CHƯƠNG 3 : THIẾT KẾ NGHIÊN CỨU
3.4 Nghiên cứu định lượng
3.4.2 Phương pháp đánh giá thang đo
3.4.2.1 Đánh giá độ tin cậy thang đo
Sử dụng hệ số Cronbach’s Alpha (hệ số α) để đánh giá độ tin cậy của các thang đo trong mô hình nghiên cứu. Hệ số Cronbach’s Alpha được sử dụng để loại các biến không phù hợp. Hệ số Cronbach’s Alpha có giá trị biến thiên trong khoảng [0.75; 0.95] thì thang đo có độ tin cậy tốt, nếu hệ số α ≥ 0.6 là thang đo có độ tin cậy chấp nhận được; hệ số tương quan biến tổng (hiệu chỉnh), nếu hệ số này ≥ 0.3 thì biến đó đạt yêu cầu. (Nunnally and Bernstein, 1994)
Nguyên tắc kiểm định các biến: đầu tiên phải xem xét hệ số α nếu loại biến, nếu biến quan sát có hệ số lớn hơn α khi chưa loại biến thì có thể loại biến này để làm tăng hệ số α; kế đến cần kiểm tra hệ số tương quan biến tổng (hiệu chỉnh), nếu hệ số này ≤ 0.3 thì biến đó cần bị loại.
3.4.2.2 Đánh giá giá trị thang đo
Phân tích nhân tố khám phá (EFA) được dùng để đánh giá giá trị hội tụ và giá trị phân biệt của thang đo. EFA xác định số lượng các nhân tố trong thang đo và các biến quan sát đo lường cho các nhân tố đó. Các biến quan sát đo lường cho cùng một nhân tố phải đạt giá trị hội tụ và các biến đo lường cho các nhân tố khác nhau phải đạt giá trị phân biệt.
Phân tích EFA trong nghiên cứu này sử dụng phương pháp Principal component với phép xoay Varimax. Theo Hair và cộng sự (2010) các điều kiện cần được kiểm định để thỏa yêu cầu phân tích EFA như sau:
(1) Cỡ mẫu: đạt yêu cầu phân tích EFA như đã trình bày tại phần xác định kích thước mẫu (xem mục 3.3.1.3).
(2) Hệ số KMO (Kaiser-Mayer-Olkin) > 0.5 (3) Tổng phương sai được giải thích:
- Đại lượng Eigenvalue cho biết lượng biến thiên được giải thích bởi nhân tố, Eigenvalue ≥ 1 để đảm bảo nhân tố trích được có ý nghĩa tóm tắt thông tin tốt.
- Tổng phương sai trích ≥ 60% nghĩa là số nhân tố trích được giải thích 60% sự biến thiên của dữ liệu.
(4) Hệ số tải nhân tố
- Hệ số tải nhân tố ≥ 0.5 là được chấp nhận. Nếu hệ số tải nhân tố ≤ 0.5 có thể xem xét loại biến.
- Chênh lệch hệ số tải nhân tố ≥ 0.3 thường được chấp nhận là các biến có giá trị phân biệt. Chênh lệch hệ số tải nhân tố < 0.3 thì có thể loại biến.
Tuy nhiên, cần xem xét đóng góp của các biến đo lường này vào giá trị nội dung của khái niệm trước khi ra qút định loại bỏ hay khơng loại bỏ nó.
(5) Phần biến thiên được giải thích bởi các nhân tố chung (Communalities): Phần trích (Extraction) ≥ 50%. Nếu Extraction < 50% thì cần loại biến quan sát đó.
3.4.3 Phương pháp kiểm định mơ hình nghiên cứu
3.4.3.1 Mô hình hồi tuyến tính qui bội (Multi Linear Regression – MLR)
Mô hình hồi qui bội biểu diễn mối quan hệ của nhiều biến độc lập định lượng với một biến phụ thuộc định lượng. Mô hình mẫu được biểu diễn như Hình 3.5.
