Bước 1: Bước 3: Bước 2:
Sơ đồ 3.1. Quy trình nghiên cứu 3.5. Thao tác hóa
Thao tác hóa được định nghĩa là các cấu trúc lý thuyết thành các khải niệm có thể
tính toán được và có thể được khái niệm hóa thành các câu hỏi liên quan đến nghiên cứu
(Neuman, 2003; Bryman & Bell, 2011; Saunders, Lewis & Thornhill, 2016). Bảng 1 đại diện cho bảng hoạt động thao tác hóa, bao gồm bảy biến ở dạng lý thuyết và định nghĩa của chúng cùng với tất cả các câu hỏi.
2 GT2 Tôi tin doanh nghiệp X cung cấp dịch
vụ tốt nhất đến khách hàng của họ 3 GT3 Tôi có thê tiếp cận doanh nghiệp X
24/7
4 GT4 Tôi tin doanh nghiệp X đóng góp cho xã hội và thê hiện trách nhiệm xã hội của công ty
TS Thang đo về Tài sản thương hiệu Farquhar (1989) Rust và cộng sự., (2ÕÕÕ)
5 TSĩ Tôi tin doanh nghiệp X là một thương
hiệu mạnh
6 Ts2 Tôi rất tin tưởng doanh nghiệp X. 7 TS3 Tôi tin doanh nghiệp X sẽ có những
dịch vụ mới trong tương lai.
MQH Thang đo về Giá trị mối quan hệ Ndubisi (2ÕÕ7) Richards và Jones (2ÕÕ8)
8 MQHĩ Tôi được cam kết với doanh nghiệp X.
9 MQH2 Tôi tin doanh nghiệp X biết cái tôi cần
và yêu cầu.
ĩõ- MQH3 Tôi tin tôi dễ dàng quan hệ tốt với doanh nghiệp X.
1Γ- MQH4 Tôi nghĩ tôi có thê có mối quan hệ lâu
dài với doanh nghiệp X.
(1986). 13- TT2 Tôi nghĩ các trang mạng xã hội của
doanh nghiệp X cung cấp thông tin đúng lúc.
14
~ TT3 Tôi nghĩ tất cả thông tin trên trang mạng xã hội của doanh nghiệp X rất dễ hiểu.
CMCQ Thang đo về Chuẩn chủ quan Chang (1998),
Shimp và Kavas (1984), Vallerand
(1992) và
Tarkiainenand Sundqvist (2005) 15- CMCQ1 Gia đình tôi ảnh hưởng đến tôi trong
việc lựa chọn dịch vụ của doanh nghiệp X.
16- CMCQ2 Bạn bè tôi ảnh hưởng đến tôi trong việc lựa chọn dịch vụ của doanh nghiệp X.
ỸT
~ CMCQ3 Tôi có ý định sử dụng dịch vụ doanhnghiệp X vì đó là xu hướng hiện nay. 18
^^ CMCQ4 Tôi có ý định sử dụng dịch vụ doanhnghiệp X vì phù hợp văn hóa xã hội.
NT Thang đo về Nhận thức sự hữu ích Pfeffer (1982); Schein (1980); Vroom (1964). 19- NT1 Tôi nghĩ doanh nghiệp X cung cấp
những sản phẩm mang nội dung giải trí.
doanh nghiệp X.
21 NT3 Tôi nghĩ doanh nghiệp X đã giúp tôi tiết kiệm thời gian tìm kiếm.
YD Thang đo về Ý định mua hàng Shah và cộng sự, (2012).
22 YD1 Tôi rất hứng thú khi sử dụng dịch vụ của doanh nghiệp X
23 YD2 Tôi sẵn sàng giới thiệu dịch vụ này đến người thân và bạn bè sử dụng 24 YD3 Tôi sẵn sàng tiếp tục sử dụng dịch vụ
của doanh nghiệp X trong thời gian tới.
