Chia sẻ chuyên mục Đề Tài Luận văn: PPNC Đến ứng dụng Blockchain đến ý định mua hàng 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 ứng dụng Blockchain đến ý định mua hàng của người tiêu dùng: trường hợp sản phẩm của công ty Organica dưới đây chắc chắn sẽ giúp cho các bạn học viên có cái nhìn tổng quan hơn về đề tài sắp đến.
Chương 3 trình bày tổng quan về quy trình nghiên cứu và phương pháp nghiên cứu. Nội dung chương tập trung vào việc xây dựng, điều chỉnh và hoàn thiện hệ thống thang đo dựa trên cơ sở lý thuyết cùng các công trình nghiên cứu liên quan, làm tiền đề cho việc thu thập và phân tích dữ liệu định lượng.
3.1. Quy trình nghiên cứu
Sau khi xác định được các mô hình đề xuất và tiếp tục thực hiện nghiên cứu đề tài này, tác giả đã thực hiện theo các bước nghiên cứu sau:
Bước 1: Thiết kế thang đo, ở bước này tác giả tiến hành phỏng vấn chuyên gia để xác định các biến quan sát dùng thẩm định trọng số tác động tuyến tính từ hệ chỉ báo độc lập thuộc mô hình. Bên cạnh đó là việc thiết lập bản thảo sơ khởi của công cụ khảo sát định lượng.
Bước 2: Khung phân tích thực nghiệm sơ bộ và điều chỉnh, xây dựng bảng câu hỏi và bắt đầu việc nghiên cứu định lượng. Bước này cho ta thấy được tổng quan các khâu khi khảo sát và nhận ra các sai sót trong khảo sát, từ đó mà nhận thấy các điểm cần chỉnh sửa để hoàn thiện hệ thống chỉ báo đo lường đã qua tinh chỉnh.
Bước 3: Cấu trúc thang đo chuẩn thức sau khi đã có những chỉnh sửa, đây được cho là bảng khảo sát tối ưu nhất và có thể sử dụng để thu thập dữ liệu.
Bước 4: Tiến trình tiếp cận thực địa sẽ được luân chuyển qua các kênh tương tác số hóa phục vụ tiến trình thu nhận dữ liệu và thu về trong khoảng thời gian dự kiến.
Bước 5: Xử lý số liệu, các số liệu thu thập về chưa phải là các số liệu sử dụng được ngay, cần có những đánh giá mức độ chuẩn để có thể đưa vào phân tích.
Bước 6: Phân tích dữ liệu thông qua các giao thức xử lý thống kê chuyên sâu như Kiểm định hàm lượng nhất quán của cấu trúc đo lường, tiến trình phân tích nhân tố khám phá (EFA), ước lượng mô hình hồi quy đa biến, kết hợp thẩm định tính phi đồng nhất giữa các nhóm định danh (T-test/ANOVA) để rút ra các kết luận về dữ liệu.
- Hình 3.5 Quy trình nghiên cứu
3.2. Xây dựng thang đo Luận văn: PPNC Đến ứng dụng Blockchain đến ý định mua hàng.
Để xây dựng thang đo phù hợp với mô hình nghiên cứu về ảnh hưởng của ứng dụng công nghệ Blockchain đến ý định mua hàng của người tiêu dùng, tác giả tiến hành kết hợp phương pháp nghiên cứu định tính và định lượng. Trước hết, nghiên cứu định tính được thực hiện thông qua phỏng vấn sâu các chuyên gia trong lĩnh vực marketing, quản lý doanh nghiệp thực phẩm hữu cơ và người tiêu dùng nhằm xác định và điều chỉnh các yếu tố trong mô hình nghiên cứu, bao gồm các thành phần của ứng dụng công nghệ Blockchain (truy xuất nguồn gốc, minh bạch thông tin, xác thực sản phẩm, an toàn và chất lượng, hiệu quả logistics), cùng với hai biến trung gian là niềm tin thương hiệu và thái độ đối với sản phẩm. Nghiên cứu định tính giúp đánh giá mức độ phù hợp của các khái niệm trong bối cảnh nghiên cứu tại Việt Nam, đồng thời điều chỉnh nội dung các biến quan sát sao cho rõ ràng, dễ hiểu và phù hợp với đặc điểm người tiêu dùng. Các dữ liệu thu thập trong giai đoạn này chủ yếu mang tính phi số (ý kiến chuyên gia và người tham gia phỏng vấn), được sử dụng để hiệu chỉnh thang đo sơ bộ. Trên cơ sở kế thừa các thang đo từ các nghiên cứu trước và kết quả nghiên cứu định tính, tác giả tiến hành xây dựng bảng câu hỏi khảo sát sơ bộ. Sau khi được hiệu chỉnh, bảng câu hỏi chính thức được hoàn thiện để sử dụng trong nghiên cứu định lượng nhằm kiểm định mô hình và các giả thuyết nghiên cứu.
Cụ thể, tác giả phỏng vấn chuyên sâu gồm 05 chuyên gia có chuyên môn và kinh nghiệm thực tiễn. Danh sách chuyên gia bao gồm: 01 Chuyên gia Marketing, 01 Chuyên gia tư vấn giải pháp công nghệ blockchain, cùng 03 nhân sự quản lý trực tiếp tại Công ty Organica (Giám đốc chi nhánh, Trưởng phòng Kinh doanh và Trưởng bộ phận Quản lý chất lượng).
Tiêu chí lựa chọn đối với các chuyên gia là có tối thiểu 03 năm kinh nghiệm công tác trong lĩnh vực thực phẩm hoặc công nghệ, đảm bảo khả năng cung cấp các đánh giá chuyên sâu về tính minh bạch, khả năng truy xuất nguồn gốc và chất lượng sản phẩm (Patton, 2015). Luận văn: PPNC Đến ứng dụng Blockchain đến ý định mua hàng.
Trên cơ sở tổng hợp các thang đo từ nghiên cứu trước và đóng góp từ các chuyên gia, bảng khảo sát chính thức đã được hoàn thiện (DeVellis, 2017). Bảng hỏi này tiếp tục được đưa vào giai đoạn nghiên cứu định lượng để thu thập dữ liệu và kiểm định các giả thuyết nghiên cứu đã đề xuất (Hair và cộng sự, 2010).
