Dựa trên những nghiên cứu trong và ngoài nước sau đó điều chỉnh để phù hợp với nghiên cứu ý định chọn của giới trẻ trên địa bàn thành phố Hồ Chí Minh nhằm
đảm bảo độ tin cậy và xây dựng thang đo phù hợp. Đề tài đã sử dụng các biến quan sát thuộc các nhóm nhân tố cụ thể như sau:
(1985)
PU2 khi
đưa ra quyết định đặt phòng.
PU3
Tiết kiệm thời gian so với đặt phòng theo kiểu truyền thống.
PU4 Thông tin, hình ảnh khách sạn được cập nhật thường
xuyên trên trang web.
PU5
Booking.com có nhiều lựa chọn hơn so với các trang web khác.
II. Tính dễ sử dụng của Booking.com
Davis F.D. (1985)
PEU1 Giao diện trang web Booking.com dễ sử dụng.
PEU2 Quy trình đặt phòng đơn giản, nhanh chóng.
PEU3 Việc thay đổi hay huỷ phòng được thực hiện dễ dàng.
PEU4 Dễ dàng tìm kiếm thông tin khách sạn.
III. Sự tin tưởng đối với Booking.com
Joongho Ahn, Jinsoo Park & Dongwon Lee
TRUST1
Có niềm tin vào thương hiệu và uy tín của Booking.com.
TRUST3
Có niềm tin vào hệ thống thông tin bảo mật của Booking.com. IV. Rủi ro Nguyễn Anh Mai (2007), Phòng Thương mại và Công Nghiệp Việt Nam (2011) PR1
Sản phẩm/dịch vụ không giống trong hình ảnh cung cấp.
PR2 Chất lượng dịch vụ không đảm bảo yêu cầu.
PR3 Mất thêm chi phí cho việc thay đổi phòng/khách sạn
khi chất lượng không đảm bảo.
PR4 Mất thêm chi phí phát sinh tại khách sạn.
V. Thuận tiện trong thanh toán
Tachchaya Chatchotitham
& Varanya Soponprapapon (adsbygoogle = window.adsbygoogle || []).push({});
(2011)
PAYl Quy trình thanh toán đơn giản, nhanh chóng
PAY2 Hình thức thanh toán đa dạng.
PAY3 Các hình thức thanh toán phù hợp với thói quen sửdụng của khách hàng. PAY4 Giao diện thanh toán dễ sử dụng.
VI. Thái độ
Davis, F.D.(1989)
ATU1
Cảm thấy thích thú với dịch vụ đặt phòng của Booking.com
ATU2
Cảm thấy đặt phòng trên Booking.com là một hoạt động tiện lợi và hữu dụng
VII. Ý định sử dụng trang web Booking.com
Davis F.D. (1985)
BI1 Chắc chắn đặt phòng trên trang Booking.com khi đi
du lịch.
BI2 Có ý định đặt phòng trên trang Booking.com.
BI3
Sẽ xem xét ý định đặt phòng trên trang Booking.com khi đi du lịch.
Hình 3.2: Quy trình nghiên cứu
3.2.3. Phương pháp điều tra, thu thập dữ liệu
Dữ liệu được thu thập từ, thông tin trên mạng internet, các bài viết, bài báo được đăng trên các báo cáo, tạp chí khoa học và mạng xã hội, ...
Nghiên cứu chính thức được thực hiện bằng phương pháp nghiên cứu định lượng. Nghiên cứu định lượng này được thực hiện thông qua phương pháp khảo sát trực tuyến giới trẻ trên địa bàn thành phố Hồ Chí Minh. Ket quả của nghiên cứu chính thức dùng để kiểm định lại mô hình lý thuyết.
Bảng câu hỏi được thiết kế bằng Google Forms và gửi đến đối tượng khảo sát thông qua Facebook, Email. Bảng câu hỏi có hướng dẫn chi tiết và nội dung rõ rành dễ hiểu giúp người trả lời khảo sất dễ dàng thực hiện đánh giá của mình.
