Sử dụng thanh đo quãng Likert với 5 cấp độ đối với phần câu hỏi khảo sát về các yếu tố tác động đến ý định của người dùng.
(1) Hoàn toàn không đồng ý (2) Không đồng ý
(3) Bình thường (4) Đồng ý
Sử dụng thang đo định danh đối với phần câu hỏi liên quan đến thông tin cá nhân của người trả lời: giới tính, trình độ học vấn, thu nhập,...
Thang đo Likert được đặt theo tên của nhà khoa học xã hội người Mỹ Rensis Likert vào năm 1932. Đây là một dạng thang đo khá phổ biến dùng để đo lường về thái độ của đáp viên đối với các mục được đề nghị và được trình bày dưới dạng một bảng. Trong bảng thường bao gồm 2 phần: phần nêu nội dung và phần nêu những đánh giá theo từng nội dung đó. Với thang đo này, đáp viên phải chọn một câu trả lời thể hiện đánh giá của họ theo những mức độ được trình bày sẵn trong bảng. Không giống như một câu hỏi “có/ không” đơn thuần, một thang đo Likert cho phép nghiên cứu viên phát hiện ra mức độ của ý kiến. Từ đó, ta sẽ dễ dàng xác định các lĩnh vực cần cải thiện và đưa ra các giải pháp phù hợp.
3.3.2 Xây dựng bảng câu hỏi sơ bộ
Tác giả xây dựng bảng câu hỏi sơ bộ bao gồm 5 biến độc lập và 1 biến phụ thuộc. Trong đó có 20 câu hỏi nhân tố và 3 câu đánh giá.
3.3.3 Nghiên cứu định lượng sơ bộ
Khảo sát sơ bộ được thực hiện dựa theo bảng hỏi được thiết kế từ. Các thông tin thu thập bao gồm đánh giá một số yếu tố Digital Marketing ảnh hưởng đến ý định của sinh viên khi lựa chọn cơ sở đào tạo tiếng Anh tại TP.HCM và thông tin về nhân khẩu học: giới tính, trình độ đào tạo, thu nhập, thời gian sử dụng Internet và MXH sử dụng phổ biến nhất. Thu thập thông tin bằng cách gửi bảng khảo sát trực tuyến đến các sinh viên đang học tại TP.HCM. Kết quả thu được 49 mẫu khảo sát hợp lệ, kích thuớc mẫu đảm bảo cho việc tiến hành các bước kiểm định tiếp theo.
3.3.4 Phân tích dữ liệu trong nghiên cứu sơ bộ
Thang đo được kiểm định độ tin cậy thông qua phân tích độ tin cậy Cronbach’s Alpha và hệ số tương quan với biến tổng. Hệ số Cronbach’s Alpha > 0.6 và hệ số tương quan biến tổng > 0.3 là thang đo lường tốt, hệ số này càng cao thì sự tương quan giữa các biến trong nhóm càng cao. Luận án loại bỏ các biến quan sát có hệ số tương quan với biến tổng dưới 0.3 được xem là biến rác (Kline, 1994), hoặc >0.95 vì các biến đo lường hầu như là một (Nunnally & Burnstein, 1994). Dựa vào phụ lục 05 nội dung khảo sát sơ bộ và kết quả chạy kiểm định cho thang đo sơ bộ, sau khi loại 3 thang đo có hệ số tải nhân tố nhỏ, kết quả thu về được 5 biến độc lập với 17 câu hỏi khảo sát và 1 biến phụ thuộc với 3 câu đánh giá thì thang đo khảo sát đảm bảo được độ tin cậy của các biến quan sát đối với thang đo.
Tác giả hoàn thiện nội dung của thang đo theo bảng 3.1 dưới đây.
Bảng 3.1 Thang đo biến độc lập
kiếm, chủ yếu là Google phỏng vấn chuyên gia, tổng hợp từ mô hình của Dr. Rajiv Kaushik, Ms.Prativindhya Professor (2019), Bruyn (2008 ), Ngô
Văn Quốc Cường (2019), Nguyễn Thị
Minh Hà (2019) Tôi thường click vào 4-5 kết quả tìm
kiếm hiện ra đầu tiên ở trang đầu tìm kiếm
SEM2
Tôi tin tưởng về chất lượng, tính xác thực của trung tâm đào tạo tiếng Anh thông qua công cụ tìm kiếm
SEM3
Nội dung phát biểu Ký hiệu biến Nguồn
Tôi thường nhấp vào link/ bài viết của trung tâm tiếng Anh thông qua các trang web khác
AM1
Tác giả tham khảo từ thảo luận nhóm và phỏng vấn chuyên gia, tổng hợp từ mô
hình của Dr. Rajiv Kaushik, Tôi lấy và sử dụng phiếu giảm giá, ưu
đãi từ các trang web khác để sử dụng ở trung tâm
AM2
link được cung cấp bởi chuyên gia hoặc cộng đồng
Bruyn (2008 )
Nội dung phát biểu Ký hiệu biến Nguồn
Tôi thường xuyên sử dụng các trang mạng xã hội (Facebook, Instagram, Zalo,...)
