3.4.1 Mẫu nghiên cứu
3.4.1.1 Phương pháp chọn mẫu
Do hạn chế về mặt thời gian nên mẫu nghiên cứu được chọn theo phương pháp phi xác suất. Tuy phương pháp này có độ tin cậy không cao, nhưng trong lĩnh vực nghiên cứu về dịch vụ đi chợ online có đối tượng khách hàng vô cùng đa dạng. Việc chọn phương pháp lấy mẫu thuận tiện giúp nghiên cứu vừa đạt được tính chất “bất kỳ” của đối tượng khách hàng sử dụng dịch vụ đi chợ online vừa đạt mục đích tiết kiệm chi phí, rút ngắn thời gian khảo sát.
3.4.1.2 Kích cỡ mẫu nghiên cứu
Kích thước mẫu được lựa chọn ước tính = số biến quan sát x 5 = 27 x 5 = 135 mẫu nhưng để đảm bảo tính đại diện cho nghiên cứu, tác giả dự kiến khảo sát với kích thước mẫu là 400 mẫu, hình thức là phỏng vấn trực tuyến dựa trên bảng câu hỏi đã chuẩn bị sẵn trên Google Form. Bảng câu hỏi được phát ra với ước tính ban đầu có khoảng 80% phiếu khảo sát đạt yêu cầu. Trên thực tế, kết quả thu về từ 418 mẫu có 48 mẫu không hợp lệ (11,5%) do trả lời sai yêu cầu hoặc bỏ sót thông tin và 370 mẫu hợp lệ (88,5%) được sử dụng làm dữ liệu phân tích chính thức ở các phần tiếp theo.
3.4.2 Phương pháp điều tra
Bảng câu hỏi đã được điều chỉnh sẽ được áp dụng cho nghiên cứu chính thức được thực hiện bằng phương pháp nghiên cứu định lượng. Sử dụng công cụ Google Form để khảo sát qua mạng Internet, hội nhóm facebook của các khu dân cư tại Tp.HCMvà gửi đường dẫn đến bảng câu hỏi (link) cho các đối tượng được khảo sát. Thông tin thu thập sẽ được Mã hóa và xử lý bằng phần mềm SPSS 22.0.
3.4 Phương pháp xử lý dữ liệu nghiên cứu
Sau khi hoàn tất việc thu thập dữ liệu, các bảng phỏng vấn chính thức sẽ được tập hợp lại, sau đó tiến hành kiểm tra và loại bỏ các bảng khảo sát không hợp lệ (câu hỏi bị bỏ trống, trả lời sai yêu cầu). Những bảng phỏng vấn hợp lệ sẽ được tiếp tực sử dụng để mã hoá, nhập liệu và làm công tác làm sạch dữ liệu thông qua phần mềm SPSS 22.0 theo tiến trình như sau:
Thống kê mô tả dữ liệu: Sử dụng phương pháp thống kê tần suất để thống kê các nhân tố nhân khẩu học như: giới tính, độ tuổi, kênh dịch vụ từng sử dụng, thu nhập trung bình. Phương pháp thống kê mô tả được sử dụng để phân tích thông tin về đối tượng được khảo sát thông qua giá trị trung bình Mean, giá trị Min – Max, giá trị khoảng cách.
Phân tích hệ số Cronbach’s Alpha : Đề tài nghiên cứu sử dụng hệ số Cronbach's Alpha để kiểm định độ tin cậy của từng thang đo trong các nhân tố ảnh hưởng đến sự hài lòng của khách hàng đối với dịch vụ đi chợ online. Sử dụng phương pháp đo lường độ tin cậy thang đo Cronbach’s Alpha trước khi phân tích EFA để loại các thang đo không phù hợp với mô hình nghiên cứu. Hai điều kiện cần xem xét là hệ số Cronbach’s Alpha phải trên 0.7 và tương quan của mỗi biến quan sát phải trên
0.3. Nếu không đạt một trong hai điều kiện trên tiến hành điều chỉnh và loại để tiếp tục bước tiếp theo..
Phân tích nhân tố khám phá EFA: Sau khi phân tích độ tin cậy của thang
đo Cronbach’s alpha, các thang đo được giữ lại cho bước phân tích nhân tố khám phá EFA để thực hiện gom các biến quan sát lại thành khái niệm phục vụ cho bước phân tích mô hình hồi quy tuyến tính.
