13. Hành vi mua sắm trực tuyến của khách hàng (Online shopping behavior)
2.6. Quy trình phân tích dữ liệu
Để thực hiện khảo sát, bảng hỏi được xây dựng dưới dạng bảng hỏi điện tử Google form và gửi lên các diễn đàn, hội nhóm mua sắm trực tuyến trên mạng xã hội. Kết quả khảo sát sau khi được thu thập sẽ được kiểm tra và làm sạch để loại bỏ những bảng hỏi có lỗi trả lời như (1) bảng hỏi bị thiếu câu trả lời; (2) bảng hỏi có xu hướng trả lời cùng 1 hướng; (3) bảng hỏi có những phương án trả lời đối lập nhau trong cùng 1 thang đo.
Để thực hiện việc phân tích số liệu, nghiên cứu sử dụng mô hình cấu trúc tuyến tính hay còn gọi là SEM (Structural Equation Modeling), SEM là một kỹ thuật phân tích thống kê thế hệ thứ hai được phát triển để phân tích mối quan hệ đa chiều giữa nhiều biến trong một mô hình (Haenlein & Kaplan, 2004). Hiện nay các nhà nghiên cứu thường sử dụng hai phương pháp chủ yếu để phân tích mô hình cấu trúc tuyến tính SEM, đó là: CB-SEM (Hiệp phương sai) và PLS-SEM (hay còn được gọi là mô hình đường dẫn PLS). CB-SEM chủ yếu được sử dụng để xác nhận (hoặc từ chối) các lý thuyết (nghĩa là, một tập hợp các mối quan hệ giữa nhiều biến có thể được kiểm định bởi thực nghiệm). Nó thực hiện điều này bằng cách xác định một mô hình lý thuyết được đề xuất có thể ước tính ma trận hiệp phương sai cho một tập dữ liệu mẫu tốt đến mức nào. Ngược lại, PLS-SEM chủ yếu được sử dụng để phát triển các lý thuyết trong nghiên cứu khám phá. Nó thực hiện điều này bằng cách tập trung vào giải thích phương sai trong các biến phụ thuộc khi kiểm tra mô hình. Trong nghiên cứu này, phương pháp PLS-SEM là thích hợp với mục tiêu nghiên cứu, do đó đã sử dụng PLS-SEM để đánh giá mô hình đo lường và mô hình cấu trúc với phần mềm Smart PLS 3.3.3, và các thủ tục phân tích như sau:
Kiểm định mô hình đo lường
- Độ tin cậy (Reliability) của các biến quan sát phải có hệ số Outer Loading lớn hơn hoặc bằng 0,5 để đạt yêu cầu về độ tin cậy. Theo Hullland (1999) thì hệ số Composite Reliablity phải lớn hơn hoặc bằng 0,7 để đạt được độ tin cậy tổng hợp.
- Croncbach Alpha để xác định độ tin cậy nhất quán nội bộ (Hulland, 1999), giá trị được chấp nhận để chỉ ra đủ độ tin cậy của các hạng mục đo lường là 0,7 hoặc cao hơn (Litwin, 1995; Hair và cộng sự, 2014)
- Độ tin cậy tổng hợp (CR) cung cấp một thước đo phù hợp hơn về độ tin cậy nhất quán bên trong so với Cronbach Alpha (Hair và cộng sự, 2014), giá trị ngưỡng khuyến nghị cho hệ số tin cậy tổng hợp là 0,7 hoặc lớn hơn (Hulland, 1999)
- Gía trị hội tụ (Convergent validity) được sử dụng để đánh giá sự ổn định của thang đo. Henseler và cộng sự (2016) đề xuất rằng giá trị chấp nhận được cho hệ số AVE phải là 0,5 hoặc lớn hơn. Thang đo nào đạt giá trị này sẽ được khẳng định là có giá trị hội tụ. Hệ số tải của mỗi biến quan sát lên nhân tố phải lớn hơn 0,7 để đạt được mức ý nghĩa.
