Biến Biến đo lƣờng Nguồn
Quảng cáo
Quảng cáo xanh tạo nhận biết RHC thân thiện môi trƣờng Mkik et al. (2007) Quảng cáo xanh giúp củng cố cam kết môi trƣờng của RHC
Quảng cáo xanh giúp mở rộng kiến thức về RHC Rahbar and Wahid (2011), Rizwan et al (2014)
Nhờ quảng cáo xanh, tôi dễ dàng ra quyết định mua RHC
Bán hàng cá nhân
Ngƣời bán hàng cung cấp đầy đủ thông tin về RHC Yousif (2016) Ngƣời bán hàng có khả năng thuyết phục
Ngƣời bán hàng giúp tôi đƣa ra những lựa chọn đúng đắn
Nhân viên chuyên nghiệp khi giải quyết vấn đề Aldebi and Aljboory (2017)
Xúc tiến bán hàng
Tơi sẽ mua RHC nếu có chƣơng trình khuyến mãi Rizwan et al. (2014)
Chƣơng trình khuyến mãi khiến tôi mãi giúp tôi mua sản phẩm dễ dàng hơn dự tính
Tơi sẵn sàng trả giá cao hơn cho các sản phẩm đƣợc trƣng bày đẹp
Phiếu ƣu đãi (coupon) kích thích tơi mua RHC Indumathi and Dawood ( 2016) Giao hàng tận nhà tạo điều kiện thuận lợi khi mua RHC
Quan hệ cơng chúng
Tơi thƣờng tích cực tham gia các hội thảo/ diễn đàn Balaghar et al. (2012), Mahmoud et al. (2017) Tôi biết đến RHC thông qua hội chợ Balaghar et al.
(2012) Tôi biết đến RHC qua các bài đánh giá trên báo chí,
phƣơng tiện truyền thơng
Market ing trực tiếp
Tôi biến đến RHC thông qua sự giới thiệu của ngƣời khách hàng đã sử dụng
Banlaghar et al. (2012)
Tơi tìm hiểu catalogue về RHC trên website Nugroho and Irena (2017)
Tôi thấy thuận tiện khi mua sản phẩm qua điện thoại Moharam and Shawky (2012) Tôi thƣờng nhận đƣợc các catalogue qua thƣ điện tử
Ý định mua RHC
Ngƣời xung quanh ảnh hƣởng đến ý định mua RHC của tơi Mhlophe (2016) Tơi có ý định mua RHC vì lợi ích sức khỏe lâu dài Wee et al. (2014) Tơi có ý định mua RHC vì quan tâm đến an tồn thực phẩm
Tơi có ý định mua RHC vì sự thân thiện mơi trƣờng
3.1.5. Thiết kế bảng câu hỏi
Bảng câu hỏi sẽ đƣợc thiết kế theo quy trình tám bƣớc (Nguyễn Đình Thọ, 2013) đƣợc sắp xếp theo trình tự sau:
- Xác định dữ liệu cần thu thập - Xác định dạng phỏng vấn - Đánh giá nội dung câu hỏi - Xác định hình thức trả lời - Xác định cách dùng thuật ngữ - Xác định trình tự các câu hỏi - Xác định hình thức bảng câu hỏi
- Thử lần 1 => sửa chữa => bản nháp cuối cùng
Bảng câu hỏi gồm 3 phần chính: Thứ nhất, câu hỏi gạn lọc (1 câu) liên quan
đến vấn đề RHC với 3 đáp án; thứ hai, phần nội dung chính (giai đoạn nghiên cứu sơ bộ: 5 biến độc lập thể hiện qua 21 biến đo lƣờng, biến phụ thuộc ý định mua RHC có 4 biến đo lƣờng; giai đoạn nghiên cứu chính thức: 5 biến độc lập đƣợc thể hiện qua 19 biến đo lƣờng và biến ý định mua RHC có 4 biến đo lƣờng), bảng câu hỏi sẽ thiết kế theo thang đó Likert năm mức độ: 1 – Hồn tồn khơng đồng ý; 2 – Không đồng ý; 3 – Bình thƣờng; 4 – Đồng ý; 5 – Hồn tồn đồng ý; thứ ba là các thơng tin về nhân khẩu học (giới tính, độ tuổi, thu nhập trung bình, trình độ học vấn). Thiết kế nghiên cứu theo phƣơng pháp định lƣợng.