25 YD4 Tôi sẵn lòng trả giá cao cho dịch vụ của doanh nghiệp X.
cho
nhà nghiên cứu khi đưa ra kết luận của quá trình thu thập dữ liệu. Điều quan trọng là phải mã hóa một danh sách các biến, giá trị và nhãn bất cứ khi nào bạn sử dụng các chương trình thống kê như SPSS (Ayiro, 2012). Các nhà nghiên cứu đã kiểm tra tần số, điểm cao, điểm thấp và các điểm ngoại lệ để đảm bảo dữ liệu sạch. Điều này được thực hiện để tránh kết quả và dữ liệu sai lệch cho nghiên cứu (Hair, 2010). Khi các nhà nghiên
cứu chèn dữ liệu vào SPSS, bảng câu hỏi của người trả lời được ghi lại bằng số để các nhà nghiên cứu dễ dàng theo dõi mục cụ thể nào của bảng câu hỏi đã điền, được kết nối với số người tham gia khảo sát. Đề tài nghiên cứu có 300 người trả lời đã tham gia trả
<0.6 Yếu
lời vào bảng câu hỏi một cách chính xác. Nghiên cứu này đã sử dụng thang đo likert nằm
trong khoảng từ 1-5 trong đó 1 là bằng với hoàn toàn không đồng ý và 5 là bằng với hoàn
toàn đồng ý trong đó 3 là lập trường trung lập đối với câu hỏi. Điều này là để đo lường tất cả các biến phụ thuộc và độc lập.
3.6.2. Phân tích thống kê miêu tả
Thống kê mô tả là kỹ thuật mô tả tổng quát về đặc điểm của mẫu nghiên cứu và kết quả khảo sát có được (Gravetter và Wallnau, 2013; Bryman và Bell, 2011). Ví dụ mẫu khảo sát có bao nhiêu nam, bao nhiêu nữ, có bao nhiêu người tại Thành phố Hồ Chí
Minh hay các khu vực khác, điểm trung bình đánh giá câu hỏi A nào đó rơi vào bao nhiêu trên Likert 1-5, ...
Các nhà nghiên cứu đã kiểm tra skewness và kurtosis để hiểu hình dạng của dữ liệu và đảm bảo dữ liệu được phân phối có liên quan. Theo Malhotra và Birks (2007), phân phối dữ liệu có thể đối xứng hoặc lệch. Khi giá trị skewness của dữ liệu là âm thì biểu thị độ lệch âm. Điều tương tự cũng xảy ra khi skewness dương thì dữ liệu bị lệch dương (Hair và cộng sự, 2006; Malhotra và Birks, 2007). Kurtosis đo độ phẳng tương đối của một đường cong được xác định bởi phân bố tần số. Kurtosis của phân phối chuẩn
bằng 0, trong khi kurtosis dương liên quan đến phân phối phẳng. Giá trị âm có nghĩa là phân phối phẳng hơn phân phối chuẩn. Theo Hair, (2010) kurtosis lý tưởng là giữa ± 3.
Thống kê mô tả sẽ gồm thống kê trung bình và thống kê tần số. Bài nghiên cứu đã áp dụng Thống kê trung bình cho các biến sử dụng thang đo Likert bao gồm các: hoạt
động truyền thông marketing xã hội, giá trị của tổ chức, tài sản thương hiệu, giá trị mối quan hệ, ý định mua hàng, đa dạng thông tin.
3.6.3. Phân tích tương quan hạng Pearson và nhân tố khám phá EFA
Trong thống kê, hệ số tương quan có ý nghĩa đặc biệt quan trọng. Tương quan hiểu một cách nôm na là mối quan hệ tương đối giữa các biến. Điều này có nghĩa là các biến có quan hệ với nhau trong một số điều kiện nhất định chứ không phải trong mọi trường hợp (quan hệ tuyệt đối). Việc kiểm tra hệ số Pearson trong bài này này kiểm định
các biến độc lập không tác động lẫn nhau, hệ số Pearson < 0.8, đối với những biến có hệ
số lớn hơn sẽ bị loại khỏi mô hình khi phân tích hồi quy.
Đồng thời việc phân tích EFA cùng với độ tin cậy thang đo bằng cronbach’s alpha
để chắc chắn các biến đưa vào mô hình hồi quy đều có nghĩa.
