Dựa trên quy trình nghiên cứu được trình bày trong “Phương pháp nghiên cứu khoa học trong kinh doanh” (Nguyễn Đình Thọ, 2011) thể hiện trong sơ đồ dưới đây:
Hinh 3.1. Quy trình nghiên cứu 3.3. Thiết lập và mã hoá thang đo.
3.3.1. Thiết lập thang đo
Thang đo là cơ sở cho nghiên cứu định lượng, từ thang đo tác giả xây dựng bảng câu hỏi. Thang đo nghiên cứu được dựa trên các nghiên cứu thực nghiệm liên quan và các nền tảng lý thuyết. Sau đó sẽ tiến hành nghiên cứu sơ bộ bằng cách phỏng vấn nhóm
đối tượng như đã đề cập bên trên và đã bổ sung và hiệu chỉnh thang đo.
Thang đo Likert được phát triển và giới thiệu bởi Rennis Likert vào năm 1932. Theo Bissonnette (2007), thang đo Likert là thang đo được sử dụng một cách phổ biến nhất trong nghiên cứu định lượng. Các nghiên cứu cũng phân tích rằng người được hỏi gặp khó khăn để xác định quan điểm của họ trên một thang đo lớn hơn bảy. Trong khi đó thang đo Likert 5 có mức độ từ “Hoàn toàn không đồng ý” đến “Hoàn toàn đồng ý” được khuyến khích sử dụng trong nhiều nghiên cứu vì làm tăng tỉ lệ và chất lượng phản hồi khảo sát. Do đó, tác giả sử dụng thang đo Likert 5 làm thang đó chính thức cho đề tài nghiên cứu này. Ngoài ra, tác giả cũng sử dụng thang đo tỷ lệ đo lường tuổi, thu nhập,
thời gian sử dụng Internet và thang đo định danh để đo lường giới tính hay nền tảng mạng xã hội được dùng nhiều nhất.
3.3.2. Mã hoá thang đo
Nhằm đảm bảo tính khách quan và dễ quan sát cho nghiên cứu, các yếu tố và
5 SMM5 Thông qua các thông tin từ mạng xã hội, tôi quyết định muaSP.
MM Thang đo về Mobile Marketing
6 MM1 Tôi dễ dàng xem SP, cập nhật chương trình khuyến mãi quaquảng cáo trên di động ở bất kỳ thời gian và địa điểm.
Fattah và Khaled (2021), (Alam và ctg, 2015), (Mohamed và Ctg, 2016) và tác giả điều chỉnh.
7 MM2 Các quảng cáo di động thường hiển thị nội dung đúng với mốiquan tâm của tôi.
8 MM3
Tôi thường nhấp vào quảng cáo trên di động để truy cập website/ứng dụng của nhãn hàng, nhà bán lẻ và tìm hiểu về SP.
9 MM4 Tôi dễ dàng hoàn thành việc mua hàng thông qua điện thoại diđộng.
10 MM5 Quảng cáo trên di động ảnh hưởng đến quyết định mua hàngcủa tôi.
EM Thang đo về Email Marketing
11 EM1 Tôi cho rằng các thông tin trong email được gửi bởi nhãn hàngvà nhà bán lẻ là đáng tin cậy.
Goldsmith và ctg, (2000); Lafferty và ctg (2002); Katterbach, (2002); Siau và Shen, (2003); Had (2009) và tác giả điều chỉnh
12 EM2 Tôi cập nhật kịp thời thông tin về SP và chương trình khuyếnmãi thông qua email gửi bởi nhãn hàng hoặc nhà bán lẻ. 13 EM3 Tôi cảm thấy email phù hợp với mối quan tâm riêng của tôi.
