CHƯƠNG 3 THIẾT KẾ NGHIÊN CỨU
3.3 Nghiên cứu chính thức
Sau khi điều chỉnh bảng câu hỏi từ kết quả nghiên cứu định lượng sơ bộ, nghiên cứu định lượng chính thức được tiến hành. Nghiên cứu khảo sát những người tiêu dùng đang ở hoặc làm việc ở thành phố Hồ Chí Minh đã từng mua hàng trực tuyến thông qua kỹ thuật phỏng vấn trực tiếp bằng bảng câu hỏi điện tử và bảng câu hỏi giấy.
3.3.1 Bảng câu hỏi
Bảng câu hỏi được thiết kế gồm 3 phần:
- Phần A: Phần gạn lọc: Phần này gồm có 2 câu hỏi. Nhằm xác định đáp viên có thuộc đối tượng cần thu thập lấy mẫu không.
- Phần B: Nội dung khảo sát: Phần ngày gồm 25 phát biểu về sẵn sàng hoàn thành dịch vụ, hiệu quả dịch vụ, bảo mật, giá trị cảm nhận, sự hài lòng và lòng trung thành của khách hàng. Các biến được liệt kê và đo lường theo thang đo Likert 5 điểm.
- Phần C: Thông tin cá nhân: Phần này gồm 7 câu hỏi về độ tuổi, giới tính, học vấn, nghề nghiệp, thu nhập, thời gian bắt đầu sử dụng internet và thời gian thường xuyên sử dụng internet.
Bảng câu hỏi hoàn chỉnh được trình bày chi tiết ở phụ lục 2 được đưa vào khảo sát chính thức để thu thập dữ liệ cho nghiên cứu chính thức.
3.3.2 Thiết kế mẫu
1. Kích thước mẫu
Kích thước mẫu tùy thuộc vào các phương pháp ước lượng trong nghiên cứu và có nhiều quan điểm khác nhau.
- Hair và công sự (2006) : cho rằng để sử dụng phân tích nhân tố khám phá( EFA), kích thước mẫu tối thiểu phải là 50, tốt hơn là 100, để có thể phân tích nhân tố khám phá cần thu thập dữ liệu với kích thước mẫu là ít nhất 5 mẫu trên 1 biến quan sát.
- Hachter ( 1994) : kích thước mẫu bằng ít nhất 5 lần biến quan sát.
- Gorsuch (1983 ): nếu nghiên cứu có sử dụng phân tích nhân tố khám phá ( EFA) thì kích thước mẫu ít nhất là 200.
Nghiên cứu này gồm 34 biến quan sát, có sử dụng phân tích nhân tố khám phá nên kích thước tối thiểu là 200 mẫu.
2. Chọn mẫu
Phương pháp chọn mẫu thuận tiện.
Phương pháp thu thập dữ liệu : bảng phỏng vấn điện tử và bảng phỏng vấn giấy.
Đối tượng nghiên cứu là những khách hàng ở hoặc đang làm việc ở thành phố Hồ Chí Minh đã từng mua hàng trực tuyến. Đối tượng tiếp cận thông qua nguồn mạng xã hội Facebook, Google + , và Email qua phương pháp khảo sát spreadsheet trên Google và những sinh viên của một số trường đại học, nhân viên văn phòng của một số công ty, một số người lao động tự do và nội trợ bằng phương pháp khảo sát thuận tiện.
3.3.3 Phương pháp phân tích dữ liệu
- Các dữ liệu sau khi thu thập sẽ được làm sạch.
- Phân tích mô tả để làm rõ các thuộc tính của đối tượng trả lời phỏng vấn.
- Kiểm định độ tin cậy của các thang đo bằng hệ số tin cậy Cronbach Alpha để loại bỏ các biến không phù hợp và hạn chế các biến rác trong quá trình nghiên cứu
và đánh giá độ tin cậy của thang đo bằng hệ số thông qua hệ số Cronbach Alpha.
Những biến có hệ số tương quan biến tổng ( item-total-correlation) nhỏ hơn 0.3 sẽ bị loại. Những biến có hệ số Cronbach Alpha từ 0.6 trở lên là có thể sử dụng được trong trường hợp trong khái niệm đang nghiên cứu mới ( Nunnalyy, 1978;
Peterson, 1994; Slater, 1995). Thông thường, thang đo có Cronbach’s Alpha từ 0.7 đến 0.8 là sử dụng được. Nhiều nhà nghiên cứu cho rằng thang đo có độ tin cậy từ 0.8 trở lên đến gần 1 là thang đo lường tốt tuy nhiên theo Nguyễn Đình Thọ (2013) thì hệ số Cronbach Alpha quá lớn ( α > 0.95) cho thấy có nhiều biến trong thang đo không có khác biệt gì nhau.