- Kiểm định độ phân biệt (Discriminant Validity) được dùng để đo lường giá trị phân biệt giúp đảm bảo sự khác biệt giữa các yếu tố sử dụng để đo lường các nhân tố. Theo Henseler và cộng sự (2016) Để tính toán và xem xét giá trị phân biệt, nghiên cứu xem xét giá trị căn bậc hai của AVE của mỗi nhân tố. Những nhân tố nào có căn bậc hai của AVE lớn hơn hệ số liên hệ giữa nhân tố đó với các nhân tố khác (Latent Variable corelations) thì đạt được độ phân biệt và tính tin cậy của các nhân tố.
Kiểm định mô hình cấu trúc.
- Kiểm định sự phù hợp của mô hình thông qua chỉ số SRMR, Giá trị SRMR là sự khác biệt giữa phần data thực tế và phần mô hình dự đoán. SRMR dao động từ 0 đến 1, càng nhỏ càng tốt, SRMR = 0 thì mô hình dự đoán hoàn toàn trùng khớp với dữ liệu, SRMR ≤ 5% được đánh giá là tốt.
- Kiểm định hiện tượng đa cộng tuyến VIF, theo Becker và cộng sự, (2015) Hiện tượng đa cộng tuyến xảy ra giữa các nhân tố dự đoán khi các giá trị VIF lớn hơn 5, nhưng nếu giá trị VIF rơi vào khoảng từ 3 đến 5 cũng không loại trừ tính đa cộng tuyến xuất hiện. Do đó lý tưởng nhất là các giá trị VIF không vượt quá 3.
- Kiểm định hệ số xác định R-Squared (coefficient of determination - R2), R2 luôn nằm trong khoảng từ 0 đến 1 hay 0% đến 100%. 0% có nghĩa là mô hình không giải thích được sự biến thiên nào của dữ liệu phản hồi xung quanh giá trị trung bình của nó. 100% chỉ ra rằng mô hình giải thích tất cả sự biến thiên của dữ liệu phản hồi xung quanh giá trị trung bình của nó. Nói chung, R2 càng cao, mô hình càng phù hợp với dữ liệu.
- Kiểm định mức độ ảnh hưởng của các giả thuyết (Effect size – f2), Theo Cohen (1988), các giá trị f2 cao hơn 0,02, 0,15 và 0,35 lần lượt thể hiện các tác động nhỏ, trung bình và lớn.
- Kiểm định độ ước lượng chính xác (Q2), Theo quy luật chung, các giá trị Q2 cao hơn 0,00 0,25 và 0,50 mô tả mức độ ước lượng nhỏ, trung bình và lớn của mô hình đường dẫn PLS.
- Kiểm định Boostrapping – Kiểm định độ tin cậy của mô hình SEM được thực hiện sau khi hoàn thành việc ước lượng mô hình nghiên cứu theo thủ tục phân tích PLS Algorithm. Trong các nghiên cứu việc thực hiện kiểm định Bootstrapping là rất cần thiết do mô hình nghiên cứu phải đạt được độ tin cậy thì mới có thể giúp ta dùng phép nội suy ra tổng thể nếu không thì việc ước lượng chỉ phù hợp với quy mô mẫu giới hạn trong đề tài. Để thực hiện kiểm định này, nghiên cứu tiến hành thủ tục phân tích PLS Boostrapping với quy mô mẫu được nâng lên 5000.
CHƯƠNG 3: THỰC TRẠNG VÀ ĐÁNH GIÁ TÁC ĐỘNG CỦA CẢM NHẬN RỦI RO ĐẾN HÀNH VI MUA SẮM TRỰC TUYẾN CÁC THIẾT BỊ ĐIỆN, ĐIỆN TỬ TẠI VIỆT NAM.
Sau 4 tuần khảo sát, thu thập các bản khảo sát nhận được từ người tiêu dùng đã từng mua sắm trực tuyến trên các hội, nhóm mua sắm trực tuyến trên mạng xã hội, tác giả đã thu thập được 389 bảng hỏi. Kế t quả của những bảng hỏi này được kiểm soát và làm sạch trước khi đưa vào phân tích. Những bảng hỏi có lỗi trả lời như lặp ý, thiếu câu trả lời, có xung đột ở những câu hỏi mang tính kiểm định, sẽ bị loại để đảm bảo kết qua nghiên cứu có độ chính xác cao nhất. Tổng kết có 357 bảng hỏi sạch đủ điều kiện để đưa vào phân tích.