SMM1
Tác giả tham khảo từ thảo luận nhóm và phỏng vấn chuyên gia, tổng hợp từ mô hình của 6 tác giả ở
mục 2.5 Tôi sử dụng MXH để tìm kiếm thông
tin về các trung tâm tiếng Anh
SMM2
Tôi thường nhấn vào quảng cáo của
các trung tâm thông qua MXH SMM3
Nội dung phát biểu Ký hiệu biến Nguồn
Tôi đã đọc Email do các trung tâm
gửi tới EM1
Tác giả tham khảo từ thảo luận nhóm và phỏng vấn chuyên gia, tổng hợp từ mô hình của Dr. Rajiv Kaushik, Ms.Prativindhya Professor (2019),
Ngô Văn Quốc Cường (2019), Nguyễn Thị Minh
Hà (2019) Tôi quan tâm và thường truy cập vào
link “tìm hiểu thêm”, “đăng ký học thử”,...của trung tâm thông qua email do họ gửi
EM2
Tôi quan tâm đến nội dung giới thiệu, chương trình khuyến mãi từ Email của trung tâm
EM3
Thang đo về Social Media Marketing
sở vật chất, chất lượng và học phí của trung tâm trước khi quyết định học
từ thảo luận nhóm và phỏng vấn chuyên gia, tổng hợp từ mô hình của Dr. Rajiv Kaushik, Ms.Prativindhya Professor (2019), Gurneet Kaur (2017), Lê Thị Hải Vân (2020)
Tôi thường quan tâm tới các video ngắn
dạy tiếng Anh của các trung tâm CM2
Tôi thường quan tâm những bài chia sẻ, đánh giá của người học ở trung tâm trước đây
CM3 Tôi thích tìm kiếm thông tin về các trung
tâm để so sánh và lựa chọn CM4
Tôi thường click vào đường link “xem thêm”, “thêm thông tin”,...nếu bài viết về trung tâm đó thú vị
CM5
Nội dung phát biểu Ký hiệu biến Nguồn
Digital Marketing giúp tôi tìm kiếm trung
tâm tiếng Anh dễ dàng và nhanh chóng YD1
Tác giả tham khảo từ thảo luận nhóm
và phỏng vấn chuyên gia Tôi cảm thấy yên tâm khi tìm hiểu các
trung tâm tiếng Anh thông qua Digital Marketing
YD2
Tôi giới thiệu cho người khác trung tâm
tiếng Anh thông qua Digital Marketing YD3
Thang đo về Content Marketing
Theo Hair và cộng sự (2006), kích thước mẫu tối thiểu để sử dụng EFA là 50, tốt nhất là từ 100 trở lên. Áp dụng tỷ lệ 5:1, cỡ mẫu tối thiểu sẽ là 17x5 = 80, nếu tỷ lệ 10:1 thì cỡ mẫu tối thiểu là 17x10 = 170. Vì vậy, cần cỡ mẫu tối thiểu để thực hiện
phân tích nhân tố khám phá EFA là 80 hoặc 170 tùy tỷ lệ lựa chọn dựa trên khả năng có thể khảo sát được.
Công thức lấy mẫu theo hồi quy: đối với kích thước mẫu tối thiểu cho phân tích hồi quy, quy mô mẫu phải thỏa mãn n ≥ 50 + 8p (trong đó: n là kích thước mẫu tối thiểu cần thiết, p là biến độc lập trong mô hình) (Nguyễn 2011). Mô hình nghiên cứu này gồm 5 biến độc lập do đó mẫu tối thiểu cần 50+ 8*5= 90. Từ hai điều kiện trên, quy mô mẫu cần tối thiểu là 170 quan sát là tốt nhất.
Phương pháp chọn mẫu
Thiết kế mẫu: Mẫu được chọn theo phương pháp chọn mẫu thuận tiện. Kích thước mẫu dự kiến là 350 quan sát. Tác giả khảo sát đối tượng hiện đang là sinh viên ĐH ở TP.HCM.
3.4.1 Phương pháp thu thập thông tin thứ cấp
Để có được những thông tin này tác giả đã tiến hành thu thập các thông tin từ sách báo, giáo trình, internet, các trang website có uy tín, website và những kiến thức liên quan đến chuyên ngành Marketing mà bản thân tích lũy được trong quá trình học tập cũng như thực tập.