Thiết kế mẫu: Mẫu được chọn trong nghiên cứu này theo phương pháp chọn mẫu thuận tiện, một trong các hình thức chọn mẫu phi xác suất. .
Lựa chon cỡ mẫu: Việc xác định cỡ mẫu bao nhiêu là phù hợp vẫn còn nhiều tranh cãi với nhiều quan điểm khác nhau. Theo Gorsuch, số mẫu quan sát trong phân tích nhân tố khám phá (EFA) ít nhất phải là 200. Trong khi một số quy tắc kinh nghiệm trong xác định cỡ mẫu cho phân tích nhân tố EFA thông thường thì số quan sát (cỡ mẫu) ít nhất phải bằng 4 hoặc 5 lần số biến trong phân tích nhân tố (Hoàng trọng, Chu Nguyễn Mộng Ngọc, 2005). Cũng theo kinh nghiệm các nhà nghiên cứu cho rằng, nếu sử dụng phương pháp ước lượng ML thì kích thước mẫu tối thiểu phải từ 100 đến 150 (Hair & Ctg, 1998). Trong đề tài này, với 26 biến quan sát, tác giả lựa chọn mẫu là 150. Để tránh sai sót, số bảng hỏi được phát ra là 200 bảng. Sau khi nhập dữ liệu và làm sạch thì số bảng câu hỏi hợp lệ được sử dụng để xử lý SPSS là 150 bảng.
3.2.4. Phương pháp xử lý và phân tích dữ liệu
Toàn bộ dữ liệu thu thập được sẽ được xử lý với sự hỗ trợ của phần mềm SPSS 20.0. Thiết kế thang đo cho bảng hỏi: Các biến quan sát trong các thành phần sử dụng thang đo Likert 5 điểm được sử dụng: từ 1 - rất không đồng ý, 2 - không đồng ý, 3 - bình thường, 4 - đồng ý, 5 - rất đồng ý.
Khởi đầu, dữ liệu sẽ được mã hóa và làm sạch, sau đó qua các phân tích sau:
Phân tích mô tả sử dụng phương pháp phân tích thống kê mô tả trong SPSS. Phân tích mô tả mẫu cho biết các đặc điểm của mẫu như giới tính, độ tuổi, nghề nghiệp, thu nhập, số lần du lịch trong năm, hình thức đặt phòng và các đặc điểm sử dụng Internet vào việc sử dụng dịch vụ đặt phòng khách sạn trên Booking.com.
3.2.4.2. Đánh giá độ tin cậy của thang đo
Độ tin cậy chỉ sự nhất quán của một công cụ đo lường khi nó được sử dụng trong cùng một điều kiện với cùng một đối tượng. Độ tin cậy của một thang đo được đánh giá qua mức độ tương quan giữa các mục hỏi trong thang đo - hệ số Cronbach Alpha và sự tương quan giữa tổng điểm của từng người và điểm của từng mục hỏi - hệ số tương quan biến - tổng. Một thang đo đạt được độ tin cậy khi các biến quan sát có hệ số tương quan biến - tổng ≥ 0.3, vì vậy các biến quan sát có hệ số tương quan biến - tổng < 0.3 sẽ bị loại (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005). (adsbygoogle = window.adsbygoogle || []).push({});
Một thang đo được cho là tốt khi hệ số Cronbach alpha từ 0.8 đến gần 1.0, từ 0.7 đến gần 0.8 là sử dụng được. Một số tác giả đề nghị điều kiện để chọn thang đo là hệ số Cronbach alpha ≥ 0.6, tốt nhất là lớn hơn 0.7. Trong nghiên cứu này, tiêu chuẩn chọn thang đo khi Cronbach alpha ≥ 0.6. Nếu hệ số Cronbach alpha < 0.6 thì sẽ tiếp tục loại bớt biến quan sát có giá trị “Cronbach’s Alpha If Item Delete” lớn nhất. Khi đó thang đo mới được chọn sẽ có hệ số Cronbach alpha chính là giá trị “Cronbach’s Alpha If Item Delete” tương ứng với biến quan sát đã bị loại (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
