CHƯƠNG 3 THIẾT KẾ NGHIÊN CỨU
3.3. Thiết kế nghiên cứu
Phạm vi nghiên cứu là những khách hàng sử dụng webite lazada.vn
Phương pháp nghiên cứu: gồm 2 bước nghiên cứu: nghiên cứu khám phá và nghiên cứu chính thức.
Bảng 3.1 Tiến độ thực hiện các nghiên cứu
Bước Dạng nghiên cứu Phương pháp Kỹ thuật nghiên cứu
1 Khám phá Định tính Thảo luận nhóm
Phỏng vấn thử
2 Chính thức Định lượng Phỏng vấn trực tiếp
Hình 3.3 Quy trình nghiên cứu
Nghiên cứu khám phá được thực hiên thông qua quá trình nghiên cứu định tính, sử dụng kỹ thuật thảo luận nhóm và phỏng vấn thử để điều chỉnh cách biến quan sát để đo lường các thành phần nghiên cứu.
Nghiên cứu chính thức được thực hiện thông qua quá trình nghiên cứu định lượng. Nghiên cứu định lượng được tiến hành dựa trên việc sử dụng kỹ thuật phỏng vấn trực tiếp những khách hàng sử dụng website thông qua bảng câu hỏi chi tiết nhằm đánh giá và kiểm định các giả thuyết cũng như mô hình đã xây dựng.
3.3.2. Nghiên cứu khám phá
Mục tiêu của nghiên cứu khám phá của đề tài là tìm ra những nhân tố ảnh hưởng đến sự thành công của trang web lazada.vn, sau đó xây dựng thang đo phù hợp với đề tài.
Sau khi xây dựng thang đo nháp và nghiên cứu các cở sở lý thuyết liên quan, đồng thời thảo luận với giáo viên hướng dẫn (kỹ thuật thảo luận nhóm) để chỉnh sửa thang đo bằng cách điều tra cũng như tham khảo ý kiến của một số khách hàng để thiết kế bảng hỏi. Kết cấu của bảng câu hỏi được xây dựng gồm:
a. Phần I: Các thông tin cá nhân và một số thông tin cơ bản về website của người tham gia khảo sát:
- Giới tính: Nam - Nữ
- Tuổi: <18 tuổi, từ 18 – 25, từ 26 – 40, từ 41 – 50, trên 50 tuổi.
- Nghề nghiệp: học sinh, sinh viên, cán bộ quản lý, nhân viên kinh doanh, kĩ sư, chuyên viên kỹ thuật, nghỉ hưu, khác.
- Số năm sử dụng Internet: dưới 1 năm, từ 1 – 3 năm, từ 3 – 5 năm, từ 5 – 7 năm, trên 7 năm.
- Trang web thương mại điện tử được quan tâm nhất: lazada.vn, thegioididong.com, chotot.com, vatgia.com, khác.
- Một số thông tin liên quan đối với website lazada.vn: có thường xuyên vào web lazada.vn không, thời gian truy cập trung bình mỗi lần, mục đích truy cập.
b. Phần II: Thiết kế để thu thập những thông tin, đề xuất những nhân tố ảnh hưởng đến sự thành công của hệ thống trang web lazada.vn
- Hiệu chỉnh thang đo
+ Thành phần dễ sử dụng: biến quan sát “trang web dễ truy cập” và “địa chỉ trang web dễ nhớ” khá tương đồng, dễ gây nhầm lẫn cho khách hàng nên biến
“trang web dễ truy cập” được loại bỏ.
+ Thành phần mức độ đáp ứng: biến quan sát “Tốc độ truy cập vào trang web là như nhau ở mọi thời điểm” được khách hàng kiến nghị khó đánh giá nên được loại bỏ khỏi mô hình.
+ Thành phần sự trình bày: biến “Thông tin được trình bày ở nhiều định dạng phù hợp” không được rõ ràng, dễ gây nhầm lẫn cho khách hàng. Vì thế biến được hiệu chỉnh thành “thông tin được trình bày tương thích với nhiều thiết bị (laptop, điện thoại, …)”.
+ Thành phần độ tin cậy: biến quan sát “Thông tin trên trang web là lành mạnh” được khách hàng đánh giá mơ hồ, khó đánh giá nên được loại bỏ khỏi mô hình.