Nguồn: Nguyễn Đình Thọ, 2013
Hình 3.5: Minh họa mô hình hồi qui bội
Mối quan hệ trên được biểu diễn như sau:
Yi = β0 + β1X1i + β2X2i + … + βkXki + … + βpXpi + ﻉi Trong đó:
- Yi : Giá trị của Y tại quan sát thứ i, i=1,2,…,N (N là kích thước đám đông) - Xi: Giá trị của X tại quan sát thứ i
- ﻉi: Sai số tại quan sát thứ i - β0: Hằng số hồi qui
- βi: Trọng số hồi qui
- k (k = 1, 2,…, p): Biến độc lập
Ước lượng MLR bằng phương pháp bình phương bé nhất (Ordinary Least Squares – OLS): Cực tiểu biến thiên phần dư, tức là đường hồi qui biểu diễn mối quan hệ giữa
Y Định lượng X1 Định lượng Xk Định lượng Xp Định lượng ᵝ1 ᵝk ᵝp
Phân tích hồi qui bội cần xem xét các điều kiện và kiểm tra các giả định, cụ thể là: (1) Đánh giá mức độ phù hợp của mô hình: sử dụng hệ số xác định điều chỉnh
R2adj
(2) Kiểm định mức độ phù hợp mô hình với tổng thể bằng đại lượng F.
(3) Kiểm định ý nghĩa hệ số hồi qui: Sử dụng giá trị t để kiểm định hệ số hồi qui khác 0, tức là X và Y có quan hệ tuyến tính với nhau và mô hình phù hợp với tổng thể.
(4) Dò tìm các giả định cần thiết:
- Mối quan quan hệ tuyến tính bằng cách kiểm tra hệ số tương quan Pearson hay vẽ sơ đồ phân tán Scatter Plot giữa các biến.
- Phương sai của sai số không đổi: Vẽ sơ đồ phân tán Scatter Plot của phần dư và giá trị dự đoán từ mơ hình hời qui tún tính.
- Phần dư có phân phối chuẩn: Xây dựng biểu đồ tần số Histogram để kiểm tra phân phối chuẩn.
- Tính độc lập của sai số (hay hiện tượng tự tương quan): Dùng đại lượng thống kê Durbin –Waston (DW). Giá trị DW biến thiên trong khoảng [0; 4], nếu DW gần bằng 2 thì sai số không tương quan với nhau.. Trong thực tế DW thường được chấp nhận trong khoảng [1.6; 2.4]
- Đa cộng tuyến: Các biến độc lập khơng có mối tương quan hoàn toàn với nhau. Chỉ số VIF (Variance Inflation Factor) thường được dùng để kiểm tra hiện tượng đa cộng tuyến. Thông thường, nếu VIF của một biến độc lập nào đó lớn hơn 10 thì biến này hầu như khơng có giá trị giải thích biến thiên của Y trong mơ hình MRL (Hair et al., 2010). Trong thực tế, VIF lớn hơn 2 cần cẩn thận khi diễn giải các trọng số hồi qui (đôi khi cần xem xét hệ số tương quan của biến đó với Y để so sánh với trọng số hồi qui).
3.4.3.2 Hồi qui với biến điều tiết
Biến điều tiết là biến làm thay đổi độ mạnh (strength) và dạng (form) của mối quan hệ giữa biến độc lập và biến phụ thuộc (Baron and Kenny, 1986; Saunders, 1956; Sharma et al., 1981; Zedeck, 1971). Trong mô hình nghiên cứu có thể có một hay
nhiều biến điều tiết và nó có thể là biến định tính hoặc định lượng. Một mô hình biến điều tiết mẫu được minh họa dưới đây.
Nguồn: Nguyễn Đình Thọ, 2013
Hình 3.6: Minh họa mô hình có biến điều tiết
Để phân tích mô hình có biến điều tiết ta tiến hành so sánh hệ số phù hợp R2 và trọng số hội qui β chưa chuẩn hóa giữa các mô hình với nhau. Xem xét khả năng giải thích của hệ số R2 và trọng số β ta sẽ xác định được vai trò của biến điều tiết.