3.2.4.3. Phân tích nhân tố khám phá (EFA)
Phân tích nhân tố khám phá là một phương pháp phân tích thống kê dùng để rút gọn một tập gồm nhiều biến quan sát phụ thuộc lẫn nhau thành một tập biến (gọi là các nhân tố) ít hơn để chúng có ý nghĩa hơn nhưng vẫn chứa đựng hầu hết nội dung thông tin của tập biến ban đầu. Trong nghiên cứu, phân tích nhân tố được sử dụng như một công cụ giúp nhóm các biến quan sát thành một số ít nhân tố có thể sử dụng được và mỗi nhân tố đại diện cho phần lớn ý nghĩa của các biến trong nhân tố đó. Mỗi biến quan sát sẽ được tính một tỷ số được gọi là hệ số tải nhân tố (trọng số
nhân tố) và nhân tố trội ẩn dưới những biến quan sát nào thì các biến quan sát đó sẽ tải mạnh lên nhân tố đó (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
Tập hợp các biến quan sát từ sáu khái niệm lý thuyết (1) Nhận định về tính hữu dụng của việc mua sắm trực tuyến - PU, (2) Nhận định về tính dễ sử dụng của các trang web bán hàng trực tuyến - PEU, (3) Nhận định về niềm tin trong mua bán trực tuyến - TRUST, (4) Nhận định về hệ thống thanh toán trong mua bán trực tuyến - PAY và (5) Nhận định về một số loại rủi ro đến mua bán trực tuyến - PR sẽ được đưa vào phân tích nhân tố khám phá. Phân tích nhân tố khám phá được sử dụng để nhóm các biến quan sát này thành các nhân tố và nhận diện các yếu tố theo các nhân tố trích được.
Các nhân tố mới có thể có sự khác biệt so với các yếu tố (khái niệm) trong mô hình lý thuyết, vì vậy mô hình nghiên cứu lý thuyết cùng với các giả thuyết sẽ được điều chỉnh theo kết quả phân tích EFA. Điều kiện của các tham số thống kê khi thực hiện phân tích nhân tố bao gồm:
— KMO là một chỉ tiêu dùng để xem xét sự thích hợp của EFA, 0.5≤KMO≤1 thì phân tích nhân tố là thích hợp. Kiểm định Bartlett xem xét giả thuyết H0: độ tương quan giữa các biến quan sát bằng không trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig ≤ 0.05) thì các biến quan sát có tương quan với nhau trong tổng thể (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
— Chỉ số Eigenvalue: đại diện cho lượng biến thiên được giải thích bởi nhân tố. Do mỗi biến riêng biệt có Eigenvalue là 1 nên chỉ những nhân tố có Eigenvalue lớn hơn 1 mới được xem là có ý nghĩa và được giữ lại (Công ty đầu tư xây dựng và hợp tác quốc tế Hùng Vương, 2007).
— Chỉ số phần trăm phương sai trích (Percentage of Variance Criterion): đại diện cho phần trăm lượng biến thiên được giải thích bởi các nhân tố. Tổng phương sai trích của tất cả các nhân tố phải lớn hơn 50% thì phân tích nhân tố mới đảm bảo giải thích được hầu hết ý nghĩa của các biến quan sát (Lê Thế Giới và Lê Văn Huy, 2006).
