Luận văn: PPNC Đến mua sắm người tiêu dùng trong thương mại

Đánh giá post

Chia sẻ chuyên mục Đề Tài Luận văn: PPNC Đến mua sắm người tiêu dùng trong thương mại 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: Hành vi mua sắm của người tiêu dùng trong thương mại trực tiếp ứng dụng trí tuệ nhân tạo tại TP. HCM dưới đây chắc chắn sẽ giúp cho các bạn học viên có cái nhìn tổng quan hơn về đề tài sắp đến.

Chương 3 sẽ trình bày tổng quan về quy trình nghiên cứu và phương pháp nghiên cứu. Chương này cũng sẽ xây dựng và phát triển thang đo dựa trên cơ sở lý thuyết và các nghiên cứu liên quan.

3.1. Quy trình nghiên cứu

Trong bối cảnh mới, nghiên cứu trong luận văn này được chia thành hai giai đoạn nghiên cứu hai giai đoạn là nghiên cứu sơ bộ và chính thức (J. H. Hair và cộng sự, 2022). Tác giả đề xuất quy trình nghiên cứu như Hình 3.1 để đạt được kết quả nghiên cứu đã đề ra.

  • Hình 3.1. Quy trình nghiên cứu

Trong bối cảnh thương mại livestream ứng dụng trí tuệ nhân tạo ngày càng phổ biến, đặc biệt với sự xuất hiện của người phát trực tiếp ảo trong các phiên bán hàng trực tuyến, tác giả nhận thấy sự cần thiết phải áp dụng một chiến lược nghiên cứu linh hoạt và toàn diện. Sự lan rộng nhanh chóng của công nghệ AI trong lĩnh vực thương mại điện tử đã và đang tái định hình cách thức người tiêu dùng tiếp nhận thông tin, tương tác với người bán và đưa ra quyết định mua hàng, đặt ra yêu cầu cấp thiết về việc hiểu sâu hơn các cơ chế tâm lý và hành vi đằng sau quá trình đó.

Chính vì vậy, phương pháp hỗn hợp kết hợp giữa định tính và định lượng được lựa chọn như một hướng tiếp cận tối ưu, vừa cho phép khám phá chiều sâu của các hiện tượng nghiên cứu thông qua giai đoạn định tính, vừa đảm bảo tính kiểm chứng và khái quát hóa thông qua phân tích định lượng. Quy trình nghiên cứu được triển khai tuần tự qua các bước cụ thể như sau:

Bước 1. Xác định vấn đề nghiên cứu: sự bùng nổ của thương mại điện tử kéo theo sự ra đời của mô hình livestream tích hợp trí tuệ nhân tạo, trong đó người phát trực tiếp ảo ngày càng được ứng dụng rộng rãi như một giải pháp nâng cao hiệu quả bán hàng. Tuy nhiên, việc thay thế người dẫn chương trình thật bằng nhân vật ảo cũng đặt ra nhiều băn khoăn về mức độ tin tưởng, kết nối cảm xúc và sự sẵn sàng chấp nhận công nghệ từ phía người tiêu dùng. Xuất phát từ thực tiễn đó, nghiên cứu hướng đến việc làm rõ những nhân tố nào chi phối ý định sử dụng nền tảng VLS cũng như hành vi mua sắm của người dùng, đồng thời đánh giá mức độ tác động của từng nhân tố trong bối cảnh cụ thể tại TP.HCM. Để xây dựng nền tảng lý luận vững chắc, tác giả tiến hành tổng quan các công trình nghiên cứu liên quan, đặc biệt tập trung vào các lý thuyết nền tảng như TAM và UTAUT, cũng như các nghiên cứu thực nghiệm về thương mại livestream, nhằm hình thành khung mô hình phù hợp và lựa chọn bộ thang đo ban đầu cho các khái niệm trong mô hình. Luận văn: PPNC Đến mua sắm người tiêu dùng trong thương mại.

Bước 2. Nghiên cứu sơ bộ: Giai đoạn này được triển khai theo hai hướng song song, kết hợp giữa tiếp cận định tính và định lượng trên quy mô mẫu nhỏ. Ở hướng định tính, tác giả tổ chức các buổi phỏng vấn chuyên sâu với chuyên gia trong lĩnh vực và một số người tiêu dùng có kinh nghiệm sử dụng nền tảng phát trực tiếp ứng dụng trí tuệ nhân tạo, nhằm đánh giá tính rõ ràng và mức độ phù hợp của bộ thang đo đề xuất với bối cảnh nghiên cứu. Dựa trên kết quả thu được, tác giả hoàn thiện bảng câu hỏi sơ bộ và tiến hành thu thập dữ liệu theo phương pháp chọn mẫu thuận tiện. Dữ liệu sau đó được xử lý nhằm kiểm tra tính ổn định ban đầu của thang đo thông qua hai chỉ số chính là hệ số tải ngoài (outer loadings) và Cronbach’s Alpha bằng phần mềm SmartPLS. Căn cứ vào kết quả phân tích, tác giả tiến hành rà soát, điều chỉnh và hoàn thiện bộ thang đo, loại bỏ những biến quan sát không đạt yêu cầu hoặc bổ sung thêm các biến còn thiếu, tạo tiền đề vững chắc cho giai đoạn nghiên cứu chính thức tiếp theo.

Bước 3. Nghiên cứu chính thức: kế thừa kết quả từ giai đoạn sơ bộ, tác giả triển khai nghiên cứu định lượng chính thức với bộ thang đo đã được kiểm chứng và hoàn thiện. Dữ liệu được thu thập trực tiếp từ người tiêu dùng tại TP.HCM thông qua bảng câu hỏi khảo sát, sau đó trải qua quá trình làm sạch và chuẩn hóa trước khi đưa vào phân tích. Quá trình phân tích được thực hiện theo hai tầng. Ở tầng thứ nhất, tác giả đánh giá chất lượng mô hình đo lường thông qua ba tiêu chí gồm độ tin cậy, giá trị hội tụ và giá trị phân biệt, nhằm đảm bảo các thang đo phản ánh chính xác các khái niệm nghiên cứu. Ở tầng thứ hai, mô hình cấu trúc được kiểm định bằng phần mềm SmartPLS, cho phép đánh giá mức độ và chiều hướng tác động của các nhân tố tâm lý gồm nhận thức rủi ro, ảnh hưởng xã hội, tự hài lòng và tính tương thích, cùng các biến trung gian là nhận thức dễ sử dụng và nhận thức tính hữu ích, đến ý định sử dụng và hành vi mua sắm trong môi trường thương mại livestream ứng dụng trí tuệ nhân tạo.

Bước 4. Thảo luận kết quả và kết luận: trên cơ sở kết quả phân tích định lượng thu được, tác giả tiến hành đối chiếu với các công trình nghiên cứu liên quan đã được công bố trước đó, nhằm làm nổi bật những điểm tương đồng cũng như các phát hiện mới mà nghiên cứu này đóng góp thêm vào kho tri thức hiện có. Từ những phát hiện đó, tác giả lý giải ý nghĩa học thuật của các kết quả trong việc mở rộng và bổ sung lý thuyết chấp nhận công nghệ, đồng thời rút ra những gợi ý thiết thực dành cho doanh nghiệp, nhà quản trị nền tảng và người bán hàng trong việc xây dựng và vận hành chiến lược livestream ứng dụng trí tuệ nhân tạo một cách hiệu quả hơn. Phần cuối của nghiên cứu tổng hợp các kết luận chủ yếu, làm rõ những đóng góp cả về mặt lý thuyết lẫn ứng dụng thực tiễn của luận văn, đồng thời thẳng thắn nhìn nhận các giới hạn còn tồn tại và phác thảo những hướng nghiên cứu tiếp theo có thể khai thác trong tương lai.

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

3.2.1. Nghiên cứu sơ bộ

Nghiên cứu sơ bộ được xem là giai đoạn khởi đầu của quá trình nghiên cứu, nhằm khám phá, rà soát và điều chỉnh các thang đo của những khái niệm nghiên cứu cho phù hợp với bối cảnh nghiên cứu. Giai đoạn này được thực hiện thông qua hai bước chính, bao gồm nghiên cứu định tính và nghiên cứu định lượng sơ bộ.

