Các giả thuyết:
(1) Giả thuyết H1: Chất lượng cảm nhận càng tăng thì Ý định mua sắm càng tăng và ngược lại.
(2) Giả thuyết H2: Giá cả tiền tệ cảm nhận càng tăng thì Ý định mua sắm càng tăng và ngược lại.
(3) Giả thuyết H3: Giá cả hành vi cảm nhận càng tăng thì Ý định mua sắm càng tăng và ngược lại.
(4) Giả thuyết H4: Kiến thức sản phẩm càng tăng thì Ý định mua sắm càng tăng và ngược lại.
(5) Giả thuyết H5: Thái độ đối với quảng cáo càng tăng thì Ý định mua sắm càng tăng và ngược lại.
(6) Giả thuyết H6: Thái độ đối với khuyến mãi càng tăng thì Ý định mua sắm càng tăng và ngược lại.
sắm càng tăng và ngược lại.
(8) Giả thuyết H8: Nhận biết thương hiệu càng tăng thì Ý định mua sắm càng tăng và ngược lại.
3.4. THIẾT KẾ THANG ĐO
Dựa vào thang đo được kế thừa từ các nghiên cứu khác trước đây, tác giả đã tiến hành thảo luận với các nhân viên kinh doanh của Công ty cổ phần Dầu nhớt và Hóa chất Việt Nam nhằm điều chỉnh các thang đo cho phù hợp vì các sản phẩm hoặc dịch vụ khác nhau cũng như các thị trường khác nhau sẽ có những đặc điểm khác nhau. Tác giả đã hiệu chỉnh các biến quan sát để sử dụng chính thức trong nghiên cứu định lượng như bên dưới:
Bảng 3.2. Thang đoBiến Biến
quan sát
Nội dung biến quan sát Nguồn trích dẫn Chất lượng cảm nhận
PQ1 So sánh với các thương hiệu nhớt xe máy khác, nhớt XXX có chất lượng rất tốt
Netemeyer et al. (2004) PQ2 Nhớt XXX là thương hiệu nhớt xe máy tốt nhất
PQ3 Nhớt XXX bôi trơn tốt hơn nhớt xe máy các thương hiệu khác
PQ4 Tôi mong rằng nhớt xe máy XXX luôn giữ vững chất lượng cao Giá cả tiền tệ cảm nhận MP1 Nhớt xe máy XXX có giá hợp lý Petrick (2002) MP1 Nhớt xe máy XXX có giá khá tốt
MP1 Mua nhớt xe máy XXX là khơng lãng phí
Biến quan sát
Nội dung biến quan sát Nguồn trích dẫn Giá cả hành vi cảm nhận
BP1 Tơi dễ dàng tìm thấy các điểm bán nhớt xe máy XXX
Petrick (2002) BP2 Tôi không phải bỏ ra nhiều thời gian và công sức khi mua
nhớt xe máy XXX
BP3 Nhớt xe máy XXX rất dễ mua
Kiến thức sản phẩm
PK1 Có thể nói tơi rất rành về các loại nhớt xe máy
Brunner and Seigrist
(2011) PK2 Tôi hiểu biết nhiều về nhớt xe máy
PK3 Tơi thích tìm hiểu nhiều hơn nữa về nhớt xe máy PK4 Bạn bè thường nhờ tôi tư vấn về nhớt xe máy
Thái độ đối với quảng cáo
AA1 Các quảng cáo của của nhớt xe máy XXX rất thường xuyên Nguyễn Đình Thọ và Nguyễn Thị Mai Trang (2002) AA2 Các quảng cáo của của nhớt xe máy XXX rất hấp dẫn
AA3 Tôi rất thích các quảng cáo của nhớt xe máy XXX
Thái độ đối với khuyến mãi
AS1 Các chương trình khuyến mãi của nhớt xe máy XXX rất
thường xuyên Nguyễn
Đình Thọ và Nguyễn Thị Mai Trang
