2.2.1. Đặc điểm mẫu nghiên cứu:
2.2.1.1. Cơ cấu mẫu theo giới tính
(đơn vị: ngàn đồng)
Giới tính Nam
Nữ
Sinh viên thực hiện: Đào Thị Quỳnh Châu – Lớp: K50A – QTKD 51
(Nguồn: số liệu điều tra)
Trong số 105 khách hàng được điều tra thì nam chiếm 60% và nữ chiếm 40%, tỉ lệ nam nữ chênh lệch khá nhiều. Sự chênh lệch này là do trong quá trình thực hiện điều tra phỏng vấn, nam giới có xu hướng dễ chấp nhận phỏng vấn hơn so với nữ giới, thêm vào đó, tỉ lệ nam giới mua vé xem phim thường cao hơn nữ giới.
2.2.1.2. Cơ cấu mẫu theo độ tuổi
Bảng 2.7. Thống kê mô tả về độ tuổi Độ tuổi
Dưới 18 tuổi
Từ 18 đến dưới 25 tuổi Từ 25 đến dưới 30 tuổi Từ 30 tuổi trở lên
Qua kết quả của bảng 2.7, ta có thể thấy khách hàng sử dụng app Lotte Cinema tại Huế chủ yếu nằm trong độ tuổi 18 đến 30 tuổi (chiếm 77,2% trong 105 đối tượng khảo sát). Trong khi đó đối tượng dưới 18 tuổi chiến 17.1% và đối tượng trên 30 tuổi chiếm 5.7%. Điều này cho thấy, đa số khách hàng sử dụng app Lotte Cinema là những khách hàng khá trẻ, còn đối với những khách hàng lớn tuổi thì khá khiêm tốn. Đây cũng là tiêu chí để Lotte Cinema Huế nên lưu tâm để xác định đối tượng khách hàng của mình về tâm lý, sở thích, thói quen của họ.
2.2.1.3. Cơ cấu mẫu theo nghề nghiệp
Nghề nghiệp Học sinh/Sinh viên Kinh doanh buôn bán Công nhân viên chức Lao động phổ thông
Sinh viên thực hiện: Đào Thị Quỳnh Châu – Lớp: K50A – QTKD 52
Nội trơ/Hưu trí Khác
(Nguồn: số liệu điều tra)
Kết quả điều tra cho thấy số lượng khách hàng sử dụng app đa số là học sinh sinh viên, chiếm 58,1%. Bởi vì nhóm đối tượng mà các rạp phim hướng đến c ính là ọc sinh/sinh viên. Tuy nhiên, Lotte Cinema Cũng nên có các giải pháp để đá h vào các nhóm đối tượng khác để mở rộng thị phần của mình.
2.2.1.4. Cơ cấu mẫu theo thu nhập
Bảng 2.9. Thống kê mô tả về thu nhập Thu nhập
Dưới 1 triệu
Từ 1 đến dưới 3 triệu Từ 3 triệu đến dưới 6 triệu Từ 6 triệu đến dưới 10 triệu Từ 10 triệu trở lên
Nhóm đối tượng có thu nhập từ 1 đến dưới 3 triệu chiếm tỷ lệ cao nhất 28,6%.
Chênh lệch không lớn so với nhóm đối tượng trên là nhóm có thu nhập dưới 1 triệu chiếm 25,7%. Tiếp theo là nhóm đối tượng có thu nhập từ 3 đến dưới 6 triệu đồng, chiếm 22,9%
và nhóm có thu nhập từ 6 đến dưới 10 triệu đồng chiếm 18,1%. Thấp nhất là nhóm có có thu nhập từ 10 triệu đồ trở lên, chiếm 4.8%. Điều này cho thấy răng thu nhập của khách hàng sử dụng dịch vụ đặt vé trực tuyến còn thấp. Vì vậy, Lotte nên có giải pháp đánh vào nhóm đối tượng có thu nhập trung bình và cao.
2.2.2. Kiểm tra đột tin cậy Cronbach’s Alpha đối với các thang đo
Trước khi tiến hành các bước phân tích dữ liệu, nghiên cứu tiến hành bước kiểm định độ tin cậy thang đo thông qua hệ số Cronbach’s Alpha. Cronbach’s Alpha phải được thực hiện đầu tiên để loại bỏ các biến không liên quan trước khi đi vào bước phân tích nhân tố khám phá EFA.