+ Thành phần tính kịp thời: biến “Thông tin được đăng tải vào thời gian thích hợp” mơ hồ, có thể làm khách hàng nhầm lẫn, dẫn đến việc đưa ra câu trả lời không chính xác. Vì thế, biến được hiệu chỉnh thành “Thông tin về các đợt khuyến mãi và sản phẩm mới được cập nhật kịp thời”.
+ Thành phần tính đầy đủ: ngoài 3 biến đã được xây dựng, khách hàng và giáo viên hướng dẫn đề xuất thêm biến “Cung cấp hình ảnh sản phẩm kèm theo thông tin chi tiết” cho mô hình.
- Mô hình thành công trang web lazada.vn
+ Nhân tố chất lượng hệ thống của website bao gồm 4 thành phần được đo lường bởi 16 biến quan sát
• Thang đo dễ sử dụng: thành phần được đo lường bởi 5 biến quan sát
• Thang đo khả năng tìm kiếm: thành phần được đo lường bởi 3 biến qua sát
• Thành phần mức độ đáp ứng: gồm 3 biến quan sát
+ Nhân tố chất lượng thông tin của website, bao gồm 5 biến và được đo lường bằng 12 biến quan sát
• Thành phần sự trình bày: gồm 2 biến quan sát
• Thành phần tính chính xác: gồm 2 biến quan sát
• Thành phần độ tin cậy: gồm 2 biến quan sát
• Thành phần tính kịp thời: gồm 2 biến quan sát
• Thành phần tính đầy đủ: gồm 4 biến quan sát
+ Nhân tố nhận thức lợi ích được đo lường bởi 4 biến quan sát + Nhân tố sự hài lòng được đo lường bởi 4 biến quan sát + Nhân tố ý định sử dụng được đo lường bởi 3 biến quan sát
Bảng 3.2 Các thang đo trong mô hình
Mã số Phát biểu
Dễ sử dụng
DSD1 Địa chỉ trang web dễ nhớ
DSD2 Dễ dàng thực hiện các yêu cầu của người sử dụng DSD3 Các thao tác trên trang web thực hiện đơn giản
DSD4 Trang web giúp ông (bà) dễ dàng tìm kiếm thông tin cần thiết DSD5 Trang web nhìn chung dễ sử dụng
Khả năng tìm
kiếm
TK1 Các thông tin của trang web được lưu lại theo thời gian TK2 Trang web hỗ trợ tìm kiếm thông tin nhanh chóng TK3 Trang web hỗ trợ tìm kiếm nâng cao
Mức độ đáp ứng
DU1 Trang web luôn được hoạt động liên tục DU2 Trang web có liên kết với các website khác
DU3 Tốc độ phản hồi nhu cầu của khách hàng nhanh chóng Yếu tố
công nghệ
CN1 Tương thích với nhiều trình duyệt phổ biến (Chrome, Firefox ...)
CN2 Có khả năng cung cấp tài khoản cho mỗi cá nhân sử dụng (Định danh người sử dụng)
CN3 Bao gồm các tính năng và chức năng cần thiết CN4 Đảm bảo an toàn thông tin cá nhân
CN5 Tích hợp nhiều hình thức thanh toán khác nhau Sự trình
bày
TB1 Thông tin được trình bày rõ ràng
TB2 Thông tin được trình bày tương thích với nhiều thiết bị (laptop, điện thoại, …)
Tính chính
xác
CX1 Thông tin mà website cung cấp chính xác
CX2 Trang web cung cấp thông tin đáp ứng nhu cầu tìm kiếm
Độ tin cậy
TC1 Bạn dễ dàng tham khảo các thông tin về lazada qua các hình thức khác nhau bất cứ khi nào bạn muốn (tổng đài, web…) TC2 Thông tin mà website cung cấp đáng tin cậy
Tính kịp thời
KT1 Hệ thống của lazada cung cấp thông tin kịp thời
KT2 Thông tin về các đợt khuyến mãi và sản phẩm mới được cập nhật kịp thời
Tính đầy đủ
DD1 Những thông tin lazada cung cấp đạt yêu cầu và đầy đủ DD2 Thông tin trên trang web là chi tiết, phù hợp
DD3 Cung cấp hình ảnh sản phẩm kèm theo thông tin chi tiết DD4 Thông tin cung cấp liên quan với nội dung tìm kiếm Nhận
thức lợi ích
LI1 Trang web giúp tiết kiệm thời gian LI2 Trang web giúp tiết kiệm tiền bạc LI3 Thực hiện các giao dịch dễ dàng
