Nghiên cứu định lượng là phần quan tr ng nhất, ảnh hưởng đến chất lượng cũng như độ tin c y của nghiên cứu. Quá trình nghiên cứu định lượng cho phép lượng hóa và đo lường những th ng tin thu th p b ng những con số cụ thể. Nghiên cứu định lượng được thực hiện th ng qua bảng câu h i khảo sát ch nh thức từ kết quả của nghiên cứu định t nh. Các bước thực hiện trong nghiên cứu định lượng: thiết kế mẫu, tiến hành thu th p dữ liệu, phân t ch dữ liệu, phân t ch hồi quy.
3.4.2.1 Thiết kế mẫu:
- Phương pháp ch n mẫu:
Để người trả lời có thể đại diện cho tổng thể, một hình thức ch n mẫu phi xác suất là phương pháp ch n mẫu thu n tiện đã được tác giả lựa ch n sử dụng.
- K ch thước mẫu:
Hiện nay, k ch thước mẫu bao nhiêu là phù hợp thì vẫn chưa được xác định r ràng. Theo Hair và các cộng sự (2006), để có thể phân t ch nhân tố khám phá (EFA) cỡ mẫu tối thiểu phải b ng 5 lần tổng số biến quan sát (đ tài nghiên cứu này có 23 biến quan sát, tức mẫu cần tối thiểu là N=115). Nếu sử dụng phương pháp ước lượng Maximum Likelihood thì k ch thước mẫu tối thiểu n m trong khoảng 100- 150. Ngoài ra cũng có những nghiên cứu ở Việt Nam như Nguyễn Đình Th và Nguyễn Thị Mai Trang (2007) cho r ng k ch thước mẫu tới hạn phải là 200.
Do đó, nghiên cứu này dự kiến sẽ thu th p t nhất 200 bảng trả lời khảo sát để có đủ cơ sở dữ liệu cho việc phân t ch.
3.4.2.2 Thu thập dữ liệu:
Đối tượng nghiên cứu là những người đã từng mua hàng tại Lazada.vn trong 2 năm gần đây.
Đối tượng khảo sát có thể trả lời bảng câu h i b ng 2 cách thức: bảng giấy in sẵn bảng câu h i khảo sát ho c bảng câu h i trực tuyến trên Google Drive do tác giả
thiết kế. Riêng đối với việc trả lời bảng câu h i khảo sát b ng giấy in sẵn đối tượng khảo sát chỉ thuộc phạm vi địa l thành phố Hồ Ch Minh.
Thời gian từ 15/08/2018 - 15/09/2018.
Dữ liệu sẽ được thu th p th ng qua kết quả trả lời bảng câu h i của các đối tượng khảo sát.
3.4.2.3 Phân tích dữ liệu:
Để có đầy đủ th ng tin cho việc phân t ch dữ liệu, các dữ liệu thu nh n được từ bảng trả lời cần được tiến hành làm sạch th ng tin, mã hóa các th ng tin cần thiết trong bảng trả lời sau đó dữ liệu được nh p và phân t ch b ng phần m m SPSS 20.0.
Sau khi việc chuẩn bị th ng tin hoàn tất, việc phân t ch dữ liệu sẽ được thực hiện như sau:
- Thống kê m tả dữ liệu thu th p được.
- Đánh giá độ tin c y của thang đo th ng qua việc phân t ch hệ số Cronbach’s Alpha :
Hệ số Cronbach’s Alpha càng lớn thì độ tin c y càng cao. Sử dụng phương pháp hệ số tin c y Cronbach’s Alpha trước khi phân t ch nhân tố khám phá EFA để loại các biến kh ng phù hợp vì các biến này có thể tạo ra các yếu tố giả (Nguyễn Đình Th và Nguyễn Thị Mai Trang, 2007). Hệ số tin c y Cronbach’s Alpha chỉ ra r ng các biến đo lường có liên kết với nhau hay kh ng chứ kh ng thể hiện biến nào cần giữ lại biến nào cần b đi. Do đó, việc sử dụng hệ số tương quan biến - tổng sẽ giúp loại ra những biến kh ng đóng góp nhi u cho khái niệm cần đo lường ( Hoàng Tr ng và Chu Nguyễn Mộng Ng c, 2008).
