Đặc Điểm Nhân Khẩu Học, Kinh Nghiệm Sử Dụng Internet Và Tần Suất Truy Cập

Bảng 3.3. So sánh hệ số liên hệ giữa các nhân tố và căn bậc 2 AVE của mỗi nhân tố
	EPEO	EPU	ESER	FPEO	FPU	FSER	SGEN	SPEO	SPU	SSER
EPEO	0,815
EPU	0,495	0,851
ESER	0,491	0,445	0,875
FPEO	0,646	0,456	0,531	0,894
FPU	0,465	0,578	0,418	0,688	0,901
FSER	0,390	0,442	0,608	0,599	0,688	0,893
SGEN	0,421	0,451	0,506	0,575	0,580	0,714	1,000
SPEO	0,460	0,360	0,510	0,610	0,619	0,684	0,725	1,000
SPU	0,486	0,322	0,422	0,546	0,552	0,575	0,688	0,725	1,000
SSER	0,398	0,417	0,482	0,521	0,534	0,731	0,828	0,633	0,631	1,000

Có thể bạn quan tâm!

Xem toàn bộ 147 trang tài liệu này.

(3) độ giá trị hội tụ (convergence validity): độ giá trị hội tụ được sử dụng để đánh giá sự ổn định của thang đo. Theo Fornell và Larcker (1981), AVE lớn hơn mức 0,5 sẽ khẳng định được độ giá trị hội tụ là đáng tin cậy [46]. Hệ số tải của mỗi biến quan sát lên nhân tố lớn hơn hoặc bằng 0,7 và có ý nghĩa là bằng chứng về độ giá trị tin cậy của các thang đo nhân tố [52]. Kết quả về hệ số tải của các biến được thể hiện trong Bảng 3.4 cùng với các giá trị về Cronbach’s α, CR, và AVE.

3.1.3.2. Biến kiểm soát của mô hình

Để đơn giản hóa mô hình, các biến kiểm soát được tiến hành kiểm tra trước xem ý nghĩa thống kê và khả năng tác động của các biến tới mức độ hài lòng tổng thể và các biến khác trong mô hình thông qua phần mềm SPSS 17.0.

Các biến kiểm soát bao gồm:

- Tuổi

- Giới tính

- Thời gian sử dụng Internet

- Tần suất truy cập vào các trang web C2C

- Sự thành công của giao dịch

- Giá trị của sản phẩm/dịch vụ giao dịch

Trong số các biến kiểm soát nói trên, chỉ có duy nhất ‘Sự thành công của giao dịch’ là có ý nghĩa thống kê với sig. (2-tailed) <0,05. Các biến kiểm soát còn lại có sig. (2-tailed) đều >0,05 với giá trị lần lượt là tuổi (0,200), giới tính (0,418), thời gian sử dụng Internet (0,087), tần suất truy cập website C2C (0,199), giá trị của sản phẩm/dịch vụ giao dịch (0,800).

Vì vậy, luận án tiến hành kiểm định mô hình với 1 biến kiểm soát duy nhất là ‘sự thành công của giao dịch’.

3.1.4. Công cụ phân tích

Luận án sử dụng mô hình tính toán cấu trúc (SEM – Structural Equation Modeling), là một trong những kỹ thuật nghiên cứu mạnh nhất hiện nay được ứng dụng trong rất nhiều lĩnh vực nghiên cứu như sinh học, kinh tế học, giáo dục, marketing, quản lý, hoá học.., nhờ tính linh hoạt của nó, đặc biệt đối với việc (i) Mô hình hóa mối quan hệ giữa các biến độc lập và phụ thuộc; (ii) Xây dựng các biến ẩn trung gian (iii) Mô hình hoá các sai lệch khi đo lường các biến quan sát, và (iv) Kiểm định việc đo lường và mô hình được xây dựng thông qua dữ liệu thu thập được [38]. Luận án sử dụng phần mềm phân tích thống kê bình phương tối thiểu từng phần PLS (partial least square) là một công cụ dựa trên SEM nhưng có những đặc điểm phù hợp như: không dựa trên giả định phân phối chuẩn, có thể sử dụng linh hoạt với mẫu nhỏ [40].