14 EM4 Tôi quan tâm đến các email được gửi bởi các nhãn hàng hoặcnhà bán lẻ.
15 EM5 Thông qua nội dung mà email cung cấp, tôi đưa ra quyết địnhmua SP.
OA Thang đo về Online Advertising
16 OA1 Tôi thường bị thu hút bởi những quảng cáo trực tuyến hơn làquảng cáo giấy. Khan & Islam (2017),
Lim và ctg (2011), Afzal và Khan (2015) và tác giả điều chỉnh. 17 OA2
Tôi thường nhấp vào những quảng cáo trực tuyến xuất hiện khác biệt và hấp dẫn để tìm hiểu thêm về SP.
cáo trực tuyến của SP cụ thể.
IM Thang đo về Influencer Marketing
21 IM1 Tôi thường theo dõi hoặc tương tác với các kênh của những người có ảnh hưởng ở bất kỳ lĩnh vực. Alsulaiman, Forbes, Dean và Cohen (2015), Alhidari, Iyer và Paswan (2015) và tác giả điều chỉnh 22 IM2 Tôi thường tìm đọc thông tin và đánh giá về SP từ những ngườicó ảnh hưởng trước khi quyết định mua hàng.
23 IM3 Tôi tin rằng SP được giới thiệu bởi những người có ảnh hưởnglà uy tín và đúng xu hướng
24 IM4
Tôi thường nhấn vào đường liên kết của SP mà những người có ảnh hưởng chia sẻ.
25 IM5 Thông qua những thông tin liên quan đến SP từ những ngườicó ảnh hưởng, tôi ra quyết định mua SP
SEO Thang đo về Search Engine Optimization
26 SEO1 Tôi tìm kiếm thông tin về SP thông qua các công cụ tìm kiếmtrước khi quyết định mua hàng.
Ziaul Maula và ctg (2017), Joshi Sujata và ctg (2016), Joshi Sujata và ctg (2016) và tác giả điều chỉnh 27 SEO2 Tôi thường tìm thấy các thông tin liên quan về SP thông quacông cụ tìm kiếm.
28 SEO3 Tôi thường nhấn vào 3 - 4 kết quả đầu tiên của nội dung tìmkiếm
29 SEO4
Kết quả liên quan nhất thường được hiển thị ở trang kết quả đầu tiên của nội dung tìm kiếm.
30 SEO5 Thông qua kết quả của công cụ tìm kiếm, tôi quyết định muaSP.
PD Thang đo về quyết định mua hàng
31 PD1 Công cụ Digital MKT giúp tôi mua sắm dễ dàng và nhanhchóng Fattah và Khaled(2021), Stefan (2019), Qazzafi (2019) và tác giả điều
chỉnh. 32 PD2 Mua hàng qua công cụ Digital MKT an toàn với tôi.
33 PD3
Tôi giới thiệu cho người khác mua hàng thông qua công cụ Digital MKT.
3.4. Xây dựng bảng câu hỏi
Dựa trên mô hình nghiên cứu đề xuất và hàm hồi quy gồm biến phụ thuộc (Quyết
định mua hàng của người tiêu dùng TPHCM) và các biến độc lập (Social Media Marketing; Mobile Marketing; Email Marketing; Online Advertising; Influencer Marketing; Search Engine Optimization). Tác giả xây dựng bảng câu hỏi được chia làm 2 phần:
- Phần 1: Thu thập dữ liệu cá nhân của khách hàng, bao gồm: giới tính, độ tuổi, thu nhập, thời gian sử dụng Internet trong ngày, mạng xã hội được dùng nhiều nhất nhằm lọc ra những đối tượng phù hợp với yêu cầu khảo sát, là những người từ 16
tuổi trở lên, sử dụng Internet mỗi ngày và có ít nhất 1 tài khoản mạng xã hội - Phần 2: Là phần về các yếu tố trong mô hình nghiên cứu. Thu thập dữ liệu thông
qua bảng câu hỏi về cảm nhận của đối tượng khảo sát. Tất cả các biến quan sát của các yếu tố trong mô hình nghiên cứu đều sử dụng thang đo Likert 5 mức độ với lựa chọn số 1 là hoàn toàn không đồng ý với phát biểu và lựa chọn số 5 là hoàn toàn đồng ý với phát biểu.