3.2.1.1. Nghiên cứu định tính

Nghiên cứu định tính giúp tiếp cận sâu hơn bản chất của các biến trong mô hình lý thuyết, qua đó làm rõ ý nghĩa, vai trò cũng như mối quan hệ giữa các biến nghiên cứu (Creswell và cộng sự, 2017).Thông qua các phương pháp như phỏng vấn chuyên sâu (Rubin và cộng sự, 2011) và thảo luận nhóm (Krueger, 2015), nghiên cứu định tính mang lại những dữ liệu sâu sắc và đa dạng, góp phần lý giải cách thức các biến tác động và tương tác lẫn nhau trong bối cảnh nghiên cứu cụ thể. Quá trình này không chỉ hỗ trợ việc nhận diện và sàng lọc những biến số có ý nghĩa, mà còn giúp nhận diện các liên kết tiềm ẩn giữa các khái niệm, làm nền tảng cho việc xây dựng và hoàn thiện mô hình nghiên cứu phù hợp với thực tiễn (Yin, 2018). Do đó, trọng tâm của nghiên cứu định tính là rà soát, hiệu chỉnh và làm rõ các mối liên hệ giữa các biến trong mô hình nghiên cứu được đề xuất dựa trên tổng quan tài liệu.

Trong nghiên cứu này, tác giả tiến hành nghiên cứu định tính thông qua phương pháp phỏng vấn chuyên sâu với các chuyên gia có kinh nghiệm và am hiểu về lĩnh vực mua sắm trên sàn thương mại trực tiếp. Các buổi phỏng vấn được tiến hành trực tiếp theo dạng bán cấu trúc và được tiếp tục cho đến khi không xuất hiện thêm thông tin hay yếu tố mới. Nội dung phỏng vấn tập trung vào quyết định và hành động mua sắm của người dùng cùng những yếu tố khả năng tác động đến ý định này. Theo kết quả thu được, tác giả tiếp tục thực hiện các cuộc phỏng vấn có cấu trúc với những đối tượng có kinh nghiệm mua sắm nhằm kiểm tra mức độ dễ hiểu của các câu hỏi, cũng như đánh giá tính phân biệt và logic của các biến, từ đó điều chỉnh những thuật ngữ hoặc nội dung chưa phù hợp trước khi xây dựng thang đo chính thức.

3.2.1.2. Nghiên cứu định lượng sơ bộ Luận văn: PPNC Đến mua sắm người tiêu dùng trong thương mại.

Nghiên cứu định lượng sơ bộ với kích thước mẫu nhỏ được triển khai ở giai đoạn tiếp theo nhằm kiểm tra sơ bộ chất lượng các chỉ báo đo lường đại diện cho khái niệm tiềm ẩn, thông qua việc xem xét tính ổn định, giá trị hội tụ và độ phân biệt của bộ công cụ đo lường. Trên cơ sở kết quả thu được, thang đo sẽ được hiệu chỉnh và hoàn thiện trước khi đưa vào giai đoạn chính thức.

Dữ liệu được thu thập bằng bảng câu hỏi định lượng theo phương pháp chọn mẫu thuận tiện, hướng đến những cá nhân đã hoặc đang có hành vi mua sắm trên các nền tảng thương mại trực tiếp ứng dụng trí tuệ nhân tạo. Hoạt động khảo sát được tiến hành tại các trường đại học và các cơ quan trên địa bàn TP. HCM. Theo Hair và cộng sự (2022), ngưỡng mẫu tối thiểu để đảm bảo tính tin cậy của thang đo là 50 quan sát, với quy mô lý tưởng khoảng 100 quan sát. Vì vậy, nghiên cứu xác định ngưỡng tối thiểu là 100 phiếu khảo sát hợp lệ.

Chất lượng thang đo được kiểm tra thông qua hai chỉ số chính. Thứ nhất, hệ số tải ngoài (outer loadings) phản ánh mức độ đóng góp của từng biến quan sát vào nhân tố tiềm ẩn tương ứng. Theo Hair và cộng sự (2022), hệ số tải ngoài cần vượt ngưỡng 0,7 để đảm bảo ý nghĩa đo lường; các biến có giá trị dưới 0,4 được xem là không đáp ứng yêu cầu và nên loại khỏi mô hình, trong khi các trường hợp nằm giữa hai ngưỡng này cần được cân nhắc dựa trên đặc điểm của từng bối cảnh nghiên cứu.

Thứ hai, Cronbach’s Alpha được vận dụng để kiểm tra mức độ đồng nhất bên trong của thang đo. Chỉ số này dao động trong khoảng từ 0 đến 1, giá trị càng tiệm cận 1 thì độ tin cậy càng cao; ngưỡng chấp nhận tối thiểu là 0,7 biệt (Hair và cộng sự, 2019). Tuy nhiên, nếu Cronbach’s Alpha vượt ngưỡng 0,95 thì nguy cơ các biến quan sát bị trùng lặp nội dung cần được xem xét, đòi hỏi phải rà soát và điều chỉnh lại nội dung thang đo để đảm bảo tính phân biệt giữa các biến..