Trong mô hình nghiên cứu này, biến điều tiết là tần suất sử dụng. Biến điều tiết này được xây dựng như sau:
Tần suất sử dụng được xác định là mức độ thường xuyên sử dụng ứng dụng di động của người tiêu dùng. Nghiên cứu của Chen (2013) thảo luận về tác động của việc phổ biến và áp dụng các dịch vụ ngân hàng di động. Nhận thức về rủi ro và thái độ được sử dụng để dự đoán ý định sử dụng dịch vụ ngân hàng di động và nghiên cứu này xác định tần suất sử dụng là một yếu tố quan trọng cần được xem xét để phân khúc khách hàng nhằm phát triển các chiến lược tiếp thị (Chen, 2013). Tần suất sử dụng được dùng như là một cách hiệu quả để phân tích hành vi của người dùng (Kim and Gyo Chung, 2008). Natarajan và cộng sự (2017) cũng chỉ ra rằng tần suất sử dụng là biến điều tiết các mối quan hệ trong mô hình nghiên cứu về ý định sử dụng ứng dụng mua sắm di động và ảnh hưởng của nó đối với sự nhạy cảm về giá. Do đó, nghiên cứu này đặt giả thuyết rằng tần suất sử dụng ứng dụng di động là biến điều tiết các mối quan hệ trong mô hình.
Trong nghiên cứu này, mỗi đáp viên sẽ trả lời một câu hỏi có liên quan (Câu 3 trong bảng khảo sát) bằng cách chọn đáp án phù hợp nhất với trường hợp của họ. Dữ liệu thu thập được sẽ được chia thành ba nhóm.
Biến độc lập X Biến phụ thuộc Y
Biến điều tiết Z
- Nhóm 1 – Tần suất thấp: Những đáp viên chọn đáp án sử dụng ứng dụng di động từ dưới 5 lần một ngày.
- Nhóm 2 – Tần suất trung bình: Những đáp viên chọn đáp án sử dụng ứng dụng di động từ 5 lần đến 15 lần một ngày.
- Nhóm 3 – Tần suất cao: Những đáp viên chọn đáp án sử dụng ứng dụng di động từ trên 15 lần một ngày.
Mô hình nghiên cứu với biến điều tiết được diễn giải dưới đây:
CHƯƠNG 4: PHÂN TÍCH KẾT QUẢ NGHIÊN CỨU
Chương bốn trình bày và phân tích kết quả nghiên cứu từ dữ liệu thu thập được theo phương pháp nghiên cứu đã mô tả trong chương ba. Chương này gồm các nội dung sau: (1) Mô tả đặc điểm đối tượng khảo sát trong điều tra chính thức; (2) Đánh giá chính thức thang đo từ kết quả đánh giá sơ bộ để xác định các biến chính thức của mô hình; (3) Phân tích hồi qui tuyến tính bội; (4) Phân tích hồi qui tuyến tính bội với biến điều tiết; (5) Mô tả đặc điểm hành vi khách hàng sử dụng ứng dụng di động để chia sẻ thông tin. Kết quả chương bốn cho biết mức độ phù hợp của mô hình nghiên cứu với dữ liệu thị trường, mức độ tác động của từng yếu tố trong mô hình đến hành sử dụng ứng dụng di động để chia sẻ thông tin của người tiêu dùng và cũng là cơ sở để đề xuất giải pháp cho các chuỗi bán lẻ sản phẩm mẹ và bé tại TP.HCM.