- Về nội dung thảo luận:
Nội dung thảo luận tập trung vào việc xác định các yếu tố thành phần của ứng dụng công nghệ Blockchain có ảnh hưởng đến ý định mua hàng của người tiêu dùng đối với sản phẩm của Công ty Organica. Đồng thời, nghiên cứu cũng xem xét vai trò trung gian của Niềm tin thương hiệu và Thái độ đối với sản phẩm trong mối quan hệ giữa các yếu tố Blockchain và ý định mua hàng. Bên cạnh đó, các biến quan sát phù hợp cho từng khái niệm nghiên cứu được thảo luận nhằm đảm bảo tính rõ ràng, dễ hiểu và phù hợp với bối cảnh thị trường Việt Nam.
- Trình tự tiến hành:
Nghiên cứu định tính được thực hiện thông qua phỏng vấn sâu các chuyên gia trong lĩnh vực marketing, quản lý doanh nghiệp thực phẩm hữu cơ và người tiêu dùng có kinh nghiệm mua sản phẩm hữu cơ. Sau khi tiến hành thảo luận, dựa trên các ý kiến đóng góp và nhận xét của chuyên gia, tác giả tiến hành điều chỉnh, bổ sung và hoàn thiện bảng câu hỏi khảo sát sơ bộ. Bảng câu hỏi sau khi hiệu chỉnh được gửi lại để trao đổi và xác nhận lại với chuyên gia nhằm đảm bảo tính phù hợp và chặt chẽ về mặt học thuật (Cooper và Schindler, 2014).
Sau quá trình trao đổi và tiếp thu ý kiến từ chuyên gia và giảng viên hướng dẫn, một số nội dung được thống nhất như sau:
- Xác định đối tượng nghiên cứu là người tiêu dùng tại khu vực TP. Hồ Chí Minh có ý định mua thực phẩm hữu cơ và có hiểu biết cơ bản về công nghệ
- Bổ sung và làm rõ vai trò của hai biến trung gian thành Niềm tin thương hiệu và Thái độ đánh giá của người tiêu dùng phản ánh rõ hơn cơ chế ảnh hưởng gián tiếp của ứng dụng công nghệ Blockchain đến ý định mua hàng.
Sau khi trao đổi với chuyên gia: Luận văn: PPNC Đến ứng dụng Blockchain đến ý định mua hàng.
Trên cơ sở trao đổi và tiếp thu ý kiến từ các chuyên gia, kết hợp với nhận định và phân tích của tác giả về bối cảnh nghiên cứu, các yếu tố trong mô hình nghiên cứu đã được điều chỉnh và hoàn thiện nhằm đảm bảo tính phù hợp với thực tiễn thị trường. Các chỉ báo cấu trúc thuộc khung phân tích đã trải qua tiến trình tinh chỉnh tương thích hệ thống tối ưu phù hợp với đặc thù vận hành thực tiễn thị trường. Từ kết quả thảo luận, tác giả tiến hành xây dựng thang đo sơ bộ gồm tổng cộng 31 biến quan sát. Quy trình thao tác hóa cấu trúc biến số độc lập được thực thi dựa trên 21 biến quan sát thuộc 05 nhóm yếu tố của ứng dụng công nghệ chuỗi khối (biến độc lập), phản ánh các khía cạnh như truy xuất nguồn gốc, minh bạch thông tin, xác thực sản phẩm, an toàn và chất lượng và hiệu quả logistics. Đồng thời, năng lực giải thích của cơ chế điều phối trung gian kép được thiết lập thông qua việc phân bổ 04 biến quan sát đo lường Niềm tin thương hiệu và 03 chỉ báo đo lường Thái độ đối với sản phẩm (hai biến trung gian). Xét đến cấu trúc biến số phụ thuộc đại diện Ý định mua hàng, thang đo gồm 03 hạng mục quan sát đã được lồng ghép chặt chẽ nhằm mục tiêu thẩm định ngưỡng sẵn sàng hành động và khuynh hướng thực thi hành vi mua của người tiêu dùng. Hệ thống thang đo sơ bộ này là cơ sở để tiến hành nghiên cứu định lượng và kiểm định mô hình nghiên cứu trong các bước tiếp theo.
Để nghiên cứu các yếu tố ảnh hưởng đến ý định mua hàng của người tiêu dùng đối với sản phẩm ứng dụng công nghệ Blockchain, một hệ thống công cụ đo lường đa dạng cấu trúc đã được lồng ghép phối hợp xuyên suốt quy trình khảo sát nhằm bảo chứng tính toàn vẹn và độ minh xác tối ưu cho dòng dữ liệu thực chứng sơ cấp. Trước hết, thang đo danh nghĩa được sử dụng để thu thập các thông tin nhân khẩu học của người trả lời như giới tính. Các hệ thống thang đo định danh và thứ bậc đã được vận dụng triệt để nhằm thu nhận các dữ kiện thuộc thuộc tính nhân khẩu học, bao gồm nhóm tuổi, phân khúc thu nhập và nền tảng học vấn để tạo cơ sở dữ liệu để thực thi tiến trình phân tích thống kê mô tả cấu trúc mẫu song hành cùng các phép thử kiểm định tham số về tính phi đồng nhất giữa các nhóm đối tượng thực nghiệm. Đối với các biến trong mô hình nghiên cứu bao gồm các yếu tố của ứng dụng công nghệ Blockchain, Niềm tin thương hiệu, Thái độ đối với sản phẩm và Ý định mua hàng, tác giả sử dụng thang đo khoảng Likert 5 điểm để đo lường mức độ đồng ý của người trả lời đối với các phát biểu được đưa ra. Thang đo Likert do Rensis Likert (1932) đề xuất là một trong những công cụ đo lường phổ biến trong các nghiên cứu về hành vi và marketing, cho phép đánh giá thái độ và nhận thức của người tiêu dùng thông qua mức độ đồng thuận đối với từng phát biểu.
Thang đo được thiết kế với 5 mức độ như sau:
- Hoàn toàn không đồng ý
- Không đồng ý
- Bình thường
- Đồng ý
- Hoàn toàn đồng ý
Việc sử dụng thang đo Likert 5 mức độ giúp người trả lời tối ưu hóa lộ trình ra quyết định tiêu dùng của chủ thể phù hợp với quan điểm của mình, hạn chế sự áp lực khi trả lời và tăng độ tin cậy của dữ liệu thu thập. Đồng thời, thang đo này phù hợp với các hệ thống công cụ xử lý thống kê định lượng phân rã như phép bảo chứng độ cậy vững cấu trúc bằng chỉ số Cronbach’s Alpha, tiến trình phân tích rút gọn nhân tố khám phá (EFA) và và phân tích hồi quy, qua đó đảm bảo khả năng kiểm định mô hình nghiên cứu một cách chính xác và khoa học.