Đề tài nghiên cứu sử dụng thang đo gồm 6 biến độc lập: “Nhận thức sự hữu ích”,
Sinh viên thực hiện: Đào Thị Quỳnh Châu – Lớp: K50A – QTKD 53
Khóa luận tốt nghiệp GVHD: Th.S Hồ Sỹ Minh
“Nhận thức tính dễ sử dụng”, “Chuẩn chủ quan”, “Nhận thức kiểm soát hành vi”, “Nhận thức rủi ro đối với sản phẩm/dịch vụ”, “Nhận thức rủi ro trong phạm vi giao dịch trực tuyến” và biến phụ thuộc là “Quyết định sử dụng”.
Những biến có hệ số tương quan biến tổng (Corrected Item Total Correlation) lớn hơn 0.3 và có hệ số Cronbach’s Alpha lớn hơn 0.6 sẽ được chấp nhận và đưa vào những bước phân tích xử lý tiếp theo. Cụ thể là:
-Hệ số Cronbach’s Alpha lớn hơn 0.8: hệ số tương quan cao
-Hệ số Cronbach’s Alpha từ 0.7 đến 0.8: chấp nhận được
-Hệ số Cronbach’s Alpha từ 0.6 đến 0.7: chấp nhận được nếu thang đo mới Bảng 2.10. Kết quả kiểm định Cronba h’s Alpha
Biến quan sát
Nhận thức tính hữu ích
PU1 PU2 PU3 PU4
SN1 SN2 SN3
PRP1 PRP2 PRP3
Sinh viên thực hiện: Đào Thị Quỳnh Châu – Lớp: K50A – QTKD 54
Quyết định sử dụng Cronbach’s Alpha = 0,785 YD1
YD2 YD3
(Nguồn: Kết quả xử lý số liệu trên phần mềm SPSS)
Kết quả kiểm định độ tin cậy Cronbach’s Alpha cho nhân tố “Nhận thức sự hữu ích”
có biến quan sát PU1 có hệ số tương quan biến tổng nhỏ hơn 0.3, ta tiến hành loại bỏ biến này và tiến hành kiểm định lại cho nhân tố này, ta có bảng sau:
Bảng 2.11. Kết quả kiểm định Cronbach’s Alpha ho biến độc lập PU
Cronbach Alpha nếu loại Biến quan sát Hệ số tương quan biến – tổng
biến
PU2 PU3 PU4
Sau khi tiến hành kiểm định lại ta thấy 7 thang đo đều có hệ số Cronbach’s Alpha lớn hơn 0.7 chứ g tỏ đây là các thang đo lường khá tốt. Các hệ số tương quan biến tổng đều lớn hơn 0.3. Đa số đều có hệ số Cronbach’s Alpha nhỏ hơn hệ số Cronbach’s Alpha tổng của thang đo, chỉ có biến PRT1 có Cronbach’s Alpha nếu loại biến lớn hơn hệ số Cronbach’s Alpha, nếu loại biến này thì Cronbach’s Alpha của “Nhận thức rủi ro trong phạm vi giao dịch” sẽ là 0.892>0.885 tuy nhiên nếu không bỏ biến thì vẫn thỏa mãn điều kiện, do vậy, chỉ loại bỏ biến PU1, còn lại giữ nguyên tất cả các biến để tiếp tục phân tích nhân tố. Như vậy thì có 23 biến được chọn để đưa vào phân tích nhân tố khám phá EFA trong bước tiếp theo.
2.2.3. Phân tích nhân tố khám phá (Exploratory Factor Analysis – EFA)
Sinh viên thực hiện: Đào Thị Quỳnh Châu – Lớp: K50A – QTKD 55
Phân tích nhân tố, gọi tắt là EFA, dùng để rút gọn tập hợp k biến quan sát thành một tập F (F<k) các nhân tố có ý nghĩa hơn. Trong nghiên cứu, chúng ta thường thu thập được một số lượng biến khá lớn và rất nhiều các biến quan sát trong đó có liên hệ tương quan với nhau. EFA sẽ xem xét mối quan hệ giữa các biến ở tất cả các nhóm (các nhân tố) khác nhau nhằm phát hiện ra những biến quan sát tải lên nhiều nhân tố hoặc các biến quan sát bị phân sai nhân tố từ ban đầu.