3.2.2. Nghiên cứu chính thức Luận văn: PPNC Đến mua sắm người tiêu dùng trong thương mại.

Nghiên cứu chính thức là giai đoạn cuối cùng của quá trình nghiên cứu, được thực hiện nhằm kiểm định mô hình nghiên cứu, cấu trúc của mô hình lý thuyết như các giả thuyết đã đề ra. Trên cơ sở các kết quả phân tích thu được, tác giả tiến hành so sánh, đối chiếu với những nghiên cứu trước đó, từ đó rút ra kết luận và đề xuất các hàm ý quản trị phù hợp.

3.2.2.1 Phương pháp thực hiện nghiên cứu chính thức

Mục tiêu nghiên cứu chính thức là kiểm tra các giả thuyết nghiên cứu và đánh giá mối quan hệ giữa các biến số thông qua việc thu thập và phân tích dữ liệu một cách có hệ thống. Để thực hiện mục đích, tác giả đã thực hiện phương pháp này qua các bước gồm thiết kế mẫu nghiên cứu, thu thập dữ liệu và phân tích dữ liệu. Sau khi phân tích dữ liệu nghiên cứu, trên cơ sở kết quả đã đạt được của các nghiên cứu có liên quan, tác giả dùng các phương pháp so sánh, đối chiếu. Từ đó, tác giả đưa ra những kiến nghị, hàm ý quản trị phù hợp.

3.2.2.2. Thiết kế mẫu nghiên cứu

Nghiên cứu được thiết kế theo cấu trúc định lượng, kết hợp giữa phương pháp mô tả (descriptive research) và phương pháp giải thích (explanatory research). Thông qua việc thu thập dữ liệu bằng bảng câu hỏi, tác giả tiến hành phác họa các đặc tính nhân khẩu học và đo lường thái độ của đối tượng khảo sát trên cơ sở thang đo Likert 5 mức độ. Cách tiếp cận này không chỉ giúp khái quát hóa bức tranh tổng thể về dữ liệu mà còn là cơ sở lý luận để phân tích về các mối quan hệ ảnh hưởng, từ đó đề xuất các hàm ý quản trị thiết thực và có giá trị khoa học. Luận văn: PPNC Đến mua sắm người tiêu dùng trong thương mại.

3.2.2.3. Phân tích dữ liệu

Đối với đối tượng khảo sát, nghiên cứu được thực hiện đối với các cá nhân là sinh viên, học viên và nhân viên văn phòng công tác tại các trường đại học và công ty trên địa bàn TP.HCM, những người đã từng mua sắm trên các nền tảng thương mại điện tử và thương mại trực tiếp ứng dụng trí tuệ nhân tạo. Đối tượng khảo sát được lựa chọn dựa trên các tiêu chí bao gồm: đã hoặc đang sử dụng các nền tảng thương mại điện tử; đã từng hoặc đang tham gia các phiên thương mại trực tiếp có ứng dụng trí tuệ nhân tạo; và đã từng hoặc đang có ý định hoặc hành vi mua sắm trong quá trình thương mại trực tuyến được tổng hợp qua excel.

Đối với kích thước mẫu, nghiên cứu tham khảo gợi ý của Liu và các cộng sự (2025), kích thước mẫu tối thiểu trong nghiên cứu PLS-SEM được xác định theo nguyên tắc 10 quan sát cho một biến quan sát, hoặc tối thiểu bằng 10 lần số đường dẫn tác động hướng vào một biến tiềm ẩn có nhiều mối quan hệ nhất trong mô hình. Căn cứ vào mô hình nghiên cứu đề xuất gồm 7 biến tiềm ẩn với tổng cộng 20 biến quan sát, kích thước mẫu tối thiểu theo nguyên tắc số biến quan sát là 300 quan sát. Tuy nhiên, xét theo nguyên tắc số đường dẫn, biến nhận thức hữu ích là biến có số đường dẫn tác động nhiều nhất với 5 đường dẫn, do đó kích thước mẫu tối thiểu theo tiêu chí này là 50 quan sát. Theo Liu và cộng sự (2025), đối với các mô hình mang tính nguyên nhân – hệ quả, kích thước mẫu có thể được lựa chọn dựa trên giá trị tối thiểu trong hai tiêu chí trên. Vì vậy, kích thước mẫu tối thiểu được xác định cho nghiên cứu này là 50 quan sát.