Bởi lẽ cỡ mẫu của nghiên cứu là 118 là tương đối nhỏ với những phương pháp thống kê và hồi qui nên có thể không chính xác để dự đoán t-value cho các quan hệ trong mô hình của luận án. Vì vậy, luận án sử dụng phương pháp lấy mẫu có hoàn lại (bootstrapping) để dự đoán. Bootstrap là tập hợp một số kỹ thuật phân tích dựa vào nguyên lý chọn mẫu có hoàn lại (sampling with replacement) để ước tính các thông số mà thống kê thông thường không giải được. Phuơng pháp Bootstrap do nhà thống kê học Bradley Efron thuộc đại học Stanford (Mĩ) phát triển từ cuối thập niên 1979. Trong thực tế, từ một mẫu ta chỉ có thể có được một số trung bình của mẫu, ta không biết được khoảng tin cậy cho số trung bình này hoặc không biết được phân bố của số trung bình ra sao. Thêm vào đó thực tế ta không biết được hàm phân bố của tổng thể nên việc ước lượng các tham số đặc trưng thống kê rất khó khăn và thiếu chính xác. Phương pháp Bootstrap có thể cung cấp nhiều thông tin chi tiết hơn hơn về phân bố của số trung bình, khoảng tin cậy cũng như xác suất của số trung bình dựa trên một mẫu duy nhất. Sử dụng Bootstrap method, ta không cần biết phân phối thực sự của tổng thể (thực tế rất khó biết), chỉ với một mẫu dữ liệu ban đầu, thông qua phương pháp lấy mẫu có hoàn lại, ta có thể sinh ra nhiều mẫu mới theo yêu cầu nghiên cứu, từ đó ta có thể ước lượng được các tham số đặc trưng của nghiên cứu thống kê như (khoảng tin cậy, phương sai, độ lệch chuẩn,…). Phương pháp này sử dụng cách tiếp cận không dựa trên quan hệ tương tác giữa các biến, các nhân tố để dự đoán độ chính xác của các mối quan hệ trong PLS [29]. Với phương pháp này, có thể coi mẫu thu hồi được như một tổng thể, N mẫu con trong tổng thể được tạo ra bằng phương pháp lấy mẫu với sự thay thế của các giá trị quan sát trong cỡ mẫu N ban đầu (trong nghiên cứu N=118). Sau đó, các mối liên hệ bắt đầu được dự đoán cho mỗi mẫu mới được tạo ra. Phân phối các dự đoán từ M mẫu được tạo ra để tính t-value của mối quan hệ. Luận án sử dụng M bootstrapping lần lượt là 200, 500 và 1000 đều cho kết quả tương tự nhau. Những kết quả ở Chương 3 được trích ra từ M bootstrapping = 500. Để kiểm định mô hình với PLS, luận án sử dụng phần mềm SmartPLS 2.0, cho phép thực hiện 2 việc: dự đoán mối quan hệ và bootstrapping [89].

3.2. Kết quả phân tích mô hình nghiên cứu

3.2.1. Đặc điểm nhân khẩu học, kinh nghiệm sử dụng Internet và tần suất truy cập website C2C

Kết quả thống kê các đặc điểm về nhân khẩu học, kinh nghiệm sử dụng và tần suất truy cập website C2C của mẫu nghiên cứu thể hiện trong Bảng 3.4

Bảng 3.4. Đặc điểm của mẫu nghiên cứu (n=118)

Đặc điểm nhân khẩu học

Số lượng	Phần trăm	Cộng dồn
Giới tính
Nam	62	52,5	52,5
Nữ	56	47,5	100
Tuổi
< 20	14	11,9	11,9
20-29	73	61,8	73,7
>30	31	26,3	100
Kinh nghiệm sử dụng Internet
Dưới 1 năm	4	3,4	3,4
Từ 1 – dưới 5 năm	23	19,5	22,9
Từ 5 – dưới 10 năm	49	41,5	64,4
Trên 10 năm	42	35,6	100
Tần suất truy cập vào các trang C2C
Ít nhất 1 lần/ngày	36	30,5	30,5
Ít nhất 1 lần/tuần	19	16,1	46,6
Khi có nhu cầu cần mua/bán	63	53,4	100

Từ bảng mô tả nói trên, có thể rút ra một số đặc điểm về mẫu nghiên cứu như

- Có sự tương đối cân bằng về giới tính của đối tượng tham gia khảo sát (Nam/ Nữ tương ứng 52,5% / 47,5%).