Các tiêu chí thường sử dụng trong phân tích nhân tố khám phá EFA:
Hệ số KMO (Kaiser – Meyer – Olkin) là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số của KMO phải đạt giá trị 0.5 trở lên (0.5 ≤ KMO ≤ 1) (Hoàng Trọng và Chu Nguyễn Ngọc Mộng (2008), Phân tích dữ liệu nghiên cứu với SPSS tập 2, trang 31) là điều kiện đủ để phân tích nhân tố là phù hợp. Nếu trị số này nhỏ hơn 0.5, thì phân tích nhân tố có khả năng không thích hợp với tập dữ liệu nghiên cứu.
Kiểm định Bartlett (Bartlett’s test of sp ericity): dùng để xem xét các biến quan sát trong nhân tố có tương quan với nhau hay không. Điều kiện cần để áp dụng phân tích nhân tố là các biến quan sát phản ánh những khía cạnh khác nhau của cùng một nhân tố phải có mối tương quan với nh u. Điểm này liên quan đến giá trị hội tụ trong phân tích EFA được nhắc ở trên. Do đó, nếu kiểm định cho thấy không có ý nghĩa thống kê thì không nên áp dụng phân tích nhân tố cho các biến đang xem xét. Kiểm định Bartlett có ý nghĩa thống kê (sig Bartlett’s Test < 0.05) (Hoàng Trọng và Chu Nguyễn Ngọc Mộng (2008), Phân tích dữ liệu nghiên cứu với SPSS tập 2, trang 31), chứng tỏ các biến quan sát có tương quan với nhau trong nhân tố.
Trị số Eigenvalue là một tiêu chí sử dụng phổ biến để xác định số lượng nhân tố trong phân tích EFA. Với tiêu chí này, chỉ có những nhân tố nào có Eigenvalue ≥ 1 mới được giữ lại trong mô hình phân tích .
Tổng phương sai trích (Total Variance Explained) ≥ 50% cho thấy mô hình EFA là phù hợp (Gerbing & Anderson, 1998, “An Update Paradigm for Scale Development Incorporing Unidimensionality and Its Assessments, Journal of Marketing Research,
Sinh viên thực hiện: Đào Thị Quỳnh Châu – Lớp: K50A – QTKD 56
Khóa luận tốt nghiệp GVHD: Th.S Hồ Sỹ Minh
Vol.25, 186 – 192). Coi biến thiên là 100% thì trị số này thể hiện các nhân tố được trích cô đọng được bao nhiêu % và bị thất thoát bao nhiêu % của các biến quan sát.
Hệ số tải nhân tố (Factor Loading) hay còn gọi là trọng số nhân tố, giá trị này biểu thị mối quan hệ tương quan giữa biến quan sát với nhân tố. Hệ số tải nhân tố càng cao nghĩa là tương quan giữa biến quan sát đó với nhân tố càng lớn và ngược lại. T eo Hair v& ctg (2009.116), Multivariate Data Analysis, 7th Edison thì:
-Factor Loading ở mức ±0.3: Điều kiện tối thiểu để biến quan sát được giữ lại
-Factor Loading ở mức ±0.5: Biến quan sát có ý nghĩa thống kê tốt
-Factor Loading ở mức ±0.7: Biến quan sát có ý nghĩa thống kê rất tốt
Tuy nhiên, giá trị tiêu chuẩn của hệ tố tải nhân tố Factor Loading cần phải phụ thuộc vào kích thước mẫu. Với từng khoảng kích thước mẫu khác nhau, mức trọng số nhân tố để biến quan sát có ý nghĩa thống kê là hoàn toàn khác nhau. Ở nghiên cứu này, ta chọn giá trị Factor Loading là 0.5.
2.2.3.1. Phân tích nhân tố khám phá đối với các biến độc lập
Tất cả 20 biến quan sát được đưa vào phân tích nhân tố khám phá, dùng phương pháp rút trích Principal Components và phép quay Varimax.
Bảng 2.12. Kiểm định KMO và Bartlett’s Test các biến độc lập Trị số KMO
Đại lượng thố kê Bartlett's Test of Sphericity
Approx. Chi-Square Df
Sig.
(Nguồn: Kết quả xử lý số liệu trên phần mềm SPSS)
Hệ số KMO là 0,785> 0,5 nên thỏa mãn yêu cầu của phân tích nhân tố (0,5 ≤ KMO ≤ 1) (Hair và ctg, 2010). Hệ số Sig. của kiểm định Bartlett’s Test = 0,000 < 0,005 cho biết các biến quan sát có tương quan với nhau và nghiên cứu có ý nghĩa thống kê, do đó các quan sát phù hợp cho việc phân tích nhân tố.