Cuối cùng, về khung lấy mẫu và phương pháp chọn mẫu, do những hạn chế về thời gian và nguồn lực, tác giả không thể tiến hành khảo sát trên toàn bộ các trường đại học và công ty tại khu vực Thành phố Hồ Chí Minh, do đó phương pháp chọn mẫu thuận tiện được áp dụng. Phương pháp này cho phép tác giả lựa chọn các đối tượng khảo sát mà mình có khả năng tiếp cận trực tiếp. Việc thu thập dữ liệu được thực hiện thông qua hai hình thức là khảo sát trực tiếp và khảo sát trực tuyến. Khảo sát trực tiếp được tiến hành tại các trường đại học mà tác giả có điều kiện tiếp cận. Đối với khảo sát trực tuyến, nghiên cứu kết hợp phương pháp chọn mẫu thuận tiện và phương pháp quả cầu tuyết, trong đó bảng câu hỏi khảo sát được gửi thông qua email, mạng xã hội và các nền tảng nhắn tin, đồng thời nhờ những người tham gia khảo sát giới thiệu thêm đối tượng phù hợp để mở rộng phạm vi thu thập dữ liệu. Luận văn: PPNC Đến mua sắm người tiêu dùng trong thương mại.

Sau khi khảo sát dữ liệu, tác giả tiến hành thao tác chuẩn bị dữ liệu để phân tích bao gồm mã hóa dữ liệu, nhập liệu và làm sạch dữ liệu. Trong luận văn này, tác giả thực hiện theo trình tự là đánh giá mô hình đo lường và đánh giá mô hình cấu trúc. Về đánh giá mô hình đo lường, tác giả thực hiện các bước như đánh giá độ tin cậy, đánh giá độ hội tụ và đánh giá tính phân biệt. Về đánh giá mô hình cấu trúc, tác giả thực hiện đánh giá gồm đánh giá hiện tượng đa cộng tiến, đánh giá mô hình cấu trúc tuyến tính (trong đó đánh giá mức ý nghĩa thống kê và sự liên quan của các mối quan hệ trong mô hình cấu trúc), đánh giá vai trò giải thích của biến độc lập và biến phụ thuộc, đánh giá năng lực dự báo của mô hình, đánh giá hiệu quả tác động của biến độc lập đến biến phụ thuộc.

A. Đánh giá mô hình đo lường

Mô hình đo lường trong nghiên cứu được đánh giá thông qua ba nội dung chính, bao gồm đánh giá độ tin cậy, đánh giá độ hội tụ và đánh giá độ phân biệt của các thang đo. Việc đánh giá được thực hiện dựa trên các tiêu chí và ngưỡng đề xuất trong các nghiên cứu trước đây, đặc biệt là các hướng dẫn của Hair và cộng sự.

Đánh giá mô hình đo lường: Mô hình đo lường trong nghiên cứu được đánh giá thông qua ba nội dung chính, bao gồm đánh giá độ tin cậy, đánh giá độ hội tụ và đánh giá độ phân biệt của các thang đo. Việc đánh giá được thực hiện dựa trên các tiêu chí và ngưỡng đề xuất trong các nghiên cứu trước đây, đặc biệt là các hướng dẫn của Hair và cộng sự.

Đánh giá độ tin cậy: Để đánh giá độ tin cậy của thang đo, tác giả xem xét ba chỉ số, bao gồm hệ số tải ngoài (Outer loadings), hệ số Cronbach’s Alpha và độ tin cậy tổng hợp (Composite Reliability – CR). Việc đánh giá hệ số tải ngoài và hệ số Cronbach’s Alpha được thực hiện tương tự như trong giai đoạn phân tích định lượng sơ bộ. Theo Hair và cộng sự (2019), một thang đo được xem là đạt độ tin cậy tổng hợp cao khi hệ số CR có giá trị từ 0,7 trở lên, phản ánh mức độ nhất quán nội tại giữa các biến quan sát trong cùng một thang đo. Các chỉ số này cho phép đánh giá mức độ ổn định của thang đo cũng như khả năng đo lường nhất quán của các khái niệm tiềm ẩn trong mô hình nghiên cứu này.