0.8 đến <0.9 Rất tốt
hiệu rõ ràng về mức độ mà biến phụ thuộc bị ảnh hưởng bởi biến độc lập (Bryman & Bell, 2015). Các nhà nghiên cứu đã sử dụng phân tích hồi quy để kiểm tra giả thuyết. Giá trị p-value được coi là tiêu chí xác định xem phép hồi quy được chấp nhận hay bị từ chối. Khi mức ý nghĩa bằng 0,05 hoặc thấp hơn, giả thuyết được coi là được chấp nhận. Điều này có nghĩa là có một mối quan hệ giữa hai biến. Hệ số R bình phương hay hệ số xác định (r2) được sử dụng trong quá trình phân tích hồi quy vì nó đo lường độ biến thiên của một biến có thể được giải thích bởi biến kia (Malhotra, 2010).
Kỹ thuật này được áp dụng cho tất cả các biến độc lập để đảm bảo kết quả là đáng
tin cậy. Các giá trị bên ngoài và các giả định khác có thể ảnh hưởng đến hồi quy. Nghiên
cứu này nhằm mục đích xem ảnh hưởng của các biến độc lập đến biến phụ thuộc và xem
chúng ảnh hưởng lẫn nhau ở mức độ nào. Do đó, phân tích hồi quy đã được áp dụng để cho phép một cái nhìn rộng về sự liên kết và những gì ảnh hưởng đến các biến này.
KẾT LUẬN CHƯƠNG 3
Chương 3 tác giả đã trình bày các vấn đề về thiết kế nghiên cứu, xây dựng thang đo và bảng câu hỏi, thiết kế mẫu, quy trình nghiên cứu, cách thức thu thập và xử lý dữ liệu,. Đồng thời, dựa trên nền tảng cơ sở lý thuyết và các nghiên cứu thực nghiệm liên quan trước đây, tác giả phân tích dữ liệu và kiểm định các giả thuyết
CHƯƠNG 4:
KẾT QUẢ NGHIÊN CỨU
Trong chương này sẽ mô tả chi tiết kết quả dữ liệu và phân tích dữ liệu từ phần mềm SPSS. Kết quả về nhân khẩu học và phân tích mô tả là phần đầu của chương, sau đó sẽ là độ chính xác, độ tin cậy và phân tích hồi quy dẫn đến việc kiểm chứng các giả thuyết của nghiên cứu.
4.1. Kết quả về nhân khẩu học
Tổng số người tham gia khảo sát trong bài nghiên cứu này là 221 và toàn bộ đều là khảo sát hợp lệ phù hợp với yêu cầu nghiên cứu của đề tài. Tất cả câu hỏi nghiên cứu đều được trả lời đầy đủ và chính xác. Ở phần nhân khẩu học, tổng cộng có 29.4% là nam
và 70.6% là nữ, độ tuổi tham gia khảo sát nhiều nhất ở nhóm 18-25 chiếm 76,4%, nhóm 26-35 chiếm 17.3% và 36-55 là 6,4%. Tình trạng hôn nhân trong bài nghiên cứu này nhóm độc thân chiếm ưu thế cao nhất so với hai nhóm còn lại, chiếm 78.2%. Về nghề nghiệp, nhóm tham gia nhiều nhất là học sinh, sinh viên chiếm (63.2%), nhóm người kinh doanh chiếm (19.1%) và các ngành nghề khác được thể hiện chi tiết ở bảng 3 trong phần phụ lục.Về dịch vụ truyền hình sử dụng , Viettel chiếm đa số (29.1%) và tiếp sát theo đó là Fpt (28.2%). Các mục còn lại thể hiện ở phần phụ lục
4.2. Thống kê mô tả
Thống kê mô tả là phân tích để thấy rõ giá trị nhỏ nhất, lớn nhất, giá trị trung bình,
độ lệch chuẩn, skewness và kurtosis (Bryman và Bell, 2011). Nói chung, một bảng được
thực hiện để đơn giản hóa sự hiểu biết về các số khác nhau (Cooper và Schindler, 2014).