3.4.2 Phương pháp thu thập thông tin sơ cấp
Tiến hành thu thập dữ liệu thông qua khảo sát trực tuyến sinh viên Đại học Tp. Hồ Chí Minh thông qua gửi bảng khảo sát trực tuyến đến các group trường, group sinh viên tại TP.HCM từ tháng 07/2021 đến tháng 08/2021. Sau đó sẽ tiến hành nhập số liệu và làm sạch số liệu để tiến hành phân tích nhằm đánh giá tổng quan độ tin cậy của thang đó thông qua Cronbach’s Alpha. Đối với khảo sát trực tuyến, giá trị khiếm khuyết được hạn chế tối đa nhờ việc thiết lập chế độ “thông tin bắt buộc”, điều này yêu cầu người khảo sát phải hoàn thành các câu hỏi mới được đi tiếp và kết thúc khảo sát. Kết quả nhận được 368 bảng khảo sát và đưa vào phân tích các bước tiếp theo của nghiên cứu.
3.5 Phương pháp xử lý thống kê
Mau thu thập được tiến hành phân tích bằng các thống kê mô tả: Phân loại mẫu theo tiêu chí phân loại điều tra, tính trung bình, giá trị lớn nhất, giá trị nhỏ nhất của các trả lời trong câu hỏi điều tra.
Phương pháp hệ số tin cậy Cronbach’s Alpha
Để kiểm định thang đo, trong nghiên cứu này tác giả đánh giá thông qua hai phương pháp: hệ số Cronbach’s Alpha và phân tích nhân tố EFA (Exploratory Factor Analysis). Phân tích độ tin cậy hệ số Cronbach’s Alpha để kiểm định độ tin cậy của thang đo, cho phép loại các biến không phù hợp trong mô hình nghiên cứu.
Theo tiêu chuẩn chấp nhận biến:
- Hệ số Cronbach’s Alpha trong khoảng giá trị: 0.6 < α < 0.95
- Hệ số tương quan biến - tổng Corrected Item - Total Correlation ≥ 0.3
Thỏa 2 điều kiện trên thì các biến phân tích được xem là chấp nhận và thích hợp đưa vào phân tích những bước tiếp theo, ngược lại sẽ coi là biến rác loại ra khỏi thang đo.
3.5.2 Phân tích nhân tố khám phá (EFA)
Phân tích nhân tố khám phá là một kỹ thuật phân tích dùng để rút gọn và tóm tắt các dữ liệu, rút gọn một tập gồm nhiều biến đo lường phụ thuộc lẫn nhau thành một tập biến ít hơn( gọi là các nhân tố) để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu (Hair et al, 2009). Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2005), các tham số thống kê quan trọng trong phân tích nhân tố bao gồm:
- Hệ số Kaiser - Meyer - Olkin (KMO): Trị số của KMO phải đạt giá trị 0.5 trở lên (0.5 =< KMO =<1). Nếu trị số này nhỏ hơn 0.5 thì phân tích nhân tố có khả năng không còn thích hợp với tập dữ liệu nghiên cứu.
- Hệ số tải nhân tố (factor loading): là hệ số tương quan đơn giữa các biến và nhân tố. Hệ số này càng lớn cho biết các biến và nhân tố càng có quan hệ chặt chẽ với nhau. Hệ số tải nhân tố được chấp nhận là ≥ 0.5, (Hair et al., 2006), các biến có hệ số tải nhân tố nhỏ hơn 0.5 sẽ bị loại khỏi mô hình.
- Kiểm định Bartlett (Bartlett’s test of sphericity) dùng để xem xét các biến quan sát trong nhân tố có tương quan với nhau hay không. Kiểm định Bartlett có ý nghĩa thống kê (sig ≤ 0.05), chứng tỏ các biến quan sát có tương quan với nhau trong tổng thể.
- Trị số Eigenvalue là một tiêu chí sử dụng phổ biến để xác định số lượng nhân tố trong phân tích EFA. Với tiêu chí này, chỉ có những nhân tố nào có Eigenvalue ≥ 1 mới được giữ lại trong mô hình phân tích (Hair et al., 2006).
- Total Variance Explained (Tổng phương sai trích): Thang đo được chấp nhận với tổng phương sai trích bằng hoặc lớn hơn 50%.
3.5.3 Phân tích hồi quy
Phân tích hồi quy dùng để ước lượng phương trình phù hợp nhất với các tập hợp kết quả quan sát của biến phụ thuộc và biến độc lập. Mô hình hồi quy sẽ mô tả hình thức các mối quan hệ chân thực giữa các biến số. Từ đó giúp ta dự đoán được mức độ của biến phụ thuộc khi biết trước giá trị của các biến độc lập.
Phương trình hồi chuẩn hóa qui có dạng:
(YD) = β1*SEM+ β2*AM + β3*SMM + β4*EM + β5*CM • Phân tích tương quan Pearson
Mục đích chạy tương quan Pearson (Pearson correlation coefficient, kí hiệu r) nhằm kiểm tra mối tương quan tuyến tính chặt chẽ giữa biến phụ thuộc với các biến độc lập và sớm nhận diện vấn đề đa cộng tuyến khi các biến độc lập cũng có tương quan mạnh với nhau.