Đánh giá độ hội tụ: Đánh giá độ hội tụ của thang đo được thực hiện thông qua chỉ số phương sai trích trung bình (Average Variance Extracted – AVE). Theo Hair và cộng sự (2022), chỉ số AVE thể hiện tỷ lệ phương sai của các biến quan sát được khái niệm tiềm ẩn giải thích so với tổng phương sai (bao gồm cả sai số đo lường). Nói một cách khác, AVE cho biết mức độ các biến quan sát cùng phản ánh chung một khái niệm nghiên cứu, đồng thời thể hiện sự nhất quán trong cách thức đo lường khái niệm đó. Khi chỉ số AVE dao động từ 0,5 trở lên, thang đo được xem là đảm bảo giá trị hội tụ (Hair và cộng sự, 2019). Điều này cho thấy các khái niệm nghiên cứu có khả năng giải thích trên 50% phương sai của các biến quan sát, qua đó khẳng định rằng các biến quan sát thực sự phản ánh bản chất của khái niệm tiềm ẩn và có mức độ tương quan chặt chẽ với nhau. Ngược lại, nếu AVE không đạt ngưỡng này, mô hình đo lường có thể tồn tại nhiều sai số hơn so với phương sai được giải thích bởi các khái niệm nghiên cứu. Luận văn: PPNC Đến mua sắm người tiêu dùng trong thương mại.

Đánh giá độ phân biệt: Mục tiêu của việc đánh giá độ phân biệt là xác định mức độ khác biệt giữa các cấu trúc trong mô hình nghiên cứu. Trong nghiên cứu này, độ phân biệt của thang đo được đánh giá thông qua hai tiêu chí, bao gồm tiêu chí Fornell–Larcker và chỉ số Heterotrait–Monotrait (HTMT). Theo tiêu chuẩn Fornell – Larcker, giá trị phân biệt được đảm bảo nếu căn bậc hai của AVE của mỗi nhân tố lớn hơn các hệ số tương quan giữa nhân tố đó với các nhân tố còn lại trong mô hình (Fornell và cộng sự, 1981). Tuy nhiên, các công trình gần đây chỉ ra rằng tiêu chí này có thể chưa đủ nhạy để phát hiện vấn đề về tính phân biệt, vì vậy nên sử dụng bổ sung chỉ số HTMT (J. Hair và cộng sự, 2022). Nếu chỉ số HTMT của một cặp biến nhỏ hơn 0,85, cặp biến đó đạt được giá trị phân biệt; nếu chỉ số HTMT nằm trong khoảng từ 0,85 đến dưới 0,9, cặp biến được xem là chấp nhận được về mặt phân biệt; và nếu HTMT lớn hơn hoặc bằng 0,9, cặp biến không đạt được giá trị phân biệt, cho thấy sự tương đồng cao và cần xem xét điều chỉnh mô hình đo lường hoặc thu thập lại dữ liệu (Henseler và cộng sự, 2013). Bên cạnh đó, ngưỡng HTMT < 0,85 được xem là tiêu chuẩn nghiêm ngặt để đảm bảo giá trị phân biệt giữa các cấu trúc trong mô hình (Kline, 2023).

B. Đánh giá mô hình cấu trúc

  • Đánh giá hiện tượng đa cộng tuyến

Đa cộng tuyến xuất hiện trong mô hình hồi quy khi có mối liên hệ tuyến tính giữa các biến độc lập, làm cho các biến này không hoàn toàn độc lập với nhau, từ đó gây trở ngại cho việc ước lượng chính xác các tham số của mô hình. Theo Hair và cộng sự (2022), mức độ đa cộng tuyến cao giữa các biến chỉ báo nguyên nhân có thể tác động đến việc ước lượng các trọng số và làm sai lệch ý nghĩa thống kê của các mối quan hệ trong mô hình cấu trúc. Để đánh giá hiện tượng đa cộng tuyến, nghiên cứu sử dụng chỉ số VIF (Variance Inflation Factor), là chỉ số thường được áp dụng để kiểm tra mức độ đa cộng tuyến giữa các biến độc lập (Hair và cộng sự, 2021). Theo Becker và cộng sự (2015), khi giá trị VIF lớn hơn 5, hiện tượng đa cộng tuyến được xem là nghiêm trọng; trong khi đó, nếu VIF nằm trong khoảng từ 3 đến 5, hiện tượng đa cộng tuyến vẫn có thể tồn tại ở mức độ nhất định. Hair và cộng sự (2022) khuyến nghị rằng để tránh hiện tượng đa cộng tuyến trong mô hình PLS-SEM, giá trị VIF nên nhỏ hơn hoặc bằng 3. Trong trường hợp xuất hiện đa cộng tuyến cao (VIF ≥ 5), tác giả phải cần xem xét loại bỏ hoặc điều chỉnh các biến chỉ báo tương ứng nhằm đảm bảo độ ổn định của mô hình.

