Mô hình phương trình cấu trúc bình phương tối thiểu từng phần (Partial Least Squares SEM hay viết tắt là PLS-SEM) không kiểm tra được hệ số đường dẫn (Path coefficient) có ý nghĩa thống kê hay không, bởi vì PLS-SEM không có giả định phân phối chuẩn cho dữ liệu. Vì vậy, để đánh giá tầm quan trọng của hệ số đường dẫn cần sử dụng bootstrapping để kiểm tra. Quy trình bootstrap được sử dụng với mục đích tính sai số chuẩn của hệ số ước tính nhằm mục đính kiểm tra ý nghĩa thống kê. Bootstrap là một cách tiếp cận lấy mẫu ngẫu nhiên từ các dữ liệu và sử dụng các mẫu này để ước tính mô hình đường dẫn nhiều lần dưới sự thay đổi của dữ liệu (Hair và cộng sự, 2013). Số lượng mẫu bootstrap tối thiểu là 5.000 và số lượng các trường hợp phải bằng số lượng quan sát trong mẫu ban đầu. Quá trình bootstrap sẽ tạo ra số liệu T-statistics để kiểm tra ý nghĩa đường dẫn của mô hình. Trong nghiên cứu này, tác giả đã sử dụng 300 điểm dữ liệu trên 5000 mẫu được lấy từ dữ liệu ban đầu để tính giá trị T-values để kiểm tra mức độ quan trọng của đường dẫn cấu trúc. Khi các mối quan hệ nằm trong khoảng tin cậy 95%, tức là có ý nghĩa thống kê 0.005 thì giá trị T-value (T-statistics) cần ≥ 1.96 là đạt yêu cầu. Cụ thể, giá trị t-values cho thử nghiệm two-tails có giá trị lần lượt là 1,65 (mức ý nghĩa mức = 10 phần trăm), 1,96 (mức ý nghĩa = 5 phần trăm) và 2,58 (mức ý nghĩa = 1 phần trăm) (Joe và cộng sự, 2011).
Đầu tiên, tác giả cần kiểm tra trị số P-value để kiểm định các giả thuyết và đánh giá độ tin cậy của các giả thuyết này. Theo Hair và cộng sự (2013) thì giá trị P-value càng cao thì độ tin cậy của giả thuyết càng thấp, các giá trị bé hơn 0.005 thì được xem là phù hợp để đánh giá giá trị của mô hình nghiên cứu. Đồng thời, tác giả kiểm tra chỉ số Effect Size f square, chỉ số này được hiểu là để đánh giá hệ số R2 khi có sự loại bỏ một biến độc lập và xem xét mức độ quan trọng của biến độc lập đó với biến phụ thuộc. Theo Cohen (2010) thì chỉ số này đo lường mức độ tác động của biến độc lập đến biến phụ thuộc lần lượt theo các mức độ tác động ít, vừa và mạnh tương ứng với các giá trị f
square là 0.02, 0.15 và 0.35, trong đó nếu các tác động có f square bé hơn 0.02 thì có thể kết luận rằng tác động rất ít hoặc không tác động.
Bảng 4.7: Giá trị trị số P-value và T Statistics
Sự tác động T Statistics P Values F Square Dịch vụ khách hàng (CS) -> Sự hài lòng khách hàng (SAT) 3.274 0.001 0.037 Dịch vụ đổi trả (RT) ->Sự hài lòng khách hàng (SAT) 4.818 0.000 0.072
Sự hài lòng khách hàng (SAT) -> Ý định tái mua hàng (FPI)
12.693 0.000 0.434
Dịch vụ giao hàng (SP) -> Sự hài lòng khách hàng (SAT)
4.357 0.000 0.071
Dịch vụ theo dõi đơn hàng (TR) -> Sự hài lòng khách hàng (SAT)
5.394 0.000 0.109
(Nguồn: Tác giả tổng hợp)
Dựa vào kết quả ở bảng 4.7, ta có thể thấy rằng các trị số P values của các giả thuyết đều bé hơn 0.005 nên có thể kết luận rằng các giả thuyết H1, H2, H3, H4, H5 đều có thể tin cậy. Đồng thời, các chỉ số T statistics đều lớn hơn 1.96 và có sự tác động của biến sự hài lòng khách hàng lên biến ý định mua hàng trong tương lai (giả thuyết H5) có chỉ số này là 12.693 là lớn nhất và sự tác động của biến dịch vụ khách hàng lên sự hài lòng khách hàng (giả thuyết H1) là nhỏ nhất là 3.274 tương ứng với độ tin cậy khoảng 99%.
