Ký hiệu Tiêu chí
RUIRO1 Tơi tin rằng mua sắm trực tuyến có nhiều rủi ro vì có thể
khơng nhận được sản phẩm.
RUIRO2 Tơi tin rằng mua sắm trực tuyến có nhiều rủi ro vì rất khó
kiểm tra được sản phẩm thực tế.
RUIRO3 Tơi tin rằng mua sắm trực tuyến có nhiều rủi ro vì khơng thể
tiếp xúc và cảm nhận về sản phẩm.
RUIRO4 Tơi tin rằng mua sắm trực tuyến có nhiều rủi ro vì khơng thử
được sản phẩm.
RUIRO5 Tơi tin rằng mua sắm trực tuyến là mạo hiểm vì có thể gây
17
RUIRO6 Tơi tin rằng mua sắm trực tuyến có nhiều rủi ro vì sản phẩm có thể khơng đáp ứng được mong đợi của tôi.
Nguồn: Tác giả tổng hợp
d. Niềm tin
Ký hiệu Tiêu chí
NT1 Tơi tin rằng trang web tơi mua sắm ln hướng tới lợi
ích tốt nhất của khách hàng.
NT2 Tôi tin rằng trang web tôi mua sắm trong thời kỳ
COVID-19 cung cấp thông tin trung thực về sản phẩm.
NT3 Tôi tin rằng trang web tôi mua sắm trong thời kỳ
COVID-19 đáp ứng được đúng mong đợi của tôi.
NT4 Tôi tin rằng trang web tôi mua sắm trong thời kỳ
COVID-19 đáng tin cậy. Nguồn: Các yếu tố ảnh hưởng đến hành vi mua sắm trực tuyến của sinh viên trên địa bàn
thành phố Hà Nội trong bối cảnh Covid-19, Tạp chí Quản lý và Kinh tế quốc tế.
e. Chất lượng dịch vụ
Nhân tố so sánh chất lượng dịch vụ giữa các kênh mua sắm được kế thừa từ hai nghiên cứu Baker et al. (2002) gồm năm tiêu chí cụ thể, được đo bằng thang đo Likert 5 mức độ. Các tiêu chí trong biến số này đo lường chất lượng dịch vụ mua sắm từ kênh Internet (Bảng 1.5).
Bảng 5: Các tiêu chí cụ thể thể hiện Chất lượng dịch vụ giữa các kênh mua sắm mua sắm
Ký hiệu Tiêu chí
CLDV1 Tơi có thể có được sản phẩm có chất lượng cao từ kênh X.
CLDV2 Tơi có thể được hỗ trợ khi mua sản phẩm trong kênh X.
CLDV3 Tơi có thể có nhiều lựa chọn phương thức giao hàng linh
hoạt khi mua sản phẩm trong kênh X.
CLDV4 Tơi có thể dễ dàng hồn thành việc thanh tốn sản phẩm khi
mua sắm trong kênh X.
CLDV5 Tơi có thể trả lại hay đổi lại sản phẩm dễ dàng và nhận lại
18 TIEU LUAN MOI downlo ad : skknch at123 @gmai l.com
f. Cảm nhận về tính dễ sử dụng
Giống như cảm nhận về tính hữu ích, cảm nhận về tính dễ sử dụng là nhân tố thuộc mơ hình chấp nhận cơng nghệ TAM (Davis, 1986). Trong nghiên cứu này, tác giả sử dụng các tiêu chí đã được Venkatesh & Davis (2000); Taylor & Todd (1995) đưa vào nghiên cứu trước đó. Trong nghiên cứu này, cảm nhận về tính dễ sử dụng có ảnh hưởng đến hành vi tìm kiếm thơng tin trực tuyến của người tiêu dùng Việt (Bảng 1.6).
Bảng 6: Các tiêu chí cụ thể thể hiện Cảm nhận về tính dễ sử dụngKý hiệu Ký hiệu DESD1 DESD2 DESD3 DESD4 DESD5 g. Giá cả Ký hiệu G1 G2 G3 h. Sự bảo mật
19
Ký hiệu
BM1 BM2
1.3.2. Tiêu chí hiệu chỉnh
Sau q trình phỏng vấn nhóm tập trung, tác giả đã hiệu chỉnh lại thang đo theo như bảng 1.9. Bảng 9: Các tiêu chí đã hiệu chỉnh Ký hiệu HI1 HI2 HI3 HI4 HI5 RR1 RR2 20
RR3 RR4 RR5 RR6 NT1 NT2 NT3 NT4 CLDV1 CLDV2 21
CLDV3 CLDV4 CLDV5 DESD1 DESD2 DESD3 DESD4 DESD5 G1 22
G2 G3 BM1 BM2 QD1 QD2 QD3
1.3.3. Mơ hình nghiên cứu hiệu chỉnh:
Từ những lập luận trên, tác giả đã đưa ra mơ hình nghiên cứu đề xuất được trình bày ở hình 3.2 gồm BẢY nhân tố (biến độc lập) là cảm nhận sự hữu ích, nhận thức rủi ro, niềm tin, chất lượng dịch vụ, tính dễ sử dụng, giá cả và bảo mật tác động đến nhân tố (biến phụ thuộc) là quyết định mua sắm trực tuyến của sinh viên UFM.
