2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ MƠ HÌNH NGHIÊN CỨU
3.3. Nghiên cứu định lượng
3.3.2. Nghiên cứu định lượng chính thức
3.3.2.1. Thiết kế mẫu nghiên cứu
Sau khi nghiên cứu định tính, bảng câu hỏi điều chỉnh đã được hồn thành để phù hợp hơn với thị trường Việt Nam. Khách du lịch tiềm năng ở Thành phố Hồ Chí Minh sẽ được chọn là đối tượng khảo sát trong nghiên cứu để sử dụng mẫu thuận tiện. Quá trình nghiên cứu định lượng được thực hiện theo các bước sau:
Bước 1: Soạn thảo bảng câu hỏi cho nghiên cứu
Bảng câu hỏi phỏng vấn được xây dựng dựa trên các mục hỏi nêu trên và được bổ sung các thông tin về nhân khẩu học. Ban đầu, bảng câu hỏi được xây dựng bằng tiếng Anh, sau đó tác giả dịch sang tiếng Việt để phù hợp với ngôn ngữ bản địa và tiến hành khảo sát.
Bước 2: Xác định cỡ mẫu của nghiên cứu
Theo Hair và cộng sự (2010) kích thước mẫu phải là 100 hoặc lớn hơn và tỷ lệ quan sát/biến đo lường là 5:1, tức là một biến đo lường cần tối đa 05 biến quan sát (Nguyễn Đình Thọ, 2011). Mơ hình nghiên cứu được đề xuất có 07 yếu tố với 32 biến quan sát. Do đó, kích thức mẫu tối thiểu phải là 32 * 5 = 160 quan sát.
Mặt khác, để kiểm tra lý thuyết, mơ hình và giả thuyết theo phương pháp mơ hình cấu trúc tuyến tính bình phương bé nhất từng phần (PLS-SEM) vì PLS-SEM được khuyến khích sử dụng trong các mơ hình có cấu trúc khái niệm bậc cao dạng phản ánh. Các cấu trúc bao gồm: Sự hiện diện, giá trị nhận thức, giá trị cảm xúc và ý định hành vi của du khách được mơ hình hố dạng phản ánh sử dụng phương pháp chỉ báo lặp lại, trong đó, chỉ báo của các cấu trúc bậc thấp dạng phản ánh sẽ được sử dụng lặp lại để đo lường cấu trúc bậc cao dạng cấu tạo (Hair và cộng sự, 2017). Công cụ sử dụng để thực hiện phân tích là phần mềm SPSS 25 cho thống kê mô tả, và phần mềm SmartPLS 3.2.8 cho các mơ hình đo lường và phương pháp cấu trúc tuyến tính. Nghiên cứu hiện tại tác giả sử dụng kích thước mẫu là 305 quan sát, do đó, nó được phân bổ cho phân tích SEM so với các quy tắc chung được đề cập ở trên. Sau đó, tác giả sử dụng phương pháp lấy mẫu thuận tiện để tiến hành lấy mẫu. Tất cả những người trả lời được hỏi liệu họ có từng trải nghiệm kính VR hay đã du lịch đảo Maldives trước khi trả lời câu hỏi hay không.
Bước 3: Cung cấp bảng câu hỏi cho người được phỏng vấn
Đối tượng thu thập dữ liệu trong nghiên cứu hiện tại là Sinh viên Đại học, sau Đại học và nhân viên văn phòng tại TP.HCM dựa trên nghiên cứu của Tussyadiah (2018) cũng thu thập ý kiến về các đối tượng trẻ. Các nghiên cứu đã phát hiện ra rằng khách hàng càng trẻ càng có nhiều khả năng quan tâm đến VR (Marketer, 2015; Global Web Index, 2016). Có thể nói rằng những người tham gia nghiên cứu này đại diện cho một nhóm khách hàng có khả năng trải nghiệm cao và chiụ ảnh hưởng của VR. Để thực hiện nghiên cứu này, tác giả dùng công nghệ thực tế ảo, sử dụng tai nghe để trải nghiệm, đưa người dùng vào môi trường kỹ thuật số. Thơng qua việc sử dụng hình ảnh, âm thanh và các cảm giác vật lý khác, người dùng về cơ bản được đặt trong
một thế giới ảo, họ có thể di chuyển xung quanh. Trải nghiệm ảo mà tác giả chọn là video 3600 về đảo Maldives cung cấp cho người dùng cảm giác như đang lặn biển khám phá đại dương, nghỉ dưỡng ở biệt thự trên mặt nước và đi du thuyền ngắm hồng hơn.