Tương tự, mức độ tác động của biến dịch vụ theo dõi đơn hàng (TR) lên biến sự hài lòng khách hàng (SAT) khi đã loại các thang đo với chỉ số loadings bé hơn 0.7 là
0.109, chứng tỏ biến TR tác động tích cực trung bình lên biến SAT và là biến có tác động nhiều nhất trong các biến còn lại là dịch vụ khách hàng (CS), dịch vụ giao hàng (SP), dịch vụ đổi trả hàng (RT) với f square lần lượt là 0.037, 0.071, 0.072, với chỉ số f square lớn hơn 0.02 và bé hơn 0.15 chứng tỏ các biến CS, RT, SP sau khi đã loại thang đo có tác động từ thấp đến trung bình đến biến SAT. Cuối cùng, với chỉ số f square là 0.434 thì sự tác động của biến SAT lên biến FPI là tương đối cao (lớn hơn 0.35).
Tiếp theo, mối quan hệ tác động cả trực tiếp và gián tiếp sẽ được trình bày, trong đó hệ số đường dẫn, độ lệch chuẩn và giá trị T Statistics sẽ được phân tích ở bảng 4.8.
Bảng 4.8: Giá trị T Statictics, hệ số đường dẫn, và độ lệch chuẩn của các biến
Hệ số đường dẫn (Path coefficient) Độ lệch chuẩn T Statistics P Values CS -> SAT 0.161 0.049 3.274 0.001 CS -> SAT -> FPI 0.089 0.029 3.111 0.002 CS -> FPI 0.089 0.029 3.111 0.002 SP -> SAT 0.229 0.052 4.357 0.000 SP -> SAT -> FPI 0.126 0.031 4.006 0.000 SP -> FPI 0.126 0.031 4.006 0.000 TR -> SAT 0.286 0.053 5.394 0.000 TR -> SAT -> FPI 0.157 0.032 4.89 0.000 TR -> FPI 0.157 0.032 4.89 0.000 RT -> SAT 0.239 0.05 4.818 0.000 RT -> SAT -> FPI 0.132 0.03 4.363 0.000 RT -> FPI 0.132 0.03 4.363 0.000 SAT-> FPI 0.550 0.053 5.394 0.000 (Nguồn: Tác giả tổng hợp)
Dựa vào kết quả ở bảng 4.8, ta có thể thấy được, giá trị T Statistics và P values của cả các mối quan hệ trực tiếp và gián tiếp đều lớn hơn 1.96 và bé hơn 0.005. Điều đó thể hiện rằng, các giả thuyết từ H1 đến H5 đều có giá trị tin cậy và được kiểm chứng bởi số liệu. Cụ thể, ở giả thuyết H1: Dịch vụ khách hang (CS) tác động tích cực đến sự hài
lòng của khách hàng (SAT) có T Statistics là 3.274 và hệ số đường dẫn là 0.161; tương tự ở giả thuyết H2. Dịch vụ giao hang (SP) tác động tích cực đến sự hài lòng của khách hang (SAT) có T Statistics là 4.357 và hệ số đường dẫn là 0.229; giả thuyết H3: Dịch vụ theo dõi đơn hàng (TR) tác động tích cực lên sự hài lòng của khách hang (SAT) có T Statistics là 5.394 và hệ số đường dẫn là 0.286; giả thuyết H4. Dịch vụ đổi trả hàng (RT) tác động tích cực lên sự hài lòng của khách hàng (SAT) có T Statistics là 4.818 và hệ số đường dẫn là 0.239; giả thuyết H5. Sự hài lòng của khách hàng (SAT) có liên quan tích cực đến việc mua sắm trực tuyến trong tương lai (FPI) có T Statistics là 5.394 và hệ số đường dẫn là 0.550. Tóm lại, các giả thuyết từ H1 đến H5 đều có độ tin cậy và được chấp thuận.