Sau giai đoạn nghiên cứu sơ bộ và hiệu chỉnh, thang đo chính thức được hình thành bao gồm các nhóm yếu tố: (1) Truy xuất nguồn gốc; (2) Minh bạch thông tin; (3) Xác thực sản phẩm; (4) An toàn và chất lượng; (5) Hiệu quả logistics; (6) Niềm tin thương hiệu; (7) Thái độ đối với sản phẩm; và (8) Ý định mua hàng.
3.2.1 Thang đo Truy xuất nguồn gốc Luận văn: PPNC Đến ứng dụng Blockchain đến ý định mua hàng.
Truy xuất nguồn gốc được xác định là một trong những yếu tố cốt lõi của việc ứng dụng công nghệ Blockchain trong chuỗi cung ứng nông sản hữu cơ (Behnke và Janssen, 2020). Yếu tố này phản ánh khả năng cung cấp thông tin toàn vẹn, chính xác và có thể kiểm chứng về toàn bộ hành trình sản phẩm, từ công đoạn gieo trồng, thu hoạch, chế biến cho đến khâu phân phối đến tay người tiêu dùng (Kamble và cộng sự, 2020). Trong bối cảnh người tiêu dùng ngày càng quan tâm đến tính minh bạch và độ an toàn của thực phẩm, việc truy xuất nguồn gốc rõ ràng đóng vai trò quan trọng giúp gia tăng niềm tin và thúc đẩy ý định mua hàng nông sản hữu cơ (Dương và cộng sự, 2024). Thang đo Năng lực Truy xuất Nguồn gốc được xây dựng dựa trên việc kế thừa các nghiên cứu uy tín về hệ thống truy xuất trong chuỗi cung ứng (Behnke và Janssen, 2020), kết hợp với kết quả tinh chỉnh từ nghiên cứu định tính nhằm đảm bảo độ phù hợp cao nhất với thực tế kinh doanh nông sản hữu cơ ứng dụng công nghệ Blockchain tại Việt Nam.
- Bảng 3. 1. Thang đo Truy xuất nguồn gốc
3.2.2 Thang đo Minh bạch thông tin
Minh bạch thông tin gồm 5 biến quan sát được kế thừa và phát triển từ các nghiên cứu tiền nhiệm về tính minh bạch trong truyền thông doanh nghiệp và chuỗi cung ứng (Schnackenberg và Tomlinson, 2016). Trong bối cảnh ứng dụng công nghệ Blockchain vào quản trị chuỗi cung ứng thực phẩm, minh bạch thông tin đóng vai trò then chốt trong việc nâng cao niềm tin của người tiêu dùng. Thang đo này đo lường đánh giá của khách hàng về tính rõ ràng, đầy đủ, dễ tiếp cận và trung thực của các thông tin liên quan đến sản phẩm. Cụ thể, tính minh bạch thể hiện ở việc doanh nghiệp công khai dữ liệu về nguồn gốc, quy trình canh tác, chứng nhận chất lượng trên hệ thống Blockchain, giúp người tiêu dùng dễ dàng kiểm tra và xác thực khi có nhu cầu (Tian, 2016). Trong phân khúc thực phẩm sạch, khi người tiêu dùng ngày càng chú trọng đến vấn đề an toàn và chất lượng, minh bạch thông tin không chỉ góp phần gia tăng niềm tin mà còn tác động tích cực đến thái độ đánh giá đối với sản phẩm và ý định mua hàng (Dương và cộng sự, 2024). Nhờ đặc tính lưu trữ phân tán và không thể thay đổi của công nghệ Blockchain, tính minh bạch thông tin được đảm bảo vượt trội so với các phương thức truyền thông truyền thống. Do đó, yếu tố Minh bạch thông tin được kỳ vọng có ảnh hưởng tích cực đến Niềm tin thương hiệu, qua đó thúc đẩy Ý định mua hàng của người tiêu dùng.
- Bảng 3. 2. Thang đo tính Minh bạch thông tin
3.2.3 Thang đo Xác thực sản phẩm
Xác thực sản phẩm gồm 4 biến quan sát được kế thừa và phát triển từ nghiên cứu về ứng dụng công nghệ chuỗi khối của Tapscott và Tapscott (2016). Việc ứng dụng công nghệ Blockchain vào chuỗi cung ứng nông sản hữu cơ, xác thực sản phẩm là yếu tố quan trọng giúp người tiêu dùng kiểm chứng tính chính hãng và độ tin cậy của sản phẩm trước khi đưa ra quyết định mua. Thang đo này đo lường đánh giá của khách hàng đối với khả năng xác minh tính xác thực của sản phẩm thông qua hệ thống Blockchain. Cụ thể, việc lưu trữ dữ liệu trên nền tảng Blockchain với đặc tính không thể thay đổi và có thể kiểm chứng giúp hạn chế tình trạng làm giả thông tin, gian lận nguồn gốc hoặc sai lệch dữ liệu sản phẩm. Trong thị trường thực phẩm tồn tại nhiều rủi ro về hàng giả và thông tin thiếu minh bạch, khả năng xác thực rõ ràng đóng vai trò quan trọng giúp gia tăng niềm tin thương hiệu, hình thành thái độ tích cực đối với sản phẩm và từ đó thúc đẩy ý định mua hàng của người tiêu dùng (Tapscott & Tapscott, 2016). Với đặc tính bảo mật cao và khả năng xác minh độc lập của công nghệ Blockchain, yếu tố Xác thực sản phẩm được kỳ vọng có ảnh hưởng tích cực đến Niềm tin thương hiệu trong mô hình nghiên cứu.