Cách đánh giá mối liên hệ từ hệ số tương quan: 0 < r < 0.3 Tương quan ở mức thấp.
0.3 < r < 0.5 Tương quan ở mức trung bình. 0.5 < r < 0.7 Tương quan khá chặt chẽ. 0.7 < r < 0.9 Tương quan chặt chẽ. 0.9 < r < 1 Tương quan rất chặt chẽ.
Hệ số tương quan pearson (r) sẽ nhận giá trị từ +1 đến -1, chỉ có ý nghĩa khi và chỉ khi mức ý nghĩa quan sát (sig). nhỏ hơn mức ý nghĩa α = 5%. Giá trị R2 dao động từ 0 đến 1. R2 càng gần 1 thì mô hình đã xây dựng càng phù hợp với bộ dữ liệu dùng chạy hồi quy. R2 càng gần 0 thì mô hình đã xây dựng càng kém phù hợp với bộ dữ liệu dùng chạy hồi quy. Thông thường, R2 > 50% là mô hình phù hợp.
• Kiểm định sự phù hợp của mô hình
Đánh giá độ phù hợp của mô hình hồi quy tuyến tính thông qua R2 và R2 hiệu chỉnh, kiểm định ANOVA.
- Hệ số xác định (coefficient of detemination) R2 và R2 hiệu chỉnh được dùng để đánh giá mức độ phù hợp của mô hình nghĩa là các biến độc lập giải thích
được bao
nhiêu phần trăm (%) biến thiên của biến phụ thuộc. Vì R2 sẽ tăng khi đưa thêm biến độc lập vào mô hình nên dùng R2 hiệu chỉnh sẽ phản ánh độ phù hợp của mô
hình chính xác hơn. R2 hiệu chỉnh càng lớn thể hiện độ phù hợp của mô hình càng
cao và ngược lại. Thông thường, R2 > 50% mô hình phù hợp.
- Kiểm định mức độ phù hợp của mô hình (kiểm định F): Kiểm định F là thước đo ý nghĩa chung của mô hình hồi quy, dùng để kiểm định giả thuyết về mức
độ phù
hợp của mô hình hồi quy tuyến tính tổng thể, tức là có hay không mối quan hệ giữa
các biến độc lập hay biến phụ thuộc hay xem xét biến phụ thuộc có liên hệ tuyến
tính với toàn bộ tập hợp của các biến độc lập không. Theo bảng ANOVA, nếu thống
Không có tương quan nghịch biến Không quyết định 4 - dU ≤d ≤4 - dL
Không có tự tương quan đồng biến hoặc nghịch biến
là các ước lượng tính được bằng OLS không còn là ước lượng hiệu quả. Dubin Watson dùng để kiểm định tự tương quan của các sai số kề nhau, có giá trị biến thiên trong khoảng 0 tới 4. Để rõ hơn chúng ta hãy quan sát bảng 3.2.
- Kiểm định hiện tượng đa cộng tuyến: Đa cộng tuyến (Multicollinearity) là hiện tượng thường xảy ra khi mối tương quan cao giữa hai hay nhiều biến độc lập trong mô hình hồi quy. Vấn đề của hiện tượng đa cộng tuyến là chúng cung cấp cho mô hình những thông tin rất giống nhau và khó tách rời ảnh hưởng của từng biến một đến biến phụ thuộc. Thông qua hệ số phóng đại phương sai VIF (Variance Inflation Factor) từ bảng Coefficients để kiểm tra vấn đề trên. Nếu VIF lớn hơn hoặc bằng 10 thì có hiện tượng đa cộng tuyến (Hoàng và Chu 2008).
• Kiểm định ANOVA
ANOVA là tên gọi tắt của các phương pháp phân tích phương sai (Analysis Of Variance) được sử dụng để so sánh trung bình từ ba nhóm trở lên. Mô hình ANOVA sử dụng phổ biến để so sánh trung bình các nhóm với dữ liệu khảo sát (Survey data) và đặc biệt là dữ liệu thử nghiệm (Experimental data). Trong bài nghiên cứu này, tác giả sử dụng phân tích phương sai 1 yếu tố ( oneway anova) với biến phụ thuộc YD (ý định) với khả năng phạm sai lầm chỉ là 5%.
Giả thuyết YD4: Không có sự khác biệt về ý định của sinh viên khi lựa chọn học tiếng Anh tại một số cơ sở đào tạo ở TP.HCM có trình độ học vấn khác nhau.
tiếng Anh tại một số cơ sở đào tạo ở TP.HCM có thu nhập bình quân tháng khác