Luận văn: PPNC Đến trải nghiệm người tiêu dùng trong mua sắm

Chia sẻ chuyên mục Đề Tài Luận văn: PPNC Đến trải nghiệm người tiêu dùng trong mua sắm hay nhất năm 2026 cho các bạn học viên ngành đang làm luận văn thạc sĩ tham khảo nhé. Với những bạn chuẩn bị làm bài luận văn tốt nghiệp thì rất khó để có thể tìm hiểu được một đề tài hay, đặc biệt là các bạn học viên đang chuẩn bị bước vào thời gian lựa chọn đề tài làm luận văn thì với đề tài Luận Văn: Ảnh hưởng của trải nghiệm người tiêu dùng khi sử dụng ứng dụng thực tế tăng cường trong mua sắm trực tuyến dưới đây chắc chắn sẽ giúp cho các bạn học viên có cái nhìn tổng quan hơn về đề tài sắp đến.

Trong chương 3, tác giả sẽ trình bày về các bước cụ thể của quy trình nghiên cứu cũng như phương pháp thu thập dữ liệu của nghiên cứu. Thêm vào đó, ở chương này tác giả sẽ trình bày kích thước mẫu cần thiết để thu thập số lượng phiếu khảo sát nhằm thực hiện nghiên cứu một cách tốt nhất, số liệu thu thập sẽ được xử lý và sử dụng phần mềm SPSS 20.0 và SmartPLS 3 để thực hiện nghiên cứu định lượng. Ở phần phương pháp phân tích số liệu, nghiên cứu tiến hành kiểm định, đánh giá mô hình đo lường và phân tích mô hình cấu trúc bình phương nhỏ nhất từng phần PLS SEM.

3.1. Sơ lược về quy trình nghiên cứu

Để đạt được kết quả nghiên cứu như đã đề ra, tác giả đề xuất quy trình nghiên cứu như hình 3.1:

• Hình 3.1: Sơ đồ quy trình nghiên cứu

Từ hình 3.1 các bước thực hiện được diễn giải chung thành năm bước chính như sau:

• Bước 1: Xác định vấn đề và mục tiêu nghiên cứu.

Xác định vấn đề cần nghiên cứu và mục tiêu nghiên cứu là trải nghiệm của người tiêu dùng khi mua sắm trực tuyến có tích hợp công nghệ AR cũng như mức độ tác động của nó đến ý định tiếp tục mua sắm của họ. Dựa trên vấn đề nghiên cứu, tác giả tiến hành tổng hợp cơ sở lý thuyết từ các nghiên cứu trước liên quan đến Khung lý thuyết S-O-R, TPB, TAM, UTAUT cũng như các nghiên cứu liên quan đến lĩnh vực ứng dụng công nghệ AR vào mua sắm trực tuyến từ đó xây dựng mô hình nghiên cứu và lựa chọn hoàn thiện thang đo sơ bộ cho các biến.

• Bước 2: Lược khảo các nghiên cứu trước đây và đề xuất mô hình.

Sau khi xác định được vấn đề nghiên cứu, tác giả tìm đọc các bài báo trước đây cùng lĩnh vực nghiên cứu nhằm đọc hiểu các khái niệm, cơ sở lý thuyết cũng như lược khảo các nghiên cứu trong quá khứ có liên quan đến ứng dụng thực tế ảo tăng cường trong mua sắm trực tuyến. Từ đó tác giả xây dựng mô hình nghiên cứu, các yếu tố phù hợp nhất sẽ được chọn để đưa vào mô hình đề xuất bằng cách nghiên cứu các lý thuyết có liên quan và lược khảo các bài nghiên cứu trước đây ở ngoài và trong nước có liên quan đến chủ đề cần nghiên cứu.

• Bước 3: Xây dựng thang đo và thu thập dữ liệu.

Sau khi có mô hình đề xuất nghiên cứu này sẽ thực hiện xây dựng thang đo nháp và hiệu chỉnh thang đo. Tác giả tiến hành phỏng vấn chuyên gia nhằm đề xuất thang đo nháp. Dựa trên góp ý điều chỉnh của nhóm chuyên gia tác giả tiếp tục hoàn thiện và đưa ra bảng thang đo chính thức. Kích thước mẫu được xác định bằng cách tham khảo từ các công thức của các nghiên cứu chuyên về thống kê để tìm ra kích thước mẫu phù hợp cho nghiên cứu. Bảng câu hỏi khảo sát hoàn chỉnh được gửi đến đối tượng khảo sát của nghiên cứu.

• Bước 4: Thống kê mô tả dữ liệu và phân tích mô hình.

Sau khi có dữ liệu tác giả tiến hành thống kê mô tả dữ liệu và thực hiện phân tích mô hình. Kết quả và số liệu thu thập được sẽ được xử lý, phân tích bằng phần mềm SPSS 20.0 và phần mềm SmartPLS 3.Thực hiện nghiên cứu định lượng bằng các phương pháp phân tích dữ liệu: thống kê mô tả, kiểm định Cronbach’s Alpha, kiểm định và đánh giá mô hình đo lường, phân tích mô hình cấu trúc bình phương nhỏ nhất từng phần PLS-SEM.

• Bước 5: Thảo luận kết quả nghiên cứu và kết luận.

Sau khi phân tích mô hình đo lường và mô hình cấu trúc tác giả sẽ báo cáo kết quả phân tích dữ liệu và thảo luận kết quả nghiên cứu. Từ kết quả thu được tác giả thực hiện so sánh cũng như đối chiếu với các nghiên cứu trước đó nhằm làm rõ những điểm tương đồng hay những luận điểm đổi mới hơn trong kết quả nghiên cứu. Sau cùng, nghiên cứu đưa ra kết luận tổng quát đồng thời nêu rõ những đóng góp của luận văn, các hạn chế còn tồn tại và định hướng cho các nghiên cứu tiếp theo.

3.2. Quy trình nghiên cứu chi tiết Luận văn: PPNC Đến trải nghiệm người tiêu dùng trong mua sắm.

3.2.1. Các bước đặt vấn đề và đề xuất mô hình nghiên cứu

Ở những bước đầu trong quá trình nghiên cứu, dữ liệu thứ cấp được thu thập mục đích để xây dựng cơ sở lý luận, xác định các biến nghiên cứu và đề xuất mô hình phù hợp. Dữ liệu thứ cấp bao gồm các tài liệu học thuật, công trình nghiên cứu và mô hình lý thuyết có liên quan đến hành vi sử dụng thực tế ảo tăng cường trong mua sắm trực tuyến. Nghiên cứu được phát triển dựa trên các mô hình lý thuyết chính gồm: lý thuyết hành vi có kế hoạch TPB, mô hình lý thuyết chấp nhận công nghệ TAM, lý thuyết hiện diện từ xa, mô hình lý thuyết hợp nhất về chấp nhận và sử dụng công nghệ UTAUT. Bên cạnh đó, nghiên cứu cũng lược khảo 8 công trình nghiên cứu trước đây có liên quan đến hành vi mua sắm trực tuyến có ứng dụng thực tế ảo tăng cường mục đích để tổng hợp và so sánh các yếu tố ảnh hưởng được kiểm chứng trong các nghiên cứu trước, sau đó thảo luận khoảng trống nghiên cứu giữa các kết quả trong các nghiên cứu trước và bối cảnh nghiên cứu hiện tại. Cuối cùng là đưa ra các giả thuyết, đề xuất mô hình nghiên cứu và xây dựng thang đo sơ bộ.

3.2.2. Xây dựng thang đo nháp

Phương pháp lấy mẫu thuận tiện được sử dụng nhằm tối ưu về mặt thời gian, chi phí bên cạnh đó góp phần làm tăng độ bao phủ mẫu. Dữ liệu sơ cấp của nghiên cứu được thu thập bằng cách sử dụng biểu mẫu bảng hỏi được thiết kế trên nền tảng Google Forms, sau đó tiếp cận đến đối tượng khảo sát bằng cách trực tiếp hoặc qua các nền tảng mạng xã hội (Facebook, Zalo, Email,…). Đối tượng khảo sát là người tiêu dùng trực tuyến sử dụng thực tế ảo tăng cường tại thành phố Hồ Chí Minh. Tất cả thông tin thu thập được đều được cam kết bảo mật về dữ liệu cá nhân, ngoài ra người tham gia không được tiếp cận kết quả khảo sát nhằm bảo vệ quyền riêng tư và tránh thiên lệch trong câu trả lời. Phương pháp này phù hợp với mục tiêu nghiên cứu khám phá các yếu tố ảnh hưởng đến ý định sử dụng dịch vụ cũng như cho thấy tính linh hoạt và tiết kiệm chi phí trong quá trình thu thập dữ liệu.

Nghiên cứu sơ bộ được tiến hành thông qua phương pháp nghiên cứu định tính. Nghiên cứu định tính có chức năng hiệu chỉnh, thêm vào hoặc giảm bớt các biến quan sát được kế thừa từ các nghiên cứu có liên quan trước đây. Dựa vào kết quả thu được từ nghiên cứu định tính là cơ sở xây dựng bảng thang đo hoàn chỉnh và bảng câu hỏi để tiến hành khảo sát và nghiên cứu ở các bước tiếp theo. Nghiên cứu định tính được tác giả tiến hành thực hiện thông qua ba bước

• Bước 1: Xây dựng thang đo nháp (thang đo sơ bộ)
• Bước 2: Thảo luận nhóm và tham khảo ý kiến chuyên gia để điều chỉnh thang đo sao cho phù hợp với chủ đề nghiên cứu
• Bước 3: Hoàn thiện thang đo chính thức