(2002) AS2 Các chương trình khuyến mãi của nhớt xe máy XXX
thường hấp dẫn
AS3 Tơi rất thích tham gia các chương trình khuyến mãi của nhớt xe máy XXX
Biến quan sát
Nội dung biến quan sát Nguồn trích dẫn Ảnh hưởng của nhóm tham khảo
RG1 Tôi thường hỏi ý kiến người khác chọn giúp loại nhớt xe máy thay thế tốt nhất trong những loại nhớt sẵn có
Tudor and Carley (2004) RG2 Tơi thường thu thập thông tin về nhớt xe máy từ bạn bè
hoặc gia đình
RG3 Nếu tơi ít có kinh nghiệm về nhớt xe máy, tơi sẽ hỏi thăm bạn bè
RG4 Để chắc chắn mua đúng nhớt xe máy tốt, tôi thường quan sát người khác đang mua và sử dụng loại nhớt nào
Nhận biết thương hiệu
BA1 Tơi có thể nhận ra nhớt XXX giữa các thương hiệu nhớt xe máy khác
Lee and Leg (2011) BA2 Tơi có thể nhớ lại hoặc nhận biết logo nhớt xe máy XXX
một cách dễ dàng
BA3 Nhớt XXX là thương hiệu nhớt duy nhất tôi nhớ tới khi cần mua nhớt xe máy
BA4 Tôi nhớ đến nhớt XXX đầu tiên khi cần mua nhớt xe máy
Ý định mua sắm
PI1 Tôi chắc chắn sẽ mua nhớt xe máy XXX
Sweeney and Soutar (2001) PI2 Tôi sẽ cân nhắc mua nhớt xe máy XXX
PI3 Có khả năng cao tơi sẽ mua nhớt xe máy XXX PI4 Tôi dự định sẽ mua nhớt xe máy XXX
Tác giả lựa chọn thang đo Likert 5 mức độ như sau: (1) Hồn tồn khơng đồng ý, (2) Không đồng ý, (3) Trung lập, (4) Đồng ý, (5) Hoàn toàn đồng ý. Thang đo Liker 5 mức độ được sử dụng bởi vì đây là thang đo được sử dụng phổ biến và
phù hợp với đặc trưng của vấn đề nghiên cứu. Thang đo Likert 5 mức độ là thang đo phổ biến nhất để đo lường thái độ, hành vi và có độ tin cậy tương đương thang đo 7 hay 9 mức độ (Từ Đình Thục Đoan, 2010).
3.5. THIẾT KẾ BẢNG KHẢO SÁT
Sau khi hoàn tất việc hiệu chỉnh và xây dựng các thang đo phù hợp với với việc khảo sát các yếu tố ảnh hưởng đến ý định mua nhớt xe máy, tác giả tiến hành thiết kế bảng khảo sát nhằm phục vụ cho việc thu thập dữ liệu.
Bảng khảo sát sơ bộ được thiết kế với 33 câu hỏi tương ứng với 33 biến quan sát được cho là có liên quan đến ý định mua nhớt xe máy. Bảng khảo sát này đã được tác giả phỏng vấn thử 15 đối tượng nghiên cứu xem các đối tượng nghiên cứu có hiểu đúng các từ ngữ, ý nghĩa của các câu hỏi và họ có đồng ý cung cấp những thơng tin được u cầu trong bảng câu hỏi không. Thực tế các câu hỏi đều khá rõ ràng và đối tượng phỏng vấn hiểu được đúng nội dung của các câu hỏi đó tuy nhiên để chắn chắn tất cả các đối tượng được khảo sát đều hiểu rõ tác giả đã bổ sung thêm định nghĩa về nhớt xe máy XXX ở phần đầu của bảng khảo sát.
Bảng khảo sát chính thức gồm 3 phần: - Thơng tin tổng quát.
- Thông tin phát biểu về ý định mua nhớt xe máy. - Thông tin khác.