Để thực hiện nghiên cứu này, Các bạn sinh viên Đại học, sau Đại học, nhân viên văn phịng tại Cơng ty và tại các quán Cafe trên địa bàn Tp.HCM được mời tham gia phỏng vấn. Thiết bị khảo sát bao gồm kính 3D Gear Shinecon và điện thoại IOS của Apple đã được sử dụng trong nghiên cứu. Tác giả sử dụng ứng dụng Youtube và tính năng “Watch in VR” trên điện thoại để trải nghiệm một đoạn video dài 2.34 phút của một khu nghỉ dưỡng trên đảo Maldives với hình ảnh 3D 3600. Trước khi trải nghiệm VR tất cả những người tham gia được giải thích rõ ràng các định nghĩa về các khái niệm quan trọng (ví dụ: sử dụng VR cho hoạt động liên quan đến du lịch, nội dung liên quan đến du lịch) để khi bắt đầu cuộc khảo sát giúp đảm bảo tính hợp lệ của câu trả lời, đáp viên được yêu cầu hoàn thành bảng câu hỏi và đưa lại cho người phỏng vấn ngay sau khi hồn thành. Tổng cộng có 327 người được yêu cầu hoàn thàng bảng câu hỏi trực tiếp.
Bảng câu hỏi gồm 3 phần: phần thứ nhất bao gồm thông tin về các hoạt động VR, phần thứ hai bao gổm các mục đo lường liên quan đến mơ hình nghiên cứu, phần thứ 3 bao gồm các câu hỏi cá nhân về đặc điểm nhân khẩu học.
Bước 4: Kiểm tra câu trả lời và mã hoá dữ liệu đầu vào
Bảng câu hỏi sau khi được kiểm tra và loại bỏ những câu trả lời bị lỗi hoặc không hợp lệ. Khảo sát được tác giả thực hiện trực tiếp sau khi người trả lời trải nghiệm VR nên đã được tiến hành nghiêm túc và trung thực, mẫu thu thập được sàn lọc và loại bỏ những dữ liệu khơng đạt u cầu, kết quả có 22 câu trả lời bị loại, tổng cộng có 305 câu trả lời được đưa vào phân tích.
Dữ liệu được cập nhật vào Excel để thực hiện các phân tích cho thống kê mơ tả trong bằng phần mềm SPSS 25 và phần mềm SmartPLS 3.2.8 cho cả mơ hình đo lường và phương trình cấu trúc tuyến tính.
3.3.2.2. Phương pháp phân tích dữ liệu
Nghiên cứu này thực hiện mơ hình cấu trúc tuyến tính bình phương bé nhất từng phần (PLS-SEM) để xem xét khung lý thuyết và các giả thuyết được đề xuất với các lý do sau: Đầu tiên, khơng giống với các phân tích SEM dựa trên hiệp phương sai truyền thống. PLS-SEM yêu cầu các tiêu chí tối thiểu cho thang đo, cỡ mẫu và phân phối dư để xác nhận mơ hình bằng phương pháp lấy mẫu lại Bootstrap như là một phương pháp không tham số (Chin và cộng sự, 2013). Thứ hai, PLS-SEM có thể phân tích cả hai mơ hình thang đo nguyên nhân và kết quả với mơ hình bậc hai (Chin, 1998). Thứ ba, PLS-SEM đã được đề xuất là phù hợp hơn với các mơ hình phức tạp hoặc phân tích nhiều nhóm so với SEM truyền thống (Hair và cộng sự, 2012). Bên cạnh đó PLS-SEM được khuyến khích sử dụng trong các mơ hình có cấu trúc khái niệm bậc cao dạng phản ánh. Các cấu trúc bậc cao gồm: Sự hiện diện, phản ứng cảm xúc và ý định hành vi của khách du lịch được mơ hình hố dạng phản ánh sử dụng phương pháp chỉ báo lặp lại, trong đó chỉ báo của các cấu trúc bậc thấp dạng phản ánh sẽ được sử dụng lặp lại để đo lường cấu trúc bậc cao dạng cấu tạo (Hair và cộng sự, 2017). Do đó trong nghiên cứu này, SmartPLS 3.2.8 đã được sử dụng để phân tích mơ hình đo lường cũng như mơ hình cấu trúc (Ringle và cộng sự, 2015).
