TT Tiêu chí Mã hóa
(1) Nhận thức của khách hàng
1 Nhu cầu mua sắm và giao dịch trực tuyến H11
2 Kiểm định chất lượng hàng hoá và dịch vụ giao dịch trực tuyến H12 3 Mức độ hài lịng của người mua hàng hố và dịch vụ trực tuyến H13
4 Độ tin cậy của khách hàng giao dịch trực tuyến H14
(2) Cơng nghệ và bảo mật
5 Hình thức giao dịch trực tuyến đa dạng H21
6 Ứng dụng mua sắm trực tuyến dễ dàng H22
7 Khả năng kết nối đa phương thức của e-logistics H23
8 Khả năng định vị giao dịch trực tuyến H24
9 Khả năng bảo mật thông tin giao dịch trực tuyến H25
(3) Hạ tầng pháp lý
10 Luật về giao dịch điện tử H31
11 Giao kết và thực hiện hợp đồng điện tử H32
12 Thông tin dữ liệu và chữ ký điện tử H33
13 Thủ tục giải quyết tranh chấp và xử lý vi phạm H34
(4) Sở hữu trí tuệ và bảo vệ người tiêu dùng
14 Hệ thống pháp lý về sở hữu trí tuệ và bảo vệ người tiêu dùng H41
15 Tính an tồn và độ bảo mật thơng tin khách hàng H42
16 Thương hiệu và nhãn hiệu của nhà cung cấp H43
17 Thủ tục xử lý vi phạm bản quyền và lộ bí mật thơng tin H44
(5) Hệ thống thanh toán điện tử
18 Phương thức đa dạng trong giao dịch H51
19 Hình thức thanh tốn phù hợp với khách hàng H52
20 Cơng nghệ hỗ trợ thanh tốn đa năng H53
21 Hệ thống mạng lưới thanh tốn tích hợp H54
(6) Nguồn nhân lực
22 Số lượng nguồn nhân lực của ngành H61
23 Trình độ nguồn nhân lực của ngành H62
24 Đào tạo nguồn nhân lực cho ngành H63
25 Tính chuyên nghiệp của nhân lực ngành H64
(7) Tổ chức và quản trị
26 Mạng lưới tổ chức trong các doanh nghiệp ngành H71
27 Mơ hình kết nối e-logistics H72
28 Quy trình phân phối hàng hố kết hợp dịch vụ logistics H73
29 Quản trị kênh phân phối e-logistics H74
Nguồn: Tác giả xây dựng từ giả thiết nghiên cứu, 2018
3.2.3. Mẫu nghiên cứu
Đối tượng khảo sát: Các chuyên gia, lãnh đạo, quản lý và nhân viên các doanh nghiệp hoạt động trong ngành logistics, chuyển phát nhanh, TMĐT, kinh doanh bán lẻ... tại TP HCM.
Phương pháp chọn mẫu: đề tài nghiên cứu chọn mẫu để điều tra theo phương pháp thuận tiện.
Phương pháp phân tích dữ liệu: thống kê mô tả, đánh giá độ tin cậy thang đo bằng hệ số tin cậy Cronbach Alpha, phân tích yếu tố khám phá EFA, phân tích tương quan, phân tích hồi quy tuyến tính và phân tích Anova. Tất cả các thao tác được thực hiện bằng phần mềm SPSS 22.0.