3.2.3. Thiết kế bảng hỏi và xây dựng thang đo nháp Luận văn: PPNC Đến trải nghiệm người tiêu dùng trong mua sắm.

Để đảm bảo đối tượng khảo sát thực sự có trải nghiệm và nhận biết rõ việc ứng dụng công nghệ thực tế ảo tăng cường (AR) trong quá trình mua sắm trực tuyến, nghiên cứu cần thiết lập 03 câu hỏi phỏng vấn trực tiếp người tham gia trước khi thực hiện khảo sát, cụ thể các câu hỏi hình tượng hóa khái niệm AR như khách hàng đã tham khảo sản phẩm trong không gian 3D hoặc tương tác ảo hay tham gia tính năng thử nghiệm sản phẩm thông qua hiệu ứng bộ lọc được tạo ở sản phẩm đăng tải trên nền tảng trực tuyến.Việc đưa vào các câu hỏi sàng lọc này kèm mô tả/hình ảnh minh họa trực quan tính năng AR giúp sàng lọc được đối tượng phù hợp để tiến hành khảo sát, đảm bảo 100% mẫu phân tích là những người tiêu dùng đã thực sự tương tác với công nghệ AR khi mua sắm.

• Bảng câu hỏi được thiết kế bao gồm 3 phần chính:

Phần 1: Gồm các câu hỏi nhân khẩu học nhằm phân loại các đối tượng khảo sát theo từng nhóm giới tính, độ tuổi, trình độ học vấn, vị trí nghề nghiệp, thu nhập, sàn mua sắm trực tuyến thường dùng và mức chi tiêu mua sắm qua ứng dụng AR.

Phần 2: Bao gồm các câu hỏi nghiên cứu các nhân tố ảnh hưởng đến ý định tiếp tục sử dụng thực tế ảo tăng cường trong mua sắm trực tuyến.

Ở phần 2, bảng câu hỏi sử dụng thang đo Likert 5 mức độ để đánh giá mức độ đồng tình của đối tượng khảo sát từ “1 – Hoàn toàn không đồng ý” đến “5 – Hoàn toàn đồng ý”. Thang Likert cho phép người trả lời chọn mức độ đồng ý/không đồng ý một cách rõ ràng và quen thuộc (Likert, 1932; Sullivan & Artino, 2013). Các nghiên cứu cho thấy thang 5 – 7 mức đều cho chất lượng dữ liệu tốt; thang 5 mức thường dễ trả lời hơn, giúp tăng tỷ lệ hoàn thành mà vẫn đủ phân biệt mức độ phản hồi (Dawes, 2008). Thiết kế đối xứng và có điểm trung lập, dữ liệu Likert có thể xử lý như xấp xỉ thang khoảng trong phân tích PLS-SEM, đáp ứng các bước đánh giá thang đo và mô hình (Hair cùng cộng sự, 2022; Sullivan & Artino, 2013). Nghiên cứu này quyết định sử dụng thang đo Likert 5 mức độ vì tính hiệu quả trong việc đo lường thái độ, ý định của đối tượng tham gia khảo sát và phù hợp với đặc trưng của vấn đề nghiên cứu. Luận văn: PPNC Đến trải nghiệm người tiêu dùng trong mua sắm.

3.2.4. Thu thập dữ liệu khảo sát

Ở bước nghiên cứu này tác giả thực hiện đánh giá ban đầu chất lượng các biến quan sát đại diện cho những khái niệm trong mô hình nghiên cứu, bằng việc kiểm tra độ tin cậy, mức độ hội tụ và khả năng phân biệt của thang đo. Trên cơ sở các kết quả thu được và tiến hành phân tích, thang đo sẽ được điều chỉnh và hoàn thiện trước khi đưa vào kiểm định giả thuyết và đánh giá mô hình chính thức. Theo đề xuất từ kết quả nghiên cứu của Hair và cộng sự (2022), cỡ mẫu tối thiểu để đánh giá độ tin cậy của thang đo là 50 quan sát và quy mô mẫu lý tưởng là khoảng 100 quan sát. Dựa vào đây, nghiên cứu lựa chọn số lượng tối thiểu 100 bảng khảo sát để đảm bảo yêu cầu phân tích.

Theo Barclay cùng cộng sự (1995), khi sử dụng mô hình PLS-SEM, theo quy tắc “10 lần” (10-times rule), kích thước mẫu tối thiểu phải lớn hơn hoặc bằng 10 lần số lớn nhất giữa số chỉ báo của một biến tiềm ẩn (a) và số đường dẫn hướng vào một biến phụ thuộc (b). Công thức: n ≥ 10*max(a,b). Trong nghiên cứu này, biến trung gian “Thái độ” bị ảnh hưởng bởi 5 biến độc lập, căn cứ theo nguyên tắc này, kích thước mẫu cần cho nghiên cứu là 50.