LI4 Trang web cung cấp nhiều thông tin cần thiết Sự hài
lòng
HL1 Ông (bà) hài lòng với dịch vụ của trang web lazada
HL2 Ông (bà) hài lòng với chất lượng hệ thống trang web lazada HL3 Ông (bà) hài lòng với chất lượng thông tin cung cấp bởi trang
lazada
HL4 Nhìn chung, ông (bà) hài lòng với trang web Ý định
tái sử dụng
YD1 Ông (bà) sẽ truy cập trang web thường xuyên hơn
YD2 Ông (bà) sẽ ưu tiên sử dụng trang web khi cần thông tin liên quan
YD3 Ông (bà) sẽ giới thiệu mọi người sử dụng trang web 3.3.3. Nghiên cứu chính thức
Nghiên cứu chính thức được thực hiện thông qua quá trình nghiên cứu định lượng với kỹ thuật phỏng vấn trực tiếp nhằm kiểm định lại các thang đo đã đề xuất trong mô hình thông qua các dữ liệu đã thu thập từ các bảng câu hỏi. Các dữ liệu sẽ được mã hóa, nhập liệu, làm sạch và xử lý bởi phần mềm SPSS 22.0.
a. Phương pháp thu thập thông tin và cỡ mẫu
Dữ liệu trong đề tài này có sử dụng phương pháp nhân tố khám phá EFA. Để sử dụng EFA cần kích thước mẫu lớn. Theo Hair và ctg (1998) để sử dụng EFA, tỉ lệ giữa kích thước mẫu trên số biến quan sát đưa vào phân tích EFA tối thiểu là 5/1 và tốt nhất là 10/1.
Mô hình nghiên cứu gồm 39 biến quan sát. Theo tỉ lệ giữa kích thước mẫu trên số biến quan sát thì kích thước mẫu cần thiết là n = 195 (39x5). Tuy nhiên, đề tài thu thập 200 bảng hỏi để thuận tiện cho việc phân tích. Để đạt được số lượng kích thước trên, 100 bảng hỏi đã được đem đi phỏng vấn trực tiếp. Ngoài ra, cũng thu thập 100 bảng hỏi online thông qua google doc.
Tổng thể nghiên cứu là tất cả các khách hàng sử dụng trang web lazada.vn. Mẫu nghiên cứu dự kiến là 300 khách hàng, sau đó loại bỏ các bảng khảo sát không đạt yêu cầu (mẫu bị trả lời thiếu, những mẫu chưa từng sử dụng trang web, …). Sử dụng hình thức lấy mẫu ngẫu nhiên, phương pháp thu thập thông tin được áp dụng đó là đến các nơi công cộng như quán cà phê, siêu thị, trong trường đại học, … để phát bảng hỏi trực tiếp. Ngoài ra, gởi biểu mẫu google doc thông qua email, mạng xã hội để thu thập các câu trả lời của một số khách hàng.
Trong quá trình điều tra và thu thập dữ liệu, sẽ tiến hành các bước hiệu chỉnh bảng câu hỏi. Qúa trình hiệu chỉnh sẽ diễn ra hai lần. Lần hiệu chỉnh đầu tiên là ngay sau khi phỏng vấn trực tiếp các khách hàng nhằm tìm ra các câu bị bỏ trống, sai sót, đánh dấu hai lần. Lần thứ hai hiệu chỉnh khi tiến hành việc nhập liệu, nhằm loại bỏ các bảng khảo sát không hợp lệ.
b. Phương pháp xử lý số liệu
Dữ liệu sau khi thu thập và nhập liệu sẽ được xử lý bằng phần mềm SPSS 22.0 và AMOS 22.0 để có thể đánh giá các nhân tố cũng như mức độ phù hợp của mô hình lý thuyết đã đề xuất.
c. Tổng quan về mẫu điều tra
Sử dụng kĩ thuật thống kê (bảng tần số, biểu đồ) để mô tả mẫu dữ liệu đã thu thập dựa trên các đặc điểm các nhân của khách hàng: tuổi, nghề nghiệp, …
d. Đánh giá thang đo bằng hệ số tin cậy Cronbach’s Alpha
Hệ số Cronbach α thường được dùng để đánh giá độ tin cậy của một thang đo đơn hướng. Phương pháp này cho phép người phân tích loại bỏ các biến không phù hợp trong quá trình nghiên cứu và đánh giá độ tin cậy của thang đo thông qua hệ số Cronbach’s Alpha.