Kích thước mẫu: Theo nhà nghiên cứu Hair, Aderson, Tatham và Black (1998) để chọn kích thước mẫu nghiên cứu phù hợp, đối với phân tích nhân tố EFA, cỡ mẫu tối thiểu N ≥ 5*m (trong đó m là số lượng câu hỏi trong bài). Đối với tác giả Tabachnick & Fidell (1996) để tiến hành phân tích hồi quy tốt nhất, cỡ mẫu tối thiểu cần đạt được tính theo cơng thức N ≥ 50 + 8m (trong đó m là số biến độc lập). Theo đó, tác giả chọn kích
thước mẫu đủ lớn để thỏa mãn cả hai điều kiện theo đề nghị của phương pháp nghiên cứu nhân tố EFA và phương pháp hồi quy bội của Green (1991), kích thước N ≥ max (cỡ mẫu theo yều cầu EFA; cỡ mẫu theo yêu cầu của hồi quy bội), ứng với thang đo gồm 33 biến quan sát, và 08 biến độc lập thì số mẫu yêu cầu tối thiểu là N ≥ max (50 + 8*8) =
114 mẫu, làm tròn và dự kiến khả năng thu hồi là 120 mẫu. Thời gian lấy mẫu: Từ ngày 27/03/2018 đến 29/09/2018
3.2.4. Nghiên cứu định lượng
Tác giả đã thực hiện khảo sát trực tiếp với tổng số bảng khảo sát phát hành ra là 200 bảng, kết quả thu được 195 bảng câu hỏi khảo sát. Sau khi kiểm tra có 15 bảng khảo sát khơng đạt u cầu do bỏ trống hoặc có nhiều câu trả lời giống nhau nên loại bỏ, kết quả còn lại 180 bảng câu hỏi hợp lệ sử dụng để phân tích số liệu. Tiến hành phân tích bằng phần mềm SPSS 22.0.
3.2.4.1. Xử lý sơ bộ trước khi đưa vào phân tích
Mã hóa dữ liệu: Dữ liệu thu thập được sẽ mã hóa để nhập vào phần mềm SPSS 22.0
Làm sạch dữ liệu: Trước khi thực hiện tính tốn dữ liệu, cần thiết phải làm sạch dữ liệu nhằm phát hiện loại bỏ các sai sót.
3.2.4.2. Phương pháp phân tích dữ liệu
- Thống kê mơ tả, Theo Huysamen (1990) thống kê mô tả cho phép các nhà nghiên
cứu trình bày các dữ liệu thu thập được dưới hình thức cơ cấu và tổng kết. Thơng kê mơ tả sử dụng trong nghiên cứu này để phân tích, mơ tả dữ liệu bao gồm: tần số, tỷ lệ, giá trị trung bình và độ lệch chuẩn. Thang đo Likert 5 mức độ được sử dụng trong nghiên cứu này, để thuận tiện cho việc nhận xét khi sử dụng giá trị trung bình (mean) đánh giá các yếu tố ảnh hưởng đến động lực làm việc, tác giả xác định ý nghĩa của từng giá trị trung bình đối với thang đo khoảng (Interval Scale) được tính như sau:
Giá trị khoảng cách = (Maximum – Minimum) / n = (5 – 1) / 5 = 0,8 - Mean = 1,00 – 1,80: Rất không đồng ý
- Mean = 1,81 – 2,60: Không đồng ý
- Mean = 3,40 – 4,20: Đồng ý - Mean = 4,21 – 5,00: Rất đồng ý
- Đánh giá hệ số tin cậy Cronbach’s Alpha, Độ tin cậy của thang đo được đánh giá
thông qua hệ số Cronbach’s Alpha, sử dụng phương pháp hệ số tin cậy Cronbach’s Alpha trước khi phân tích nhân tố EFA để loại các biến khơng phù hợp vì các biến rác này có thể tạo ra các yếu tố giả (Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2009).
Hệ số tin cậy Cronbach’s Alpha chỉ cho biết các đo lường có liên kết với nhau hay khơng; nhưng không cho biết biến quan sát nào cần bỏ đi và biến quan sát nào cần giữ lại. Khi đó, việc tính tốn hệ số tương quan giữa biến tổng sẽ giúp loại ra những biến quan sát nào khơng đóng góp nhiều cho sự mơ tả của khái niệm cần đo (Hồng Trọng & Chu
Nguyễn Mộng Ngọc, 2005).