Theo Kline (2023), việc xác định kích thước mẫu trong mô hình phương trình cấu trúc (SEM) phụ thuộc vào nhiều yếu tố như độ phức tạp của mô hình, số lượng tham số ước lượng, phương pháp ước lượng và đặc điểm phân phối dữ liệu. Nghiên cứu cho rằng mẫu có kích thước dưới 100 quan sát hầu như không thể chấp nhận, trong khi cỡ mẫu khoảng 200 thường được xem là mức trung bình phổ biến trong các nghiên cứu SEM.

Theo Hoelter (1983), chỉ số Critical N được dùng để xác định cỡ mẫu tối thiểu cần thiết để mô hình SEM đạt được mức phù hợp chấp nhận được (p < 0.05). Hoelter đề xuất rằng giá trị Critical N (kích thước mẫu) đạt từ 200 trở lên có thể xem là chỉ báo cho một mô hình phù hợp.

Sau khi tham khảo các nghiên cứu trên, kích thước mẫu phù hợp cho nghiên cứu là phải lớn hơn 200 và để giảm sai số cho kết quả nghiên cứu, nghiên cứu này dự kiến sẽ khảo sát thêm khoảng 20% cỡ mẫu cần có để có đủ cơ sở dữ liệu cho việc phân tích. Vì vậy, đến khi đạt được ít nhất 240 số phiếu trả lời từ các đối tượng khảo sát thì sẽ ngừng khảo sát và tiến hành xử lý và phân tích số liệu.

3.2.5. Thống kê mô tả dữ liệu Luận văn: PPNC Đến trải nghiệm người tiêu dùng trong mua sắm.

Phương pháp thống kê mô tả có tác dụng thống kê tần suất, phần trăm các thông tin cá nhân chung của đối tượng thực hiện khảo sát. Mục đích của việc thống kê mô tả bằng cách phân tích bảng tần suất với mục đích đánh giá đặc điểm của người khảo sát, đưa ra những nhận xét chung và nhận ra được những xu hướng tổng quát nhất.

3.2.6. Phân tích mô hình đo lường

• Kiểm định độ tin cậy Cronbach’s Alpha

Hệ số Cronbach’s Alpha (CA) là một phép kiểm định thống kê nhằm mục đích đánh giá độ tin cậy của thang đo, trong nghiên cứu này, các biến không đạt độ tin cậy Cronbach’s Alpha phù hợp sẽ bị loại ra khỏi mô hình. Phương pháp kiểm tra độ tin cậy bằng hệ số Cronbach’s Alpha nhằm mục đích đánh giá sự tương quan giữa các biến quan sát với biến tổng thể, qua đó thể hiện độ tin cậy của thang đo (Hair cùng cộng sự, 2014). Cronbach’s alpha được dùng để đo mức độ nhất quán nội tại, nhưng ở nghiên cứu cập nhật của Hair (2022) đã lưu ý rằng nó giả định các biến quan sát có trọng số ngang nhau, đôi khi nên kết hợp thêm độ tin cậy tổng hợp (Composite Reliability – CR) để có đánh giá chính xác hơn. Nếu một biến có hệ số tương quan biến – tổng ≥ 0.3 thì biến đó đạt yêu cầu (Nunally & Bernstein, 1994). Hệ số Cronbach’s Alpha từ 0.6 trở lên là có thể sử dụng được (Nunally & Bernstein, 1994). Đánh giá hệ số tin cậy Cronbach’s Alpha được trình bày như sau:

• 0,6 ≤ CA ≤ 0,7: Có thể sử dụng được
• 0,7 ≤ CA ≤ 0,8: Khá tốt
• 0,8 ≤ CA ≤ 0,9: Rất tốt

Căn cứ vào các thông số trên, tác giả kiểm định thang đo bằng phần mềm SPSS 20.0 và chỉ chấp nhận những biến có hệ số Cronbach’s Alpha từ 0.6 trở lên, những biến thoả điều kiện này sẽ được chấp nhận và tiếp tục được phân tích ở những bước tiếp theo. Luận văn: PPNC Đến trải nghiệm người tiêu dùng trong mua sắm.

• Đánh giá chất lượng biến quan sát

Đánh giá chất lượng biến quan sát (Indicator Reliability) là bước đầu tiên trong kiểm định giá trị hội tụ và phân biệt của thang đo, đảm bảo chất lượng mô hình đo lường PLS-SEM. Các biến quan sát đóng vai trò là những biểu hiện cụ thể và trực tiếp của khái niệm tiềm ẩn. Chất lượng biến quan sát được hiểu là mức độ nhất quán và độ tin cậy của mỗi biến quan sát trong việc phản ánh chính xác khái niệm tiềm ẩn mà nó được thiết kế để đo lường (Hair cùng cộng sự, 2017).