Các tiêu ch sử dụng cho việc đánh giá độ tin c y của thang đo:
+ Hệ số tin c y Cronbach Alpha: Nếu hệ số Cronbach Alpha nh hơn 0.6 là thang đo kh ng thể sử dụng, từ 0.6 đến dưới 0.7 là có thể sử dụng trong trường hợp khái niệm nghiên cứu là mới ho c là mới trong hoàn cảnh nghiên cứu, từ 0.7 đến 0.8 là sử dụng được, lớn hơn 0.8 là thang đo lường tốt (Peterson, 1994). Trong nghiên cứu này tác giả ch n thang đo có độ tin c y từ 0.7 trở lên.
+ Hệ số tương quan biến - tổng: các biến quan sát có tương quan biến tổng nh hơn 0.3 được xem là rác thì sẽ được loại ra.
- Phân t ch nhân tố khám phá EFA:
Phân t ch nhân tố khám phá EFA được dùng sau khi đánh giá độ tin c y Cronbach Alpha.Phân t ch nhân tố EFA dùng để rút g n một t p hợp gồm nhi u biến quan sát thành những yếu tố ch nh dùng trong các phân t ch và kiểm định tiếp theo ( g i là nhân tố). Các nhân tố được rút g n này sẽ có nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung th ng tin của t p biến quan sát ban đầu (Hair và cộng sự, 2006). Phương pháp phân t ch nhân tố EFA được dùng để kiểm định giá trị khái niệm của thang đo (Hoàng Quốc Cường, 2010).
Đối với thang đo đơn hướng thì sử dụng phương pháp tr ch yếu tố Principal Components với phép quay Varimax và điểm dừng khi tr ch các yếu tố Eigenvalues lớn hơn ho c b ng 1. Thang đo chấp nh n khi tổng phương sai tr ch được b ng ho c lớn hơn 50% .Đối với thang đo đa hướng, sử dụng phương pháp tr ch yếu tố là Principal Axis Factoring với phép quay Promax, phương pháp này được cho r ng sẽ phản ánh dữ liệu tốt hơn khi dùng Principal Components với phép quay Varimax (Nguyễn Đình Th , Nguyễn Thị Mai Trang, 2007).
Một số tiêu chuẩn được quan tâm trong phân t ch nhân tố EFA:
+ Chỉ số KMO (Kaiser-Meyer-Olkin measure of sampling adequacy): là một chỉ số được dùng để xem xét sự th ch hợp của phân t ch nhân tố. Trị số của KMO n m trong khoảng từ 0.5 đến 1 là đi u kiện đủ để phân t ch nhân tố là th ch hợp. Nếu chỉ số KMO nh hơn 0.5 thì phân t ch nhân tố có khả năng kh ng th ch hợp với các dữ liệu.
+ Kiểm định Barlett (Bartlett’s test of sphericity) dùng để xem xét các biến trong nhân tố có tương quan với nhau hay kh ng. Nếu kiểm định này có nghĩa (sig. <0.05) thì các biến quan sát có tương quan với nhau trong tổng thể. (Hoàng Tr ng và Chu Nguyễn Mộng Ng c, 2008).
+ Hệ số tải nhân tố (factor loading) biểu diễn tương quan giữa các biến và các nhân tố, cho biết nhân tố và biến có tương quan ch t chẽ với nhau hay kh ng.Hệ tố
tải nhân tố phải lớn hơn ho c b ng 0.5 để đảm bảo mức nghĩa thiết thực của EFA.Các mức giá trị của hệ số tải nhân tố: Mức tối thiểu chấp nh n được phải lớn hơn 0.3, lớn hơn 0.4 là quan tr ng và lớn hơn 0.5 là có nghĩa thực tiễn. Tiêu chuẩn ch n mức giá trị hệ số tải nhân tố: Cỡ mẫu t nhất là 350 thì có thể ch n hệ số tải nhân tố lớn hơn 0.3, nếu cỡ mẫu khoảng 100 thì ch n hệ số tải nhân tố lớn hơn 0.55, nếu cỡ mẫu khoảng 50 thì phải ch n hệ số tải nhân tố lớn hơn 0.75 ( Hair và cộng sự, 2006).