Các tiêu chí được sử dụng khi thực hiện đánh giá độ tin cậy thang đo: Loại các biến quan sát có hệ số tương quan biến tổng nhỏ (nhỏ hơn 0,3), tiêu chuẩn chọn thang đo khi có độ tin cậy Alpha lớn hơn 0,6 (Alpha càng lớn thì độ tin cậy nhất quán nội tại càng cao) - Nunally & Burnstein, 1994; dẫn theo Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2009.
Các mức giá trị của Alpha: Lớn hơn 0,8 là thang đo lường tốt, từ 0,7 đến 0,8 là sử dụng được, từ 0,6 trở lên là có thể sử dụng trong trường hợp khái niệm nghiên cứu là mới hoặc là mới trong bối cảnh nghiên cứu - Nunally, 1978; Peterson, 1994; Slater, 1995; dẫn theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005.
- Phân tích yếu tố khám phá EFA, Phương pháp phân tích yếu tố khám phá EFA
giúp ta đánh giá hai loại giá trị quan trọng của thang đo là giá trị hội tụ và giá trị phân biệt. Điều kiện để phân tích yếu tố khám phá là phải thỏa mãn các yêu cầu:
Hệ số KMO (Kaiser-Meyer-Olkin) 0,5 ≤ KMO ≤ 1: ≥ Là chỉ số dùng để xem xét sự thích hợp của phân tích yếu tố. Trị số KMO lớn (giữa 0,5 và 1) có ý nghĩa phân tích yếu tố là thích hợp. Nếu chỉ số KMO < 0,5 thì phân tích yếu tố có khả năng khơng thích hợp với các dữ liệu. (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2005).
Kiểm định Bartlett’s có ý nghĩa thống kê (Sig. < 0,05): Đây là một đại lượng thống kê dùng để xem xét giả thuyết các biến khơng có tương quan 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.
Hệ số tải yếu tố (Factor loading) ≥ 0,5: Là hệ số tương quan đơn giữa các biến và các yếu tố. Theo Hair & ctg (1998,111), hệ số tải yếu tố là chỉ tiêu để bảo đảm mức ý nghĩa thiết thực của EFA: Factor loading > 0,3 được xem là mức tối thiểu; > 0,4 được xem là quan trọng và ≥ 0,5 được xem là có ý nghĩa thực tiễn.
Hair & ctg (1998,111) cũng khuyên như sau nếu chọn tiêu chuẩn factor loading > 0,3 thì cỡ mẫu của bạn ít nhất phải là 350, nếu cỡ mẫu khoảng 100 thì nên chọn tiêu chuẩn factor loading > 0,55, nếu cỡ mẫu khoảng 50 thì factor loading > 0,75.
Tổng phương sai trích (Percentage of variance) > 50%: Thể hiện phần trăm biến thiên của các biến quan sát. Nghĩa là xem biến thiên là 100% thì giá trị này cho biết phân tích yếu tố giải thích được bao nhiêu %.
Hệ số Eigenvalue (đại diện cho phần biến thiên được giải thích bởi mỗi yếu tố) > 1. Chỉ có những yếu tố nào có hệ số Eigenvalue lớn hơn 1 mới được giữ lại trong mơ hình phân tích. Nếu nhỏ hơn 1 sẽ khơng có tác dụng tóm tắt thơng tin tốt. Phương pháp trích Principal Component Analysis với phép xoay Varimax và điểm dừng trích các yếu tố có Eigenvalue > 1.
- Phân tích tương quan, Hệ số tương quan có giá trị từ -1 đến 1. Hệ số tương quan
bằng 0 (hay gần 0 có nghĩa là hai biến số khơng có liên hệ gì với nhau, ngược lại nếu hệ số bằng -1 hay 1 có nghĩa là hai biến số có một mối liên hệ tuyệt đối.
-1 ≤ r + ≤ 1
Diễn giải hệ số tương quan (r): (Fraenkel & Wallen, 2006). Từ + 0,75 đến + 1,0 có mối quan hệ rất chặt chẽ.