Sau khi tiến hành phân tích nhân tố cho các biến độc lập, số biến quan sát vẫn là 20 và được phân thành 6 nhóm. Giá trị Eigenvalue của 6 nhóm nhân tố này đều lớn hơn 1 và tổng
Khóa luận tốt nghiệp GVHD: Th.S Hồ Sỹ Minh
phương sai trích có giá trị là 70.541%>50%, đây là một tỷ lệ khá cao trong phân tích nhân tố do đó phân tích nhân tố là phù hợp. Hệ số tải của tất cả các biến quan sát đều lớn hơn 0,5. Kết quả phân tích nhân tố các yếu tố ảnh hưởng đến quyết định đặt vé xem phim qua mobile app tịa Lotte Cinema Huế vẫn giữ nguyên 6 nhóm nhân tố như trong mô hình ác giả đề xuất.
Bảng 2.13:Các nhóm nhân tố được rút ra Nhóm nhân tố
Nhóm nhân tố thứ nhất:
Nhận thức rủi ro trong phạm vi giao dịch trực tuyến
Nhóm nhân tố thứ 2:
Nhận thức tính dễ sử dụng
Nhóm nhân tố thứ 3:
Nhận thưc kiểm soát hành vi
Nhóm nhân tố thứ 4:
Nhận thức rủi ro đối với sản phẩm/dịch vụ
Nhóm nhân tố thứ 5:
Chuẩn chủ quan
Các biến
- Anh/chị cảm thấy thông tin cá nhân của mình không được bảo mật
- Anh/chị cảm thấy thông tin thẻ tín dụng của mình không được bảo mật
- Thanh toán điện tử gặp trục trặc nên không thể hoàn tất giao dịch
- Tổn thất tài c ính do gặp sự cố khi thanh toán điện tử (tiền trong tài k oản đã bị trừ nhưng hệ thống không trả hàng cho khách)
- Dễ dàng xác định vị trí thông tin mong muốn
- Dễ dàng sử dụng dịch vụ từ mọi vị trí bất cứ lúc nào
- Gi o diện trang app Lotte Cinema dễ nhìn, dễ thao tác
- Quy trình đặt vé và thanh toán đơn giản
- Anh/chị có đủ thiết bị có kết nối internet để mua vé qua app
- Anh/chị có đủ thời gian, tiền bạc để thực hiện mua vé qua app
- Anh/chị có thể tự mình thực hiện mua vé qua app
- Anh/chị lo lắng sản phẩm không đúng chủng loại đã yêu cầu
- Anh/chị lo lắng sản phẩm được giao không đúng thời gian yêu cầu
- Anh/chị lo lắng sản phẩm không đạt yêu cầu về chất lượng, tiêu chuẩn kỹ thuật và chức năng so với quảng cáo
- Những người trên mạng xã hội chia sẻ về việc sử dụng ứng dụng
- Bạn bè, người thân khuyên Anh/Chị nên sử dụng ứng dụng
Sinh viên thực hiện: Đào Thị Quỳnh Châu – Lớp: K50A – QTKD 58
Nhóm nhân tố thứ 6:
Nhận thức sự hữu ích
- Nhân viên Lotte Cinema khuyên Anh/Chị nên sử dụng ứng dụng
- Giúp tiết kiệm thời gian hơn so với hình thức mua vé thông thường.
- App Lotte Cinema cung cấp sản phẩm/dịch vụ đa dạng.
- Thông tin về sản phẩm được cập nhật và t ông báo kịp thời, chính xác
(Nguồn: Phân tích số liệu SPSS)
2.2.3.2. Phân tích nhân tố khám phá cho biến phụ thuộc
Bảng 2.14. Kết quả kiểm định KMO và Bartlett’s biến phụ thuộc Trị số KMO
Đại lượng thống kê Bartlett's Test of Sphericity
Approx. Chi-Square df
Sig.
0.686 94.122 3 0.000
(Nguồn: Kết quả xử lý số liệu trên phần mềm SPSS)
Kết quả cho thấy hệ số KMO với giá trị là 0,686 > 0,5 nên đảm bảo phân tích nhân tố là phù hợp và thống kê Chi bình phương của kiểm định Bartlett’s Test đạt giá trị 94.122 với giá trị Sig bằng 0,000 < 0,05 nên có thể tiến hành phân tích nhân tố khám phá EFA với nhóm các biến quan sát này.