- Bảng 3. 3. Thang đo Xác thực sản phẩm
3.2.4 Thang đo An toàn và chất lượng Luận văn: PPNC Đến ứng dụng Blockchain đến ý định mua hàng.
Thang đo An toàn và chất lượng gồm 4 biến quan sát được kế thừa và phát triển từ nghiên cứu về ứng dụng công nghệ chuỗi khối trong chuỗi cung ứng nông nghiệp của Kamble và cộng sự (2020). Khi ứng dụng công nghệ Blockchain vào quản lý chuỗi cung ứng nông sản hữu cơ, yếu tố này phản ánh mức độ người tiêu dùng cảm nhận được cam kết bảo đảm về độ an toàn và chất lượng sản phẩm thông qua hệ thống thông tin minh bạch, có thể kiểm chứng. Thang đo này đo lường đánh giá của khách hàng về năng lực đáp ứng các tiêu chuẩn an toàn nghiêm ngặt, tính xác thực của nguồn gốc và quy trình kiểm soát chất lượng chặt chẽ. Khi toàn bộ dữ liệu liên quan đến quá trình canh tác, vận chuyển và bảo quản được lưu trữ cố định trên Blockchain, người tiêu dùng có thể tin tưởng vào tính toàn vẹn của thông tin và độ an toàn của sản phẩm (Kamble và cộng sự, 2020). Trong ngành thực phẩm nông sản sạch, nhận thức về an toàn và chất lượng đóng vai trò cốt lõi tác động trực tiếp đến niềm tin thương hiệu và thái độ đánh giá của khách hàng, tạo tiền đề thúc đẩy ý định mua hàng. Với đặc tính minh bạch và không thể chỉnh sửa dữ liệu của công nghệ Blockchain, yếu tố An toàn và chất lượng được kỳ vọng sẽ có tác động tích cực đến Niềm tin thương hiệu và Thái độ đánh giá của người tiêu dùng trong mô hình nghiên cứu.
- Bảng 3. 4. Thang đo An toàn và chất lượng sản phẩm
3.2.5 Thang đo Hiệu quả Logistics Luận văn: PPNC Đến ứng dụng Blockchain đến ý định mua hàng.
Hiệu quả Logistics gồm 04 biến quan sát, được kế thừa và phát triển từ các nghiên cứu về hiệu quả chuỗi cung ứng và năng lực logistics ứng dụng công nghệ chuỗi khối của Saberi và cộng sự (2019). Khi ứng dụng công nghệ Blockchain vào quản lý chuỗi cung ứng thực phẩm hữu cơ, yếu tố này phản ánh mức độ người tiêu dùng cảm nhận được sự hiệu quả, chính xác và minh bạch trong suốt quá trình lưu thông và phân phối sản phẩm. Thang đo này giúp đánh giá khả năng giao hàng đúng thời gian, việc bảo đảm điều kiện bảo quản thực phẩm, cũng như tính minh bạch của thông tin vận chuyển được cập nhật trên hệ thống Blockchain. Việc tích hợp công nghệ Blockchain trong logistics giúp tăng khả năng theo dõi hàng hóa theo thời gian thực, hạn chế rủi ro sai sót hoặc thất lạc trong khâu phân phối (Saberi và cộng sự, 2019). Ngành hàng nông sản hữu cơ luôn đòi hỏi quy chuẩn nghiêm ngặt về điều kiện bảo quản và thời gian vận chuyển, nên hiệu quả logistics đóng vai trò quan trọng trong việc củng cố lòng tin và hình thành thái độ tích cực của người tiêu dùng đối với sản phẩm. Do đó, yếu tố Hiệu quả logistics được kỳ vọng sẽ có tác động tích cực đến Thái độ đánh giá đối với sản phẩm, qua đó thúc đẩy Ý định mua hàng của người tiêu dùng trong mô hình nghiên cứu.
- Bảng 3. 5.Thang đo Hiệu quả Logistics
3.2.6 Thang đo Niềm tin thương hiệu
Niềm tin thương hiệu gồm 3 biến quan sát, được kế thừa và phát triển từ nghiên cứu về niềm tin và chấp nhận công nghệ của Pavlou (2003). Trong quản trị thương hiệu, niềm tin phản ánh mức độ tin tưởng của khách hàng vào khả năng thực hiện đúng các cam kết chất lượng và tinh thần trách nhiệm của doanh nghiệp (Pavlou, 2003). Khi ứng dụng công nghệ Blockchain vào chuỗi cung ứng nông sản hữu cơ, niềm tin thương hiệu được củng cố mạnh mẽ nhờ tính minh bạch, khả năng truy xuất nguồn gốc và cơ chế xác thực dữ liệu toàn vẹn. Người tiêu dùng có thể tự kiểm chứng thông tin về nguồn gốc, quy trình sản xuất và vận chuyển, mức độ tin tưởng đối với thương hiệu sẽ gia tăng đáng kể (Pavlou, 2003). Thang đo này đo lường mức độ tin cậy, sự an tâm và kỳ vọng tích cực của người tiêu dùng đối với thương hiệu khi doanh nghiệp chủ động minh bạch thông tin qua nền tảng Blockchain. Việc đo lường biến này giúp làm rõ vai trò trung gian của niềm tin trong việc chuyển hóa những lợi ích từ công nghệ thành động lực thúc đẩy ý định mua hàng của người tiêu dùng.
- Bảng 3. 6. Thang đo Niềm tin thương hiệu
3.2.7 Thang đo Thái độ đối với sản phẩm
Thái độ đối với sản phẩm gồm 4 biến quan sát, được kế thừa và phát triển từ Lý thuyết TPB của Ajzen (1991). Theo Ajzen (1991), thái độ phản ánh mức độ đánh giá tích cực hoặc tiêu cực của một cá nhân đối với việc thực hiện một hành vi hoặc đối với một đối tượng cụ thể. Trong mô hình nghiên cứu này, yếu tố này thể hiện sự đánh giá chung của người tiêu dùng đối với các sản phẩm nông sản hữu cơ ứng dụng công nghệ Blockchain. Khi doanh nghiệp áp dụng công nghệ Blockchain nhằm nâng cao tính minh bạch, khả năng truy xuất và quy chuẩn an toàn dữ liệu, nhận thức của khách hàng về sản phẩm sẽ trở nên tích cực hơn. Thang đo này đo lường mức độ yêu thích và đánh giá thuận lợi của người tiêu dùng đối với sản phẩm khi các rủi ro cảm nhận được giảm thiểu nhờ ứng dụng công nghệ (Ajzen, 1991). Với vai trò là biến trung gian, thái độ đối với sản phẩm giúp giải thích cơ chế tác động gián tiếp từ các thuộc tính của Blockchain đến ý định mua hàng. Theo mô hình TPB, thái độ tích cực đối với sản phẩm là yếu tố quan trọng thúc đẩy ý định thực hiện hành vi mua của khách hàng. Do đó, yếu tố Thái độ đối với sản phẩm được kỳ vọng có tác động tích cực đến Ý định mua hàng của người tiêu dùng trong mô hình nghiên cứu .