4.1 Đặc điểm đối tượng khảo sát
Theo phương pháp chọn mẫu được trình bày trong chương ba, nghiên cứu đã tiến hành khảo sát 400 mẫu và thu về 349 mẫu có giá trị. Cách thức tiếp cận đối tượng khảo sát cụ thể là :Thứ nhất, trực tiếp phỏng vấn khách hàng tại các chuỗi bán lẻ sản phẩm cho mẹ và bé (n = 168) bao gồm Concung.com, Kidsplaza, Bibomart và Shop Trẻ Thơ; Thứ hai, trực tiếp tại năm doanh nghiệp (n = 92) đó là Công ty TNHH Big C Việt Nam, Công ty TNHH Dairy Farm Việt Nam, Công ty Cổ phần Đầu tư Thương mại Quốc tế Mặt Trời Đỏ, Công ty TNHH TMĐT Modern Life, Công ty Quark Vina;
Thứ ba, khảo sát trực tuyến thông qua công cụ Google Forms (n = 89). Nhà nghiên
cứu dựa trên kinh nghiệm và mối quan hệ chọn mười đáp viên đầu tiên, sau đó nhờ họ gửi tiếp bảng khảo sát cho cho các đáp viên khác. Dù khảo sát theo cách nào thì các đáp viên đều phải thỏa điều kiện là khách hàng của các chuỗi bán lẻ sản phẩm cho mẹ và bé, đồng thời có sử dụng thiết bị di động.
Bảng 4.1: Thống kê mô tả đặc điểm mẫu khảo sát
Số lượng Phần trăm
Số mẫu 349 100
Độ tuổi 22 - 25 tuổi 39 11.2 26 - 30 tuổi 126 36.1 31 - 35 tuổi 101 28.9 36 - 40 tuổi 54 15.5 41 - 45 tuổi 17 4.9 Trên 45 tuổi 12 3.4
Tình trạng gia đình Chưa có gia đình 54 15.5
Đã có gia đình 295 84.5
Số con
Chưa có con 31 8.9
1 người con 170 48.7 2 người con 138 39.5 3 người con 10 2.9 Học vấn Trung cấp 26 7.4 Cao đẳng 64 18.3 Đại học 208 59.6 Sau đại học 51 14.6 Nghề nghiệp
Sinh viên/Học viên 27 7.7
Viên chức/công nhân viên 246 70.5
Kinh doanh tự do 63 18.1
Nội trợ/Hưu trí 13 3.7
Thu nhập 5-7 triệu 82 23.5 7-10 triệu 115 33.0 10-15 triệu 99 28.4 15-20 triệu 32 9.2 Trên 20 triệu 21 6.0
Về giới tính, trong 349 đối tượng khảo sát có 72.8% là nữ và 27.2% là nam. Lý do
có sự chênh lệch này vì đối tượng mua sản phẩm mẹ và bé đa số là các mẹ, các bà, các chị mua cho con cháu của mình sử dụng, khách hàng nam chủ yếu là các ông bố trẻ và số lượng này khá ít. Về độ tuổi, 36.1% đáp viên có độ tuổi từ 26 đến 30 tuổi chiếm tỷ trọng cao nhất, tiếp theo là nhóm tuổi từ 31 đến 35 chiếm 28.9%. Đây là độ tuổi trong giai đoạn kết hôn và sinh con, đồng thời hai nhóm tuổi này cũng có khả năng thích nghi và sử dụng công nghệ, cụ thể là sử dụng smartphone và các apps. Điều này hoàn toàn phù hợp với mục tiêu đối tượng khảo sát đã đặt ra.
Biểu đồ 4.1: Giới tính và độ tuổi của đối tượng khảo sát
Nguồn: Kết quả khảo sát 349 khách hàng tại TP.HCM
Về tình trạng gia đình, 84.5% là đối tượng đã có gia đình, còn lại 15.5% chưa có
gia đình. Khách hàng của các chuỗi bán lẻ sản phẩm mẹ và bé phần lớn là có gia đình, họ mua sản phẩm cho bà mẹ và trẻ con, do đó người có gia đình chiếm tỷ trọng cao trong đối tượng khảo sát. Về số con, có đến 48.7% đáp viên có một người con, 39.5% có 2 người con, 2.9% có ba người con và 8.9% chưa có con. Vì đa số khách hàng thuộc độ tuổi từ 26 đến 30 nên số lượng có một người con chiếm tỷ lệ cao là hợp lý. Riêng tỷ lệ người chưa có con (8.9%) thấp hơp tỷ lệ người chưa có gia đình (15.5%) là do có những trường hợp người có con nhưng chưa lập gia đình hoặc không lập gia đình, đây là xu hướng của nhiều phụ nữ hiện đại ngày nay đặc biệt khi họ sinh sống tại TP.HCM.