- Đối tượng tham gia kháo sát đa phần là còn trẻ với độ tuổi từ 15-29 chiếm gần 74%. Trong đó, số lượng thuộc nhóm trẻ tiên phong (từ 20-29 tuổi - có khả năng ra quyết định chính hoặc ảnh hưởng lớn đến quyết định của người khác) chiếm 61,8%, dưới 20 tuổi chiếm 11,9%); trên 35 tuổi chiếm 26,3%.

- Đa phần có kinh nghiệm sử dụng Internet lâu năm (trên 10 năm: 35,6%; từ 5-dưới 10 năm: 41,5%; từ 1-dưới 5 năm: 19,5%; dưới 1 năm: 3,4%).

- Đa phần đối tượng tham gia khảo sát chủ yếu sử dụng dịch vụ C2C khi có nhu cầu cần mua/bán (53,4%). Tuy nhiên số người có tần suất thường xuyên sử dụng dịch vụ C2C cũng có tỷ lệ khá cao: 1 lần/tuần (16,1%), 1 lần/ngày (30,5%).

Như vậy, những đặc điểm về giới tính, độ tuổi là khá tương đồng với những đặc điểm của nhóm tuổi trẻ (tuổi từ 15-29) sử dụng Internet nhiều nhất hiện nay ở Việt Nam. Nếu xem xét đánh giá của Alexa về đối tượng thường xuyên tìm kiếm, truy cập các trang web C2C trong danh sách 100 website đứng đầu Việt Nam và chính các website được liệt kê đánh giá trong khảo sát của luận án thì phần đông vẫn rơi vào nhóm tuổi từ 15-29.

Mẫu nghiên cứu của luận án cho thấy nhóm tuổi từ 29 trở xuống chiếm tỷ lệ cao với 73,7 % tổng thể mẫu. Mẫu nghiên cứu có sự trùng khớp về nhóm độ tuổi sử dụng Internet nhiều nhất. Vì vậy có thể đảm bảo tính đại diện cho nhóm những người đang sử dụng Internet nói chung và đang là đối tượng sử dụng dịch vụ C2C nhiều nhất tại Việt Nam nói riêng.

3.2.2. Sản phẩm/ dịch vụ và các trang web C2C giao dịch phổ biến

3.2.2.1. Sản phẩm/ dịch vụ giao dịch phổ biến

Thống kê các sản phẩm/ dịch vụ mà khách hàng thực hiện giao dịch gần đây nhất qua các trang mạng C2C (có thể lựa chọn nhiều hơn 1 loại sản phẩm) được thể hiện trong Bảng 3.5 sau đây:

Bảng 3.5. Sản phẩm/dịch vụ giao dịch phổ biến qua mạng C2C

Stt

Sản phẩm/dịch vụ	Số lượng	Tỷ lệ %
1	Hàng điện tử	45	23,9
2	Đồ gia dụng	22	11,7
3	Quần áo	66	35,1
4	Đồ lưu niệm	13	6,9
5	Mỹ phẩm/ trang sức	21	11,2
6	Khác	21	11,2
	Tổng cộng	188	100

Như vậy, quần áo là loại sản phẩm giao dịch phổ biến nhất qua trang mạng C2C (35,1%), tiếp đến là các loại sản phẩm như hàng điện tử (23,9%), đồ gia dụng (11,7%), mỹ phẩm/trang sức (11,2%), đồ lưu niệm (6,9%).

Các sản phẩm/ dịch vụ khác mà khách hàng liệt kê ra ngoài các sản phẩm nói trên bao gồm: phiếu ăn uống giảm giá, sách giấy và sách điện tử, dịch vụ spa, tài liệu điện tử, thực phẩm cho trẻ em, dụng cụ thể thao, đồ chơi, xe máy, giầy dép, đồ cổ.

Như vậy, có thể thấy qua loại hình C2C, hàng hóa chủ yếu được mua bán là các loại sản phẩm hữu hình có tính thông dụng. Những sản phẩm này có thể có tính chất tương đồng như trong giao dịch qua loại hình B2C nhưng vẫn được khách hàng lựa chọn mua qua loại hình C2C.

3.2.2.2. Các trang web C2C giao dịch phổ biến

Các trang web C2C giao dịch phổ biến được các đối tượng khảo sát liệt kê ra trên cơ sở câu hỏi là trang web giao dịch gần đây nhất được thống kê lại thành 39 trang web như trong Bảng 3.6:

Bảng 3.6. Các trang web C2C giao dịch phổ biến
Trang web	Lượt	%	Thứ hạng Alexa tại Việt Nam	Trang web	Lượt	%	Thứ hạng Alexa tại Việt Nam	Trang web	Lượt	%	Thứ hạng Alexa tại Việt Nam
enbac.com	34	28,8	38	tinhte.vn	1	0,8	14	vndoan.com	1	0,8	417
muare.vn	11	9,3	33	yume.vn	1	0,8	95	vinabook.com	1	0,8	789
5giay.vn	9	7,6	23	i-eWorld .com.vn	1	0,8	x	Hotdeal.vn	1	0,8	47
Lamchame .com	7	5,9	37	Hanghieunhat .com	1	0,8	x	Rongbay.com	1	0,8	58
vatgia.com	6	5,1	13	aha.vn	1	0,8	1274	strawberrynet.c om	1	0,8	x
muachung.vn	4	3,4	45	alezaa.com	1	0,8	2758	netbuy.com .vn	1	0,8	x
raovat.net	4	3,4	580	Nhommua .com	1	0,8	46	solo.vn	1	0,8	338
webtretho.vn	4	3,4	27	Vozforums .com	1	0,8	49	123mua.vn	1	0,8	111
chodientu.vn	4	3,4	57	Raovatdidong .vn	1	0,8	x	s-u-j-u.net	1	0,8	x
muaban. net	3	2,5	86	hdforum.com .vn	1	0,8	x	hotdeal.vn	1	0,8	47
Webgiaydep .com	2	1,7	X	rongbay.com	1	0,8	58	voz.vn	1	0,8	1114
Phomuaban .com	2	1,7	299	Vietnamgolf .vn	1	0,8	x	yes24.vn	1	0,8	53
muaban24.vn	2	1,7	1245	Hnammobile .com	1	0,8	334	muabannhadat. com.vn	1	0,8	76

x: Chưa đăng ký xếp hạng Alexa tại Việt Nam

Nhìn chung, các trang web mà đối tượng khảo sát tiến hành giao dịch gần đây nhất là tương đối đa dạng. Phổ biến nhất vẫn là những trang web như enbac.com (28,8%), muare.vn (9,3%), 5giay.vn (7,6%), lamchame.com (5,9%), vatgia.com (5,1%). Có thể nhận thấy ngay đây là những trang web đã phát triển có chiều sâu, được Alexa xếp thứ hạng trong nhóm 100 website có lượng truy cập hàng

đầu Việt Nam. Bên cạnh đó, cũng có thể thấy các trang web này không chỉ bao gồm các trang đấu giá mà còn có thể là những trang web cho phép người mua, người bán gặp nhau trên cơ sở nhu cầu; hoặc cũng có thể là những trang web dưới hình thức các diễn đàn với nội dung chuyên sâu về một lĩnh vực nhưng vẫn cho phép người mua, người bán tìm được đến nhau.

Sự đa dạng của các trang web được đối tượng sử dụng để đánh giá đảm bảo tính đại diện cho những nhận định về các website C2C tại Việt Nam nói chung, với 19/39 trang nằm trong danh sách 100 website hàng đầu Việt Nam được Alexa xếp hạng; và số lượt đánh giá về các website này chiếm 92/118 lượt (tương đương khoảng 78%). Nếu tính trong danh sách 500 trang được xếp hạng hàng đầu Việt Nam thì số lượng trang web trong khảo sát chiếm 26/39 trang; và số lượt đánh giá về các website này chiếm 98/118 lượt (tương đương khoảng 83%).

3.2.2.3. Giá trị của sản phẩm/dịch vụ giao dịch phổ biển

Trong tổng số 118 người trả lời, có 9 người đánh giá về website C2C gần nhất mà họ sử dụng nhưng hoạt động giao dịch đó không thành công, 109 người mua sản phẩm thành công qua website gần nhất mà họ đánh giá.

Thống kê về giá trị của sản phẩm/dịch vụ mà khách hàng giao dịch qua loại hình C2C được thể hiện trong Bảng 3.7:

Bảng 3.7. Giá trị của giao dịch qua loại hình C2C

Giá trị giao dịch

Tần suất	Tỷ lệ %	% cộng dồn
Dưới 1 triệu đồng	61	51,7	51,7
Từ 1 đến dưới 5 triệu đồng	36	30,5	82,2
Từ 5 đến dưới 10 triệu đồng	9	7,6	89,8
Trên 10 triệu đồng	12	10,2	100