Hai giá trị quan trọng trong phương pháp phân tích nhân tố khám phá EFA là giá trị hội tụ và giá trị phân biệt. Sau khi loại các biến có độ tin cậy dưới 0.7, các biến còn lại sẽ tiếp tục được sử dụng để tiến hành phân tích nhân tố khám phá EFA. Kết quả sau khi thực hiện phân tích này để rút gọn một tập biến quan sát gồm các
nhân tố có ý nghĩa hơn so với tập biến ban đầu. Điều kiện cần áp dụng để phân tích nhân tố
là các biến phải có tương quan với nhau. Sử dụng kiểm định Bartlett (Bartlett’s test of sphericity) để kiểm định giả thuyết. “Trong phân tích nhân tố, chỉ số KMO (Kaiser
– Meyer – Olkin) là một chỉ số dùng để xem xét sự thích hợp của việc phân tích nhân tố. Trị số của KMO lớn (giữa 0.5 và 1) là điều kiện đủ để phân tích nhân tố thích hợp, còn nếu như trị số này nhỏ hơn 0.5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu” (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008). Hệ số Eigen Value phải lớn hơn 1. Chỉ những nhân tố nào có Eigen Value lớn hơn 1 mới được giữ lại trong mô hình phân tích. Những nhân tố có Eigen Value nhỏ hơn 1 sẽ không có tác dụng tóm tắt thông tin tốt hơn một biến gốc (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008).
Phương pháp trích hệ số được sử dụng là phương pháp Principal Component với phép xoay nhân tố Varimax thang đo được chấp nhận khi tổng phương sai trích lớn hơn 0.5. Bên cạnh đó, các biến nào có hệ số tải nhân tố Factor loading nhỏ hơn 0,5 sẽ bị loại (Hair và cộng sự, 2006). Đồng thời sự khác biệt hệ số tải nhân tố Factor loading của một biến quan sát giữa các nhân tố phải ≥ 0,3 để tạo giá trị khác biệt giữa các nhân tố (Jabnoun và Altamimi, 2003). Tóm lại, trong bước phân tích nhân tố khám phá EFA cần phải đáp ứng các điều kiện như sau:
• Factor Loading > 0,5
• 0,5 < KMO < 1
• Kiểm định Bartlett có Sig < 0,05
• Eigenvalue > 1
Các kết quả này sau bước phân tích nhân tố EFA sẽ được dùng để hiệu chỉnh mô hình và các giả thuyết nghiên cứu cho phân tích hồi quy tuyến tính.
Phân tích tương quan
Các thang đo nghiên cứu sau khi được đánh giá đạt yêu cầu về giá trị sẽ được tiếp tục đưa vào phân tích tương quan và sau đó là phân tích hồi quy để kiểm định các giả thuyết.
Phân tích tương quan Pearson được thực hiện nhằm khẳng định mối quan hệ tuyến tính giữa biến phụ thuộc và các biến độc lập theo từng đôi một với nhau, khi có xuất hiên tương quan có ý nghĩa thì việc sử dụng các biến này cho bước phân tích hồi quy tuyến tính là phù hợp. Phân tích tương quan Pearson còn giúp cho việc phát hiện những mối tương quan chặt chẽ giữa các biến độc lập giúp phát hiện các biến gây ra hiện tượng đa cộng tuyến, ảnh hưởng lớn đến kết quả hồi quy. Với phân tích hồi quy tuyến tính, chúng ta có thêm giả định là các biến độc lập không có quan hệ hoàn toàn, nghĩa là hệ số tương quan r của các cặp biến độc lập phải khác với 1. Trong thực tiễn nghiên cứu, các biến trong một mô hình thường có quan hệ nhưng vẫn phải có giá trị phân biệt với nhau.