3.6. NGHIÊN CỨU ĐỊNH LƯỢNG
3.6.1. Phương thức lấy mẫu
Trong nghiên cứu này, phương pháp chọn mẫu thuận tiện kết hợp chọn mẫu theo phương pháp định mức vùng cư trú được lựa chọn. Tác giả đã lựa chọn phương pháp chọn mẫu phi xác suất nhằm tiết kiệm thời gian và chi phí. Dữ liệu được thu thập thông qua phát bảng câu hỏi để khảo sát và thu hồi lại.
3.6.2. Thiết kế mẫu
Kích thước mẫu sẽ phụ thuộc vào việc ta muốn gì từ những dữ liệu thu thập được và mối quan hệ ta muốn thiết lập là gì. Vấn đề nghiên cứu càng đa dạng phức tạp thì mẫu nghiên cứu càng lớn. Một nguyên tắc chung khác nữa là mẫu càng lớn thì độ chính xác của các kết quả nghiên cứu càng cao. Tuy nhiên trên thực tế thì việc lựa chọn kích thước mẫu cịn phụ thuộc vào một yếu tố hết sức quan trọng là năng lực tài chính và thời gian mà nhà nghiên cứu đó có thể có được. Việc xác định kích thước mẫu bao nhiêu là phù hợp vẫn còn nhiều tranh cãi với nhiều quan điểm khác nhau.
+ Trong phân tích nhân tố, kích thước mẫu thường được xác định dựa vào kích thước tối thiểu và số lượng biến đo lường đưa vào phân tích. Hair et al., (2006) cho rằng để sử dụng phân tích nhân tố, kích thước mẫu tối thiểu phải là 50, tốt hơn là 100 và tỷ lệ quan sát/biến đo lường là 5:1.
+ Trong mơ hình hồi quy bội, một cơng thức kinh nghiệm thường được dùng để tính kích thước mẫu là n ≥ 50 + 8p. Trong đó n là kích thước mẫu tối thiểu cần thiết và p là số biến độc lập trong mơ hình. Green (1991) cho rằng cơng thức trên tương đối phù hợp nếu p < 7, khi p > 7 công thức trên hơi quá khắc khe. Tuy nhiên đề tài nghiên cứu này sử dụng cả phân tích nhân tố và hồi quy bội mà kích thước mẫu tính từ cơng thức trên thường nhỏ hơn kích thước mẫu địi hỏi cho phân tích nhân tố nên tác giả dùng cơng thức này để tính kích thước mẫu và so sánh lại với kích thước mẫu của phân tích nhân tố.
Trong đề tài này có tất cả 33 biến quan sát cần tiến hành phân tích nhân tố, vì vậy số mẫu tối thiểu cần thiết là 33 x 5 = 165. Trong đề tài này có 8 biến độc lập trong mơ hình, vì vậy số mẫu tối thiểu cần thiết để phân tích hồi quy bội là 50 + 8 x 8 = 114. Khi kích thước mẫu càng lớn thì độ chính xác của kết quả nghiên cứu càng cao nên tác giả đã chọn kích thước mẫu là 240 mẫu, kích thước mẫu này là chấp nhận được đối với đề tài nghiên cứu này vì lớn hơn số mẫu tối thiểu cần thiết là 165 mẫu.
Ngoài ra căn cứ theo doanh thu ngành hàng nhớt xe máy của Công ty cổ phần Dầu nhớt và Hóa chất Việt Nam năm 2012 tại mỗi vùng miền tác giả đã phân chia số lượng mẫu cho các thành phố được thực hiện khảo sát như sau:
- Hà Nội: 60 mẫu (25%). - Đà Nẵng: 48 mẫu (20%). - Bình Dương: 24 mẫu (10%). - Hồ Chí Minh: 84 mẫu (35%). - Cần Thơ: 24 mẫu (10%). 3.7. XỬ LÝ VÀ PHÂN TÍCH DỮ LIỆU sau:
Dữ liệu sau khi thu thập sẽ được mã hóa và thực hiện q trình phân tích như
3.7.1. Phân tích mơ tả
Trong bước đầu tiên, tác giả sử dụng phân tích mơ tả để phân tích các thuộc tính của mẫu nghiên cứu (các thơng tin cá nhân của người được phỏng vấn) như: giới tính, độ tuổi, thu nhập và vùng cư trú.