Từ + 0,50 đến + 0,75 có mối quan hệ chặt chẽ vừa phải. Từ + 0,25 đến + 0,50 có mối quan hệ yếu.
Từ + 0,00 đến + 0,25 có mối quan hệ kém chặt chẽ.
Trị tuyệt đối của r cho biết mức độ chặt chẽ của mối liên hệ tuyến tính, giá trị tuyệt đối của r tiến gần đến 1 khi hai biến có mối tương quan tuyến tính chặt chẽ (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2005).
chẽ giữa biến phụ thuộc với các biến độc lập, vì điều kiện để hồi quy là trước nhất phải tương quan. Ngoài ra, cần nhận diện vấn đề đa cộng tuyến khi các biến độc lập cũng có tương quan mạnh với nhau. Dấu hiệu nghi ngờ dựa vào giá trị Sig. tương quan giữa các biến độc lập < 0,05 và giá trị tương quan Pearson lớn. Khi gặp phải nghi ngờ này, ta cần chú ý đến đa cộng tuyến sẽ được xem xét khi phân tích hồi quy (kiểm tra hệ số VIF).
- Phân tích hồi quy tuyến tính và kiểm định mơ hình, Để bảo đảm sự diễn dịch
từ kết quả hồi quy của mẫu tổng thể đạt được độ tin cậy, trước tiên tác giả thực hiện kiểm định các giả định trong mơ hình hồi quy có bị vi phạm hay không bao gồm các giả định:
- Giả định liên hệ tuyến tính, Phương pháp được sử dụng là đồ thị phân tán
Scatterplot với giá trị phần dư chuẩn hóa trên trục tung và giá trị dự đốn chuẩn hóa trên trục hồnh. Nếu giả định liên hệ tuyến tính và phương sai bằng nhau được thỏa mãn, thì sẽ khơng nhận thấy có liên hệ gì giữa các giá trị dự đoán và phần dư, chúng sẽ phân tán rất ngẫu nhiên.
- Giả định phương sai của sai số khơng đổi, Theo Hồng Trọng & Chu Nguyễn
Mộng Ngọc (2008), hiện tượng phương sai của phần dư thay đổi có thể làm cho các ước lượng của hệ số hồi quy không chệch nhưng không hiệu quả (tức là khơng phải ước lượng phù hợp nhất), từ đó làm cho kiểm định các giả thuyết mất hiệu lực khiến ta đánh giá nhầm về chất lượng của mơ hình hồi quy tuyến tính. Do đó ta cũng sử dụng là đồ thị phân tán Scatterplot để kiểm định giả định có bị vi phạm hay không.
- Giả định về phân phối chuẩn của phần dư, Phần dư có thể khơng tn theo phân
phối chuẩn vì những lý do: Sử dụng mơ hình không đúng, phương sai không đổi là hằng số, số lượng các phần dư khơng được nhiều để phân tích. Do vậy, ta sử dụng nhiều cách khảo sát khác nhau để bảo đảm tính xác đáng của kiểm định (Hồng Trọng & Chu Nguyễn
Mộng Ngọc, 2008). Tác giả sử dụng biểu đồ tần số Histogram và biểu đồ P - P plot để khảo
sát sự vi phạm về giả định phân phối chuẩn của phần dư.
- Giả định về tính độc lập của sai số, (Khơng có tương quan giữa các phần dư)
Nguyên nhân hiện tượng này có thể là do các biến có ảnh hưởng khơng được đưa hết vào mơ hình do giới hạn và mục tiêu nghiên cứu, chọn mối liên hệ tuyến tính mà lẽ ra là phi tuyến tính, sai số trong đo lường các biến… các lý do này có thể dẫn đến vấn đề tương quan chuỗi trong sai số và tương quan chuỗi cũng gây ra những tác động sai lệch nghiêm trọng đến mơ hình hồi quy tuyến tính như hiện tượng phương sai thay đổi.