23
Hình 2: Mơ hình nghiên cứu chính thức
1.3.4. Giả thuyết nghiên cứu hiệu chỉnh
Các giả thuyết nghiên cứu được phát biểu lại như bảng sau:
Giả thuyết H1 H2 H3 H4 H5 H6 H7 24
Chương 2: Phương pháp nghiên cứu
2.1. Phương pháp thu thập và xử lý dữ liệu2.1.1. Các phương pháp thu thập 2.1.1. Các phương pháp thu thập
Để thu thập và xử lý các dữ liệu thứ cấp và sơ cấp, luận án đã sử dụng các phương pháp chủ yếu sau đây:
- Phương pháp phân tích và tổng hợp: Xuất phát từ thực tế mua sắm trực tuyến có
rất nhiều ưu điểm so với mua sắm truyền thống và số lượng sinh viên sử dụng Internet vào mục đích mua sắm trực tuyến ở Việt Nam chiếm tỷ lệ cao. Do đó, câu hỏi được đặt ra là nguyên nhân nào khiến sinh viên ở các trường đại học ở Việt Nam tham gia mua sắm trực tuyến? Vì vậy, các câu hỏi nghiên cứu được đặt ra rằng các yếu tố ảnh hưởng đến quyết định mua hàng trực tuyến của sinh viên trường đại học Tài Chính - Marketing?
- Phương pháp nghiên cứu tại bàn: Từ những câu hỏi nghiên cứu đã đặt ra ở bước 1,
tác giả khai thác tối đa những kết quả nghiên cứu trong và ngồi nước đã được cơng bố trước đây có liên quan đến mua sắm trực tuyến, xác định rõ những nội dung có thể kế thừa và phát triển, những “khoảng trống” cần phải nghiên cứu với những đóp góp khoa học thiết thực.
- Phương pháp nghiên cứu định tính: Phương pháp này nhằm kiểm tra mức độ phù hợp
của thang đo liên quan đến biến tiềm ẩn và tìm hiểu sâu về các nhân tố ảnh hưởng đến quyết định mua sắm trực tuyến của sinh viên đại học Tài Chính – Marketing. Kết quả nghiên cứu định tính dùng để điều chỉnh thang đo và mơ hình lý thuyết làm cơ sở thiết kế bảng câu hỏi trong nghiên cứu.
- Phương pháp nghiên cứu định lượng: Phương pháp này đòi hỏi phải xây dựng
bảng hỏi để thực hiện điều tra và sử dụng các kỹ thuật của phần mềm SPSS.20 để phân tích Cronbach’s Alpha nhằm loại biến có hệ số tương quan biến tổng nhỏ. Hệ số Cronbach’s Alpha tối thiểu lớn hơn 0,6 đối với các nhân tố (Hair et al., 1998) thì được chấp nhận. Sử dụng phần mềm SPSS.20, tác giả cũng sẽ phân tích nhân tố khám phá (EFA) nhằm loại bỏ các biến có trọng số nhân tố nhỏ hơn 0,5 (Factor loading - FL). Các biến cịn lại (thang đo hồn chỉnh) sẽ được đưa vào phân tích CFA để kiểm tra vai trị của các biến trong các nhân tố.
25
2.1.2. Phương pháp chọn mẫu
Kích thước mẫu tối ưu phụ thuộc vào kỳ vọng về độ tin cậy, phương pháp phân tích dữ liệu, phương pháp ước lượng được sử dụng trong nghiên cứu, các tham số cần ước lượng. Để tiến hành phân tích tốt nhất, theo Tabachnick & Fidell (1996), kích thước mẫu n ≥ 8m
+ 50 (m là số lượng biến số độc lập trong mơ hình); cịn theo Aprimer thì n ≥ 104 + m. Để phục vụ cho kiểm định thang đo, các nhà nghiên cứu không đưa ra con số cụ thể về số mẫu cần thiết mà đưa ra tỷ lệ giữa số mẫu cần thiết và số tham chiếu cần ước lượng. Đối với phân tích nhân tố (EFA), kích thước mẫu sẽ phụ thuộc và số lượng biến được đưa ra trong phân tích nhân tố. Hair et al. (1998) cho rằng số lượng mẫu cần gấp 5 lần số lượng biến. Trong khi Hồng & Chu (2005) cho rằng tỷ lệ đó là 4 hay 5. Trong nghiên cứu này có tất cả 33 biến cần tiến hành phân tích nhân tố, vì vậy cỡ mẫu tối thiểu cần là: 33 x 4 = 132 quan sát.