Nhân tố “Quyết định sử dụng” có giá trị Eigenvalues bằng 2,112 > 1, nhân tố quyết định sử dụng giải thích được 70.388% biến thiên của dữ liệu.
Kết quả phân tích nhân tố khám phá rút trích ra được một nhân tố, nhân tố này được tạo ra từ 3 biến quan sát mà đề tài đã đề xuất tư trước.
Nhận xét:
Như vậy, mô hình nghiên cứu sau khi phân tích nhân tố khám phá EFA không có gì thay đổi so với ban đầu, không có biến quan sát nào bị loại bỏ ra khỏi mô hình phân tích EFA, chỉ có 1 biến quan sát bị loại khỏi từ kiểm định Cronbach’s Alpha.
2.2.4. Phân tích hồi quy tuyến tính 2.2.4.1. Xây dựng mô hình hồi quy
Sinh viên thực hiện: Đào Thị Quỳnh Châu – Lớp: K50A – QTKD 59
Khóa luận tốt nghiệp GVHD: Th.S Hồ Sỹ Minh
Sau khi tiến hành phân tích nhân tố khám phá EFA để khám phá các nhân tố có ảnh hưởng đến biến phụ thuộc “Quyết định sử dụng”, nghiên cứu tiến hành hồi quy mô hình tuyến tính để xác định được chiều hướng và mức độ ảnh hưởng của các nhân tố này đến quyết định sử dụng.
Mô hình hồi quy được xây dựng gồm 1 biến phụ thuộc là “Quyết định sử dụng”
(PB) và 6 biến độc lập là “Nhận thức rủi ro trong phạm vi giao dịch trực tuyế ” (PRT),
“Nhận thức tính dễ sử dụng” (PEU), “Nhận thức kiểm soát hành vi” (PBC), “Nhận thức rủi ro đối với sản phẩm/dịch vụ” (PRP), “Chuẩn chủ quan” (SN) , “Nhận thức sự hữu ích” (PU) với các hệ số beta tương ứng lần lươt là β1, β2 , β3 , β4 , β5, β6
PB = βo + β1*
PRT β2*
PEU + β3*
PBC + β4*PRP + β5*
SN + β6*
PU
Dựa vào hệ số Beta chuẩn hóa với mức ý nghĩa Sig. tương ứng để xác định các biến độc lập nào có ảnh hưởng đến biến phụ thuộc tr ng mô hình và ảnh hưởng với mức độ như thế nào, theo chiều hướng nào. Từ đó, làm căn cứ để kết luận chính xác hơn và đưa ra giải pháp mang tính thuyết phục cao. Kết quả của mô hình hồi quy sẽ giúp ta xác định được chiều hướng, mức độ ảnh hưởng của các yếu tố đến quyết định sử dụng dịch vụ đặt vé trực tuyến qua smart phone của khách hàng tại Lotte Cinema Huế.
2.2.4.2. Đánh giá độ phù hơp của mô hình hồi quy tuyến tính
Mô hình
1
(Nguồn: Kết quả xử lý số liệu trên phần mềm SPSS)
Giá trị Durbin - Watson là 2.028 nằm trong khoảng (1; 3) (Phương pháp xử lý theo kinh nghiệm) cho thấy mô hình nghiên cứu của đề tài không có sự tương quan nhau.
Để đánh giá độ phù hợp của mô hình ta sử dụng hệ số xác định R2 để kiểm tra. Tiến hành so sánh giá trị R2 và R2 hiệu chỉnh, ta thấy R 2 hiệu chỉnh (0,577) < R2 (0,775) cho thấy mô hình đánh giá độ phù hợp này an toàn hơn, nó không thổi phồng mức độ phù hợp của mô hình lên mà cho ta kết luận rằng mô hình này là hợp lý để đánh giá mức độ ảnh
Khóa luận tốt nghiệp GVHD: Th.S Hồ Sỹ Minh
hưởng của các yếu tố đến quyết định sử dụng app của khách hàng.
Dựa vào bảng trên ta có thể thấy, R2 hiệu chỉnh = 0.577, ta kết luận rằng: Độ phù hợp của mô hình là 57.7% hay 57.7% sự biến động của biến phụ thuộc là do ảnh hưởng của biến độc lập, còn lại 42.3% là sự ảnh hưởng của các biến ngoài mô hình và do sai số ngẫu nhiên.
Sinh viên thực hiện: Đào Thị Quỳnh Châu – Lớp: K50A – QTKD 61