- Bảng 3. 7. Thang đo Thái độ đối với sản phẩm
3.2.8 Thang đo Ý định mua hàng
Ý định mua hàng đóng vai trò là biến phụ thuộc trong mô hình nghiên cứu, phản ánh mức độ sẵn sàng và khả năng thực hiện hành vi mua sản phẩm của người tiêu dùng trong tương lai (Dương và cộng sự, 2024). Trong lĩnh vực marketing, ý định mua hàng là yếu tố quan trọng nhất dùng để dự báo quyết định lựa chọn thực tế của khách hàng. Thang đo Ý định mua hàng gồm 03 biến quan sát, được kế thừa và phát triển từ các nghiên cứu trước nhằm đảm bảo độ phù hợp với bối cảnh tiêu dùng thực phẩm hữu cơ ứng dụng công nghệ Blockchain tại Việt Nam (Pavlou, 2003). Thang đo này giúp đánh giá mức độ sẵn sàng mua của khách hàng khi họ cảm nhận được sự minh bạch, an toàn và đáng tin cậy từ phía doanh nghiệp nhờ công nghệ Blockchain (Dương và cộng sự, 2024). Việc đo lường Ý định mua hàng giúp kiểm định tác động trực tiếp của các thuộc tính Blockchain cũng như tác động gián tiếp thông qua hai biến trung gian là Niềm tin thương hiệu và Thái độ đối với sản phẩm. Khi người tiêu dùng có thái độ tích cực đối với sản phẩm và dành niềm tin cao cho thương hiệu, ý định mua nông sản hữu cơ của họ sẽ gia tăng mạnh mẽ.
- Bảng 3. 8. Thang đo Ý định mua hàng
3.3. Thu thập dữ liệu Luận văn: PPNC Đến ứng dụng Blockchain đến ý định mua hàng.
Để đảm bảo kết quả nghiên cứu có khả năng suy diễn và khái quát hóa cho tổng thể, tác giả áp dụng phương pháp nghiên cứu định lượng nhằm đánh giá tác động của các thuộc tính công nghệ Blockchain đến ý định mua hàng của người tiêu dùng (Creswell & Creswell, 2018). Phương pháp này cho phép đo lường chính xác các mối quan hệ giữa các biến trong mô hình nghiên cứu thông qua các công cụ phân tích thống kê, từ đó kiểm định các giả thuyết đã đề xuất (Hair và cộng sự, 2010).
Sau khi hoàn thành giai đoạn nghiên cứu định tính và hiệu chỉnh bảng hỏi, bảng khảo sát chính thức được hoàn thiện làm công cụ thu thập dữ liệu cho nghiên cứu định lượng (Saunders và cộng sự, 2019). Bảng hỏi bao gồm 05 biến độc lập (Truy xuất nguồn gốc, Minh bạch thông tin, Xác thực sản phẩm, An toàn và chất lượng, Hiệu quả logistics), 02 biến trung gian (Niềm tin thương hiệu, Thái độ đối với sản phẩm) và 01 biến phụ thuộc (Ý định mua hàng), với tổng cộng 31 biến quan sát (Hair và cộng sự, 2010).
Dữ liệu sơ cấp được thu thập thông qua phương pháp khảo sát bằng bảng hỏi đối với người tiêu dùng đã và đang quan tâm đến các sản phẩm nông sản hữu cơ có ứng dụng công nghệ Blockchain (Saunders và cộng sự, 2019). Các bảng khảo sát hợp lệ thu về sẽ được làm sạch, mã hóa và nhập dữ liệu vào phần mềm phân tích chuyên dụng để tiến hành kiểm định độ tin cậy thang đo (Cronbach’s Alpha), phân tích nhân tố khám phá và kiểm định mô hình nghiên cứu (Hair và cộng sự, 2010).
3.3.1. Kích thước mẫu
Việc xác định kích thước mẫu tối ưu đóng vai trò quan trọng nhằm bảo đảm độ tin cậy thống kê và tính đại diện của nghiên cứu (Nguyễn Đình Thọ, 2013). Theo Nguyễn Đình Thọ (2013), đối với nghiên cứu định lượng, kích thước mẫu tối thiểu cần đạt tỷ lệ 5:1 (5 mẫu cho 1 biến quan sát) và tỷ lệ tối ưu là 10:1. Mô hình nghiên cứu này sử dụng tổng cộng 31 biến quan sát, do đó kích thước mẫu tối thiểu cần đạt từ 155 đến 310 mẫu (tương ứng khoảng từ 200 đến 400 quan sát).
Kế tiếp, theo Tabachnick và Fidell (1991), nhằm tối ưu hóa năng lực biểu thị của phép ước lượng hồi quy đa biến, quy mô mẫu bắt buộc phải thỏa mãn công thức tiêu chuẩn: n ≥ 8k + 50 (Trong đó, k biểu thị cho số lượng biến số độc lập thuộc cấu trúc mô hình. Với việc xác lập 5 biến độc lập, kích thước mẫu tối thiểu là: n ≥ 8 × 5 + 50 = 90). Như vậy, theo cả hai cách xác định trên, cỡ mẫu phân bổ trong tiến trình cần lớn hơn 90 và nên đạt từ 200 quan sát trở lên để đảm bảo yêu cầu phân tích dữ liệu. Để hạn chế các phản hồi thực địa bị lỗi cấu trúc, tiến trình tiếp cận thực địa được định hướng tích lũy dữ kiện sơ cấp với quy mô từ 500 đến 600 bản khảo sát. Quy mô mẫu này hoàn toàn phù hợp để triển khai các bước phân tích tiếp theo như kiểm định độ tin cậy thang đo (Cronbach’s Alpha), phân tích nhân tố khám phá (EFA) và phân tích hồi quy (Hair và cộng sự, 2010).