3.3.2.3. Quy trình đánh giá mơ hình nghiên cứu
Quy trình thực hiện nghiên cứu sử dụng kỹ thuật phân tích dữ liệu PLS-SEM được trải qua các giai đoạn: mơ hình nghiên cứu chính thức (mơ hình cấu trúc), xác định mơ hình đo lường, thu thập dữ liệu và kiểm định thang đo, phân tích PLS-SEM và kết quả kiểm định giả thuyết nghiên cứu (Hair và cộng sự, 2016).
Hình 3.2: Quy trình thực hiện nghiên cứu chính thức
Nguồn: Hair và cộng sự (2016)
Dựa vào nghiên cứu sơ bộ, mơ hình đường dẫn (path modeling) được thiết lập (mơ hình đo lường và mơ gình cấu trúc). Từ mơ hình cấu trúc được giới thiệu trong Hình 2.5 (mơ hình lý thuyết) và các lý thuyết đo lường, cần thiết lập mơ hình đo lường (Hair và cộng sự, 2016). Trong nghiên cứu này, kết quả kiểm tra thang đo nghiên cứu sơ bộ được sử dụng để hình thành mơ hình đo lường. Dựa vào mơ hình đo lường và các thang đo cụ thể của từng khái niệm nghiên cứu, tác giả tiến hành thu thập dữ liệu và kiểm tra thang đo (Hair và cộng sự, 2016). Bước này được gọi là kiểm tra mơ hình đo lường và phải thoả mãn tiêu chí cần thiết để có thể sử dụng trong nghiên cứu khoa học. Sau khi kiểm tra mơ hình đo lường có thể có những điều chỉnh và nó là cơ sở để tiến hành kiểm tra mơ hình cấu trúc tức là thực hiện phân tích PLS-SEM. Các kết quả phân tích PLS-SEM chính thức được trình bày trong chương 4.
a) Kiểm tra mơ hình đo lường
Theo Hair và cộng sự (2016), mơ hình đo lường cần đánh giá ba giá trị của thang đo bao gồm: (1) tính nhất qn nội tại thơng qua hai chỉ số Cronbach’s Alpha và độ tin cậy tổng (Composite reliability); (2) giá trị hội tụ (Convergent validity) được đánh giá thông qua hai chỉ số gồm độ tin cậy của từng biến quan sát (individual indicator reliability) và phương sai trích trung bình (the average variance extracted-AVE); (3)
Nghiên cứu sơ bộ
Xác định mơ hình cấu trúc Thu thập dữ liệu và kiểm tra thang đo
Phân tích PLS-SEM
đánh giá giá trị phân biệt (discriminant validity) thông qua hệ số tải chéo (the cross loadings), chỉ số HTMT (heterotrait-monotrait ratio) hoặc sử dụng tiêu chí Fornell- Larcker theo truyền thống.