2.1.3. Phương pháp khảo sát:
Khi phát bảng hỏi, tác giả đều có hướng dẫn chi tiết để người thực hiện khảo sát có thể hiểu và trả lời đầy đủ các câu hỏi trong bảng hỏi, tránh hiểu lầm hoặc bỏ sót các câu hỏi. Tất cả các tiêu chí đã hiệu chỉnh đều trở thành các câu hỏi trong bảng hỏi.
Thời gian khảo sát:
Sau 2 tuần khảo sát (25/6-9/7), số phiếu phát ra là 200, tổng số phiếu thu về là 175 phiếu. Sau khi loại những phiếu không đạt yêu cầu (không đủ thông tin, điền thông tin không đảm bảo tính khách quan...), số phiếu cịn lại là 150 phiếu đảm bảo yêu cầu và tiếp tục được sử dụng trong phân tích dữ liệu.
2.1.4. Phương pháp phân tích dữ liệu:Kiểm tra độ tin cậy Cronbach’s Alpha Kiểm tra độ tin cậy Cronbach’s Alpha
Trước hết, độ tin cậy của các tiêu chí được đánh giá thơng 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 tiêu chí khơng phù hợp vì các tiêu chí khơng phù hợp (rác) này có thể tạo ra các yếu tố giả (Nguyễn & Nguyễn, 2009), Hệ số tin cậy Cronbach’s Alpha chỉ cho biết các tiêu chí có liên kết với nhau hay khơng; nhưng khơng cho biết tiêu chí 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 tiêu chí nào khơng đóng góp nhiều cho sự mơ tả của khái niệm cần đo (Hoàng & Chu, 2005). Các điều kiện được sử dụng khi thực hiện đánh giá độ tin cậy các tiêu chí:
26
- Loại các tiêu chí có hệ số tương quan biến-tổng nhỏ (nhỏ hơn 0,3); tiêu chuẩn chọn nhân tố khi có độ tin cậy Alpha lớn hơn 0,6 (Alpha càng lớn thì độ tin cậy nhất quán nội tại càng cao (Nguyễn & Nguyễn, 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 (Perterson & Jolibert, 1995; Hồng & Chu, 2005).
- Các tiêu chí có tương quan biến-tổng nhỏ (nhỏ hơn 0,4) được xem là biến rác thì sẽ được loại ra và biến số được chấp nhận khi hệ số tin cậy Alpha đạt yêu cầu (lớn hơn 0,7).
Dựa theo thông tin trên, nghiên cứu thực hiện đánh giá các tiêu chí dựa theo tiêu chuẩn:
- Loại các tiêu chí có hệ số tương quan biến-tổng nhỏ hơn 0,4 (đây là những
tiêu chí khơng đóng góp nhiều cho sự mô tả của khái niệm cần đo và nhiều nghiên cứu trước đây đã sử dụng tiêu chuẩn này). Chọn các tiêu chí có độ tin cậy Alpha lớn hơn 0,6 (các khái niệm trong nghiên cứu này là tương đối mới đối với đối tượng nghiên cứu khi tham gia trả lời).
Phân tích nhân tố khám phá EFA
EFA dùng để rút gọn một tập k biến quan sát thành một tập F (F≤k) các nhân tố có ý nghĩa hơn biến (tức là các biến có liên quan được nhóm lại với nhau và tách ra khỏi các biến khác mà nó ít liên quan), dùng để đánh giá giá trị hội tụ và giá trị phân biệt của các biến.
Về giá trị hội tụ: tức là các biến quan sát đều phải tải mạnh (Hệ số tải Factor Loading) cho một nhân tố sẽ phải gom về một nhân tố đó.
Về giá trị tách biệt: Mỗi nhân tố trong mơ hình sẽ có xu hướng tải khác nhau.
Nhóm biến quan sát tải cho nhân tố thứ nhất khơng có tương quan (tách biệt) với nhóm biến quan sát tải cho nhân tố thứ hai. Từ đó, dẫn đến sự phân nhóm nhân tố thành từng cột trong ma trận xoay.
Điều kiện để phân tích nhân tố khám phá là phải thỏa mãn các yêu cầu:
- Hệ số tải nhân tố: trọng số của nhân tố (Factor loading) > 0,5
+ Factor Loading > 0,3, được xem là đạt mức tối thiểu;
+ Factor Loading > 0,4, được xem là quan trọng;
27
+ Factor Loading > 0,5, được xem là có ý nghĩa thực tiễn.