3.3.2. Phương pháp chọn mẫu Luận văn: PPNC Đến ứng dụng Blockchain đến ý định mua hàng.
Để phục vụ cho nghiên cứu đề tài này, tác giả sử dụng phương pháp chọn mẫu thuận tiện (Saunders và cộng sự, 2019). Phương pháp này được lựa chọn nhằm tiết kiệm thời gian, chi phí và tăng khả năng tiếp cận đến nhóm đối tượng nghiên cứu là người tiêu dùng đã và đang quan tâm đến sản phẩm thực phẩm hữu cơ có ứng dụng công nghệ Blockchain (Cooper & Schindler, 2014). Tuy nhiên, khi sử dụng phương pháp chọn mẫu thuận tiện, tác giả cũng nhận thức được hạn chế về tính đại diện và khả năng xuất hiện yếu tố chủ quan trong câu trả lời. Nghiên cứu sử dụng dữ liệu sơ cấp được thu thập thông qua bảng câu hỏi khảo sát. Để đảm bảo chất lượng dữ liệu thu thập, đối tượng khảo sát được lựa chọn dựa trên các tiêu chí gạn lọc cụ thể (Hair và cộng sự, 2010):
- Người tiêu dùng đang sinh sống tại Hồ Chí Minh có ý định mua hoặc sử dụng sản phẩm thực phẩm hữu cơ.
- Người tiêu dùng có hiểu biết căn bản và khả năng thao tác tiếp cận thông tin truy xuất nguồn gốc như quét mã QR trên bao bì sản phẩm.
- Có đầy đủ năng lực hành vi để hoàn thành bảng câu hỏi.
Tiến trình tiếp cận đáp viên được triển khai bằng bảng câu hỏi điện tử (Google Forms) được gửi đến các nhóm cộng đồng khách hàng và fanpage rau sạch chuẩn hữu cơ nhằm gia tăng tốc độ phản hồi và mở rộng diện tiếp cận trong thời gian ngắn (Cooper & Schindler, 2014).
Tổng số phiếu khảo sát được phát ra là 600 phiếu thông qua hình thức khảo sát trực tuyến. Số lượng này được xác định dựa trên nguyên tắc về kích thước mẫu trong nghiên cứu định lượng và có tính đến khả năng loại bỏ các phiếu không hợp lệ. Sau khi sàng lọc, có 513 phiếu khảo sát hợp lệ sẽ được sử dụng để phân tích dữ liệu và kiểm định mô hình nghiên cứu giúp tiết kiệm thời gian, chi phí và phù hợp với nguồn lực nghiên cứu của tác giả.
3.4. Phân tích dữ liệu
Phương pháp định lượng được sử dụng nhằm xử lý nguồn số liệu sơ cấp thu thập được, từ đó tiến hành đánh giá độ tin cậy và độ giá trị của thang đo bao gồm độ giá trị hội tụ và độ giá trị phân biệt (Hair và cộng sự, 2016). Tiến trình này giúp kiểm định mô hình lý thuyết và các giả thuyết nghiên cứu, nhằm xác định ảnh hưởng của ứng dụng công nghệ Blockchain trong chuỗi cung ứng thực phẩm hữu cơ đến ý định mua hàng của người tiêu dùng đối với sản phẩm của Công ty Organica. Theo Haenlein và Kaplan (2004), kỹ thuật mô hình hóa cấu trúc tuyến tính (SEM) là phương pháp phân tích đa biến nâng cao, cho phép kiểm định đồng thời mối quan hệ giữa nhiều biến độc lập, biến trung gian và biến phụ thuộc trong cùng một mô hình. Kỹ thuật này không chỉ đo lường mối quan hệ giữa các biến tiềm ẩn mà còn đánh giá tác động của các biến quan sát cấu thành, giúp kiểm soát sai số đo lường và bảo vệ tính toàn vẹn của dữ liệu (Haenlein & Kaplan, 2004; Hair và cộng sự, 2016). Trong các định hướng triển khai SEM, phương pháp Mô hình hóa Cấu trúc tuyến tính dựa trên bình phương tối thiểu tiêng phần (PLS-SEM) thông qua phần mềm SmartPLS 4 được ưu tiên lựa chọn cho nghiên cứu này (Hair và cộng sự, 2016). Trong đó, SEM là một cụm từ phản ảnh kỹ thuật thống kê nhằm giải quyết các khía cạnh: Phân tích và đánh giá mối quan hệ ảnh hưởng của nhân tố trong mô hình nghiên cứu tổng thể thông qua các mô hình hồi quy bội thành phần; Phân tích sự đa cộng tuyến với mô hình hồi quy; Phân tích các chiều hướng ảnh hưởng với nhiều biến phụ thuộc; Mô hình hóa mối quan hệ đa chiều giữa các biến số trong mô hình nghiên cứu. Do đó, PLS SEM thường được sử dụng với một mô hình hồi quy phức tạp, có nhiều biến số, thường nhiều hơn 4 biến độc lập, ngoài ra các biến có mối quan hệ qua lại chồng chéo nhau, hay nói cách khác một biến số vừa đóng vai trò có thể là biến độc lập nhưng vừa làm biến phụ thuộc với các đường dẫn khác nhau. Thông qua công cụ là Smart PLS để xử lý dữ liệu sơ cấp đã thu thập thì việc đánh giá mô hình nghiên cứu các phần lớn sau đó là:
3.4.1. Đánh giá mô hình đo lường Luận văn: PPNC Đến ứng dụng Blockchain đến ý định mua hàng.
3.4.1.1. Kiểm định độ tin cây thang đo bằng hệ số Cronbach’s Alpha
Trước khi đánh giá độ tin cậy thang đo, tính đơn hướng của các biến quan sát được kiểm tra thông qua hệ số tải ngoài (outer loading). Các biến quan sát có hệ số tải ngoài lớn hơn 0,6 thể hiện độ giá trị tốt và được giữ lại trong mô hình; ngược lại, các biến có hệ số tải ngoài nhỏ hơn 0,4 cần bị loại bỏ do không đảm bảo yêu cầu đo lường (Hair và cộng sự, 2016, 2021). Đối với các biến quan sát có hệ số tải ngoài nằm trong khoảng từ 0,4 đến dưới 0,6, tác giả sẽ xem xét mức độ đóng góp và ý nghĩa nội hàm của biến đối với khái niệm nghiên cứu trước khi quyết định loại bỏ hay giữ lại (Hair và cộng sự, 2016). Để đánh giá độ tin cậy nội tại của thang đo, hệ số Cronbach’s Alpha và độ tương quan biến được áp dụng làm tiêu chuẩn kiểm định (Hair và cộng sự, 2016). Công cụ này đo lường mức độ gắn kết và tính nhất quán giữa các biến quan sát thuộc cùng một biến tiềm ẩn, giúp loại bỏ các biến không phù hợp và đảm bảo các biến quan sát giữ lại phản ánh chính xác nội hàm khái niệm cần đo lường (Hair và cộng sự, 2021). Kiểm định độ tin cậy thang đo Cronbach’s Alpha thường được sử dụng để đánh giá được mức độ tin cậy cũng như các giá trị của một thang đo, đánh giá xem các biến có cùng đo lường một giá trị hay không để từ đó cho phép chúng ta bỏ đi những biến không phù hợp. Đồng thời để tăng tính tin cậy trong kiểm định này thì cần phân tích một một số thước đo bao gồm: Hệ số tải chuẩn hóa (Standardized Loading Estimates), độ tin cậy tổng hợp (Composite Reliability), phương sai trung bình được trích (Average Variance Extracted). Theo Hair và cộng sự (2019), các ngưỡng so sánh của các chỉ số trên tương ứng với các kiểm định về tính hợp lệ và độ tin cậy như sau: Hệ số tải chuẩn hóa (Standardized Loading Estimates) lớn hơn 0,6; Độ tin cậy tổng hợp (CR) lớn hơn 0,7 có nghĩa là các biến quan sat đó chất lượng được giữ lại.