(1) Tính nhất quán nội tại
Tiêu chuẩn phổ biến cho tính nhất quán nội tại Cronbach’s alpha, tuy nhiên Cronbach’s alpha rất nhạy cảm với số lượng biến quan sát trong thang đo và thường có xu hướng ước lượng thấp hơn độ tin cậy về tính nhất qn nội tại vốn có của nó. Do những hạn chế của Cronbach’s alpha trong tổng thể, một cách thoả đáng hơn là áp dụng một đo lường khác của độ tin cậy tính nhất quán nội bộ, được gọi là độ tin cậy tổng hợp (composite reliability), ký hiệu là CR được tính bằng cơng thức sau:
𝐶𝑅 = (∑ 𝑙𝑖 𝑖)
2
(∑ 𝑙𝑖 𝑖)2+ ∑ 𝑣𝑎𝑟(𝑒𝑖 𝑖)2
Trong đó, 𝑙𝑖: là hệ số tải đã chuẩn hoá của biến quan sát i;
𝑒𝑖: là sai số đo lường của biến quan sát i;
𝑣𝑎𝑟(𝑒𝑖): là phương sai của sai số đo lường bà được xác định bằng 1 - 𝑙𝑖2. Độ tin cậy tổng hợp thay đổi trong khoảng từ 0 đến 1, với giá trị càng cao cho thấy độ tin cậy càng cao. Nó được hiểu theo cách tương tự như Cronbach’s alpha. Đặc biệt, các giá trị độ tin cậy tổng hợp từ 0,60 đến 0,70 được chấp nhận trong nghiên cứu khám phá, trong khi ở các phân tích nâng cao của nghiên cứu, giá trị từ 0,70 đến 0,9 có thể coi là đạt yêu cầu (Nunnally và Bernstein, 1994, Lê Nhật Hạnh, 2019).
(2) Giá trị hội tụ
Giá trị hội tụ (convergent validity) là mức độ mà một đo lường (items, indicators, measures) tương quan tích cực với các đo lường thay thế của cùng một biến tiềm ẩn. Để thiết lập giá trị hội tụ, các nhà nghiên cứu xem xét hệ số tải (outer loadings) của các biến quan sát cũng như pương sai trích trung bình (AVE).
Các hệ số tải thường được gọi là độ tin cậy của biến quan sát (indicator reliability), một yêu cầu tối thiểu là tất cả các hệ số tải của các biến quan sát phải có ý nghĩa thống kê nên nguyên tắc chung được đặt ra là hệ số tải bằng 0,70 hoặc cao
hơn. Tuy nhiên trong nhiều trường hợp, hệ số tải bằng 0,70 vẫn được chấp nhận, vì 0,70 được coi là gần bằng 0,70.
Trong trường hợp những biến quan sát có hệ số tải yếu hơn (tức là <0,70) thay vì tự động loại bỏ các biến quan sát nên kiểm tra một cách cẩn thận ảnh hưởng của biến quan sát bị loại bỏ lên độ tin cậy tổng hợp, cũng như giá trị nội dung của biến tiềm ẩn. Các biến quan sát với hệ số tải trong khoảng từ 0,40 đến 0,70 nên được xem xét thận trọng khi loại bỏ khỏi thang đo. Chỉ loại bỏ những biến quan sát này khỏi thang đo khi chúng làm cho độ tin cậy tổng hợp CR hoặc AVE tăng lên trên giá trị ngưỡng được đề xuất. Tuy nhiên, việc quyết định có nên xố một biến quan sát hay khơng là mức độ mà việc loại bỏ biến đó ảnh hưởng đến giá trị nội dung và đôi khi được giữ lại trên cơ sở những đóng góp của các biến quan sát này cho giá trị nội dung.
Đo lường phổ biến để thiết lập giá trị hội tụ lên biến tiềm ẩn là phương sai trích trung bình (AVE)
𝐴𝑉𝐸 = ∑ 𝑙𝑖
2
𝑛
Trong đó, 𝑙𝑖: là hệ số tải của biến quan sát thứ i liên quan đến một biến tiềm ẩn; n: là tổng số biến quan sát liên quan đến một biến tiềm ẩn.
Giá trị AVE bằng 0,50 hoặc cao hơn nghĩa là trung bình, biến tiềm ẩn giải thích hơn một nửa phương sai của các biến quan sát của nó. Ngược lại, giá trị AVE < 0,5 nghĩa là trung bình, sai số trong các biến quan sát lớn nhiều hơn phần phương sai được giải thích bởi biến tiềm ẩn.