- Hệ số KMO (Kaiser-Mayer-Olkin) là chỉ số được dùng để xem xét sự thích hợp của
phân tích nhân tố. Trị số KMO lớn có ý nghĩa phân tích nhân tố là thích hợp (0.5 ≤ KM0 ≤1).
- Kiểm định Bartlett 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 mối tương quan với nhau trong tổng thể.
- Phần trăm phương sai toàn bộ (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 nhân tố giải thích được bao nhiêu %.
Phân tích tương quan
Mục đích chạy tương quan Pearson nhằm kiểm tra mối tương quan tuyến tính chặt chẽ giữa biến phụ thuộc với các biến độc lập và sớm nhận diện vấn đề đa
cộng tuyến khi các biến độc lập cũng có tương quan mạnh với nhau.
Về nguyên tắc, tương quan Pearson sẽ tìm ra một đường thẳng phù hợp nhất với mối quan hệ tuyến tính của 2 biến.
Khi sig nhỏ hơn 0.05 thì chỗ hệ số tương quan Pearson chúng ta sẽ thấy ký hiệu * hoặc **.
- Ký hiệu ** cho biết rằng cặp biến này có sự tương quan tuyến tính ở mức tin cậy đến 99% (tương ứng mức ý nghĩa 1% = 0.01).
- Ký hiệu * cho biết rằng cặp biến này có sự tương quan tuyến tính ở mức tin cậy đến 95% (tương ứng mức ý nghĩa 5% = 0.05).
Phân tích hồi quy
Trong nghiên cứu, chúng ta thường phải kiểm định các giả thuyết về mối quan hệ giữa hai hay nhiều biến, trong đó có một biến phụ thuộc và một hay nhiều biến độc lập. Nếu chỉ có một biến độc lập, mơ hình được gọi là mơ hình hồi quy đơn biến SLR (Simple Linear Regression). Trường hợp có từ hai biến độc lập trở lên, mơ hình được gọi là hồi quy bội MLR (Multiple Linear Regression)
Phương trình hồi quy bội: Y = β0 + β1X1 + β2X2 + … + βnXn
- Y: biến phụ thuộc, là biến chịu tác động của biến khác.
- X, X1, X2, Xn: biến độc lập, là biến tác động lên biến khác.
28
- β0: hằng số hồi quy, hay còn được gọi là hệ số chặn. Đây là chỉ số nói lên giá trị của
Y sẽ là bao nhiêu nếu tất cả X cùng bằng 0. Nói cách khác, chỉ số này cho chúng ta biết giá trị của Y là bao nhiêu nếu khơng có các X. Khi biểu diễn trên đồ thị Oxy, β0
là điểm trên trục Oy mà đường hồi quy cắt qua.
- β1, β2, βn: hệ số hồi quy, hay cịn được gọi là hệ số góc. Chỉ số này cho chúng ta biết
về mức thay đổi của Y gây ra bởi X tương ứng. Nói cách khác, chỉ số này nói lên có bao nhiêu đơn vị Y sẽ thay đổi nếu X tăng hoặc giảm một đơn vị.
Chúng ta cần đánh giá độ phù hợp mơ hình một cách chính xác qua kiểm định giả thuyết. Để kiểm định độ phù hợp mơ hình hồi quy, chúng ta đặt giả thuyết H0: R2 = 0. Phép kiểm định F được sử dụng để kiểm định giả thuyết này. Kết quả kiểm định:
- Sig < 0.05: Bác bỏ giả thuyết H0, nghĩa là R2 ≠ 0 một cách có ý nghĩa thống kê, mơ hình hồi quy là phù hợp.
- Sig > 0.05: Chấp nhận giả thuyết H0, nghĩa là R2 = 0 một cách có ý nghĩa thống kê, mơ hình hồi quy khơng phù hợp.
Trong SPSS, các số liệu của kiểm định F được lấy từ bảng phân tích phương sai ANOVA. Bảng ANOVA cho chúng ta kết quả kiểm định F để đánh giá giả thuyết sự phù hợp của mơ hình hồi quy. Giá trị sig kiểm định F bằng 0.000 < 0.05, do đó, mơ hình hồi quy là phù hợp.
Một thước đo sự phù hợp của mơ hình hồi quy tuyến tính thường dùng là hệ số xác định R2 (R square). Khi phần lớn các điểm dữ liệu tập trung sát vào đường hồi quy, giá trị R2 sẽ cao, ngược lại, nếu các điểm dữ liệu phân bố rải rác cách xa đường hồi quy, R2 sẽ