- Đại lượng thống kê Dubin – Watson, có thể dùng để kiểm định tương quan của
các sai số kề nhau, nếu các phần dư khơng có tương quan chuỗi bậc nhất với nhau giá trị của Dubin – Watson sẽ gần bằng 2.
- Khơng có hiện tượng đa cộng tuyến, Theo Hoàng Trọng & Chu Nguyễn Mộng
Ngọc (2008), hiện tượng đa cộng tuyến là trạng thái trong đó các biến độc lập có tương quan chặt chẽ với nhau. Vấn đề của hiện tượng này là chúng cung cấp cho mơ hình những thơng tin rất giống nhau và rất khó tách rời ảnh hưởng của từng biến một đến biến phụ thuộc, làm tăng độ lệch chuẩn của các hệ số hồi quy và làm giảm giá trị thống kê của kiểm định mức ý nghĩa trong khi hệ số R Square vấn khá cao.
VIF < 2: Hiện tượng đa cộng tuyến giữa các biến độc lập ảnh hưởng khơng đáng kể đến mơ hình.
2 ≤ VIF ≤ 10: Hiện tượng đa cộng tuyến giữa các biến độc lập ảnh hưởng đáng kể đến mơ hình.
VIF > 10: Hiện tượng đa cộng tuyến.
- Đánh giá và kiểm định độ phù hợp của mơ hình hồi quy, Hệ số xác định R bình
phương điều chỉnh dùng để đánh giá độ phù hợp của mơ hình. Kiểm định F dùng để kiểm định giả thuyết về độ phù hợp của mơ hình hồi quy. Mục đích kiểm định mối quan hệ tuyến tính giữa biến phụ thuộc và các biến độc lập. Giả thuyết H0 là các hệ số hồi quy bằng 0. Nếu giả thuyết H0 bị bác bỏ chứng tỏ mơ hình tác giả xây dựng phù hợp với tập dữ liệu. Giá trị Sig. < 0.05 cho thấy an tồn khi bác bỏ giả thuyết H0.
- Phương trình hồi quy, Tiếp theo, tiến hành phân tích hồi quy tuyến tính đa biến
bằng phương pháp bình phương nhỏ nhất thơng thường (Ordinal Least Squares – OLS) nhằm kiểm định mối quan hệ giữa biến phụ thuộc và các biến độc lập. Phương pháp hồi quy tuyến tính sử dụng phương pháp Enter được tiến hành, với công thức:
n
Yi = β0 + ∑ βi X i
- i=1 (25)
- Trong đó: + Yi: Hàm kết quả - Dịch vụ hậu cần điện tử (E-logistics)
- + β (0, i = 1÷n ): mức độ tác động
25Đinh Phi Hổ (2012). Phương pháp nghiên cứu định lượng và những nghiên cứu thực tiễn trong kinh
- + Xi - X1- Nhận thức của khách hàng; X2- Công nghệ và bảo mật; X3- Hạ tầng pháp lý; X4- Sở hữu trí tuệ và bảo vệ người tiêu dùng; X5- Hệ thống thanh toán điện tử; X6- Nguồn nhân lực; X7- Tổ chức và quản trị – là các nhóm yếu tố tác động đến Dịch vụ hậu cần điện tử (E-logistics).
- Kiểm định sự khác biệt, Kiểm định sự khác biệt được áp dụng trong nghiên cứu
này để tìm xem liệu có sự khác biệt về các yếu tố ảnh hưởng đến e-logistics theo các đặc điểm cá nhân: giới tính, trình độ học vấn và chức vụ của đối tượng khảo sát.
Đối với biến định tính hơn 2 nhóm, ta dùng ANOVA.
Đối với biến định tính có 2 nhóm, ta dùng Independent Sample T – Test.
3.2.5. Ma trận SWOT – Tìm giải pháp chiến lược
Dựa vào các yếu tố điểm mạnh, điểm yếu, cơ hội và thách thức đối với dịch vụ hậu