Biểu đồ 4.2: Tình trạng gia đình và số con của đối tượng khảo sát
Nguồn: Kết quả khảo sát 349 khách hàng tại TP.HCM
Về học vấn, đối tượng có trình độ đại học chiếm tỷ lệ cao nhất với 59.6%, cao cao
đẳng 18.3%, sau đại học 14.6% và cuối cùng là trung cấp 7.4%. Điều này cho thấy khách hàng mua sản phẩm tại các chuỗi bán lẻ sản phẩm mẹ và bé là người có trình độ, kiến thức, theo đó là sự tìm hiểu lựa chọn sản phẩm rất cẩn thẩn khi mang thai cũng như sử dụng cho con cháu của họ. Bên cạnh đó, với trình độ này thì người dùng có thể tiếp cận nhanh với công nghệ tiên tiến, từ đó có thể mua sản phẩm và chia sẻ thông tin cũng như trải nghiệm về sản phẩm/dịch vụ thông qua các ứng dụng và phương tiện có kết nối internet. Về nghề nghiệp, 70.5% là viên chức, công nhân viên. Họ là những người đi làm trong các cơ quan nhà nước và doanh nghiệp ở nhiều chức danh khác nhau và kết quả này thích hợp với trình độ cũng như độ tuổi, tình trạng gia đình của mẫu nghiên cứu. Những người đi làm và có trình độ thường chọn sản phẩm cẩn thận hơn, đặc biệt là khi mang thai và nuôi con nhỏ họ muốn mua được tất cả các sản phẩm chất lượng tốt cho mẹ và bé trong một cửa hàng để không mất nhiều thời gian tìm kiếm và di chuyển. Về thu nhập, các chuỗi bán lẻ sản phẩm cho mẹ và bé tập trung nhiều sản phẩm có chất lượng, thương hiệu cũng như dịch vụ khách hàng nên giá thường cao hơn so với chợ truyền thống và đầy đủ sản phẩm hơn so với siêu thị, chính vì vậy khách hàng của các chuỗi này cũng có thu nhập tương đối ở mức trung bình khá trở lên. Các đáp viên có mức thu nhập 7 đến 10 triệu chiếm 33%, đứng thứ hai là mức thu nhập từ 10 đến 15 triệu với 28.4%, từ 5 đến 7 triệu có 23.5% đối tượng trả lời, còn lại có mức thu nhập từ 15 triệu trở lên và không có đáp viên nào thu nhập
dưới 5 triệu. Mức thu nhập này phù hợp với mức sống thực tế tại TP.HCM của các đối tượng có con nhỏ và mua sản phẩm của các chuỗi mẹ và bé. (Xem phụ lục 5)
Biểu đồ 4.3: Học vấn, nghề nghiệp và thu nhập của đối tượng khảo sát
Nguồn: Kết quả khảo sát 349 khách hàng tại TP.HCM
4.2 Đánh giá chính thức thang đo
Tổng quát kết quả nghiên cứu sơ bộ
Theo thiết kế của tác giả tại chương ba, kết quả từ nghiên cứu sơ bộ sẽ được sử dụng tiếp tục để khảo sát và phân tích trong nghiên cứu chính thức. Theo đó, một cuộc điều tra sơ bộ được tiến hành với 200 bảng khảo sát và kết quả có 150 bảng đạt yêu cầu. Khảo sát được thực hiện trực tiếp với nhân viên Công ty TNHH Nissin Logistics Việt Nam, Công ty TNHH Truyền thông Giáo dục & Giải trí Phan Thị, sinh viên hệ liên thông ngành Ngoại thương và sinh viên hệ văn bằng hai ngành Quản lý nguồn