(3) Giá trị phân biệt
Giá trị phân biệt là mức độ mà một biến tiềm ẩn thật sự khác biệt với một biến tiềm ẩn khác theo các tiêu chuẩn thực nghiệm (Hair và cộng sự, 2016). Có ba phương pháp dùng đề đánh giá giá trị phân biệt:
- Thứ nhất, kiểm tra hệ số tải chéo (the cross loading) của các biến quan sát nghĩa là một hệ số tải chéo của biến quan sát trên biến tiềm ẩn mà nó đo lường phải lớn hơn nhiều so với tất cả các hệ số tải của nó trên các biến tiềm ẩn khác.
- Thứ hai, tiêu chuẩn Fornell-Lacker so sánh căn bậc hai của các giá trị AVE với hệ số tương quan (correlations) của biến tiềm ẩn. Căn bậc hai mỗi AVE của biến tiềm ẩn phải lớn hơn hệ số tương quan cao nhất của nó với các biến tiềm ẩn khác.
- Thứ ba, hệ số HTMT (heterotrait-monotrait ratio) phải thấp hơn 0,85. Tuy nhiên có thể sử dụng ngưỡng 0,90 hoặc dùng khoảng tin cậy Bootstrap chuẩn gồm giá trị 1,0 để kết luận giá trị phân biệt được đảm bảo (Henseler và cộng sự, 2015).
b) Kiểm tra mơ hình cấu trúc
Kiểm tra mơ hình cấu trúc nhằm kiểm định các giả thuyết nghiên cứu và các đánh giá về mơ hình đường dẫn được kế thừa từ các kết quả nghiên cứu trong phân tích mơ hình đo lường. Việc đánh giá mơ hình cấu trúc cho phép xác định dữ liệu thực nghiệm đã được thu thập ủng hộ lý thuyết đến mức độ nào và liệu rằng lý thuyết có được xác nhận theo thực nghiệm hay khơng. Mơ hình cấu trúc đánh giá mối quan hệ giữa các biến tiềm ẩn, đó chính là mơ hình nghiên cứu được giới thiệu (Hair và cộng sự, 2016) Kỹ thuật phân tích PLS-SEM được sử dụng trong nghiên cứu chính thức, vì vậy quy trình phân tích mơ hình cấu trúc được thực hiện theo đề xuất của Hair và cộng sự (2016). Bên cạnh đó kỹ thuật phân tích lặp lại (Repeat indicators approach) là một kiểu thiết lập mơ hình đo lường trong mơ hình thành phần phân cấp (see Hierarchical component models – HCM) sử dụng các chỉ số mơ hình bậc cao liên quan đến việc tóm tắt các thành phần bậc thấp hơn (LOCs) như các chỉ số của cấu trúc bậc cao đa chiều (HOC) để tạo ra HCM trong PLS-SEM để đánh giá độ chính xác của thang đo được áp dụng trong nghiên cứu (Hair và cộng sự, 2018).
(1) Đánh giá sự cộng tuyến
Để đánh giá sự cộng tuyến của các biến tiềm ẩn trong mơ hình cấu trúc, sử dụng các chỉ số giá trị dung sai TOL (Tolerance) và hệ số phóng đại phương sai VIF (Variance Inflation Factor). Mỗi giá trị dung sai của biến tiềm ẩn TOL phải cao hơn 0,20, hoặc độ phóng đại phương sai VIF phải thấp hơn 5,00.
Nếu kết quả kiểm định không đạt, cần xem xét, loại bỏ biến tiềm ẩn, hợp nhất các biến tiềm ẩn thành một biến duy nhất, hoặc tạo ra một biến tiềm ẩn bậc cao để xử lý vấn đề cộng tuyến.
(2) Hệ số đường dẫn của mơ hình cấu trúc
Các mối quan hệ trong mơ hình cấu trúc đại diện cho các mối quan hệ được giả thuyết giữa các biến tiềm ẩn. Các hệ số đường dẫn có giá trị chuẩn hố (standardized values) nằm trong khoảng từ -1 đến +1. Các hệ số đường dẫn ước lượng được gần giá trị +1 nghĩa là mối quan hệ tích cực/dương rất mạnh, và có ý nghĩa thống kê. Ngược lại, các hệ số đường dẫn ước lượng được gần giá trị -1 thể hiện mối quan hệ tiêu cực/âm