3.4.1.2 Thẩm định độ giá trị hội tụ
Đánh giá độ giá trị hội tụ của thang đo được thực hiện thông qua chỉ số Phương sai trích trung bình (Average Variance Extracted – AVE) (Hair và cộng sự, 2019, 2021). Chỉ số AVE thể hiện tỷ lệ phương sai của các biến quan sát được giải thích bởi biến tiềm ẩn so với tổng phương sai bao gồm cả sai số đo lường (Hair và cộng sự, 2021). Khi AVE đạt giá trị từ 0,5 trở lên, thang đo đảm bảo đạt độ giá trị hội tụ, phản ánh rằng biến tiềm ẩn có khả năng giải thích trên 50% phương sai của các biến quan sát cấu thành (Hair và cộng sự, 2019, 2021). Điều này khẳng định các biến quan sát phản ánh chính xác bản chất của khái niệm nghiên cứu và có sự liên kết chặt chẽ với nhau (Hair và cộng sự, 2019). Ngược lại, nếu AVE nhỏ hơn 0,5, mô hình đo lường tồn tại sai số lớn hơn phần phương sai được giải thích, dẫn đến thang đo không đạt độ giá trị hội tụ (Hair và cộng sự, 2021).
3.4.1.3 Thẩm định độ giá trị phân biệt
Đánh giá mức độ chính xác về sự phân biệt được xem xét thông qua hai phương pháp là giá trị phân biệt Fornell – Lacrcker Criterion và chỉ số HTMT. Luận văn: PPNC Đến ứng dụng Blockchain đến ý định mua hàng.
Đánh giá độ giá trị phân biệt được thực hiện nhằm đảm bảo các khái niệm trong mô hình nghiên cứu có sự biệt lập về mặt lý thuyết và không bị trùng lặp nội hàm với nhau (Hair và cộng sự, 2016, 2021). Theo tiêu chuẩn Fornell-Larcker (1981), độ giá trị phân biệt đạt yêu cầu khi căn bậc hai của chỉ số phương sai trích trung bình AVE của mỗi biến tiềm ẩn lớn hơn hệ số tương quan giữa biến đó với tất cả các biến tiềm ẩn khác trong mô hình (Fornell & Larcker, 1981; Hair và cộng sự, 2016). Bên cạnh đó, để tăng cường độ chính xác khi phân tích PLS-SEM, chỉ số HTMT giữa các cặp biến tiềm ẩn được kiểm tra và phải đạt giá trị nhỏ hơn ngưỡng 0,90 nhằm khẳng định tính phân biệt rõ rệt giữa các thang đo (Henseler và cộng sự, 2015; Hair và cộng sự, 2021). Việc đáp ứng các tiêu chuẩn này bảo đảm rằng mỗi biến tiềm ẩn đều đo lường một khía cạnh khái niệm riêng biệt, tạo tiền đề vững chắc cho việc kiểm định các mối quan hệ cấu trúc tiếp theo (Hair và cộng sự, 2016, 2021).
3.4.2. Đánh giá các biến cấu trúc trong mô hình
3.4.2.1 Thẩm định vận hành hệ số phóng đại phương sai (VIF)
Kiểm định hiện tượng đa cộng tuyến bằng hệ số phóng đại phương sai (VIF) là sau khi mô hình đo lường đạt các tiêu chuẩn về độ tin cậy và độ giá trị, tiến hành phân tích chuyển sang bước đánh giá mô hình cấu trúc nhằm kiểm định các giả thuyết nghiên cứu đã đề xuất (Hair và cộng sự, 2021). Trước tiên, hiện tượng đa cộng tuyến giữa các biến độc lập cần được kiểm tra thông qua Hệ số phóng đại phương sai (Variance Inflation Factor – VIF) (Hair và cộng sự, 2021). Đa cộng tuyến xảy ra khi có sự tương quan tuyến tính quá chặt chẽ giữa các biến độc lập, làm gia tăng sai số tiêu chuẩn và bóp méo các hệ số hồi quy trong mô hình (Hair và cộng sự, 2016). Theo khuyến nghị của Hair và cộng sự (2021), giá trị VIF của các biến tiềm ẩn trong mô hình cấu trúc cần nhỏ hơn 5,0, và lý tưởng nhất là nhỏ hơn 3,0 để khẳng định mô hình hoàn toàn không vi phạm hiện tượng đa cộng tuyến. Việc đảm bảo điều kiện VIF tạo tiền đề quan trọng giúp hệ số đường dẫn β đạt độ tin cậy và độ chính xác cao, tạo nền tảng vững chắc cho việc triển khai kỹ thuật Bootstrapping để kiểm định ý nghĩa thống kê của các giả thuyết ở bước tiếp theo (Hair và cộng sự, 2021).