Để tính Cronbach α cho một thang đo thì thang đo đó phải có tối thiểu ba biến quan sát. Hệ số Cronbach α có giá trị trong khoảng [0,1]. Về lý thuyết, hệ số Cronbach α càng lớn thì độ tin cậy càng cao.
Tuy nhiên, nếu Cronbach α lớn hơn 0,95 thì hiện tượng trùng lắp rất dễ xảy ra, thang đo được xem là không có độ tin cậy tốt. Vì vậy, một thang đo có Cronbach α trong khoảng [0.7 – 0.8] được xem là có độ tin cậy tốt. Cronbach α ≥ 0,6 được xem là đạt yêu cầu (Nunnally, 1978; Peterson, 1994; Slater, 1995).
Các biến có hệ số tương quan biến tổng (total correlation) nhỏ hơn 0.3 sẽ bị loại khỏi thang đo do có tương quan kém với các biến khác trong cùng mục hỏi (Theo Nunnally & Burnstein (1994)).
Đề tài được thực hiện với đối tượng nghiên cứu là các khách hàng đã sử dụng trang web lazada.vn. Hệ số cronbach’s Alpha từ 0.6 trở lên thì có thể được sử dụng.
e. Phân tích nhân tố khám phá (EFA)
Sau khi dùng hệ số Cronbach’s Alpha để đánh giá độ tin cậy của các thang đo và loại các biến có độ tin cậy không cao, sử dụng kỹ thuật phân tích nhân tố khám phá (EFA) nhằm thu nhỏ và tóm tắt các dữ liệu. EFA là một kỹ thuật phân tích đa biến phụ thuộc lẫn nhau rất phức tạp nhằm xác định các nhân tố tiềm ẩn trong một tập biến quan sát của một đối tượng nghiên cứu.
Để tiến hành phân tích nhân tố EFA, trước hết cần kiểm tra xem thang đo đã đủ điều kiền hay chưa. Việc kiểm tra được thực hiện bởi việc tính hệ số KMO (Kaiser Meyer Olkin) hoặc kiểm định Barlett. Ngoài ra cũng cần xem xét các điều kiện về kích thước mẫu (tối thiểu là 50 mẫu và tỉ lệ giữa kích thước mẫu trên số biến quan sát đưa vào phân tích EFA tối thiểu là 5/1, tốt nhất là 10/1).
Tiêu chuẩn KMO so sánh tổng bình phương hệ số tương quan giữa các cặp biến quan sát với tổng bình phương hệ số tương quan riêng của chúng. Còn thang đo Bartlett’s dùng để kiểm định giả thuyết H0 là các biến không tương quan với nhau.
Theo Kaiser để sử dụng được EFA thì KMO phải lớn hơn 0,5. Theo Hoàng Trọng &
Chu Nguyễn Mộng Ngọc (2005), giá trị KMO nằm trong khoảng [0.5, 1] thì phân tích nhân tố là thích hợp. Nếu giá trị KMO nhỏ hơn 0.5 thì phân tích nhân tố không thích hợp với dữ liệu.
Kiểm định Barlett dùng để kiểm định ma trận tương quan giữa các biến quan sát. Kiểm định Barlett có giá trị Sig <0,05 thì EFA là phù hợp.
Ngoài ra, trong phân tích EFA cần chọn phương pháp trích ra các nhân tố đại diện cho các khái niệm nghiên cứu đơn hướng. Theo Gorsuch (1983) có đến 19 phép trích nhân tố khác nhau như Pricipal Components, Maximum Likelihood, Least-Squares, Principal Axis Factoring…
Khi trích các nhân tố, tiêu chuẩn Eigenvalue thường được sử dụng để chọn số lượng nhân tố cần trích. Eigenvalue thể hiện phần phương sai được giải thích bởi mỗi nhân tố. Theo tiêu chuẩn này, các nhân tố được chọn phải có Eigenvalue ≥ 1.