3.1.6. Phương pháp phân tích dữ liệu
Để thực hiện phân tích dữ liệu tác giả đề cập đến các khái niệm: thống kê mô tả dữ liệu; kiểm định thang đo để kiểm tra sự phù hợp của bộ dữ liệu; thực hiện phân tích nhân tố EFA để đƣa ra đƣợc các yếu tố có giá trị hội tụ và giá trị phân biệt với nhau, Phân tích mơ hình hồi quy tuyến tính để đƣa ra đƣợc mơ hình và tìm hiểu sự tác động của từng yếu tố đến biến phụ thuộc và dựa trên đó đƣa ra các kiến nghị. Số liệu đƣợc thu thập từ khảo sát thực hiện phân tích và xử lý theo trình tự:
3.1.6.1. Nhập liệu
Các thông tin trả lời đƣợc nhập vào phần mềm SPSS tƣơng ứng.
3.1.6.2. Làm sạch số liệu
Số liệu đƣợc kiểm tra lại các giá trị missing data bằng cách Analyze -> Descriptive Statistics -> Frequencies. Sau đó đối chiếu lại bảng khảo sát để dị tìm câu trả lời tƣơng ứng, nếu khơng có đáp án, thực hiện loại bỏ.
3.1.6.3. Kiểm định thang đo
Theo Nguyễn Đình Thọ (2013) Khi thực hiện nghiên cứu, việc kiểm định độ tin cậy và giá trị thang đo là điều cần thiết vì có thể thang đo sẽ không phù hợp do những sự khác nhau về bối cảnh nghiên cứu. Hệ số Cronbach’s Alpha đƣợc dùng để đo lƣờng độ tin cậy của thang đo, hệ số này càng cao thang đo có độ tin cậy càng cao theo về mặt lý thuyết (Nguyễn Đình Thọ, 2013). Tuy nhiên nếu hệ số này lớn hơn 0.95 thì lại khơng tốt khi mà các biến khơng có khác biệt dẫn đến hiện tƣợng trùng lắp trong đo lƣờng. Cronbach’s Alpha có giá trị biến thiên trong khoảng từ 0 đến 1. Hair et al. (2009) cho rằng nếu Cronbach’s Alpha ≥ 0.6 về sự phù hợp của dữ liệu, khi Cronbach’s Alpha ∈ [0.75, 0.95] thì thang đo đạt độ tin cậy tốt.
Hệ số tƣơng quan biến – tổng hiệu chỉnh (corrected item – total correlation) sẽ đƣợc tính tốn dựa trên tƣơng quan của biến đo lƣờng xem xét với các biến đo lƣờng
còn lại (Hair et al., 2009). Nếu hệ số này ≥ 0.3 thì biến đo lƣờng đó đƣợc xem là đạt u cầu (Nunnally và Bernstein, 1994 trích trong Nguyễn Đình Thọ, 2013). Tuy nhiên nếu điều kiện này bị vi phạm thì bƣớc tiếp theo khơng bắt buộc phải bỏ biến mà nhà nghiên cứu có thể tiến hành xem xét các biến đo lƣờng cịn lại có khả năng giải thích đầy đủ nội dung hay khơng.
3.1.6.4. Phân tích nhân tố EFA
Sau khi thang đo lƣờng đƣợc kiểm định bằng Cronbach’s Alpha, ta tiếp tục đánh giá giá trị hội tụ và giá trị phân biệt cho thang đo (Nguyễn Đình Thọ, 2013). Giá trị hội tụ là sự hội tụ trong mỗi thang đo đo lƣờng từng khái niệm nghiên cứu, giá trị phân biệt thì nói lên sự khác biệt nhau giữa các khái niệm
Điều kiện phân tích EFA
Trong phân tích EFA, có hai phƣơng pháp trích là PCA (mơ hình thành phần chính) và CFM (mơ hình nhân tố chung). Với mục đích phân tích mơ hình hồi quy tuyến tính sau khi phân tích nhân tố, tác giả sử dụng phƣơng pháp PCA cùng với phép xoay Varimax để trích nhiều phƣơng sai hơn cho mỗi biến đo lƣờng. Theo Hair et al. (2009) việc phân tích nhân tố đƣợc thực hiện để nhằm tóm tắt thơng tin trong các biến tham gia và loại trừ những thông tin khơng cần thiết. Từ đó hạn chế tối thiểu sai sót trong loại bỏ thơng tin khơng tin cậy. Các điều kiện cần xem xét trƣớc khi thực hiện phân tích độ phù hợp của mơ hình (Hair et al., 2009).
Xây dựng ma trận tương quan - Kiểm định Bartlett (Bartlett’s test of sphericity)
Giả thuyết đặt ra (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008) H0: các biến khơng có sự tƣơng quan với nhau trong tổng thể H1: các biến có sự tƣơng quan với nhau trong tổng thể.
Với mức ý nghĩa đƣợc xem xét là α, nếu sig < α => bác bỏ H0, kết luận: các biến có sự tƣơng quan với nhau trong tổng thể.
Kiểm định KMO (Kaiser – Meyer- Olkin measure of sampling adequacy):
Kiểm định này đi xem xét giá trị đo lƣờng mức độ tin cậy của mẫu (measure of sampling adequacy – MSA). Theo Hair et al. (2009) giá trị 0.5 ≤ MSA≤ 1.
MSA Kết luận 0.5 => Không chấp nhận 0.5 – 0.6 => Không tốt 0.6 – 0.7 => Đáp ứng vừa phải 0.7 – 0.8 => Đáp ứng yêu cầu 0.8 – 0.9 => Tốt ≥ 0.9 => Rất tốt
Giả thuyết (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008) H0: độ tƣơng quan giữa các biến quan sát bằng 0 H1: độ tƣơng quan giữa các biến quan sát khác 0.
Với mức ý nghĩa đƣợc xem xét là α, nếu sig < α => bác bỏ H0, kết luận: phân tích nhân tố là thích hợp.
Một số tham số thống kê khác trong q trình phân tích nhân tố EFA là:
Giá trị Communalities của từng biến phải lớn hơn hoặc bằng 0.5 (Hair et al., 2009). Hoàng Trọng và Chu Nguyễn Mộng Ngọc (trang 30, 2008) Eigenvalue đƣợc định nghĩa là “phần biến thiên đƣợc giải thích bởi mỗi nhân tố”. Việc chọn ra số nhân tố trích tùy vào mục đích của đề tài nghiên cứu hoặc có thể dựa trên bốn yếu tố sau:
- Eigenvalue >1
- Có điểm gãy trên biểu đồ Scree plot
- Xác định số nhân tố dựa trên mục tiêu của đề tài
Chỉ số Comulative % cho biết tỷ lệ phấn trăm giải thích (phần biến thiên giải thích) của các nhân tố đƣợc rút ra.
Bằng phƣơng pháp xoay nhân tố Varimax, hệ số tải nhân tố sẽ biểu diễn mức độ tƣơng quan giữa từng nhân tố và các biến. Hệ số tải nhân tố tên tiếng anh là Factor loading là “những hệ số tƣơng quan đơn giữa các biến và các nhân tố” (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, trang 31, 2008). Khi hệ số này càng lớn các biến càng có mối quan hệ chặt chẽ với nhau. Trong bảng kết quả phân tích nhân tố sẽ thể hiện cả ma trận nhân tố (Component Matrix) chứa các hệ số nhân tố tải.
Đặt tên các nhân tố đƣợc rút trích ra phải dựa vào mức độ tƣơng quan của các biến với nhân tố theo hệ số tải nhân tố - Factor loading (Hair et al., 2009) thỏa các tiêu chí:
- Hệ số phải lớn hơn hoặc bằng 0.5 - Hệ số khơng có giá trị âm
- Một biến không tƣơng quan mạnh với hai hay nhiều nhân tố
3.1.6.5. Phân tích mơ hình hồi quy tuyến tính
Mơ hình hồi quy tuyến tính để dự báo mức độ ảnh hƣởng của các biến độc lập lên biến phụ thuộc và đánh giá tác động mạnh hay yếu của từng biến độc lập.
Hệ số xác định R2 ∈ [0,1], nghĩa là mức độ biến thiên của biến phụ thuộc đƣợc giải thích bởi biến độc lập (Hair et al., 2009). Hệ số R2 càng cao thì mơ hình hồi quy càng có ý nghĩa.