— Trọng số nhân tố (factor loading): hệ số tương quan giữa mỗi biến quan sát và nhân tố, trong đó biến có trọng số nhân tố cao hơn sẽ mang ý nghĩa đại diện cao cho nhân tố. Trọng số nhân tố > 0.3 được xem là đạt được mức tối thiểu vì vậy các biến có trọng số nhân tố ≤ 0.3 sẽ bị loại. Tiêu chuẩn chọn thang đo là các biến quan sát có trọng số nhân tố ≥ 0.5, vì vậy các biến có trọng số nhân tố < 0.5 sẽ bị loại và mỗi lần chỉ loại một biến. Biến bị loại theo nguyên tắc dựa trên trọng số nhân tố lớn nhất của từng biến quan sát không đạt, biến nào có trọng số nhân tố này không đạt nhất sẽ bị loại trước và sau đó tiến hành chạy phân tích nhân tố với các biến còn lại.
— Phương pháp trích nhân tố Principle Component với phép quay vuông góc Varimax sẽ được sử dụng. Với phép quay Varimax, các biến sẽ có trọng số nhân tố rất cao hoặc rất thấp lên một nhân tố nào đó. Do đó, Varimax giúp phân biệt rõ hơn giữa các nhân tố và tăng cường khả năng giải thích nhân tố.
Mô hình nhân tố được chọn là mô hình đáp ứng các điều kiện: KMO ≥ 0.5; giá trị Eigenvalue >1; tổng phương sai trích >50%; trọng số nhân tố ≥ 0.5. Các nhân tố được hình thành trong phân tích EFA thỏa mãn các điều kiện trên sẽ được sử dụng trong các bước tiếp theo như phân tích hồi quy.
Khái niệm thái độ (ATU) và ý định (BI) đối với việc mua hàng hóa/dịch vụ trực tuyến sẽ được phân tích EFA riêng biệt. Điều kiện để thang đo của các khái niệm đạt yêu cầu cũng tương tự như trên (KMO ≥ 0.5; giá trị Eigenvalue >1; tổng phương sai trích >50%; trọng số nhân tố ≥ 0.5). Các nhân tố sẽ được lưu lại thành các biến mới với các nhân số được tính như sau:
Fi = = βi1*F1 + βi2* F2 +...+ βik*Fk
Trong đó: βik: Hệ số nhân tố của biến quan sát thứ k trong nhân tố i (hệ số này được trình bày trong ma trận hệ số nhân tố); Fk: giá trị của biến quan sát đó.
Các biến mới này sẽ được sử dụng thay cho tập hợp biến gốc để đưa vào phân tích hồi quy, kiểm định mô hình nghiên cứu và các giả thuyết (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
3.2.4.4. Phân tích tương quan
Các thang đo được đánh giá đạt yêu cầu được đưa vào phân tích tương quan Pearson (vì các biến được đo bằng thang đo khoảng) và phân tích hồi quy để kiểm định các giả thuyết. Phân tích tương quan Pearson được thực hiện giữa biến phụ thuộc và các biến độc lập nhằm khẳng định có mối quan hệ tuyến tính giữa biến phụ thuốc và các biến độc lập, khi đó việc sử dụng phân tích hồi quy tuyến tính là phù hợp . Giá trị tuyệt đối của Pearson càng gần đến 1 thì hai biến này có mối tương quan tuyến tính càng chặt chẽ. Đồng thời cần phân tích tương quan giữa các biến độc lập với nhau nhằm phát hiện những mối tương quan chặt chẽ giữa các biến độc lập. Và những tương quan như vậy có thể ảnh hưởng lớn đến kết quả của phân tích hồi quy như gây ra hiện tượng đa cộng tuyến (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
3.2.4.5. Phân tích hồi quy
Phân tích hồi quy đa biến nhằm chỉ ra mối quan hệ giữa các biến độc lập và biến phụ thuộc. Kết quả phân tích đa biến là một hàm số biểu thị giá trị của biến phụ thuộc thông qua các biến độc lập. Mô hình hồi quy cần được kiểm định thông qua các loại kiểm định sau:
— Kiểm nghiệm mức ý nghĩa của hệ số hồi quy riêng phần (β) dựa vào T- test: khi mức ý nghĩa của hệ số hồi quy có độ tin cậy ít nhất là 95% (Sig ≤ 0.05), kết luận tương quan có ý nghĩa thống kê giữa biến độc lập và biến phụ thuộc. Đây cũng là cơ sở để kết luận các giả thuyết của nghiên cứu là chấp nhận (hay bác bỏ trong trường hợp tương quan không có ý nghĩa thống kê, sig > 0.05).