Hệ số tải ngoài (Outer Loading) thể hiện mức độ tương quan tuyến tính giữa biến quan sát và nhân tố tiềm ẩn liên quan. Hệ số tải ngoài càng cao chứng tỏ biến quan sát càng thể hiện tốt nội dung khái niệm tiềm ẩn, đồng thời làm giảm sai số đo lường trong mô hình (Hair cùng cộng sự, 2022) và được đánh giá theo tiêu chuẩn:

• Outer Loading ≥ 0,7 thường được xem là đạt yêu cầu, phản ánh mức độ tin cậy
• 0,5 ≤ Outer Loading ≤ 0,7 có thể được chấp nhận nếu các tiêu chí đánh giá khác như phương sai trích trung bình (AVE – Average Variance Extracted) và hệ số tin cậy tổng hợp (Composite Reliability) vẫn đảm bảo yêu cầu.
• Outer Loading ≥ 0,95: Có nguy cơ xuất hiện hiện tượng các biến quan sát trở nên quá tương đồng với nhau, làm mất đi sự đa dạng trong đo lường (Hair et al., 2017).

Trong nghiên cứu này, tiêu chuẩn Outer Loading ≥ 0,7 được áp dụng như một ngưỡng chấp nhận chính, trong khi các biến có tải ngoài thấp hơn sẽ được xem xét loại bỏ để đảm bảo tính vững chắc của thang đo.

• Đánh giá thang đo bằng hệ số tin cậy tổng hợp

Hệ số tin cậy tổng hợp (Composite Reliability – CR) là một chỉ số dùng để kiểm định chất lượng thang đo trong mô hình SEM, phản ánh mức độ gắn kết và ổn định giữa các biến quan sát khi cùng đo lường một khái niệm tiềm ẩn (Hair cùng cộng sự, 2022). Điểm mạnh của CR so với Cronbach’s Alpha là nó không giả định các biến quan sát đóng góp ngang nhau, mà ước lượng độ tin cậy dựa trên trọng số thực tế của từng biến. Vì vậy, CR thường được xem là chỉ số phù hợp và chính xác hơn khi đánh giá độ tin cậy của thang đo trong PLS-SEM. Theo Hair và cộng sự (2022), hệ số tin cậy tổng hợp (CR) thường đánh giá dựa trên các ngưỡng sau: Luận văn: PPNC Đến trải nghiệm người tiêu dùng trong mua sắm.

• CR ≥ 0,70: Thang đo đạt độ tin cậy tốt, được khuyến nghị sử dụng trong hầu hết các nghiên cứu.
• 0,60 ≤ CR < 0,70: Có thể chấp nhận được trong các nghiên cứu mang tính chất khám phá.
• CR ≥ 0,95: Không mong muốn, vì có thể phản ánh hiện tượng dư thừa giữa các biến quan sát, khiến thang đo mất đi tính khái quát.

Trong nghiên cứu này, hệ số tin cậy tổng hợp (CR) được sử dụng như để đánh giá mức độ nhất quán nội tại của các thang đo, nhằm xác nhận rằng các biến quan sát phản ánh đúng khái niệm tiềm ẩn mà chúng hướng tới. Trường hợp CR của một thang đo thấp hơn ngưỡng 0.70, nghiên cứu sẽ cân nhắc điều chỉnh hoặc loại bỏ một số biến quan sát để cải thiện độ tin cậy và chất lượng của mô hình đo lường.

• Đánh giá tính hội tụ

Tính hội tụ (Convergent Validity) phản ánh mức độ mà các biến quan sát của cùng một biến tiềm ẩn thực sự cùng “hội tụ” về một nội dung đo lường chung (Hair cùng cộng sự, 2022). Một thang đo được coi là đạt tính hội tụ khi các biến quan sát thể hiện mối liên hệ chặt chẽ và nhất quán với khái niệm tiềm ẩn mà chúng đại diện. Giá trị phương sai trích trung bình (Average Variance Extracted – AVE) được xem là thước đo phản ánh giá trị trung bình phương sai được giải thích bởi toàn bộ tập hợp biến quan sát, qua đó đánh giá tính hội tụ của các biến quan sát thuộc cùng một biến tiềm ẩn.

• AVE ≥ 0,50: biến tiềm ẩn giải thích được ít nhất 50% phương sai trung bình của các biến quan sát, các biến quan sát thực sự “hội tụ” để đo cùng một khái niệm (Fornell & Larcker, 1981) (Hair cùng cộng sự, 2022).
• AVE < 0,50 nhưng CR ≥ 0,60 – 0,70: thang đo vẫn có độ tin cậy chấp nhận được (Fornell & Larcker, 1981).

Trong nghiên cứu này, chỉ số phương sai trích (AVE) được dùng để kiểm tra tính hội tụ của thang đo. Nếu một thang đo có giá trị AVE nhỏ hơn 0.5 nhưng có độ tin cậy tổng hợp ≥ 0.60 thì sẽ được xem xét giữ lại, nếu không thì sẽ loại bỏ những biến có hệ số tải ngoài (Outer Loading) thấp.

• Đánh giá tính phân biệt Luận văn: PPNC Đến trải nghiệm người tiêu dùng trong mua sắm.

