếu giá trị của biến này tăng thì sẽ làm tăng giá trị của biến kia.
Bước 2: Xây dựng và kiểm định mô hình hồi quy
Phân tích hồi quy tuyến tính dùng để tìm hiểu mối quan hệ giữa một biến phụ thuộc có giá trị liên tục và một hay nhiều biến độc lập bằng việc điều chỉnh một phương trình tuyến tính cho phù hợp với dữ liệu quan sát được (Sanford Weisberg, 2005). Hồi quy tuyến tính có chức năng xây dựng các mô hình dự báo Invalid source specified. hoặc ước tính mối quan hệ chức năng giữa một biến phụ thuộc (ví dụ như hiệu suất làm việc và mức độ thỏa mãn) và tập hợp các biến độc lập (ví dụ như kinh nghiệm, giới tính, khả năng nhận thức) (Kim & Bishu, 1996; P. Edwards, và những tác gi khác, 2005)ả . Về kỹ thuật, trong phân tích hồi quy các biến không có tính chất đối xứng, biến phụ thuộc là đại lượng ngẫu nhiên và các biến giải thích giá trị của chúng (biến độc lập) đã được xác định. Sau khi đã có được mô hình điều chỉnh, phân tích hồi quy sẽ được tiến hành với kiểm định mức ý nghĩa 5%. Kết quả của quá trình này sẽ giúp xác định được chiều hướng, mức độ ảnh hưởng của các nhân tố độc lập đối với biến phụ thuộc.
27
TÀI LIỆU THAM KHẢO
Alexander Bleier, & Maik Eisenbeiss. (2015). Personalized Online Advertising Effectiveness: The Interplay of What, When, and Where. Marketing Science,
34(5), 627-777. doi:10.1287/mksc.2015.0930
Amanda Ekström, & Niclas Gustafsson. (2012). Consumers' attitudes towards printed green advertising. Psychology.
Avi Goldfarb, & Catherine Tucker. (2011). Online Display Advertising: Targeting and Obtrusiveness. Marketing Science, 30(3), 389-404. doi:10.1287/mksc.1100.0583 Azizul Yaakop, M. M. (2013). Like It or Not: Issue of Credibility in Facebook
Advertising.
Barbara G. Tabachnick, & Linda S. Fidell. (1996). Using Multivariate Statistics (lần xuất bản 3rd). Harper Collins.
Bendixen, & T., Mike. (1993). Advertising Effects and Effectiveness. European Journal
of Marketing, 27(10), 19-32. doi:10.1108/03090569310045861
Brackett, L. K., & Carr, B. N. (2001). Cyberspace Advertising vs. Other Media: Consumer vs. Mature Student Attitudes. Journal of Advertising Research, 41(5), 23-32. doi:10.2501/JAR-41-5-23-32
Carlos Flavián Blanco, Miguel Guinalíu Blasco, & Isabel Iguacel Azorín . (2010). Entertainment and Informativeness as Precursory Factors of Successful Mobile Advertising Messages. Communications of The IbIMA, 2010, 1-11. doi:10.5171/2010.130147
D. L. R Van der Waldt, T. M. Rebello, & W. J. Brown. (2009). Attitudes of young consumers towards SMS advertising. African Journal of Business Management,
3(9), 444-452. doi:10.5897/AJBM09.161
David Jingjun Xu. (2006). The Influence of Personalization in Affecting Consumer Attitudes toward Mobile Advertising in China. Journal of Computer Information
Systems, 47(2), 9-19. doi:10.1080/08874417.2007.11645949
David S. Evans. (2009). The Online Advertising Industry: Economics, Evolution, and Privacy. Journal of Economic Perspectives, 37-60. doi:10.1257/jep.23.3.37 Everett M. Rogers. (1983). Diffusion of Innovations. Simon and Schuster.
28
Gaber, H. (2012). Measuring the Factors That Affect Young Consumers' Attitudes Towards SMS Advertisements and Their Purchase Intentions: The case of Egypt. AAST, Egypt.
Hair, J., Anderson, R., Tatham, R., & Black, W. (1998). Multivariate data analysis (lần xuất bản 5th). Prentice-Hall.