  • Đánh giá mô hình cấu trúc tuyến tính Luận văn: PPNC Đến mua sắm người tiêu dùng trong thương mại.

Để đánh giá chất lượng mô hình nghiên cứu và kiểm định các giả thuyết được đề xuất, luận văn sử dụng phương pháp mô hình phương trình cấu trúc bình phương nhỏ nhất từng phần (Partial Least Squares Structural Equation Modeling – PLS-SEM) với 5.000 mẫu bootstrap, được thực hiện bằng phần mềm SmartPLS. Sau khi tiến hành phân tích PLS-SEM, kết quả cho phép ước lượng các mối quan hệ giữa các biến trong mô hình cấu trúc. Các hệ số đường dẫn chuẩn hóa có giá trị nằm trong khoảng từ –1 đến +1, phản ánh chiều hướng và mức độ tác động giữa các biến tiềm ẩn. Để đánh giá ý nghĩa thống kê của các mối quan hệ, nghiên cứu sử dụng giá trị xác suất (p-value). Theo Vinzi và cộng sự (2010), giá trị p phụ thuộc vào sai số chuẩn của các hệ số đường dẫn khi thực hiện phương pháp bootstrapping. Mức ý nghĩa thống kê được các nhà nghiên cứu khuyến nghị là 5% (Vinzi, 2010). Khi p-value nhỏ hơn 0,05, có thể kết luận rằng mối quan hệ được xem xét có ý nghĩa thống kê ở mức 5%.

  • Đánh giá mức độ giải thích của biến độc lập đối với biến phụ thuộc

Để đánh giá các biến độc lập giải thích được bao nhiêu phần trăm sự thay đổi của biến phụ thuộc, nghiên cứu sử dụng hệ số R². Nói một cách dễ hiểu, R² thể hiện mức độ mà mô hình nghiên cứu có thể giải thích được hành vi của người tiêu dùng. Giá trị R² nằm trong khoảng từ 0 đến 1, giá trị càng tiến gần 1 thì khả năng giải thích của mô hình càng cao. Tuy nhiên, trong các nghiên cứu về hành vi người tiêu dùng, giá trị R² từ 0,10 trở lên vẫn được chấp nhận (Raithel và cộng sự, 2012), bởi hành vi con người thường chịu ảnh hưởng của nhiều yếu tố phức tạp, khó có thể đo lường toàn diện chỉ bằng một mô hình đơn lẻ.

  • Đánh giá năng lực dự báo ngoài mẫu của mô hình:

Để đánh giá năng lực dự báo ngoài mẫu của mô hình nghiên cứu, luận văn sử dụng hệ số Q² theo đề xuất của Geisser (1974) và Stone (1974). Chỉ số Q² phản ánh khả năng dự báo của mô hình đối với dữ liệu chưa được quan sát, qua đó đánh giá chất lượng tổng thể của mô hình cấu trúc. Theo Tenenhaus và cộng sự (2005), khi các cấu trúc nội sinh trong mô hình đều có giá trị Q² lớn hơn 0, mô hình cấu trúc tổng thể được xem là đạt chất lượng dự báo. Hair và cộng sự (2019) đề xuất phân loại mức độ năng lực dự báo của mô hình dựa trên giá trị Q², bao gồm dự báo chính xác mức thấp, trung bình và cao. Kết quả đánh giá năng lực dự báo ngoài mẫu của mô hình được tổng hợp và trình bày chi tiết tại Bảng 1.

  • Bảng 3.1. Đánh giá năng lực dự báo ngoài mẫu của mô hình

Để đo lường mức độ tác động riêng lẻ của từng yếu tố trong mô hình, nghiên cứu sử dụng hệ số f² (effect size). Nói một cách dễ hiểu, hệ số này trả lời câu hỏi: nếu loại bỏ một biến độc lập ra khỏi mô hình thì khả năng giải thích tổng thể của mô hình thay đổi như thế nào? Biến nào khi bị loại bỏ khiến mô hình giải thích kém đi đáng kể thì biến đó được xem là có tác động lớn, và ngược lại, biến nào ít ảnh hưởng đến khả năng giải thích thì tác động của nó được xem là nhỏ hoặc không đáng kể.