Tiêu chuẩn để kiểm định độ tin cậy của thang đo khi phân tích Cronbach’s Alpha bao gồm:
Cronbach’s Alpha tổng của thang đo ≥ 0.60;
Hệ số tương quan biến – tổng ≥ 0.30
- Phân tích nhân tố khám phá EFA : sau khi đánh giá độ tin cậy của thang đo bằng hệ số Cronbach Alpha và loại đi các biến không đảm bảo độ tin cậy. Phân tích nhân tố khám phá là kỹ thuật được sử dụng nhằm thu nhỏ và tóm tắt các dữ liệu. Phương pháp này rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu và được sử dụng để tìm mối quan hệ giữa các biến với nhau, đánh giá giá trị của thang đo.
Trong phân tích nhân tố khám phá, trị số KMO là chỉ số dùng để so sánh độ lớn của hệ số tương quan giữa hai biến với độ lớn hệ số tương quan riêng phần của chúng. Trị số KMO phải có giá trị trong khoảng từ 0.5 đến 1 thì phân tích này mới thích hợp, còn nếu như trị số này nhỏ hơn 0.5 thì phân tích nhân tố có khả năng không thích hợp với dữ liệu.
Trong phân tích nhân tố còn dựa vào tiêu chí eigenvalue để xác định số lượng nhân tố. Với tiêu chí này, số lượng nhân tố được xác định ở nhân tố có eigenvalue tối thiểu bằng 1 ( Nguyễn Đình Thọ ,2013).
- Kiểm định thang đo bằng CFA: được thực hiện thông qua phần mềm phân tích cấu trúc tuyến tính AMOS.
Phương pháp CFA trong phân tích cấu trúc tuyến tính SEM có nhiều ưu điểm hơn so với phương pháp truyền thống như phương pháp hệ số tương quan, phương pháp phân tích nhân tố khám phá EFA, phương pháp khái niệm đa phương pháp MTMM, … Lý do là CFA cho phép chúng ta kiểm định cấu trúc lý thuyết của các thang đo lường như mối quan hệ giữa một khái niệm nghiên cứu với các khái niệm nghiên cứu khác mà không bị lệch do sai số đo lường. Hơn nữa, chúng ta có thể kiểm định giá trị hội tụ và gia trị phân biệt của thang đo mà không cần dùng nhiều nghiên cứu như trong phương pháp truyền thống MTMM (Nguyễn Đình Thọ &
Nguyễn Thị Mai Trang, 2011).
- Kiểm định giả thuyết và mô hình nghiên cứu, mô hình cấu trúc tuyến tính SEM cũng có nhiều ưu điểm hơn các phương pháp phân tích đa biến truyền thống như hồi quy bội, hồi quy đa biến vì nó có thể tính được sai số đo lường . Hơn nữa phương pháp này cho phép ta kết hợp được các khái niệm tiềm ẩn với đo lường của chúng và có thể xem xét các đo lường độc lập hay kết hợp chung với mô hình lý thuyết cùng một lúc (Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2011).
Để đo lường mức độ phù hợp của mô hình với dữ liệu thị trường, nghiên cứu này sử dụng các chỉ tiêu Chi-bình phương, Chi – bình phương điều chỉnh theo bậc tự do (CMIN/df), chỉ số thích hợp so sánh CFI ( comparative fit index), chỉ số TLI (Tucker & Lewis index),chỉ số GFI ( Goodness of Fit Index) và chỉ số RMSEA ( root mean square error approximation). Mô hình được xem là thích hợp với dữ liệu thị trường khi kiểm định Chi-square có p-value > 0.05. Tuy nhiên, Chi-quare có nhược điểm là phụ thuộc vào kích thước mẫu. Do đó, nghiên cứu này sử dụng chỉ tiêu Chi-square điểu chỉnh theo bậc tự do CMIN/df, CMIN/df <= 2 được xem là rất tốt và 2< CMIN/df có thể < 5 được xem là chấp nhận được (Hair & ctg, 2010; Kline, 1998); RMSEA <= 0.08 (Steiger, 1990) các giá trị GFI, CFI >= 0.9 (Bentler, 1980) (dẫn theo Hair & cộng sự, 2010) ; thì mô hình được xem là phù hợp với dữ liệu thị trường hay tương thích với dữ liệu thị trường.