Giá trị phân biệt (Discriminant Validity) được hiểu là mức độ mà một khái niệm tiềm ẩn trong mô hình thực sự khác biệt so với các khái niệm khác. Nói cách khác, các biến quan sát chỉ phản ánh đúng khái niệm mà chúng được thiết kế để đo lường, và không bị chồng lấn với các khái niệm khác (Hair cùng cộng sự, 2022). Việc đảm bảo giá trị phân biệt là yếu tố quan trọng để tránh tình trạng các cấu trúc đo lường trở nên mơ hồ, dẫn đến việc suy luận sai lệch trong phân tích (Fornell & Larcker, 1981).

• Có 3 phương pháp đánh giá giá trị phân biệt:

Tiêu chí Fornell–Larcker: Được Fornell và Larcker (1981) đề xuất. Tiêu chí này yêu cầu căn bậc hai của phương sai trích trung bình (AVE) của mỗi khái niệm tiềm ẩn phải lớn hơn hệ số tương quan giữa khái niệm đó với bất kỳ khái niệm tiềm ẩn nào khác. Điều này chứng minh rằng khái niệm tiềm ẩn có mức độ giải thích cao hơn với các biến quan sát của chính nó so với các khái niệm khác.

Phương pháp tải chéo (Cross-loading): Theo Chin (1998), một biến quan sát được coi là đảm bảo giá trị phân biệt khi hệ số tải ngoài của nó trên biến tiềm ẩn mục tiêu lớn hơn đáng kể so với hệ số tải của biến đó trên các biến tiềm ẩn khác. Điều này giúp khẳng định rằng mỗi biến quan sát đo lường đúng khái niệm mà nó được thiết kế để đo.

Tiêu chí HTMT (Heterotrait–Monotrait Ratio): Theo Henseler và các cộng sự (2015), HTMT đo lường tỷ lệ giữa tương quan trung bình của các biến quan sát thuộc khác khái niệm (heterotrait) so với cùng khái niệm (monotrait). Nếu chỉ số HTMT ≤ 0.85 (nghiêm ngặt) hoặc ≤ 0.90 (linh hoạt) thì giá trị phân biệt được xem là đạt yêu cầu.

Trong nghiên cứu này, tiêu chí HTMT được sử dụng để kiểm tra tính phân biệt của mô hình đo lường vì HTMT được chứng minh có độ nhạy cao hơn so với các tiêu chí truyền thống như Fornell–Larcker và tải chéo (Henseler cùng cộng sự, 2015; Hair cùng cộng sự, 2022). Nghiên cứu áp dụng ngưỡng HTMT ≤ 0.85 phù hợp bối cảnh ứng dụng trong hành vi người dùng; đồng thời xem khoảng 0.85 – 0.90 là vùng cận ngưỡng cần xem xét kỹ trước khi kết luận. Khi một cặp khái niệm có HTMT vượt quá ngưỡng chấp nhận, nghiên cứu tiến hành rà soát ma trận tương quan thực nghiệm giữa các biến quan sát của hai khái niệm để nhận diện các chỉ báo có tương quan chéo bất thường, cân nhắc điều chỉnh nội dung hoặc loại bỏ chỉ báo gây chồng lấn nội dung, và ước lượng lại mô hình để kiểm tra HTMT lần nữa. Nếu các chỉ số HTMT của tất cả các cặp biến độc lập đều nhỏ hơn 0.85 thì kết luận rằng mô hình không có vi phạm tính phân biệt. Riêng trường hợp HTMT giữa biến độc lập và biến phụ thuộc ở mức 0.85–0.90, thường không cần xử lý vì điều này phản ánh mối quan hệ mạnh, biến độc lập giải thích tốt biến phụ thuộc.

3.2.7. Phân tích mô hình cấu trúc PLS – SEM Luận văn: PPNC Đến trải nghiệm người tiêu dùng trong mua sắm.

• Đánh giá hiện tượng đa cộng tuyến

Đa cộng tuyến là tình trạng xảy ra khi các biến độc lập trong mô hình có mức độ tương quan quá cao với nhau (Hair cùng cộng sự, 2022). Khi đó, các biến này không còn cung cấp nhiều thông tin mới, dẫn đến hệ số hồi quy (hoặc hệ số đường dẫn trong PLS-SEM) có thể bị ước lượng sai lệch, thiếu ổn định và gây khó khăn trong việc xác định mức độ ảnh hưởng riêng lẻ của từng biến (Hair cùng cộng sự, 2022). Hiện tượng đa cộng tuyến thường được đánh giá thông qua chỉ số lạm phát phương sai (Variance Inflation Factor – VIF). Theo Hair cùng cộng sự (2022) và Kutner cùng cộng sự (2005), VIF được đánh giá theo các ngưỡng sau:

• VIF < 5: Có thể chấp nhận được, không có đa cộng tuyến nghiêm trọng.
• 5 ≤ VIF < 10: Có dấu hiệu đa cộng tuyến, cần xem xét và điều chỉnh lại mô hình.
• VIF ≥ 10: Đa cộng tuyến nghiêm trọng, cần loại bớt/gộp biến hoặc tái đặc tả mô hình trước khi ước lượng và diễn giải.