— Mức độ giải thích của mô hình hồi quy thể hiện thông qua hệ số R2 và hệ số R2 điều chỉnh. Hệ số R2 biểu thị phần trăm giải thích cho biến phụ thuộc bởi biến độc lập, hệ số này nhận giá trị từ 0 đến 1. Hệ số này có giá trị càng gần 1 thì mức độ giải thích càng cao, dự báo càng có giá trị. Tuy nhiên, mô hình càng nhiều biến độc lập thì giá trị R2 càng cao dù biến đó không có ý nghĩa. Vì vậy sử dụng hệ số R2 điều chỉnh để kiểm tra mức độ giải thích của mô hình nghiên cứu.
Đặc điểm sử dụng Internet Số người Tỷ lệ (%)
Không thường xuyên 6 40
Bình thường 23 15.3
Rất thường xuyên 34 22.7
Thường xuyên 87 58.0
Tổng 150 100.0
— Mức độ phù hợp của phương trình hồi quy được kiểm định nhằm xem xét có mối quan hệ tuyến tính giữa các biến độc lập với biến phụ thuộc hay không. Mô hình hồi quy được cho là phù hợp khi tồn tại ít nhất một hệ số hồi quy khác không. Kiểm định này được thực hiện thông qua phân tích phương sai (ANOVA) với giả thuyết H0: các hệ số hồi quy đều bằng không. Nếu kiểm định có ý nghĩa thống kê (Sig ≤ 0.05) thì giả thuyết này bị bác bỏ và mô hình hồi quy được cho là phù hợp với độ tin cậy 95%.
— Hệ số tương quan Pearson và hệ số phóng đại phương sai VIF dùng để kiểm định hiện tượng đa cộng tuyến của các biến độc lập. Nếu các biến độc lập trong mô hình hồi quy có hệ số tương quan thấp (<0.6) và hệ số phóng đại phương sai VIF <10 thì mô hình hồi quy không có hiện tượng cộng tuyến giữa các biến độc lập. (Hoàng Trọng, Chu Nguyễn Mộng Ngọc, 2005). (adsbygoogle = window.adsbygoogle || []).push({});
TÓM TẮT CHƯƠNG 3
Trên cơ sở các lý thuyết ở chương 2, tác giả đã đưa ra mô hình nghiên cứu các yếu tố ảnh hưởng đến thái độ và ý định sử dụng trang web du lịch Booking.com của giới trẻ trên địa bàn thành phố Hồ Chí Minh bao gồm: Nhận thức tính hữu dụng, Nhận thức tính dễ sử dụng, Sự tin tưởng, Nhận thức rủi ro, Hệ thống thanh toán.
Tiếp theo chương đã trình bày phương pháp nghiên cứu nhằm cụ thể hóa cách thực hiện đề tài nghiên cứu để đạt được mục tiêu đề ra theo quy trình.
CHƯƠNG 4 : KẾT QUẢ NGHIÊN CỨU
Ở chương 3 đã cho thấy được mô hình nghiên cứu và trình bày các phương pháp nghiên cứu của đề tài. Trong chương 4 này tác giả sẽ trình bày kết quả phân tích của các dữ liệu.
4.1. Mô tả mẫu nghiên cứu
Với phương pháp chọn mẫu thuận tiện như đã trình bày trong chương 3, tác giả đã gửi email và chia sẻ trên mạng xã hội khoảng 200 bảng câu hỏi phỏng vấn trực tuyến với công cụ google forms. Kết quả thu được 186 phản hồi đạt tỷ lệ 92%. Sau