3.5. Thiết kế mẫu 3.5.1. Xác định cỡ mẫu
Cỡ mẫu được xác định dựa trên cơ sở số lượng biến quan sát của các yếu tố trong
mô hình. Theo Hair và ctg (1985), kích thước mẫu tối thiểu là 50, tốt hơn là 100 trở lên. Và theo Bollen (1989) thì kích thước mẫu tối thiểu là 5 mẫu cho 1 biến quan sát (tỷ lệ 5:1).
Trong mô hình nghiên cứu này có 33 biến quan sát gồm 30 biến độc lập và 3 biến
trực tuyến. Mau khảo sát sẽ được tạo thông qua Google Form và được gửi đến những đối tượng ngẫu nhiên. Sau đó tác giả sẽ tiến hành rà soát, đảm bảo kết quả những mẫu khảo sát được đảm bảo chất lượng, dữ liệu có ý nghĩa với nghiên cứu.
3.6. Phương thức xử lý dữ liệu
Dữ liệu sau khi được thu thập sẽ được xử lý qua Excel và phần mềm SPSS. Cụ thể các bước xử lý dữ liệu theo các bước sau
3.6.1. Thống kê mô tả
Sử dụng phương pháp phân tích thống kê nhằm hệ thống lại các thông tin của mẫu
nghiên cứu: giới tính, độ tuổi, thu nhập, thời gian sử dụng Internet trong ngày và mạng xã hội sử dụng nhiều nhất. Hơn nữa, qua đó để phân tích mối liên hệ giữa các biến, độ lệch chuẩn thể hiện sự khác nhau trong nhận định của các đối tượng tham gia khảo sát đối với biến.
3.6.2. Đánh giá độ tin cậy thang đo theo hệ số Cronbach’s Alpha
Cronbach (1951) đã đưa ra hệ số tin cậy cho thang đo nhằm đo lường cùng một khái niệm hay dùng để đánh giá độ tin cậy của những thang đo đa biến.
Đánh giá độ tin cậy thang đo bằng hệ số Cronbach’s Alpha, qua đó các biến không
phù hợp sẽ bị loại nếu hệ số tương quan biến tổng nhỏ hơn hoặc bằng 0.3, thang đo sẽ được chấp nhận khi hệ số Cronbach’s Alpha lớn hơn hoặc bằng 0.6 (Nunnally & Burnstein, 1994).
3.6.3. Phân tích nhân tố khám phá EFA
Phân tích nhân tố khám phá (EFA) là phương pháp phân tích định lượng dùng để rút gọn một tập gồm nhiều biến đo lường phụ thuộc lẫn nhau thành một tập biến ít hơn (gọi là các yếu tố) để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông
Ở nghiên cứu này, EFA sẽ trả lời câu hỏi liệu các biến quan sát dùng để xem xét sự tác động của các yếu tố độc lập lên quyết định mua hàng của người tiêu dùng tại TPHCM có sự tương quan với nhau không và chúng có thể gom lại thành một số nhóm yếu tố ít hơn để xem xét không. Đối với những biến không đảm bảo độ tin cậy sẽ bị loại khỏi thang đo.
Đánh giá kết quả phân tích EFA theo các tiêu chí sau:
- Hệ số tải nhân tố (Factor loading): Theo Hair và công sự (2014) cho rằng trong phân tích EFA, với factor loading từ mức 0.3 đến 0.4 được xem là đạt mức điều kiện tối thiểu để giữ lại biến và factor loading từ mức 0,5 trở lên: các biến quan sát mang ý nghĩa thống kê tốt.
- Hệ số KMO (Kaiser - Meyer - Olkin): là các chỉ số được sử dụng để kiểm tra sự phù hợp phân tích nhân tố. Giá trị KMO là 0,5 ≤ KMO ≤ 1 thì nhân tố đó phân tích là thích hợp.
- Kiểm định Bartlett (Bartlett’s test of sphericity) có ý nghĩa thống kê (p-value ≤ 0,05) thì các biến quan sát có tương quan với nhau trong tổng thể. (Howard, 2016)
- Tổng phương sai trích (Total Varicance Explained): Tổng phương sai trích phải lớn hơn hoặc bằng 50%. Hệ số này thể hiện nhân tố trích được bao nhiêu phần trăm của các biến đo lường, tổng này đạt từ 50% tức là phần chung phải lớn hơn phần riêng và sai số (Howard, 2016)
- Hệ số Eigenvaue: là một tiêu chí sử dụng phổ biến để xác định số lượng nhân tố EFA. Chỉ có những nhân tố nào có Eigenvalue ≥ 1 mới được giữ lại trong mô hình phân tích (Garson, 2003).
3.6.4. Phân tích tương quan Pearson
Phân tích tương quan Pearson nhằm kiểm tra mối tương quan tuyết tính chặt chẽ giữa biến phụ thuộc với các biến độc lập, cũng như các biến độc lập với nhau. Nếu hệ số
mối quan hệ với nhau và phân tích hồi quy là phù hợp (Schober & ctg., 2018). Neu hệ số Sig < 0,05 thì có tương quan hoặc ngược lại nếu Sig > 0,05 thì không có tương quan (Gordon, 2019). Hệ số tương quan Pearson (r) có giá trị giao động trong khoảng liên tục từ -1 đến +1 :
- r = 0 : Hai biến không có tương quan tuyến tính
- r = 1; r = -1: Hai biến có mối tương quan tuyến tính tuyệt đối
- r > 0 : Hai biến có sự tương quan thuận. Nghĩa là nếu giá trị của biến này tăng sẽ làm giá trị của biến kia tăng và ngược lại.
- r < 0 : Hai biến có sự tương quan nghịch. Nghĩa là nếu giá trị của biến này tăng sẽ làm giá trị của biến kia giảm và ngược lại.
3.6.5. Phân tích hồi quy tuyến tính
- Đánh giá mức độ phù hợp của mô hình hồi quy
Để biết mức độ phù hợp với dữ liệu của mô hình hồi quy tuyến tính được xây dựng trên các mẫu dữ liệu, ta cần biết được hệ số phù hợp của nó. Theo Green (1991), biện pháp được sử dụng phổ biến là xác định hệ số R2 (đối với mô hình hồi quy đơn biến) hoặc R2 hiệu chỉnh (đối với mô hình hồi quy đa biến). Giá trị R2 và R2 hiệu chỉnh
giao động từ 0 đến 1. Hai giá trị càng gần 1 thì mô hình đã xây dựng phù hợp với bộ dữ liệu dùng chạy hồi quy hay mô hình hồi quy giải thích tốt sự thay đổi của biến phụ thuộc.
Ngược lại, nếu R2 và R2 hiệu chỉnh càng gần 0 thì mô hình đã xây dựng không phù hợp với bộ dữ liệu dùng chạy hồi quy hay mô hình hồi quy không giải thích tốt sự thay đổi của biến phụ thuộc.
- Kiểm định độ phù hợp của mô hình
Để kiểm định độ phù hợp của mô hình hồi quy sử dụng phân tích phương sai ANOVA (Analysis of variance) với kiểm định F và kiểm định T (Green, 1991). Mục
hồi quy tuyến tính có phù hợp với dữ liệu thực tiễn không. Biến độc lập có tương quan tuyến tính với biến phụ thuộc trong tổng thể.
Sau khi đánh giá sự phù hợp của mô hình thông qua giá trị R2 hiệu chỉnh. Kết quả này chỉ nói rằng mô hình có phù hợp hay không đối với dữ liệu đã thu thập được. Để kiểm tra độ phù hợp của mô hình hồi quy tổng thể, tiến hành kiểm định giả thuyết H0 : R2 = 0. Nếu kết quả thử nghiệm có đủ cơ sở để bác bỏ giả thuyết H0 : R2 = 0, thì đây là bước đầu thành công của mô hình.
Phân tích ANOVA với kiểm định F được sử dụng cho thử nghiệm này. Nếu giá trị F có p-value < 0,1, xác xuất giả thuyết R2 = 0 bị bác bỏ, mô hình là phù hợp với dữ liệu thu thập được.
- Kiểm tra đa cộng tuyến tính và tự tương quan
Kiểm định thêm đa cộng tuyết tính và tự tương quan của các biến trong mô hình để đảm bảo mô hình có ý nghĩa.
Căn cứ vào độ chấp nhận của biến Tolenrance = 1/VIF (hệ số này > 0,5 thì không
có hiện tượng đa cộng tuyến tính) và hệ số này phóng đại phương sai Variance Infation factor (VIF), để kiểm định hiện tượng đa cộng tuyến tính (Marquardt, 1970).
■ Nếu VIF > 2 thì có dấu hiệu đa cộng tuyến
■ Nếu VIF > 10 thì chắc chắn có đa cộng tuyến
■ Nếu VIF < 2 thì không bị đa cộng tuyến
Để kiểm tra tương tự tương quan, sử dụng quy tắc kiểm định Durbin - Waston. Theo Formby và ctg (1984):
■ Nếu giá trị hệ số từ 0 đến 1 : mô hình có tự tương quan dương
Tiêu chí Tân số Tỷ lệ (%) Giới tính Nam“Nữ 98 45,8 116 54,2 Nhóm tuổi 16 - 20 33 174 21 - 25 81 37,9 26 - 35 55 25,7 36 - 45 30 14,0 Trên 45 tuổi 15 7,0 Thu nhập Dưới 5 triệu 66 30,8 5 - 9 triệu 68 31,8 10 - 20 triệu 55 25,7 Trên 20 triệu 25 177 Thời gian sử dụng internet Dưới 2 tiếng 25 11,7 2 - 4 tiếng 83 38,8 4 - 6 tiếng 67 31,3
Giả thuyết phương sai không thay đổi rất quan trọng khi sử dụng mô hình hồi quy
tuyến tính đa biến. Nếu xảy ra hiện tượng này, kết quả của phương trình hồi quy sẽ không
chính xác, làm sai lệch kết quả so với thực tế, từ đó khiến người nghiên cứu đánh giá nhầm chất lượng của phương trình hồi quy tuyến tính. Sử dụng ma trận tương quan Spearman để thực hiện kiểm định phương sai thay đổi. Theo Zhigang và ctg (2014):
■ Nếu giá trị p-value (Sig.) tương quan Spearman giữa phần dư chuẩn hoá (ABSRES) với các biến độc lập đều lớn hơn 0,05 ta có thể kết luận rằng không có hiện tượng phương sai thay đổi xảy ra.
■ Nếu có ít nhất một giá trị p-value (Sig.) nhỏ hơn 0,05 khi đó mô hình hồi quy đã vi phạm giả định phương sai không đổi.
3.7. Tóm tắt chương 3
Chương 3 tác giả đã trình bày các vấn đề về thiết kế nghiên cứu, quy trình nghiên
cứu, thiết kế mẫu, cách thức thu thập và xử lý dữ liệu,. Đồng thời, dựa trên nền tảng cơ
CHƯƠNG 4. KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
Chương 4 sẽ trình bày các bước phân tích định lượng áp dụng cho bộ dữ liệu với số mẫu quan sát được thu thập từ việc khảo sát người tiêu dùng đang sống và làm việc tại TPHCM bao gồm (1) thống kê mô tả; (2) đánh giá Cronbach’s Alpha; (3) phân tích nhân tố khám phá; (4) phân tích mô hình hồi quy tuyến tính đa biến; (5) thực hiện các kiểm định;... Kết quả phân tích dữ liệu sẽ được thảo luận, trong đó bao gồm đối chiếu