3.4.2.2 Kiểm định giả thuyết nghiên cứu
Đánh giá các mối quan hệ cấu trúc bằng kỹ thuật Bootstrapping: Bước tiếp theo trong lộ trình phân tích là đánh giá cường độ và ý nghĩa thống kê của các đường dẫn cấu trúc nhằm kiểm định các giả thuyết nghiên cứu đã đề xuất (Hair và cộng sự, 2016, 2021). Do phương pháp PLS-SEM không giả định dữ liệu phân phối chuẩn, kỹ thuật lấy mẫu lặp lại tự động Bootstrapping được áp dụng để ước lượng sai số tiêu chuẩn và giá trị thống kê T-value (Hair và cộng sự, 2016). Tiến trình này được thực hiện thông qua việc tái lặp mẫu 5.000 lần từ tập dữ liệu khảo sát gốc nhằm đảm bảo độ chính xác và tính ổn định của các tham số ước lượng (Hair và cộng sự, 2021). Dựa trên kết quả Bootstrapping, ý nghĩa thống kê của các hệ số đường dẫn β được đánh giá thông qua chỉ số P-value và giá trị T-statistic. Theo đó, một giả thuyết nghiên cứu được chấp nhận khi đạt mức ý nghĩa thống kê 5% (P-value < 0,05 tương ứng với T-value > 1,96) (Hair và cộng sự, 2021). Kết quả kiểm định này giúp xác định chính xác ảnh hưởng của các thuộc tính công nghệ Blockchain đến niềm tin thương hiệu và ý định mua thực phẩm hữu cơ của người tiêu dùng, làm cơ sở để đề xuất các hàm ý quản trị phù hợp cho Công ty Organica (Hair và cộng sự, 2021).
3.4.2.3 Đánh giá mức độ giải thích và kích thước tác động Luận văn: PPNC Đến ứng dụng Blockchain đến ý định mua hàng.
Hệ số xác định R2 (R-squared) và Kích thước tác động f² (f-squared). Chỉ số R2 đo lường tỷ lệ phương sai của biến phụ thuộc (hoặc biến nội sinh) được giải thích bởi các biến độc lập trong mô hình (Hair và cộng sự, 2016). Theo phân loại của Hair và cộng sự (2019), các ngưỡng giá trị R2 lần lượt là 0,75; 0,50 và 0,25 đại diện cho mức độ giải thích mạnh, trung bình và yếu của mô hình. Tiếp theo, chỉ số kích thước tác động f² được sử dụng để đánh giá mức độ thay đổi của chỉ số R2 khi một biến độc lập cụ thể bị loại khỏi mô hình, qua đó xác định vai trò và mức độ đóng góp tương đối của từng nhân tố đối với biến phụ thuộc (Cohen, 1988; Hair và cộng sự, 2019). Theo Cohen (1988), các giá trị f² đạt 0,02; 0,15 và 0,35 tương ứng với mức tác động nhỏ, trung bình và lớn.
Việc kết hợp đánh giá hai chỉ số R2 và f² giúp khẳng định mức độ phù hợp và khả năng giải thích thực tế của mô hình nghiên cứu đối với ý định mua thực phẩm hữu cơ ứng dụng công nghệ Blockchain của người tiêu dùng tại Công ty Organica (Hair và cộng sự, 2019, 2021).
3.4.2.4 Xác chứng độ phù hợp toàn diện và năng lực dự báo
Đánh giá mức độ phù hợp của mô hình qua chỉ số SRMR được dùng để đánh giá mức độ phù hợp tổng thể của mô hình cấu trúc trong phân tích PLS-SEM, chỉ số Căn bậc hai bình phương trung bình của phần dư chuẩn hóa được áp dụng (Henseler và cộng sự, 2014; Hair và cộng sự, 2016). Chỉ số SRMR đo lường mức độ sai lệch giữa ma trận hiệp phương sai quan sát và ma trận hiệp phương sai ước lượng từ mô hình, qua đó giúp phát hiện sớm các lỗi định dạng mô hình (Henseler và cộng sự, 2014).
Theo khuyến nghị của Henseler và cộng sự (2014) cùng Hair và cộng sự (2021), mô hình đạt độ phù hợp tốt khi giá trị SRMR nhỏ hơn 0,08). Việc chỉ số SRMR thỏa mãn ngưỡng yêu cầu khẳng định tính tương thích cao giữa mô hình lý thuyết đề xuất với dữ liệu khảo sát thực tế, bảo đảm độ tin cậy và tính chính xác cho các kết quả kiểm định mô hình đối với Công ty Organica (Hair và cộng sự, 2016, 2021).
Năng lực dự báo ngoài mẫu của mô hình cấu trúc được đánh giá thông qua chỉ số Q² (Geisser, 1974; Stone, 1974; Hair và cộng sự, 2019). Giá trị Q² lớn hơn 0 đối với một biến phụ thuộc nội sinh khẳng định mô hình có năng lực dự báo thích hợp; cụ thể các ngưỡng Q² đạt 0,02; 0,15 và 0,35 tương ứng với năng lực dự báo ở mức nhỏ, trung bình và lớn (Hair và cộng sự, 2019). Việc đảm bảo chỉ số Q² > 0 nhằm chứng minh rằng mô hình nghiên cứu không chỉ giải thích tốt dữ liệu nội bộ mà còn sở hữu khả năng dự báo chính xác hành vi tiêu dùng thực phẩm hữu cơ khi ứng dụng Blockchain của khách hàng.
Tóm tắt chương 3
Chương 3 đã trình bày chi tiết quy trình và phương pháp nghiên cứu được triển khai qua hai giai đoạn chính. Trong giai đoạn nghiên cứu sơ bộ, tác giả kết hợp phỏng vấn chuyên gia và khảo sát định lượng mẫu nhỏ nhằm hiệu chỉnh và kiểm tra độ tin cậy ban đầu của thang đo thông qua hệ số tải ngoài và Cronbach’s Alpha trên phần mềm SmartPLS, từ đó hoàn thiện bảng hỏi chính thức. Trong giai đoạn nghiên cứu chính thức, dữ liệu thu thập từ khách hàng quan tâm đến sản phẩm hữu cơ tại TP. Hồ Chí Minh thông qua phương pháp chọn mẫu phi xác suất thuận tiện. Tiến trình phân tích dữ liệu được thực hiện bằng kỹ thuật PLS-SEM trên phần mềm SmartPLS, bao gồm đánh giá mô hình đo lường và đánh giá mô hình cấu trúc gồm có kiểm tra đa cộng tuyến VIF, mức độ phù hợp mô hình SRMR, hệ số đường dẫn β qua kỹ thuật Bootstrapping, năng lực giải thích R2, kích thước tác động f² và năng lực dự báo Q², làm cơ sở lý luận cho việc thảo luận kết quả và đề xuất các hàm ý quản trị. Luận văn: PPNC Đến ứng dụng Blockchain đến ý định mua hàng.
XEM THÊM NỘI DUNG TIẾP THEO TẠI ĐÂY:
===>>> Luận văn: KQNC Đến ứng dụng Blockchain đến ý định mua hàng

Pingback: Luận văn: Ảnh hưởng ứng dụng Blockchain đến ý định mua hàng