4.1. Thống kê mô tả
Dưới đây là bảng tóm tắt thông tin thống kê và phân tích các mẫu thu được từ nghiên cứu:
Bảng 2: Kết quả khảo sát các biến nhân khẩu học
Tần số Tỷ lệ (%) Giới tính Nam 69 27.0 Nữ 186 70.0 Tổng cộng 255 100.0 Độ tuổi Dưới 18 tuổi 13 5.2 Từ 18-22 tuổi 210 82.3 Từ 23-25 tuổi 32 12.5 Tổng cộng 255 100.0 Nghề nghiệp
Học sinh Sinh viên 228 89.4
Nhân viên văn phòng 21 8.2
Khác 6 2.4 Tổng cộng 255 100.0 Thu nhập bình quân Dưới 2 triệu 166 65.0 Từ 2 đến 5 triệu 76 29.8 Từ 5 đến 7 triệu 3 1.1 Từ 7 đến 10 triệu 7 2.7 Trên 10 triệu 3 1.1 Tổng cộng 255 100.0
Xét về phương diện giới tính: Từ kết quả của cuộc khảo sát cho thấy chiếm đa số người tham gia là nữ, cụ thể là 186 người, thấp hơn là giới tính nam với 69 người. Tỷ lệ nữ chiếm đa số ( 70.0% ), số lượng nam ít hơn, chiếm 30.0%. Mặc dù có sự chênh lệch về giới tính nhưng xét về thực tế, thường thì nam giới ít khi mua sắm hơn nữ giới nên với tỷ lệ đó là hoàn toàn có thể thấy rõ ràng.
Xét về phương diện độ tuổi: Nhóm nghiên cứu tập trung vào những đối tượng có độ tuổi từ 18-25 tuổi. Trong tổng số 255 người tham gia cuộc phỏng vấn, tỷ lệ người thuộc nhóm độ tuổi từ 18-22 là nhiều nhất, chiếm 82.3%. Thấp hơn là nhóm độ tuổi từ 23-25 chiếm 12.5%, nhóm độ tuổi dưới 18 tuổi chiếm tỷ lệ 5.2%. Ở phần này thì cũng có thể dễ thấy được là do độ tuổi 18-22 là tuổi tiêu xài tiền vào những món hàng trên mạng rất nhiều, còn từ 23-25 thì họ thường giảm bớt để tiết kiệm lo cho tương lai. Đặc biệt là nhóm dưới 18 tuổi-lứa trẻ vẫn đang ở dưới sự kiểm soát của bố mẹ nhưng với thời đại công nghiệp hóa hiện địa hóa 4.0 thì chắc chắn tỷ lệ này sẽ tăng cao.
Xét về phương diện nghề nghiệp: Trong tổng số người tham gia phỏng vấn, có đến 228 người đang là học sinh, sinh viên, chiếm tỷ lệ 89.4%, nhân viên văn phòng có 21 người chiếm 8.2% còn lại phân bổ đều vào những ngành nghề khác với chỉ vỏn vẹn 2.4%. Đây hoàn toàn là điêu hiển nhiên mà chúng ta ai cũng có thể nhìn nhận ra rằng sinh viên thì luôn có xu hướng mua sắm hàng hóa trực tuyến ở thời đại 4.0 như hiện nay.
Xét về phương diện thu nhập trung bình hàng tháng: Hơn 1 nửa số người có mức thu nhập dưới 2 triệu đồng cụ thể là 166 người chiếm tới 65%, từ 2 đến 5 triệu chiếm 29.8%, còn lại là phân bổ ở các mức: từ 5-7 triệu, 7-10 triệu và trên 10 triệu. Rất phù hợp với phương diện nghề nghiệp và độ tuổi mà chúng ta đã phân tích ở trên khi mà học sinh sinh viên chiếm phần lớn số lượng trả lời khảo sát.
4.2. Kết quả phân tích định lượng
4.2.1. Kết quả phân tích hệ số tin cậy Cronbach’s Alpha
Kết quả kiểm định cho thấy hệ số Cronbach’s Alpha của biến phụ thuộc HV và các biến độc lập TC, RR, HI, GI đều lớn hơn 0.6, các biến quan sát của các biến này đều có hệ số tương quan biến tổng phù hợp là lớn hơn 0.3 (kết quả tại phụ lục 2). Ngoài ra, biến độc lập KM có hệ số Cronbach’s Alpha < 0.6, chưa đủ độ tin cậy vì
vậy nhóm tác giả quyết định loại biến này ra khỏi mô hình và không đưa vào phân tích EFA.
Bảng 3: Kết quả phân tích Cronbach Alpha
Biến Cronbach's Alpha
HV .788 TC .746 RR .761 HI .873 GI .799 KM .537
Nguồn: Nhóm nghiên cứu
4.2.2. Kết quả phân tích nhân tố khám phá EFA
Kết quả lần EFA đầu tiên: KMO = 0.864 > 0.5, sig Bartlett’s Test = 0.001 < 0.05, như vậy phân tích nhân tố khám phá EFA là phù hợp. Có 5 nhân tố được trích với tiêu chí eigenvalue lớn hơn 1 với tổng phương sai tích lũy là 66.317%. Tác giả mong muốn chọn ra các biến quan sát chất lượng nên sẽ sử dụng ngưỡng hệ số tải là 0.5 thay vì chọn hệ số tải tương ứng theo cỡ mẫu. So sánh ngưỡng này với kết quả ở ma trận xoay, có một biến xấu là TC3 cần xem xét loại bỏ do bị tách biệt riêng so với các nhân tố khác.
Bảng 4: Bảng xoay nhân tố EFA (lần 1) Rotated Component Matrixa
Component 1 2 3 4 5 HI4 .762 HI3 .754 HI5 .750 HI6 .738 HI1 .705 HI2 .634 RR4 .862 RR5 .802 RR1 .698 RR2 .616 RR3 .595 GI2 .789 GI3 .741 GI1 .701 TC4 .687 TC1 .687 TC2 .614 TC5 .607 TC3 .679
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 7 iterations.
Nguồn: Nhóm nghiên cứu
Kết quả phân tích EFA lần 2:
Tác giả sử dụng phương thức loại một lượt các biến xấu trong một lần phân tích EFA. Từ 19 biến quan sát ở lần phân tích EFA thứ nhất, loại bỏ TC3 và đưa 18 biến quan sát còn lại vào phân tích EFA lần thứ hai.
Có 5 nhân tố được trích dựa vào tiêu chí eigenvalue lớn hơn 1 (xem phụ lục 4), như vậy 5 nhân tố này tóm tắt thông tin của 18 biến quan sát đưa vào EFA một cách tốt nhất. Tổng phương sai mà 5 nhân tố này trích được là 67.708% > 50%, như vậy, 6 nhân tố được trích giải thích được 67.708% biến thiên dữ liệu của 18 biến quan sát tham gia vào EFA.
Bảng 5: Bảng xoay nhân tố EFA (lần 2) Rotated Component Matrixa
Component 1 2 3 4 5 HI3 .765 HI6 .753 HI1 .739 HI5 .734 HI4 .729 HI2 .591 GI2 .798 GI3 .747 GI1 .691 TC1 .708 TC4 .678 TC5 .671 TC2 .646 RR3 .764 RR4 .749 RR5 .728 RR1 .760 RR2 .724
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 11 iterations.
Nguồn: Nhóm nghiên cứu
Kết quả ma trận xoay cho thấy, 18 biến quan sát được phân thành 5 nhân tố, tất cả các biến quan sát đều có hệ số tải nhân tố Factor Loading lớn hơn 0.5 và không còn các biến xấu.
Như vậy, phân tích nhân tố khám phá EFA cho các biến độc lập được thực hiện hai lần. Lần thứ nhất, 19 biến quan sát được đưa vào phân tích, có 1 biến quan sát không đạt điều kiện là TC3 được loại bỏ để thực hiện phân tích lại. Lần phân tích thứ hai (lần cuối cùng), 18 biến quan sát hội tụ và phân biệt thành 5 nhân tố.
4.2.3. Kết quả phân tích tương quan Pearson
Từ kêt quả phân tích tương quan Pearson ta có thể thấy sig kiểm định tương quan Pearson giữa 4 biến độc lập tin cậy, hữu ích, giá, rủi ro thông tin với biến phụ thuộc hành vi đều < 0.05. Như vậy, ác biến này có mỗi liên hệ tuyến tính giữa các biến
độc lập này với biến phụ thuộc, riêng biến rủi ro lừa đảo có sig kiểm định > 0.05 nên mối liên hệ giữa biến này với biến phụ thuộc hành vi là không có ý nghĩa, cần loại khỏi mô hình biến rủi ro lừa đảo. Ngoài ra, giữa các biến độc lập không có mỗi tương quan nào quá mạnh khi trị tuyệt đối hệ số tương quan giữa các cặp biến đều < 0.05, như vậy khả năng xảy ra hiện tượng cộng tuyến/đa cộng tuyến cũng thấp. 4.2.4. Kết quả phân tích hồi quy
Bảng 6: Kết quả phân tích hồi quy
Model
Standardized
Coefficients t Sig.
Collinearity Statistics
Beta Tolerance VIF
1 (Constant) 3.278 .001 Tin cậy .310 4.212 <.001 .621 1.610 Hữu ích .344 4.479 <.001 .568 1.759 Giá .070 .948 .345 .616 1.623 Rủi ro thông tin .111 1.862 .064 .944 1.060
Nguồn: Nhóm nghiên cứu
Bảng Model Summary cho chúng ta kết quả R bình phương (R Square) và R bình phương hiệu chỉnh (Adjusted R Square) để đánh giá mức độ phù hợp của mô hình. Giá trị R bình phương hiệu chỉnh bằng 0.429 cho thấy các biến độc lập đưa vào phân tích hồi quy ảnh hưởng 42.9% sự biến thiên của biến phụ thuộc, còn lại 57.1% là do các biến ngoài mô hình và sai số ngẫu nhiên.
Kết quả bảng này cũng đưa ra giá trị Durbin–Watson để đánh giá hiện tượng tự tương quan chuỗi bậc nhất. Giá trị DW = 2.345, nằm trong khoảng 1.5 đến 2.5 nên kết quả không vi phạm giả định tự tương quan chuỗi bậc nhất (Yahua Qiao, 2011). Giá trị sig kiểm định F bằng 0.001 < 0.05, do đó, mô hình hồi quy là phù hợp.
Bảng Coefficients cho chúng ta kết quả kiểm định t để đánh giá giả thuyết ý nghĩa hệ số hồi quy, chỉ số VIF đánh giá đa cộng tuyến và các hệ số hồi quy.
Biến Giá và biến Rủi ro thông tin có giá trị sig kiểm định t > 0.05 , do đó 2 biến này không có ý nghĩa trong mô hình hồi quy, hay nói cách khác, 2 biến này không có sự tác động lên biến phụ thuộc Hành vi. Các biến còn lại gồm Tin cậy và Hữu ích đều có sig kiểm định t nhỏ hơn 0.05, do đó các biến này đều có ý nghĩa thống kê, đều tác động lên biến phụ thuộc Hành vi.
Ở bảng trên, Hệ số VIF của các biến độc lập đều nhỏ hơn 10, trong trường hợp này thậm chí nhỏ hơn 2, do vậy dữ liệu không vi phạm giả định đa cộng tuyến.
Từ các hệ số hồi quy, chúng ta xây dựng được hai phương trình hồi quy chưa chuẩn hóa theo thứ tự như sau:
HV = 0.897 + 0.335TC + 0.333HI + Phương trình hồi quy chuẩn hóa như sau: HV = 0.310TC + 0.344HI +
Do nghiên cứu tập trung về mặt kinh tế, vì vậy nhóm tác giả sẽ tập trung phân tích phương trình hồi quy chuẩn hoá. Từ phương trình hồi quy chuẩn hoá có thể thấy biến Hữu ích có tác động đến hành vì lớn hơn biến Tin cậy (0.344>0.310) 4.2.5. Kết quả kiểm định sự khác biệt
Kết quả phân tích sự khác biệt giữa các biến định tính (áp dụng phương pháp ANOVA một chiều và Independent Sample Test) đều cho ra giá trị sig của các kiểm định > 0.05 (xem kết quả ở phụ lục 7). Điều này chứng minh rằng sự khác biệt giữa các kết quả định tính không ảnh hưởng tới hành vi tiêu dùng trực tuyến của người trẻ trên địa bàn thành phố Hà Nội.