Bảng 3 21 Tổng hợp các giả thuyết nghiên cứu
Bảng 3.3 1 Biến đề xuất trong nhóm nhân tố của mơ hình nghiên cứu
3.4.2 Cấu trúc bảng câu hỏi :
Bảng câu hỏi gồm 3 phần:
Phần 1: Giới thiệu
Muốn các đáp viên có sự tương tác và tính chính xác cao trong các câu trả lời của mình thì chúng ta cần đảm bảo tính bảo mật của phiếu khảo sát, một đoạn giới thiệu về mình, tính cần thiết và mục đích của nghiên cứu.
Phần 2: Thông tin tổng quát
Thu thập thông tin các của các đáp viên có mục đích gì? Phần 3: Thơng tin về hành vi sử dụng dịch vụ từ Shopee
Thiết kế thang đo theo dạng Likert - 5 mức độ. Các câu hỏi khai thác thông tin xung quanh 5 yếu tố đã đề ra trước đó.
3.5 Mẫu nghiên cứu:
3.5.1 Phương pháp tính kích cỡ mẫu:
Để phân tích hồi quy đa biến, cỡ mẫu tối thiểu chúng ta cần có theo Tabachnick và Fidell (1996) có dạng cơng thức là 50 +8*m (m: số biến độc lập).
Một tham số cần ước lượng sẽ có kích thước mẫu nhỏ nhất là 5 tốt hơn là 10 theo (Bollen,1989). Cịn theo Hair và các cộng sự của mình (1998) thì kích thước mẫu tối thiểu phải là 50, tốt hơn là 100 và quan sát/biến đo có tỉ lệ là 5:1.
Theo tỉ lệ này, nhóm có cỡ mẫu tối thiểu là: n = 27 x 5 = 135 mẫu.
Tuy nhiên, để đảm bảo được tính chính xác cho nghiên cứu, cũng như loại trừ đi những câu trả lời khơng hợp lệ, nhóm chúng tơi quyết định lấy 311 cỡ mẫu.
3.5.2 Phương pháp chọn mẫu:
Các mẫu được theo phương pháp phi xác suất và phương pháp thuận tiện. Khơng những vậy, cịn cần phải cố gắng thu thập đa dạng các dữ liệu về các nhóm tuổi, nghề nghiệp, giới tính,...để làm tăng tính đại diện của mẫu.
3.6 Phương pháp thu thập dữ liệu:
3.6.1 Phương pháp thu thập dữ liệu định lượng:
Bảng câu hỏi được thiết kế và thực hiện khảo sát bằng hình thức khảo sát online tại group cho sinh viên trường Đại học Hoa Sen đã từng sử dụng sàn thương mại điện tử Shopee và các group săn sale Shopee. Tổng số phiếu khảo sát thu được là 311 câu trả lời, sau khi sàng lọc lại bảng câu hỏi và loại 131 câu trả lời là 180 câu trả lời vì khơng có lỗi xảy ra.
3.6.2 Phương pháp thu thập dữ liệu định tính:
3.7 Các phương pháp thống kê:
Làm sạch được nhập liệu và xử lí trên phần mềm SPSS 20.0.
3.7.1 Phân tích thống kê mơ tả (Descriptive Statistic):
Lập bảng thống kê để mô tả dữ liệu các dữ liệu nhân khẩu học. Tính tỷ lệ phần trăm trên tổng 311 người nhằm nắm được tình hình cụ thể và đưa ra nhận xét.
Hệ số Cronbach’s Alpha là một phép kiểm định thống kê dùng để kiểm tra sự chặt chẽ mà các mục hỏi trong thang đo tương quan với nhau. Giúp người nghiên cứu loại bỏ các biến không phù hợp. Các biến có hệ số tương quan biến tổng (Corrected Item - Total Correlation) <0.3 thì sẽ bị loại ra khỏi nhân tố đánh giá và tiêu chuẩn chọn thang đo khi có độ tin cậy Cronbach’s Alpha từ 0.6 trở lên (Nunnally & Bernstein, 1994). Nhiều nhà nghiên cứu cũng đồng ý rằng khi Cronbach’s Alpha từ 0.8 - gần 1 thì thang đo đo lường là rất tốt, từ 0.7 - gần 0.8 là sử dụng tốt. Cũng có nhiều nhà nghiên cứu đề nghị rằng Cronbach’s Alpha từ 0.6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang đo lường là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu (Trọng & Ngọc, 2008).
3.7.3 Phân tích nhân tố khám phá EFA (Exploratory factor analysis):
Phân tích nhân tố khám phá EFA là kỹ thuật được sử dụng chủ yếu để thu nhỏ và tóm tắt dữ liệu sau khi đã đánh giá độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha và loại đi các biến không đảm bảo độ tin cậy. Các tham số quan trọng:
● Hệ số KMO (Kaiser-Meyer-Olkin): kiểm định sự thích hợp của phân tích nhân tố. Đạt giá trị từ 0.5 trở lên (0.5<=KMO<=1) thể hiện phân tích nhân tố là phù hợp.
● Kiểm định Bartlett (Bartlett’s test): có ý nghĩa thống kê (sig <= 0.05), chứng tỏ các biến quan sát có tương quan với nhau trong tổng thể (Trọng & Ngọc, 2008). (Trọng & Ngọc, 2008).