Phân tích hồi quy tuyến tính
Phân tích hồi quy là một phân tích thống kê để xác định xem các biến độc lập quy định các biến phụ thuộc như thế nào.
Các hệ số cần lưu ý trong phân tích hồi quy:
- Giá trị R bình phương hiệu chỉnh (Adjusted R Square), điều kiện để mô hình có ý nghĩa đề xuất hàm ý quản trị là giá trị này phải trên 50%. Vì R bình phương hiệu chỉnh là trị số phản ánh mức độ ảnh hưởng của các biến độc lập lên biến phụ thuộc.
- Giá trị Sig. của kiểm định F phải < 0.05.Giá trị F trong bảng ANOVA là để kiểm tra xem mô hình hồi quy tuyến tính này có thể suy rộng và áp dụng cho tổng thể nghiên cứu được hay không.
- Hệ số hồi quy chuẩn hóa Beta cho thấy mức độ tác động của biến độc lập lên biến phụ thuộc. Biến độc lập nào có Beta lớn nhất thì ảnh hưởng nhiều nhất đến sự thay đổi của biến phụ thuộc.
- Cuối cùng tiến hành kiểm tra sự xuất hiện của vi phạm các giả định cần thiết trong hồi quy tuyến tính: Giả định liên hệ tuyến tính, giả định về phân phối chuẩn của phần dư, giả định về tính độc lập của sai số, hiện tưởng đa cộng tuyến để đảm bảo độ tin cậy của mô hình hồi quy tuyến tính.
TÓM TẮT CHƯƠNG 3
Mục tiêu chính của chương này là khái quát về quy trình nghiên cứu của đề tài cũng như những phương pháp được sử dụng trong quá trình thực hiện, với hai phần chính là thiết kế nghiên cứu và phương pháp phân tích nghiên cứu dữ liệu thống kê. Qua nghiên cứu sơ bộ điều chỉnh đã xây dựng thang đo và bảng câu hỏi khảo sát chính thức cho bài nghiên cứu. Với lý do khách quan là hạn chế về kinh phí cũng như trong tình hình dịch bệnh căng thẳng, đề tài đã sử dụng phương pháp chọn mẫu phi xác xuất, với hình thức lấy mẫu thuận tiện bằng bảng câu hỏi trực tuyến trên Googleform - được gửi trực tiếp đến các hội nhóm dân cư sinh sống tại thành phố Hồ Chí Minh bằng đường link kết nối với bảng câu hỏi. Tiếp đó, tiến hành xử lí và mã hóa dữ liệu thu thập được để sẵn sàng cho quá trình phân tích dữ liệu bằng phần mềm SPSS 22.0.
Đề tài kiểm định độ tin cậy của thang đo bằng hệ số Cronbach's Alpha và phương pháp phân tích nhân tố khám phá EFA để rút gọn và loại những thang đo hoặc biến không phù hợp với mô hình, phân tích hồi quy tuyến tính trong mô hình cho biết hệ số tương quan giữa các biến trong mô hình nhằm xác định mức độ kết hợp tuyến tính giữa biến độc lập và biển phụ thuộc. Sau khi có được kết quả khảo sát sẽ tiến hành phân tích kết quả ở chương tiếp theo.