3.7.2. Kiểm định mơ hình đo lường
Đề tài này sử dụng nhiều thang đo của các học giả khác nhau và được nghiên cứu ở các thị trường và ngành nghề khác nhau. Hơn nữa, đặc điểm thị trường và các yếu tố khác về kinh tế, chính trị, xã hội, văn hố… tại Việt Nam cũng có khác biệt so với các nước khác, vì lý do đó các thang đo được sử dụng trong đề tài này cần thiết phải kiểm định lại ở thị trường Việt Nam nói chung và thị trường nhớt xe máy nói riêng.
Độ tin cậy của từng thang đo được đánh giá bằng hệ số tin cậy Cronbach’s Alpha. Những thang đo hoặc biến quan sát nào không đạt yêu cầu về độ tin cậy sẽ bị loại bỏ. Tất cả các thang đo đạt được độ tin cậy sẽ được tiếp tục phân tích nhân tố khám phá (EFA). Nhiệm vụ của EFA ở đây là khám phá cấu trúc bộ thang đo sử
dụng trong mơ hình nghiên cứu này tại thị trường nhớt xe máy Việt Nam, tất cả các thang đo thoả mãn yêu cầu về EFA sẽ được đưa vào phân tích hồi quy bội nhằm kiểm định các giả thiết đã nêu ở chương 2.
3.7.2.1. Kiểm định độ tin cậy của thang đo
Một đo lường được coi là có giá trị khi nó đo lường được đúng cái cần đo lường (Campbell & Fiske 1959). Hay nói cách khác, đo lường đó vắng mặt cả hai loại sai số, sai số hệ thống và sai số ngẫu nhiên. Điều kiện đầu tiên cần phải có là thang đo áp dụng phải đạt độ tin cậy. Độ tin cậy của thang đo được đánh giá thông qua hệ số Cronbach Alpha và hệ số tương quan biến tổng hiệu chỉnh (corrected item-total correlation).
- Để tính Cronbach Alpha cho một thang đo thì thang đo phải có tối thiểu là 3 biến đo lường. Thang đo có độ tin cậy tốt khi hệ số Cronbach Alpha biến thiên trong khoảng [0.70-0.80], nếu Cronbach Alpha ≥ 0.60 là thang đo có thể chấp nhận được về mặt độ tin cậy (Nunnally & Bernstein 1994). Về lý thuyết, Cronbach Alpha càng cao càng tốt (thang đo càng có độ tin cậy cao). Tuy nhiên điều này không thực sự như vậy, nếu hệ số Cronbach Alpha quá lớn (α > 0.95) cho thấy có nhiều biến trong thang đo khơng có khác biệt gì nhau (nghĩa là chúng cùng đo lường một nội dung nào đó của khái niệm nghiên cứu, hiện tượng này được gọi là hiện tượng trùng lắp trong đo lường).
- Hệ số tương quan biến tổng hiệu chỉnh (corrected item-total correlation): hệ số này lấy tương quan của biến đo lường xem xét với tổng các biến còn lại của thang đo (khơng tính đến biến đang xem xét). Nếu một biến đo lường có hệ số tương quan biến tổng hiệu chỉnh ≥ 0.30 thì biến đó đạt yêu cầu (Nunnally & Bernstein 1994).
3.7.2.2. Đánh giá giá trị hội tụ và giá trị phân biệt
- Giá trị hội tụ nói lên mức độ hội tụ của một thang đo để đo lường một khái niệm sau nhiều lần (lặp lại). Nghĩa là sau những lần lặp lại các số đo có mối quan hệ chặc chẽ với nhau.