Cả biến phụ thuộc và độc lập đều nằm trong khoảng từ 1 đến 5 trên thang đo Likert. Giá
trị trung bình cao nhất là Giá trị mối quan hệ (4,2899), trong khi giá trị trung bình thấp nhất là Ý định sử dụng (3,7466) với độ lệch các biến dao động từ 0,0088 - 0,5433 với mức thấp nhất là độ lệch so với Ý định sử dụng và cao nhất là Giá trị mối quan hệ. Các giá trị độ lệch phải nằm trong khoảng ±1, trong khi kurtosis nên nằm trong khoảng ±3. Vì thế, tất cả các số liệu trong bảng bên dưới đều nằm trong phạm vi chấp nhận được. Tất cả các số liệu tính toán đều đạt yêu cầu và có độ phân phối chuẩn. Tất cả được thể hiện phụ lục 2.
4.3. Đo lường hiệu quả4.3.1. Kiểm tra độ tin cậy 4.3.1. Kiểm tra độ tin cậy
Để kiểm chứng độ tin cậy của nghiên cứu và các yếu tố trong khái niệm, chúng ta áp dụng kiểm tra về chỉ số Cronbach’s alpha (Bryman và Bell, 2011; Ayiro, 2012). Mỗi biến và giá trị chỉ số phải đạt trong khoảng từ (0,6 - 0,9) là khoảng được chấp nhận đối với Cronbach’s Alpha và cả độ tin cậy.
Giá trị mối quan hệ 0.832 ^4 Biến độc lập
Đa dạng thông tin 0.881 Biến độc lập
Chuẩn chủ quan 0.893 ^4 Biến độc lập
Nhận thức sự hữu
ích 0.661 Biến độc lập
Bartlett's Test of Sphericity
If 3^
0.000 Chỉ tiêu Eigenvalues Tổng bình phương hệ số tải
trích được Compo
nent Tổngcộng Phươngsai Phương saitrích Tổngcộng Phươngsai Phương sai 1 5.73 7 8 22.94 8 22.94 5.737 8 22.94 8 22.94 2 4.60 4 7 18.41 5 41.36 4.604 7 18.41 5 41.36 3 1.73 8 2 6.95 7 48.31 1.738 6.952 7 48.31
(Nguồn: Kết quả phân tích của tác giả trích xuất từ SPSS 16.0)
Kết quả phân tích chỉ số Cronbach’s alpha trong bảng 4.1 cho thấy độ tin cậy của
tất cả các biến đều có hệ số tương quan biến tổng > 0,6 đạt yêu cầu. Các biến này sẽ được sử dụng để tiến hành các kiểm định tiếp theo.
4.3.2. Giá trị phân biệt và phân tích nhân tố EFA
Bảng 4.2. Kiểm định KMO & Bartlett's
(Nguồn: Kết quả phân tích của tác giả trích xuất từ SPSS 16.0)
Tiêu chuẩn của phương pháp phân tích nhân tố là chỉ số KMO phải lớn hơn 0.5 (Garson, 2003) và kiểm định Barlett’s có mức ý nghĩa sig < 0.05 để chứng tỏ dữ liệu dùng phân tích nhân tố là thích hợp và giữa các biến có tương quan với nhau. Giá trị Kaiser-Meyer-Olkin Measure of Sampling Adequacy (KMO) = 0.850. Kết quả phân tích
nhân tố cho thấy chỉ số KMO là 0.5 <0.850 < 1, điều này chứng tỏ dữ liệu dùng để phân tích nhân tố là hoàn toàn thích hợp. Kết quả kiểm định Barlett’s là 2252.482 với mức ý nghĩa Sig. = 0.000 < 0.05, lúc này bác bỏ giả thuyết H0: các biến quan sát không có tương quan với nhau trong tổng thể. Như vậy giả thuyết về ma trận tương quan giữa các biến là ma trận đồng nhất bị bác bỏ, tức là các biến có tương quan với nhau và thỏa điều kiện phân tích nhân tố.
6 1.17 4 5 4.69 9 63.76 41.17 5 4.69 9 63.76 7 1.01 5 4.05 9 67.82 9 1.01 5 4.05 9 67.82 9 1 2 3 4 5 6 7 CMCQ2 .864 CMCQ3 .855 CMCQ1 .823 CMCQ4 .665 MQH4 .796 MQH1 .788 MQH3 .777 MQH2 .776 GT3 .746 GT4 .685 GT2 .669 GT1 .642 TT2 .825
(Nguồn: Kết quả phân tích của tác giả trích xuất từ SPSS 16.0)
Thực hiện phân tích nhân tố theo Principal components với phép quay Varimax. Kết quả cho thấy 25 biến quan sát ban đầu được nhóm thành 7 nhóm. Giá trị tổng phương
sai trích = 67.829% > 50%: đạt yêu cầu; khi đó có thể nói rằng 7 nhân tố này giải thích 67.829% biến thiên của dữ liệu. Giá trị hệ số Eigenvalues của các nhân tố đều cao (>1), nhân tố thứ 7 có Eigenvalues thấp nhất là 1.015 > 1
YD4 .825 YD1 .674 YD2 .617 YD3 .598 NT2 7731 NT1 .700 NT3 .650 TS1 7821 ^TS2 .658 TS3 7571
(Nguồn: Kết quả phân tích của tác giả trích xuất từ SPSS 16.0)
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization? a. Rotation converged in 7 iterations.
Trong đó:
CMCQ: chuẩn mực chủ quan MQH: giá trị mối quan hệ GT: giá trị tổ chức
TT: đa dạng thông tin YD: ý định lựa chọn NT: nhận thức sự hữu ích TS: tài sản thương hiệu
Các hệ số tải nhân tố đều lớn hơn 0.5, và không có trường hợp biến nào cùng lúc tải lên cả hai nhân tố với hệ số tải gần nhau. Nên các nhân tố đảm bảo được giá trị hội tụ
và phân biệt khi phân tích EFA. Ngoài ra không có sự xáo trộn các nhân tố, nghĩa là câu hỏi của nhân tố này không bị nằm lẫn lộn với câu hỏi của nhân tố kia. Nên sau khi phân tích nhân tố thì các nhân tố độc lập này được giữ nguyên, không bị tăng thêm hoặc giảm đi nhân tố.
4.4. Phân tích tương quan
N 221 221 206 206 206 221 221 TS N 221 221 206 206 206 221 221 Pearson Correlation 0.37 9 1 0.041 0.039 0.027 0.35 2 0.43 7 Sig. (2- tailed) 0,00 0 0.559 0.578 0.696 0.00 0 0.00 0 MQH N 206 206 276 276 276 206 206 Pearson Correlation 0.04 4 0.041 1 0.504 0.485 0.03 6 0.02 2 Sig. (2- tailed) 0.53 3 0.559 0.000 0.000 60.60 30.75 TT N 206 206 276 276 276 206 206 Pearson Correlation 0.04 7 0.039 0.504 1 0.626 0.02 3 0.00 6 Sig. (2- tailed) 0.50 1 0.578 0.000 0.000 0.74 7 0.93 1
Sig. (2- tailed) 0.77 4 0.696 0.000 0.000 0.389 20.67 NT N 221 221 206 206 206 221 221 Pearson Correlation 10.49 0.352 0.036 0.023 0.060 1 00.42 Sig. (2- tailed) 0.00 0 0.000 0.606 0.747 0.389 00.00 GT N 221 221 206 206 206 221 221 Pearson Correlation 70.37 0.437 0.022 0.006 0.030 0.420 1 Sig. (2- tailed) 0.00 0 0.000 0.753 0.931 0.672 0.000
Pearson được áp dụng trong nghiên cứu này để kiểm định lại các lý thuyết có đúng với khảo sát của bài nghiên cứu hay không. Nó cũng được sử dụng để tìm hiểu xem các nhà nghiên cứu có đang đo lường những gì họ phải đo hay không. Kết quả phải nằm trong khoảng từ -1 đến 1 và để có thể chấp nhận được nó không đươc vượt quá 0.8. Nếu nó vượt quá 0.8 thì nguy cơ là các biến độc lập cũng đo lường điều tương tự (Hair và cộng