CHƯƠNG 4. KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN 4.1 Thông kê mô tả mẫu nghiên cứu
Nghiên cứu này sử dụng phương pháp thống kê tần số dựa trên các thông tin bao gồm: giới tính, độ tuổi, kênh cung cấp dịch vụ thường sử dụng và mức thu nhập. Số liệu cụ thể sau khi thực hiện thống kê mô tả được trình bày trong bảng sau:
Bảng 4. 1 Thống kê mô tả biến định tính THÔNG
TIN NỘI DUNG
SỐ LƯỢNG % GIỚI TÍNH NamNữ 102268 27.6%72.4% ĐỘ TUỔI 18 đến 25 tuổi 70 18.9% 25 đến 40 tuổi 254 68.6% Trên 40 tuổi 46 12.4% KÊNH MUA SẮM
Trang web, ứng dụng của siêu thị, bách hóa (coop mart, BigC, lotte, vinmart, bách hóa
xanh) 164 44.3%
ứng dụng xe ôm công nghệ, giao hàng thức ăn (grabmart, bee, gomart, Nowship,
Loship) 132 35.7%
Đặt hàng qua ứng dụng thương mại điện
tử (shopee, tiki Fresh) 55 14.9%
Trang web, ứng dụng phụ giúp việc nhà
(btaskee) 19 5.1% THU NHẬP Dưới 6 triệu 53 14.3% Từ 6 đến 10 triệu 109 29.5% Trên 10 triệu 208 56.2%
Nguồn: Kết quả tính toán từ SPSS
Giới tính: Trong 370 mẫu quan sát, kết quả thu được về giới tính thì Nữ chiếm đa số với tỷ lệ 72.4%, trong khi đó khách hàng Nam chỉ chiếm 27.6% . Có thể nhận định rằng nữ giới thường đảm nhiệm việc mua sắm các sản phẩm phục vụ cho nhu cầu thiết yếu trong gia đình nên chiếm tỉ lệ cao hơn.
Độ tuổi: Qua kết quả khảo sát cho thấy khách hàng được khảo sát được phân thành 02 nhóm rõ rệt. Nhóm thứ nhất chiếm tỷ trọng thấp là nhóm từ 18 đến 25 tuổi và trên 40 tuổi với tỉ lệ lần lượt là 18,9% và 12,4%. Nhóm thứ 2 là đối tượng có độ
tuổi từ 25 đến 30 tuổi chiếm tỷ trọng cao đến 68.8% vì nhóm này đa phần là những người trẻ đã có công việc ổn định và sẵn sàng chi tiêu cho các tiện ích của dịch vụ đi chợ online.
Kênh cung cấp dịch vụ “đi chợ online” thường sử dụng: Qua kết quả khảo sát về việc sử dụng kênh đi chợ online của khách hàng cho 2 nhóm phân biệt. Nhóm thứ nhất chiếm tỷ trọng thấp là nhóm khách hàng sử dụng dịch vụ “đi chợ online” thông qua các trang thương mại điện tử 11,4% và khách hàng sử dụng trang web, ứng dụng phụ giúp việc nhà 3,8%. Nhóm thứ 2 là những kênh cung cấp dịch vụ được ưa chuộng hơn bao gồm trang web, ứng dụng của siêu thị, cửa hàng bách hóa 44.3% ứng dụng xe ôm công nghệ, giao thức ăn 35.7%.
Thu nhập: Trong 370 mẫu quan sát, kết quả thu được về thu nhập của khách hàng thì khách hàng có thu nhập trên 10 triệu chiếm đa số với tỷ lệ 56,2% tiếp theo là nhóm khách hàng có mức thu nhập từ 6 đến 10 triệu đây là nhóm khách hàng có mức thu thập ổn định chiếm 29.5%, Nhóm khách hàng còn lại có thu nhập dưới 6 triệu chiếm 14.3% với mức thu nhập này đa phần họ sẽ ưu tiên mua trực tiếp tại cửa hàng hơn là sử dụng dịch vụ
4.2 Kết quả kiểm định độ tin cậy của thang đo
Nghiên cứu đã thực hiện bước đánh giá độ tin cậy của thang đo với mục đích tìm và loại bỏ những biến không phù hợp với mô hình nghiên cứu, để có được dữ liệu không gây nhiễu cho những bước nghiên cứu tiếp theo.
Điều kiện đưa ra là hệ số Cronbach‟s alpha sẽ phải lớn hơn 0,7 và và hệ số tương quan của thang đo phải lớn hơn 0.3. Khi đó thang đo sẽ được giữ lại tiếp tục cho bước phân tích nhân tố EFA. Nếu không thỏa mãn điều kiện, thang đo đó buộc phải bị loại khỏi mô hình nghiên cứu và tiến hành chạy lại độ tin cậy.
Bảng 4. 2 Kết quả định độ tin cậy của thang đo
Biến quan sát Tương quan biếntổng Cronbach’s anphanếu loại biến này Tin Cậy ( TC ) Cronbach’s anpha = 0.736
TC1 0.516 0.699
TC2 0.599 0.602
TC3 0.568 0.641
Thời Gian Giao hàng ( TGGH ) Cronbach’s anpha = 0.738
TGGH1 0.487 0.737
TGGH2 0.596 0.611
TGGH3 0.607 0.598
Năng Lực Phục Vụ ( NLPPV ) Cronbach’s anpha = 0.816
NLPV1 0.677 0.741
NLPV2 0.693 0.720
NLPV3 0.638 0.779
Tiện Ích ( TI ) Cronbach’s anpha = 0.826
TI1 0.785 0.726
TI2 0.581 0.814
TI3 0.524 0.847
TI4 0.765 0.734
An Toàn ( AT ) Cronbach’s anpha = 0.709
AT1 0.537 0.608
AT2 0.581 0.557
AT3 0.470 0.691
Trang Bị ( TB ) Cronbach’s anpha = 0.783
TB1 0.611 0.717
TB2 0.661 0.664
TB3 0.593 0.738
Sự hài lòng của khách hàng ( SHL) Cronbach’s anpha = 0.778
SHL1 .586 .722
SHL2 .646 .691
SHL3 .610 .709
SHL4 .491 .770
Nguồn: Kết quả tính toán từ SPSS
Qua kết quả phân tích độ tin cậy ở bảng trên cho thấy các thang đo đều có giá trị Cronbach‟s anpha lớn hơn 0.7 và tất cả hệ số tương quan biến tổng ghi nhận được đều lớn hơn 0.3. Cho thấy các thang đo và biến đề xuất là phù hợp được giữ lại để tiến hành bước nghiên cứu tiếp theo.
Trong đó, Thang đo NLPV và TI là những thang đo có độ tin cậy ở mức cao do có giá trị Cronbach‟s anpha trong khoảng từ 0.8 đến 0.9. Các thang đo còn lại gồm TC, TGGH, AT,TB, SHL có độ tin cậy nằm ở mức chấp nhận được trong do có giá trị Cronbach‟s anpha trong khoảng từ 0.7-0.8. Riêng thang đo AT có hệ số Cronbach‟s anpha = 0.709 gần với mức 0.7 nên khá lưu ý với thang đo này.
Nhìn chung các biến quan sát đều đủ điều kiện được tiếp tục đưa vào mô hình nghiên cứu làm dữ liệu chính thức. Như vậy, qua kết quả kiểm tra độ tin cậy của thang đo, có 23 biến quan sát của 7 thang đo sẽ được đưa vào bước phân tích nhân tố khám phá EFA.
4.3 Kết quả phân tích nhân tố khám phá (EFA)
Phân tích nhân tố khám phá EFA, dùng để kiểm tra giá trị hội tụ và giá trị phân biệt của từng thang đo. Trong đó hệ số KMO (Kaiser-Meyer-Olkin) cho thấy mức độ thích hợp của các nhân tố đề xuất trong nghiên cứu. Dưới đây là kết quả sau khi chạy phân tích nhân tố EFA bằng phần mềm SPSS.
Kết quả sau khi tiến hành phân tích nhân tố khám phá EFA cho thấy hệ số KMO = 0.696 > 0.5 vượt qua kiểm định Barlett’s ở mức ý nghĩa 0.000 (0% sai số). do đó phân tích nhân tố là phù hợp.
Bảng 4. 3. Kết quả Giải thích tổng phương sai biến độc lập Kaiser-Meyer-Olkin Measure of Sampling Adequacy = 0.696
Component
Initial Eigenvalues
Total Variance% of Cumulative %