- Giá trị phân biệt nói lên hai thang đo lường hai khái niệm khác nhau phải khác biệt nhau (Bagozzi, 1994). Điều này có nghĩa là hai khái niệm đó là hai khái niệm phân biệt.
Phương pháp phân tích nhân tố khám phá EFA được sử dụng để đánh giá hai loại giá trị này. Các tham số thống kê trong phân tích nhân tố khám phá bao gồm:
- Kiểm định KMO (Kaiser-Meyer-Olkin) là chỉ số dùng để so sánh độ lớn của hệ số tương quan giữa 2 biến Xi và Xj với độ lớn của hệ số tương quan riêng phần của chúng (Norusis, 1994). Theo đó KMO càng lớn càng tốt vì phần chung giữa các biến càng lớn. Để sử dụng EFA, KMO phải lớn hơn 0.50. Tuy nhiên trong thực tế, với sự hỗ trợ của các phần mềm xử lý thống kê như SPSS thì chúng ta có thể nhìn vào kết quả trọng số nhân tố và phương sai trích đạt yêu cầu thì vấn đề kiểm định KMO khơng cịn ý nghĩa gì nữa vì nó ln đạt u cầu.
- Số lượng nhân tố: được xác định dựa vào tiêu chí eigenvalue, với tiêu chí này số lượng nhân tố được xác định ở nhân tố có eigenvalue tối thiểu bằng 1 (≥ 1). Sau đó xem xét số lượng nhân tố trích được có phù hợp với giả thuyết ban đầu về số lượng khái niệm đơn hướng hay không. Nếu đạt được điều này chúng ta có thể kết luận là các khái niệm đơn hướng đạt được giá trị phân biệt.
- Trọng số nhân tố và tổng phương sai trích:
+ Trọng số nhân tố Xi trên nhân tố mà nó là một biến đo lường phải ≥ 0.50. + Tổng phương sai trích thể hiện các nhân tố trích được bao nhiêu phần trăm của biến đo lường, tổng này phải đạt từ 50% trở lên.
- Để thang đo đạt giá trị phân biệt thì khác biệt giữa các hệ số chuyển tải nhân tố (factor loading) phải ≥ 0.30.
- Phép trích nhân tố: nghiên cứu này sử dụng phép trích nhân tố Principal Axis Factoring với phép quay Promax vì nó phản ánh cấu trúc dữ liệu chính xác hơn phép trích Principal Component với phép quay Varimax (Gerbing & Anderson 1988). Phép trích Principal Axis Factoring sẽ cho ta kết quả là số lượng nhân tố là ít nhất để giải thích phương sai chung của tập hợp các biến quan sát trong sự tác động qua lại giữa chúng.
Phương pháp phân tích EFA thuộc nhóm phân tích đa biến phụ thuộc lẫn nhau, nghĩa là khơng có biến phụ thuộc và biến độc lập mà nó dựa vào mối tương quan giữa các biến với nhau. Vì vậy trong đề tài này tác giả tiến hành phân tích nhân tố cho tất cả các biến độc lập và phụ thuộc cùng một lúc.
3.7.2.3. Phân tích hồi quy
Sau khi tiến hành phân tích Cronbach’s Alpha và phân tích EFA, tác giả tiến hành phân tích hồi quy bội bằng phương pháp đồng thời (phương pháp ENTER trong SPSS) để kiểm định các giả thuyết về mối quan hệ giữa biến phụ thuộc và các biến độc lập. Phương pháp đồng thời được sử dụng vì mục tiêu nghiên cứu của tác giả là kiểm định lý thuyết khoa học (bao gồm các giả thuyết suy diễn từ lý thuyết, mơ hình T –› R trong nghiên cứu) (Nguyễn Đình Thọ, 2011). Phân tích hồi quy nhằm khẳng định sự phù hợp của mơ hình nghiên cứu, kiểm định các giả thuyết để