Điểm đặc biệt của hệ số f² là nó phản ánh mức độ ảnh hưởng độc lập của từng biến, tức là tách riêng đóng góp của biến đó mà không bị ảnh hưởng bởi các biến khác trong mô hình. Điều này giúp nhà nghiên cứu so sánh một cách công bằng mức độ quan trọng của từng yếu tố đối với biến phụ thuộc. Luận văn: PPNC Đến mua sắm người tiêu dùng trong thương mại.

Mức độ tác động của từng biến độc lập trong mô hình được đánh giá theo bốn cấp độ khác nhau (J Cohen, 1988). Khi hệ số f² có giá trị dưới 0,02, tác động của biến đó được xem là không đáng kể và gần như không ảnh hưởng đến biến phụ thuộc. Khi f² nằm trong khoảng từ 0,02 đến dưới 0,15, tác động được xem là ở mức yếu, tức là biến đó có ảnh hưởng nhất định nhưng chưa thực sự nổi bật. Khi f² đạt từ 0,15 đến dưới 0,35, tác động ở mức trung bình, phản ánh sự đóng góp tương đối rõ ràng của biến độc lập đối với biến phụ thuộc. Khi f² vượt ngưỡng 0,35, tác động được xem là mạnh, cho thấy biến đó có vai trò quan trọng và đóng góp đáng kể vào khả năng giải thích của mô hình. Kết quả phân tích được trình bày cụ thể tại Bảng 3.2.

  • Bảng 3.2. Đánh giá hiệu quả tác động của biến độc lập đến biến phụ thuộc

3.2.2.4. Xây dựng thang đo

Dựa trên tổng quan tài liệu và kết quả nghiên cứu sơ bộ, tác giả tổng hợp thang đo chính thức thể hiện tại Bảng 3, bao gồm các yếu tố trong mô hình nghiên cứu, số lượng biến quan sát và nguồn tham chiếu tương ứng.

  • Bảng 3.3. Bảng kết quả tổng hợp

Dựa vào kết quả tổng hợp từ các công trình có liên quan, tác giả thực hiện dịch và tạo thành thang đo nháp. Thang đo nháp được thể hiện tại Phụ lục 3. Với bối cảnh thương mại trực tiếp hiện tại, tác giả hiệu chỉnh lại từ ngữ phù hợp trong bối cảnh và thể hiện tổng hợp tại Phụ lục 4. Qua phỏng vấn của các chuyên gia và đối tượng phỏng vấn, tác giả tổng hợp thành thang đo sơ bộ thể hiện tại Phụ lục 5. Sau khi đánh giá định lượng sơ bộ, kết quả cho thấy các phát biểu phù hợp với mô hình nghiên cứu. Từ đó, tác giả tổng hợp thang đo chính thức thể hiện tại Bảng 4.

  • Bảng 3.4. Bảng kết quả thang đo tổng hợp chính thức

3.3. Tóm tắt chương 3

Chương 3 đã mô tả quy trình và phương pháp nghiên cứu được triển khai qua hai giai đoạn chính. Ở giai đoạn sơ bộ, tác giả đã kết hợp phỏng vấn với các chuyên gia cùng khảo sát định lượng mẫu nhỏ để hiệu chỉnh và kiểm tra độ tin cậy ban đầu của thang đo thông qua hệ số tải ngoài và Cronbach’s Alpha bằng SmartPLS, từ đó hoàn thiện bộ thang đo chính thức. Ở giai đoạn chính thức, dữ liệu được thu thập tại TP. HCM theo phương pháp chọn mẫu thuận tiện kết hợp, sau đó phân tích bằng PLS-SEM với SmartPLS. Quá trình phân tích bao gồm đánh giá mô hình đo lường về độ tin cậy, hội tụ và phân biệt, cũng như đánh giá mô hình cấu trúc thông qua các chỉ số VIF, hệ số đường dẫn, R², Q² và f², làm cơ sở kiểm định các giả thuyết cũng như đề xuất hàm ý học thuật lẫn quản trị. Luận văn: PPNC Đến mua sắm người tiêu dùng trong thương mại.

XEM THÊM NỘI DUNG TIẾP THEO TẠI ĐÂY:  

===>>> Luận văn: KQNC Đến mua sắm người tiêu dùng trong thương mại

0 0 đánh giá
Article Rating
Theo dõi
Thông báo của
guest
1 Comment
Cũ nhất
Mới nhất Được bỏ phiếu nhiều nhất
trackback

[…] ===>>> Luận văn: PPNC Đến mua sắm người tiêu dùng trong thương mại […]

Contact Me on Zalo
0877682993
1
0
Rất thích suy nghĩ của bạn, hãy bình luận.x