Hemant Bamoriya. (2012). SMS Advertising in India: Is TAM a Robust Model for Explaining Intention? Organizations and Markets in Emerging Economies, 3(1), 89-101. doi:10.15388/omee.2012.3.1.14277
Hisham Abdel Monem. (2021). The Effectiveness of Advertising Personalization.
Journal of Design Sciences and Applied Arts, 2(1), 114-121.
doi:10.21608/JDSAA.2021.31121.1061
Hsu. (1987). Psychosocial adaptation of two Malayo-Polynesian cultures in Taiwan.
Berkeley: University of California.
Icek Ajzen. (1991). The theory of planned behavior. Organizational Behavior and
Human Decision Processes, 50(2), 179-211. doi:10.1016/0749-5978(91)90020-
T
Icek Ajzen. (2002). Constructing a TPB questionnaire: Conceptual and methodological considerations.
Icek Ajzen, & Martin Fishbein. (1975). Belief, attitude, intention and behaviour: An
introduction to theory and research. Addison-Wesley.
Joshua Christian, Febby Karissa, Boaz Handoyo, & Ferdi Antonio. (2021). The Effect of Perceived Ads Personalization Toward Online Impulse Buying Tendency with Mediating and Moderating Variables, Evidence from Indonesian Millennial E- Commerce Customers. Journal of Business and Economics, 25(1), 103-120. doi:10.24002/kinerja.v25i1.4357
Keyzer, F. D., Dens, N., & Pelsmacker, P. D. (2015). Is this for me? How Consumers Respond to Personalized Advertising on Social Network Sites. Journal of
Interactive Advertising, 15(2), 1-11. doi:10.1080/15252019.2015.1082450
Kim, B., & Bishu, R. (1996). On assessing operator response time in human reliability analysis (HRA) using a possibilistic fuzzy regression model. Reliability
Engineering and System Safety, 52(1), 27–34. doi:10.1016/0951-
29
Korzaan, M. (2003). Go with the flow: Predicting online purchase intentions. Journal
of Computer Information Systems, 25-31.
Laetitia Radder, Jacques Pietersen, Hui Wang, & Xiliang Han. (2010). Antecedents Of South African High School Pupils Acceptance Of Universities SMS Advertising.
International Business & Economics Research Journal, 9(4), 29-40.
doi:10.19030/iber.v9i4.551
Logan, K., Bright, L. F., & Gangadharbatla, H. (2012). Facebook versus television: advertising value perceptions among females. Journal of Research in Interactive
Marketing, 6(3), 164-179. doi:10.1108/17505931211274651
Lori D. Wolin, & P. Korgaonkar. (2003). Web advertising: gender differences in beliefs, attitudes and behavior. Internet Research, 13(5), 375-385. doi:10.1108/10662240310501658
Ma Yuanxin, & Pittana Noichangkid. (2011). Bored with Ads? : A Study Investigating Attitude towards Social Media Advertising. Political Science.
Maik Eisenbeiss, & Alexander Bleier. (2015). The Importance of Trust for Personalized Online Advertising. Journal of Retailing, 91(3), 390-409. doi:10.1016/j.jretai.2015.04.001
Marco Josef Koeder, Upal Mohammed, & Philip Sugai. (2011). Study of Consumer Attitude towards Connected Reader Devices in Japan Based on the Decomposed Theory of Planned Behavior. Economics & Management Series. Được truy lục từ http://id.nii.ac.jp/1509/00000438/
Mariam El Ashmawy, & Farid El Sahn. (2014). Measuring university students' attitudes toward Facebook advertising. The Macrotheme Review, 3(9), 40-55.
Mehta REENA, & Kulkarni UDITA. (2020). Impact of Personalized Social Media Advertisements on Consumer Purchase Intention. Economics and Applied
Informatics, 26(2), 15-24. doi:10.35219/eai15840409101
Melody M. Tsang, Shu Chun Ho, & Ting- -Peng Liang. (2004). Consumer Attitudes toward Mobile Advertising: An Empirical Study. International Journal of
Electronic Commerce, 8(3), 65-78. doi:10.1080/10864415.2004.11044301
Meng-Hsiang Hsu, & Chao Min Chiu. (2004). Internet self- -efficacy and electronic service acceptance. Decision Support Systems, 369-381. doi:10.1016/j.dss.2003.08.001
30
Meng-Hsiang Hsu, & Chao-Min Chiu. (2004). Predicting electronic service continuance with a decomposed theory of planned behaviour. Behavior & Information
Technology, 359-373. doi:10.1080/01449290410001669969
Miguel Malheiros, Charlene Jennett, Snehalee Patel, Sacha Brostoff, & M. Angela Sasse. (2012). Too Close for Comfort: A Study of the Effectiveness and Acceptability of Rich Media Personalized Advertising. - Proceedings of the
SIGCHI Conference on Human Factors in Computing Systems, (trang 579 - 588).
doi:10.1145/2207676.2207758
Naresh K. Malhotra, & David F. Birks. (1996). Marketing Research: An Applied
Approach.Pearson.
Ngô Mỹ Trân, & Mai Võ Ngọc Thanh. (2017). Phân tích tác động của quảng cáo qua mạng xã hội đến ý định mua sắm của người tiêu dùng t i Thành phạ ố Cần Thơ.
Tạp chí khoa học Trường đại học Cần Thơ, 66-76. doi:10.22144/jvn.2017.631
Nguyễn Duy Thanh, Trần Đình Nghĩa, & Phạm Mạnh Cường. (2013). Đề xuất mô hình chấp nhận quảng cáo trực tuyến trên m ng xã hạ ội ở Việt Nam. Tạp chí Phát triển
Khoa học & Công nghệ, 16(3), 5-18. doi:10.32508/stdj.v16i3.1626
Nguyễn Đình Thọ. (2013). Phương pháp nghiên cứu khoa học trong kinh doanh. Nxb Nhà xuấ ảt b n Tài Chính.
Nguyễn Đình Thọ, & Nguyễn Thị Mai Trang. (2009). Nghiên cứu khoa học trong Quản
trịKinh doanh. NxbThống kê.
P. Edwards, L. Barnard, V. K. Leonard, J. S. Yi, Kevin P. Moloney, T. Kongnakorn, & J. Jacko, François Sainfort. (2005). Understanding users with Diabetic Retinopathy: factors that affect performance in a menu selection task. Behaviour
and Information Technolo, 24(3), 175–186.
doi:10.1080/01449290512331323189
Paul M. Fitts. (1954). The information capacity of the human motor system in controlling the amplitude of movement. Journal of Experimental Psychology, 47(6), 381–391. doi:10.1155/2016/4612086
Philip Kotler, Veronica Wong, Gary Armstrong, & John Saunders. (2001). Principles
of Marketing. Prentice Hall Inc.
Qi Chen, Yuqiang Feng, Luning Liu , & Jingrui Ju. (2019). Understanding Consumers' Reactance of Online Personalized Advertising: from a Perspective of Negative
31
Effects. International Journal of Information Management, 44(1), 53-64. doi:10.1016/j.ijinfomgt.2018.09.001
Richard E.Petty, & John T.Cacioppo. (1986). The Elaboration Likelihood Model of Persuasion. Advances in Experimental Social Psychology, 19, 123-205. doi:10.1016/S0065-2601(08)60214-2
Robert H. Ducoffe. (1996). Advertising value and advertising on the Web. Journal of
Advertising Research, 36(5), 21–35. Được truy lục từ
https://link.gale.com/apps/doc/A76914157/AONE?u=anon~1da6f73f&sid=goo gleScholar&xid=b48d6a50
Ruxandra Halalau, & Gustaf Kornias. (2012). Factors influencing users' attitude towards display advertising on Facebook. Political Science.
Sanford Weisberg. (2005). Applied linear regression (lần xuất bản 3rd). John Wiley & Sons.
Sanford Weisberg. (2013). Applied Linear Regression, (lần xuất bản 4th). John Wiley & Sons.
Sharon Oviatt. (1995). Predicting spoken disfluencies during human computer -