Trong nghiên cứu này, dựa theo Hair và các cộng sự (2019), nếu VIF < 5, các biến độc lập không có hiện tượng đa cộng tuyến. Nếu VIF ≥ 5 sẽ tiến hành xem xét và điều chỉnh mô hình.

• Hệ số đường dẫn và đánh giá các mối quan hệ tác động

Theo Hair cùng cộng sự (2022), việc sử dụng bootstrap với 5.000 mẫu lặp để ước lượng sai số chuẩn (SE) và khoảng tin cậy (CI) ổn định hơn trong bối cảnh PLS-SEM không giả định phân phối chuẩn, từ đó kiểm định ý nghĩa thống kê cho các tham số của mô hình đo lường và mô hình cấu trúc. Ở bước này, nghiên cứu sẽ thực hiện bootstrap với 5000 mẫu lặp để bảo đảm độ tin cậy và mức độ ổn định của các kết quả ước lượng. Cũng theo Hair cùng cộng sự (2022), với mức ý nghĩa α = 0,05 với kiểm định hai phía, nếu giá trị |t| ≥ 1,96 hay p-value < 0,05 thì hệ số được xem là có ý nghĩa và mối quan hệ giữa 2 biến được coi là có ý nghĩa thống kê. Trong nghiên cứu này, nếu giá trị p < 0,05 thì kết luận đường dẫn có ý nghĩa thống kê.

Hệ số đường dẫn (Path Coefficient – b) dùng để thể hiện mức độ và chiều tác động của một mối quan hệ có hướng giữa 2 biến tiềm ẩn trong mô hình cấu trúc. Thay đổi 1 đơn vị ở biến ngoại sinh kéo theo mức thay đổi ở biến nội sinh bằng đúng giá trị hệ số đường dẫn, giữ các yếu tố khác không đổi (Hair cùng cộng sự, 2022). Giá trị của hệ số đường dẫn dao động từ -1 đến +1, giá trị âm thể hiện mối quan hệ ngược chiều, giá trị dương thể hiện mối quan hệ cùng chiều. Căn cứ vào hệ số đường dẫn b, nghiên cứu có thể biết được mức độ tác động giữa các biến tiềm ẩn trong mô hình cấu trúc.

• Phân tích hệ số xác định R² 

Trong mô hình cấu trúc PLS-SEM, hệ số xác định R² được sử dụng để phản ánh tỷ lệ phương sai của biến nội sinh được giải thích bởi các biến ngoại sinh trong mô hình (Hair cùng cộng sự, 2022). Nói cách khác, R² cho biết mức độ mà các biến độc lập dự đoán và giải thích được sự biến thiên của biến phụ thuộc. Đây là một chỉ số quan trọng, PLS-SEM tập trung vào việc tối đa hóa khả năng giải thích phương sai của các biến nội sinh, từ đó đánh giá hiệu quả của mô hình cấu trúc (Hair cùng cộng sự, 2022). Giá trị R² càng cao thì khả năng giải thích của mô hình càng tốt, cho thấy sự phù hợp giữa các biến độc lập và biến phụ thuộc trong bối cảnh nghiên cứu. Luận văn: PPNC Đến trải nghiệm người tiêu dùng trong mua sắm.

• R² < 0,25: Mức giải thích thấp
• 0,25 ≤ R² < 0,5: Mức giải thích trung bình
• 0,5 ≤ R² < 0,75: Mức giải thích cao
• R² ≥ 0,75: Mức giải thích rất cao

Trong khuôn khổ bài nghiên cứu này, giá trị của hệ số xác định R² được sử dụng để đánh giá mức độ mà các nhân tố độc lập có khả năng giải thích cho biến phụ thuộc là Ý định tiếp tục sử dụng AR. Nếu giá trị R² lớn hơn 0.05, mô hình thể hiện khả năng giải thích khá tốt và có thể dùng để kiểm định các giả thuyết nghiên cứu.

• Hệ số tác động f²

Hệ số tác động f² (effect size) trong PLS-SEM đo lường mức đóng góp thực chất của từng biến độc lập vào khả năng giải thích phương sai của biến phụ thuộc (Hair cùng cộng sự, 2022). Về bản chất, f² phản ánh mức thay đổi của R² khi loại bỏ biến độc lập đang xét khỏi mô hình, nhờ đó cho biết biến đó quan trọng đến đâu đối với biến phụ thuộc. Nghiên cứu này dựa vào 4 mức độ đánh giá hệ số tác động f² của Cohen (2013) để đo lường mức độ tác động của mỗi biến độc lập đối với biến phụ thuộc và được phân loại theo 4 mức độ tác động như sau:

• f² < 0,02: Mức tác động không đáng kể
• 0,02 ≤ f² < 0,15: Mức tác động nhỏ
• 0,15 ≤ f² < 0,35: Mức tác động trung bình
• f² ≥ 0,35: Mức tác động lớn.