Với mơ hình hồi quy tuyến tính bội, R2 hiệu chỉnh sẽ đánh giá mức độ phù hợp của mơ hình khi đƣa thêm biến vào phƣơng trình (Hair et al., 2009). Càng nhiểu biến đƣa vào mơ hình thì R2 sẽ càng tăng nhƣng R2 hiệu chỉnh sẽ càng nhỏ. Khi so sánh nhiều phƣơng trình với số biến khác nhau thì giá trị R2 hiệu chỉnh sẽ hữu ích.
Sử dụng kiểm định ANOVA để kiểm định độ phù hợp có ý nghĩa của mơ hình (Hồng Trong và Chu Nguyễn Mộng Ngọc, 2008):
H0: Mơ hình hồi quy tuyến tính khơng phù hợp với tổng thế H1: Mơ hình hồi quy tuyến tính phù hợp với tổng thể
Với mức ý nghĩa α, nếu giá trị Sig. < α thì bác bỏ giả thuyết H0 và kết luận mơ hình hồi quy phù hợp với tổng thể
Kiểm định Tự tương quan: Đối với tƣơng quan chuỗi bậc nhất, hệ sô Durbin-
Waston (d) dùng để kiểm định tƣơng quan của các sai số kề nhau (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Với N biến quan sát và các giá trị dL, dU và k số biến độc lập, nguyên tắc để kiểm định:
- Tự tƣơng quan thuận chiều nếu 0 < d < dL
- Chƣa thể kêt luận nếu dL < d < dU hay 4-dU < d < dL - Khơng có tự tƣơng quan nếu dU < d < 4-dU
- Tự tƣơng quan ngƣợc chiều nếu 4-dL < d < 4
Để thuận tiện trong nghiên cứu, bằng phƣơng pháp kinh nghiệm tự tƣơng quan có thể đƣợc xem xét:
- Tự tƣơng quan nghịch chiều nếu 3 < d < 4 - Tự tƣơng quan thuận chiều nếu 0 < d < 1 - Khơng có tự tƣơng quan nếu 1 < d < 3
0 dL dU 2
1 4-dU
Hiện tượng đa cộng tuyến: Khi các biến trong mơ hình hồi quy bội có tƣơng
quan chặt chẽ với nhau làm cho giá trị R2 tăng cao và làm giảm ý nghĩa thống kê của hệ số hồi quy, thì đó là sự xuất hiện của hiện tƣợng Đa cộng tuyến (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Để xác định hiện tƣợng này, ta dựa vào Hệ số phóng đại phƣơng sai (VIFi) xác định theo công thức VIFi = 1/ (1- Ri2) (Nguyễn Đình Thọ, 2013) với i là biến độc lập thứ i trong mơ hình. Nếu VIFi ≥ 10 thì biến độc lập thứ i sẽ khơng giải thích đƣợc sự biến thiên của Y (Hair et al., 2009), do đó, phải loại biến i ra khỏi mơ hình và tiếp tục phân tích. Trong thực tế nếu VIF > 2 thì cần xét thêm hệ số tƣơng quan từng phần Pearson (Nguyễn Đình Thọ, 2013) để so sánh với hệ số hồi quy.
Mơ hình hồi quy đƣợc xây dựng dựa trên hệ số hồi quy chƣa chuẩn hóa (B) với ý nghĩa là khi Xi (i là biến độc lập thứ i) thay đổi một đơn vị thì Y sẽ thay đổi Bi đơn vị (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Để kiểm định t dùng để kiểm định hệ số hồi quy chƣa chuẩn hóa (Nguyễn Đình Thọ, 2013) với mức ý nghĩa α nếu giá trị Sig. < α thì hệ số hồi quy có ý nghĩa thống kê.
Hệ số hồi quy chuẩn hóa (Beta) dùng để so sánh mức độ tác động của các biến độc lập lên biến phụ thuộc (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008) và đƣa ra đƣợc tầm quan trọng của các biến độc lập trong mơ hình (Nguyễn Đình Thọ, 2013).
3.1.7. Mã hóa thang đo
Để thuận tiện trong quá trình nghiên cứu định lƣợng các thang đo đƣợc mã hóa nhƣ bảng 3.8