3.4.2.4 Phân tích hồi quy:
Phân t ch tương quan Pearson: được thực hiện giữa biến phụ thuộc và các biến độc l p nh m khẳng định có mối quan hệ tuyến t nh giữa biến phụ thuộc và các biến độc l p, khi đó việc sử dụng phân t ch hồi quy tuyến t nh là phù hợp,nếu có biến độc l p kh ng tương quan với biến phụ thuộc cần xem xét loại b kh i m hình. Đồng thời phân t ch tương quan giúp phát hiện mối tương quan giữa các biến độc l p với nhau, vì những tương quan như v y có thể gây ra hiện tượng đa cộng tuyến ảnh hưởng lớn đến kết quả phân t ch hồi quy (Hoàng Tr ng và Chu Nguyễn Mộng Ng c, 2008).
Phân t ch hồi quy đa biến: để đánh giá mức độ phù hợp của m hình. Các nhà nghiên cứu thường sử dụng hệ số R2
(R Square) để đánh giá mức độ phù hợp của m hình nghiên cứu. Kiểm định F trong bảng phân t ch phương sai sẽ cho biết biến phụ thuộc có mối liên hệ với toàn bộ biến độc l p hay kh ng (Sig. < 0.05, m hình xây dựng phù hợp và ngược lại).
Phân t ch ANOVA: Các phân t ch này nh m đánh giá sự khác biệt giữa các nhân tố, phân t ch ANOVA cho thấy trị số F có mức nghĩa Sig. Nếu Sig. <0.05 thì m hình hồi quy phù hợp với dữ liệu thu th p được và các biến đưa vào đ u có nghĩa thống kê với độ tin c y 95%.
3.5 Kết luận chƣơng 3
Ở chương 3 tác giả trình bày phương pháp thực hiện nghiên cứu. Quá trình nghiên cứu được thực hiện qua hai giai đoạn chính là nghiên cứu sơ bộ và nghiên
cứu chính thức. Ở Giai đoạn nghiên cứu sơ bộ, tác giả sử dụng nghiên cứu định tính thông qua phương pháp thảo luận tay đôi giữa người thực hiện nghiên cứu và đối tượng tham gia khảo sát. Từ kết quả nghiên cứu định tính đã đề xuất ra 6 nhân tố tác động đến quyết định mua sắm cúa người tiêu dùng tại Lazada.vn. Giai đoạn nghiên cứu chính thức được thực hiện bằng nghiên cứu định lượng thông qua phương pháp phỏng vấn cá nhân bằng bảng câu hỏi. Chương 3 cũng trình bày các phần liên quan đến quá trình nghiên cứu định lượng như: thiết kế mẫu, thu thập số liệu, phân tích dữ liệu, phân tích hồi quy. Bên cạnh đó cũng đề cập đến một số khái niệm và tiêu chuẩn trong phân tích dữ liệu.
CHƢƠNG 4: K T QUẢ NGHIÊN CỨU 4.1 Đặc điểm mẫu khảo sát
Mẫu được thu th p theo phương pháp thu n tiện dưới hình thức bảng câu h i khảo sát. Sau khi loại b bảng câu h i được trả lời kh ng hợp lệ (trả lời kh ng đầy đủ tất cả các câu h i, trả lời đồng nhất một đáp án, kh ng đủ đi u kiện tham gia trả lời), còn lại 212 bảng câu h i hợp lệ được đưa vào phân t ch định lượng b ng phần m m SPSS 20.0. Th ng tin thuộc t nh đối tượng nghiên cứu được m tả trong bảng 4.1.