3.2.8. Thang đo nghiên cứu chính thức Luận văn: PPNC Đến trải nghiệm người tiêu dùng trong mua sắm.

Trên cơ sở mô hình nghiên cứu đề xuất và kế thừa thang đo từ các nghiên cứu trước, bộ thang đo ở nghiên cứu này được xây dựng gồm sáu khái niệm: Ý định tiếp tục sử dụng AR (CUI), Giá trị xã hội (SOV), Niềm tin về độ phù hợp (FIC), Giá trị sử dụng (PEU), Mức độ nhập tâm (IMM), Đổi mới sáng tạo (INN). Các biến quan sát được dịch, điều chỉnh từ thang đo gốc và được đo lường bằng thang Likert 5 mức độ từ 1 “Hoàn toàn không đồng ý” đến 5 “Hoàn toàn đồng ý”.

Dựa vào kết quả tổng hợp từ các mô hình nghiên cứu được lược khảo ở mục 2, tác giả thực hiện dịch sang tiếng Việt và tạo thành thang đo nháp. Sau khi quan sát tình hình biến động trên thị trường bán lẻ trực tuyến có sử dụng AR, tác giả hiệu chỉnh lại từ ngữ phù hợp với bối cảnh hiện tại. Qua phỏng vấn của các chuyên gia và đối tượng phỏng vấn, tác giả tổng hợp thành thang đo nghiên cứu. Chi tiết nội dung từng biến, mã hóa và nguồn tham khảo được trình bày trong Bảng 3.1.

Tác giả thiết kế bảng câu hỏi khảo sát chính thức gồm ba phần chính. Ở phần thứ nhất là lời chào cũng như nêu rõ mục tiêu và ý nghĩa của việc khảo sát cùng cam kết đồng thuận, ở phần này người tham gia khảo sát được cung cấp đầy đủ thông tin về lý do khảo sát cũng như nội dung tóm tắt và phạm vi nghiên cứu, đồng thời được cam kết bảo mật thông tin cá nhân. Việc tham gia khảo sát hoàn toàn mang tính tự nguyện và chỉ được thực hiện khi người được khảo sát đồng ý tham gia. Phần thứ hai của bảng khảo sát là thông tin nhân khẩu học nhằm thu thập các thông tin cơ bản của đối tượng khảo sát, bao gồm giới tính, độ tuổi, trình độ học vấn. Thêm vào đó để các câu trả lời phù hợp với mục đích nghiên cứu là hành vi tiếp tục sử dụng ứng dụng AR khi mua sắm trực tuyến của người tiêu dùng tại TP.HCM tác giả có những câu hỏi nhằm thu thập thông tin liên quan đến chuyên môn như vị trí nghề nghiệp, thu nhập trung bình, sàn thương mại điện tử thường dùng và mức chi tiêu cho việc mua sắm trực tuyến qua AR. Phần thứ ba là nội dung các câu hỏi chính về các biến nghiên cứu, bao gồm 32 câu hỏi tương ứng với các biến quan sát trong mô hình nghiên cứu chính thức. Các câu hỏi này được xây dựng dựa trên bộ thang đo đã được các nghiên cứu trước đây đưa vào mô hình thu được kết quả có ý nghĩa nhằm thu thập dữ liệu phục vụ cho quá trình phân tích định lượng chính thức và kiểm định các giả thuyết nghiên cứu trong các bước tiếp theo.

• Bảng 3.1: Thang đo nghiên cứu

3.3. Tóm tắt chương 3

Trong chương 3, tác giả trình bày về các bước cụ thể của quy trình nghiên cứu. Dữ liệu của nghiên cứu được thu thập bằng phương pháp lấy mẫu thuận tiện thông qua khảo sát đối tượng đã từng mua sắm trực tuyến thông qua ứng dụng AR tại thành phố Hồ Chí Minh. Phương pháp nghiên cứu định tính bằng thảo luận nhóm được thực hiện để hoàn thiện thang đo sử dụng trong bài nghiên cứu. Sau đó, tác giả trình bày kích thước mẫu cần thiết để thu thập số lượng phiếu khảo sát nhằm thực hiện nghiên cứu một cách tốt nhất, số liệu thu thập sẽ được xử lý và sử dụng phần mềm SPSS 20.0 và SmartPLS 3 để thực hiện nghiên cứu định lượng. Ở phần phương pháp phân tích số liệu, nghiên cứu tiến hành kiểm định, đánh giá mô hình đo lường và phân tích mô hình cấu trúc bình phương nhỏ nhất từng phần PLS SEM. Luận văn: PPNC Đến trải nghiệm người tiêu dùng trong mua sắm.

XEM THÊM NỘI DUNG TIẾP THEO TẠI ĐÂY:  

===>>> Luận văn: KQNC Đến trải nghiệm người tiêu dùng trong mua sắm