Một phần quan trọng của phân tích nhân tố là ma trận nhân tố trích được (component Matrix). Ma trận nhân tố trích được chứa các tải trọng nhân tố (factor loading) ban đầu của từng biến quan sát lên mỗi nhân tố được trích. Hệ số factor loading cho biết nhân tố và biến có liên quan chặt chẽ với nhau. Tuy nhiên, ma trận ban đầu này thường chưa rõ rệt trong việc nhóm các biến quan sát vào các nhân tố.
Nghiên cứu sử dụng phương pháp trích Principal Components với phép xoay Varima.
Theo Hair và ctg (1998), tải trọng nhân tố là tiêu chuẩn bảo đảm ý nghĩa của EFA. Cụ thể:
- Factor loading > 0,3 được xem là đạt mức tối thiểu, với cỡ mẫu ít nhất 350.
- Factor loading > 0,4 được xem là quan trọng, cỡ mẫu khoảng 100 - 350.
- Factor loading > 0,5 được xem là có ý nghĩa thực tiễn, cỡ mẫu 50 - 100.
Như vậy, đề tài có cỡ mẫu là 200 nên hệ số factor loading > 0.4 là đạt yêu cầu.
Mặt khác phân tích EFA đòi hỏi tổng phương sai được giải thích bởi các nhân tố (Total Varicance Explained) phải lớn hơn hoặc bằng 50% (Gerbing và Anderson, 1988).
f. Phân tích nhân tố khẳng định (CFA)
Phân tích CFA thích hợp sử dụng khi nhà nghiên cứu có sẵn một số kiến thức về cấu trúc biến tiềm ẩn cơ sở. Trong đó mối quan hệ hay giả thuyết (có được từ lý thuyết hay thực nghiệm) giữa biến quan sát và nhân tố cơ sở thì được các nhà nghiên cứu mặc nhiên thừa nhận khi tiến hành kiểm định thống kê.
Như vậy CFA là bước tiếp theo của EFA nhằm kiểm định xem có một mô hình lý thuyết có trước làm nền tảng cho một tập hợp các quan sát không. CFA cũng là một dạng của SEM. Khi xây dựng CFA, các biến quan sát cũng là các biến chỉ báo trong mô hình đo lường, bởi vì chúng cùng “tải” lên khái niệm lý thuyết cơ sở.
Phương pháp phân tích nhân tố khẳng định CFA chấp nhận các giả thuyết của các nhà nghiên cứu, được xác định căn cứ theo quan hệ giữa mỗi biến và một hay nhiều hơn một nhân tố.
Nhằm giúp đo lường mức độ phù hợp của mô hình với dữ liệu có được, thường sử dụng một số chỉ tiêu: Chi-Square (χ2), tỉ số Chi-Square điều chỉnh theo bậc tự do (χ2/df), GFI, CFI (Comparative Fit Index - chỉ số thích hợp so sánh), TLI (Tucker &
Lewis Index – chỉ số Tucker & Lewis) và chỉ số RMSEA (Root Mean Square Error Approximation).
Một mô hình được xem là phù hợp với dữ liệu đã có nếu thỏa mãn tiêu chí sau:
- Kiểm định Chi-Square (χ2) có P-value > 0.05: theo Joserkog & Sorbom, 1989 điều này có nghĩa biểu thị cho mức độ phù hợp tổng quát của toàn bộ mô hình tại mức ý nghĩa Pv = 0.05. Tuy nhiên trên thực tế, điều này rất khó xảy ra, bởi vì cần kích thước mẫu phải đủ lớn. Vì thế, thường dùng các tiêu chí GFI, TLI, CFI, RMSEA, chỉ số χ2 /df để đánh giá.
- Tỷ số Chi-Square/bậc tự do (χ2/df): dùng để đo mức độ phù hợp một cách chi tiết của cả mô hình. Theo Hair & ctg, 1998 đề nghị tỷ số χ2/df nằm trong