Bảng 4.1 Thông tin mẫu nghiên cứu Nhân tố Đặc điểm Tần số Tỷ lệ (%) Giới tính Nam 102 48,1 Nữ 110 51,9 T NG 212 100 Độ tuổi Dưới 22 32 15,1 Từ 22- dưới 35 110 51,9 Từ 35- dưới 50 61 28,8 Trên 50 9 4,2 T NG 212 100 Thu nhập Dưới 5 triệu 30 14,2 Từ 5-10 triệu 101 47,6 Trên 10 triệu 81 38,2 T NG 212 100
Trong 212 đối tượng hợp lệ thực hiện trả lời câu h i khảo sát:
- Theo Giới t nh thì mẫu tương đối đ u, kh ng có sự chênh lệch quá lớn giữa nam và nữ, trong đó nam chiếm 48,1% và nữ chiếm 51,9%.
- Theo Độ tuổi thì nhóm có độ tuổi Từ 22- dưới 35 chiếm đến 51,9%, kế đến là nhóm Từ 35-dưới 50 chiếm 28,8%, nhóm Dưới 22 chiếm 15,1% và cuối cùng là nhóm Trên 50 chiếm chỉ 4,2%.
- Theo Thu nh p thì nhóm Dưới 5 triệu chiếm 14,2%, nhóm Từ 5-10 triệu
chiếm 47,6% và nhóm Trên 10 triệu thì chiếm 38,2%.
4.2 Đánh giá độ tin cậy của thang đo
4.2.1 Tiêu chuẩn đánh giá:
Đánh giá độ tin c y của thang đo th ng qua việc phân t ch hệ số Cronbach’s Alpha. Hệ số Cronbach’s Alpha càng lớn thì độ tin c y càng cao. Nếu hệ số Cronbach’s Alpha nh hơn 0,6 là thang đo kh ng thể sử dụng, từ 0,6 đến dưới 0,7 là có thể sử dụng trong trường hợp khái niệm nghiên cứu là mới ho c là mới trong hoàn cảnh nghiên cứu, từ 0.7 đến 0.8 là sử dụng được, lớn hơn 0,8 là thang đo lường tốt ( Peterson, 1994).
Hệ số tương quan biến - tổng: các biến quan sát có tương quan biến tổng nh hơn 0,3 được xem là rác thì sẽ được loại ra.
4.2.2 Kết quả phân tích Cronbach’s Alpha
Bảng 4.2 Kết quả phân tích Cronbach’s Alpha
Yếu tố Biến quan sát Trung bình thang đo nếu loại biến Phƣơng sai thang đo nếu loại biến Tƣơng quan biến tổng Cronbach’s Alpha nếu biến
bị loại Mong đợi về giá Gia1 8,38 2,407 ,558 ,583 Gia2 6,96 3,259 ,563 ,630 Gia3 7,54 2,221 ,525 ,647
Hệ số Cronbach’s Alpha của yếu tố: 0,710
Sự hữu ích HI1 12,47 4,961 ,777 ,853 HI2 12,79 4,007 ,795 ,831 HI3 13,12 4,222 ,705 ,869 HI4 12,89 4,196 ,755 ,847
Tính đáp ứng của website Web1 12,08 2,155 ,724 ,837 Web2 12,11 2,135 ,731 ,834 Web3 12,04 2,230 ,727 ,835 Web4 12,07 2,341 ,725 ,837
Hệ số Cronbach’s Alpha của yếu tố: 0,872
Truyền miệng trực tuyến BL1 7,17 2,407 ,738 ,814 BL2 7,10 2,365 ,799 ,759 BL3 7,29 2,424 ,695 ,855
Hệ số Cronbach’s Alpha của yếu tố: 0,865
Sự tin cậy
TC1 7,65 1,879 ,733 ,842
TC2 7,59 1,760 ,770 ,809
TC3 7,63 1,940 ,770 ,811
Hệ số Cronbach’s Alpha của yếu tố: 0,873
Rủi ro
RR1 6,74 2,593 ,538 ,609
RR2 6,89 2,656 ,563 ,579
RR3 6,89 2,742 ,487 ,672
Hệ số Cronbach’s Alpha của yếu tố: 0,710
Quyết định mua sắm QD1 7,80 ,902 ,607 ,671 QD2 7,83 ,884 ,586 ,695 QD3 7,78 ,929 ,595 ,685
Hệ số Cronbach’s Alpha của yếu tố: 0,764
Nhận xét:
Các khái niệm thành phần đ u có hệ số Crombach Alpha lớn hơn 0,7. Trong đó thấp nhất là Mong đợi v giá với hệ số Crombach’s Alpha là 0,710 và cao nhất là Sự hữu ch (0,883). Đi u này cho thấy các biến có mối liên hệ ch t chẽ với nhau trong cùng khái niệm thành phần.
Hệ số tương quan biến-tổng của các biến đ u lớn hơn 0.3, phân bố từ 0,487 đến 0,799 nên chấp nh n các tất cả các biến. Các biến này sẽ được đưa vào phân t ch nhân tố khám phá EFA.
Như v y, sau khi đánh giá độ tin c y thang đo thì m hình gồm 6 yếu tố: Mong đợi v giá, Sự hữu ch, T nh đáp ứng của website, Truy n miệng trực tuyến, Sự tin c y, Rủi ro. Các yếu tố này sẽ được tiếp tục đưa vào phân t ch nhân tố khám phá EFA.
4.3 Phân tích nhân tố khám phá EFA
Các thang đo khái niệm trong m hình đạt yêu cầu trong đánh giá độ tin c y sẽ được tiến hành sử dụng trong phân t ch nhân tố khám phá EFA.
4.3.1 Tiêu chuẩn đánh giá:
Tiến hành phân t ch nhân tố dựa trên một số tiêu chuẩn như sau:
- Kiểm định Giả thuyết các biến quan sát có tương quan với nhau trong tổng thể dựa vào hệ số KMO và kiểm định Barlett. Phân t ch nhân tố là th ch hợp khi hệ số KMO >0,5 và mức nghĩa Barlett < 0,05 (Hair và cộng sự, 2006). - Tiến hành loại các biến quan sát có hệ số tải nhân tố < 0,5 (Hair và cộng sự,
2006).
- Ch n các nhân tố có giá trị Eigenvalues > 1 và tổng phương sai tr ch được > 50% (Gerbing và Anderson, 1988).
4.3.2 Phân tích nhân tố khám phá EFA
Các thang đo khái niệm thành phần trong m hình đạt yêu cầu v hệ số tin c y Cronbach’s Alpha sẽ được sử dụng trong phân t ch nhân tố khám phá EFA với phương pháp tr ch nhân tố Principal Component, phép quay Varimax và điểm dừng khi tr ch các nhân tố có EigenValues ≥ 1 đối với 20 biến quan sát.
Hệ số KMO = 0,768 (>0,5) và kiểm định Bartlett có Sig.= ,000 (<0,05) cho thấy phân t ch EFA là th ch hợp.
Tại Eigenvalues = 1,174 rút tr ch được 6 nhân tố với giá trị tổng phương sai tr ch là 73,689% (>50%), như v y phân t ch nhân tố khám phá đạt yêu cầu.
Bảng 4.3 Kết quả phân tích EFA các biến độc lập Tên Nhân tố Mã biến Nhân tố 1 2 3 4 5 6 Sự hữu ch HI1 ,872 HI2 ,880 HI3 ,823 HI4 ,870 T nh đáp ứng của website Web1 ,842 Web2 ,861 Web3 ,840 Web4 ,831 Sự tin c y TC1 ,862 TC2 ,860 TC3 ,887 Truy n miệng trực tuyến BL1 ,877 BL2 ,910 BL3 ,866
Mong đợi v giá
Gia1 ,820 Gia2 ,800 Gia3 ,745 Rủi ro RR1 ,808 RR2 ,764 RR3 ,733 Eigenvalues 3,818 3,201 2,468 2,355 1,722 1,174 Tổng phương sai tr ch(%) 73,689