● Hệ số tải nhân tố (Factor Loading): hệ số này cho biết mỗi biến đo lường sẽ thuộc về nhân tố nào. Hệ số này càng lớn có nghĩa có mối quan hệ chặt ché giữa các biến và nhân tố. Để nhân tố được xem là có ý nghĩa thực tiễn thì mỗi biến trong nhân tố phải có tỷ số Factor Loading >= 0.5. Mức tối thiểu là >=0.3 và >=0.4 thì nhân tố được xem là quan trọng (Hair, Black, Babin, & Anderson, 1989)
● Tổng phương sai trích (Total Variance Explained): cho biết mức ý nghĩa của các nhân tố được rút trích, phải đạt giá trị từ 50% trở lên (Gerbing & Anderson, 1998).32 ● Hệ số Eigenvalue: đại diện cho phần biến thiên được giải thích bởi mỗi nhân tố. Nhân
tố có Eigenvalue > 1 thì nhân tố rút ra có ý nghĩa tóm tắt thơng tin tốt nhất và ngược lại sẽ bị loại. (Gerbing & Anderson, 1998).
3.7.4 Phân tích tương quan:
Phân tích tương quan tuyến tính nhằm kiểm tra mối tương quan tuyến tính giữa các biến độc lập và các biến phụ thuộc. Ngồi ra bước này cịn giúp chúng ta biết được có xảy ra đa cộng tuyến hay khơng.
Trong kiểm định tương quan Pearson nếu Sig < 0.05 thì ta kết luận có tương quan và ngược lại là khơng có tương quan, giá trị r càng tiến dần về giá trị 1 thì tương quan càng mạnh và ngược lại thì càng yếu.
Tương quan Pearson r có giá trị dao động từ -1 đến 1 (lưu ý, hệ số r chỉ có ý nghĩa khi sig < 0.05). Ngồi 2 trường hợp tương quan tuyến tính mạnh và yếu thì cịn có trường hợp nếu r = 1 thì được xem là tương quan tuyến tính tuyệt đối. Trong trường hợp r = 0 thì có hai tình huống xảy ra: một là giữa 2 biến khơng có mối liên hệ nào, hai là giữa 2 biến có mối liên hệ phi tuyến.
3.7.5 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 đơn biến: Y = β0 + β1X + e
- Phương trình hồi quy bội: Y = β0 + β1X1 + β2X2 + … + βnXn + e Trong đó:
● Biến phụ thuộc (Y) là biến chịu tác động của biến độc lập. ● Biến độc lập (Xn) là biến tác động lên biến phụ thuộc.
● Hằng số hồi quy (β0) là chỉ số nói lên giá trị của Y sẽ là bao nhiêu nếu tất cả X cùng bằng 0.
● Hệ số hồi quy (βn) là chỉ số phản ánh mức thay đổi của Y gây ra bởi X tương ứng. ● Sai số (e) là cho ta biết khả năng dự đốn của hồi quy có chính xác hay khơng. Nếu
chỉ số này càng lớn chứng tỏ càng kém chính xác do có nhiều sai lệch.
Trong thống kê, vấn đề chúng ta muốn đánh giá là các thông tin của tổng thể, tuy nhiên điều này là khơng thể vì tổng thể q lớn. Vì vậy, chúng ta dùng thơng tin của mẫu nghiên cứu để ước lượng hoặc kiểm định thơng tin của tổng thể. Với hồi quy tuyến tính cũng như vậy, do đó chúng ta sẽ sử dụng tham số tương ứng từ mẫu để ước lượng và từ đó suy diễn ra tổng thể. Phương trình hồi quy trên mẫu nghiên cứu:
Trong đó: ● biến phụ thuộc: Y ● biến độc lập: X, X1, X2, Xn ● hằng số hồi quy: B0 ● hệ số hồi quy: B1, B2, Bn ● phần dư: ε
3.7.6 Kiểm định so sánh trung bình ANOVA:
Phương pháp này giúp chúng ta so sánh trị trung bình của 2 nhóm trở lên. ANOVA có 3 phương pháp tuy nhiên trong phạm vi tài liệu này chúng ta chỉ nói tới phương pháp ANOVA 1 chiều (One-Way ANOVA).
3.8 Tóm tắt chương 3:
Nội dung trong chương 3 là giới thiệu về các bước đã được thực hiện trong q trình nghiên cứu được tóm tắt qua phần tiến trình nghiên cứu. Đầu tiên là đề xuất mơ hình các giả thuyết. Tiếp theo trình bày về các phương pháp nghiên cứu sơ bộ và chính thức. Kế đến là giới thiệu về nội dung thang đo, các hình thức thiết kế thang đo và cấu trúc bảng khảo sát. Sau đó là xác định phương pháp để chọn ra mẫu nghiên cứu cùng với hai phương pháp thu thập dữ liệu. Cuối cùng là giới thiệu các phương pháp thống kê được sử dụng để phục vụ cho việc phân tích dữ liệu của đề tài.
CHƯƠNG 4: PHÂN TÍCH DỮ LIỆU 4.1 Thống kê mô tả:
Sau khi thực hiện khảo sát tại group Sinh viên HSU và các group săn sale Shopee, nhóm thu về được tổng số 311 phiếu khảo sát. Tuy nhiên sau khi sàng lọc dữ liệu, nhóm lọc ra được 131 câu trả lời không đạt tiêu chuẩn, chỉ giữ lại 180 câu trả lời để đưa vào phân tích.
4.1.1 Biến giới tính: