Quy Trình Và Nội Dung Phân Tích Dữ Liệu Trong Nghiên Cứu Định Lượng


49

FP7

DN có vị thế cạnh tranh tốt hơn các ĐTCT


50

FP8

Nhìn chung DN hoạt động thành công hơn các

ĐTCT

VI.

Firm

QUY MÔ VÀ LOẠI HÌNH KINH DOANH CỦA DNBL


51

FirmAge

Số năm thành lập của DN

Kế thừa (Adapt) từ bộ thang đo của Danneels

(2008)

52

FirmSize

Quy mô của DN

53

FirmType

Loại hình kinh doanh của DN

Tác giả bổ sung

Có thể bạn quan tâm!

Xem toàn bộ 235 trang tài liệu này.

Nghiên cứu năng lực động của các doanh nghiệp bán lẻ Việt Nam - 11

Nguồn: Tác giả tự tổng hợp

(3) – Hoàn thiện và thiết kế phiếu khảo sát hoàn chỉnh. Dựa trên bảng hỏi đã được hiệu đính và chỉnh sửa, tác giả tiến hành thiết kế phiếu khảo sát hoàn chỉnh. Phiếu khảo sát được thiết kế gồm 03 phần nội dung chính. Trong đó:

Phần 1: Giới thiệu chung về mục đích, nội dung và người thực hiện khảo sát cũng như các chú giải cụ thể về cách thức hoàn thành bảng hỏi khảo sát.

Phần 2: Các nhận định của DN với vấn đề khảo sát: Người được khảo sát tiến hành nhận định các khía cạnh của DN mình về NL hấp thụ, NL đổi mới sáng tạo, NL xây dựng & phát triển thương hiệu, NL tích hợp đa kênh và kết quả hoạt động kinh doanh của DN bằng cách tích () hoặc (X) vào ô phù hợp tương ứng với lựa chọn theo thang đo Likert 5 mức, từ 1 đến 5 với ý nghĩa:

(1) – “Hoàn toàn không đồng ý với nhận định”

(2) – “Không đồng ý với nhận định”

(3) – “Không có ý kiến”

(4) – “Đồng ý với nhận định”

(5) – “Hoàn toàn đồng ý với nhận định”

Phần 3: Thông tin chung về DN: thời gian hoạt động của DN (số năm thành lập), quy mô của DN (số lượng lao động), loại hình kinh doanh của DN. Để trả lời những nội dung này, người được điều tra cung cấp các thông tin có liên quan bằn cách tích () hoặc (X) vào ô vuông tương ứng với lựa chọn cho DN của mình.

Chi tiết mẫu phiếu điều tra khảo sát được đính kèm ở Phụ lục 4.

3.3.2 Phương pháp chọn mẫu và thu thập dữ liệu

Đối tượng điều tra của đề tài là toàn bộ các doanh nghiệp bán lẻ Việt Nam. Do việc điều tra tổng thể rất tốn kém và bất khả thi nên nghiên cứu này sử dụng phương pháp điều tra chọn mẫu. Để lựa chọn mẫu nghiên cứu, trước hết tác giả tiến hành phân tầng các DNBLVN theo các tiêu chí về quy mô, số năm thành lập và loại hình kinh doanh của DNBL. Theo đó, các DN được chọn gồm những DN bán lẻ được thành lập tại Việt Nam và không bao gồm yếu tố nước ngoài (DNBL liên doanh hay DNBL đầu


tư trực tiếp nước ngoài); để đảm bảo mức độ bao phủ về quy mô, các DNBL được lựa chọn là những DNBL có địa điểm đăng ký kinh doanh tại ba thị trường trọng điểm Hà Nội, Đà Năng và thành phố Hồ Chí Minh. Đây cũng là ba thành phố lớn đại diện cho ba khu vực miền Bắc, miền Trung và miền Nam của Việt Nam. Ngoài ra, xét về loại hình kinh doanh, các DNBLVN được lựa chọn là những DNBL hiện có hoạt động kinh doanh tại Việt Nam tính đến thời điểm nghiên cứu và hoạt động theo một trong các hình thức siêu thị tổng hợp, siêu thị mini/ cửa hàng tiện lợi và siêu thị/ cửa hàng chuyên doanh. Cách thức lựa chọn các DNBL kinh doanh theo ba hình thức này được tác giả kế thừa từ cách thức chọn mẫu DNBL trong nghiên cứu của Wu & Nguyen (2019) với khách thể nghiên cứu là các DNBL của Việt Nam và Đài Loan. Căn cứ vào khái niệm và đặc điểm của DNBL được chỉ ra ở chương 2, với sản phẩm kinh doanh đa dạng và khác biệt rõ rệt về mục đích sử dụng, thời gian sử dụng, giá trị sản phẩm và cách thức vận hành DN, luận án giới hạn phạm vi chọn mẫu đối với các DNBLVN theo một trong ba hình thức trên và là những DNBL hoạt động kinh doanh trong các lĩnh vực hàng tiêu dùng: bán lẻ bách hóa và bán lẻ các sản phẩm thông thường phục vụ cho cá nhân và hộ gia đình. Ngoài ra, qua tìm hiểu cho thấy một số DNBLVN có quy mô lớn hiện đang đồng thời triển khai ở nhiều phân khúc bán lẻ, bao gồm cả hình thức siêu thị tổng hợp, siêu thị mini/ cửa hàng tiện lợi và siêu thị/cửa hàng chuyên doanh. Mỗi phân khúc mà các DN này hoạt động (mỗi đơn vị kinh doanh chiến lược - SBU) lại có vị thế cạnh tranh, đối thủ cạnh tranh khác nhau do sự tác động từ các yếu tố môi trường bên ngoài khác nhau. Do vậy, ở mỗi phân khúc này, các DN thiết lập ban quản trị và hệ thống vận hành riêng biệt. Xuất phát từ đặc điểm đó, đối với các DN Việt Nam hoạt động trên nhiều phân khúc bán lẻ khác nhau, nghiên cứu sẽ coi mỗi SBU như một mẫu nghiên cứu độc lập với các SBU còn lại trong DN.

Tiếp đến, tác giả lựa chọn tầng để phục vụ chọn mẫu là tầng của những DNBLVN đảm bảo đủ các tiêu chí như đề cập ở phần trên. Tại nhóm tầng này, để đảm bảo tính khách quan, tác giả thực hiện chọn mẫu ngẫu nhiên.

Bên cạnh đó, đề cập đến quy mô khảo sát đã có các nghiên cứu đưa ra những quan điểm khác nhau về yêu cầu số lượng mẫu. Theo Sekaran & Bougi (2010), số lượng đối tượng điều tra mục tiêu trong một nghiên cứu phải gấp ít nhất 10 lần so với số lượng biến có trong nghiên cứu đó. Hair & cộng sự (2014) lại đề xuất số lượng mẫu nên gấp tối thiểu năm lần so với số lượng biến được xác định trong mô hình nghiên cứu. Quan điểm của nhóm tác giả này cũng được củng cố bởi nhóm nghiên cứu Schreiber & cộng sự (2010), theo đó nhóm tác giả cho rằng quy mô mẫu khảo sát nên là 10 mẫu cho mỗi tham số ước tính. Xuất phát từ các quan điểm và các yêu cầu về quy mô mẫu ở trên, để đảm bảo thu thập được nguồn dữ liệu phong phú và


đầy đủ, nghiên cứu thực hiện thu thập dữ liệu từ 500 DNBLVN, với 01 nhà quản trị tại mỗi DN, như vậy tổng số lượng đối tượng tham gia khảo sát được kỳ vọng là 500 người.

Để xác định mẫu nghiên cứu, đầu tiên tác giả tiến hành tổng hợp và thu thập thông tin các DN bán lẻ được thành lập tại Việt Nam và hiện đang hoạt động kinh doanh tại Việt Nam thông qua các Niên giám thống kê các năm và Báo cáo tổng hợp ngành bán lẻ của Hiệp hội bán lẻ Việt Nam. Dựa trên Niên giám thống kê và Báo cáo tổng hợp ngành bán lẻ của Hiệp hội bán lẻ Việt Nam, tác giả xác định được quy mô tổng thể và lựa chọn các tiêu chí phân loại. Việc mô tả cụ thể về tổng thể mẫu sẽ được trình bày trong phần 4.1.1. Tiếp đến, tác giả tiến hành phân loại mẫu theo các tiêu chí được lựa chọn. Do mục tiêu nghiên cứu của đề tài là tìm ra mối quan hệ giữa nhóm năng lực động tổng quát với nhóm năng lực động cụ thể; và sự tác động của năng lực động đến kết quả hoạt động kinh doanh nên để đảm bảo đánh giá một cách khách quan và cụ thể về thực trạng của các DN, tác giả lựa chọn các DN bán lẻ đảm bảo các điều kiện sau: (1) – Có hoạt động kinh doanh trên thị trường ít nhất 03 năm kể từ thời điểm thu thập dữ liệu (năm 2020), tức là các DN có thể được lựa chọn trong mẫu nghiên cứu là các DN được thành lập và đi vào hoạt động chính thức từ năm 2017 trở về trước. (2)- Các DNBLVN là những DN được thành lập, đăng ký kinh doanh tại Việt Nam và không bao gồm yếu tố nước ngoài (DNBL liên doanh hay DNBL đầu tư trực tiếp nước ngoài). (3) – Các DNBLVN phải là những DN thương mại thuần túy, không thực hiện hoạt động sản xuất trực tiếp sản phẩm mà DN đó kinh doanh hoặc chào hàng trên thị trường. (4) – Phương thức bán lẻ của các DN phải thuộc một hay nhiều trong số các hình thức bán lẻ mà phạm vi nghiên cứu đã chỉ ra, đó là: bán lẻ theo hình thức siêu thị tổng hợp, siêu thị mini/ cửa hàng tiện lợi và siêu thị/ cửa hàng chuyên doanh.

Để lấy được thông tin và dữ liệu một cách chính xác và khách quan về thực trạng năng lực động cũng như kết quả hoạt động kinh doanh của các DN bán lẻ, nghiên cứu tiến hành phát bảng hỏi khảo sát đến đối tượng là các nhà quản trị cấp trung và/hoặc cấp cao trong DN. Nguyên nhân của việc lựa chọn các nhà quản trị từ cấp trung trở lên là: (1) – Các nhà quản trị cấp trung và cấp cao là những người trực tiếp chịu trách nhiệm chính cho kết quả hoạt động kinh doanh của DN; do vậy, họ là những người nắm rõ nhất thực trạng của DN cũng như kết quả hoạt động kinh doanh thực tế của DN như thế nào. (2) – Các nhà quản trị cấp trung và cấp cao là những người trực tiếp hoạch định và quản trị việc triển khai các chiến lược phát triển của DN để trên cơ sở đó các bộ phận cấp dưới đưa ra các chính sách cũng như các chiến thuật tác nghiệp nhằm hoàn thiện mục tiêu cũng như đạt được kết quả hoạt động kinh


doanh như kỳ vọng; vì vậy, việc điều tra khảo sát các nhà quản trị cấp trung cho phép tác giả có được những thông tin chính xác và có tính bao quát cao hơn. Ngoài ra, yếu tố về thời gian công tác/thời gian nắm giữ vị trí công tác đương nhiệm cũng ảnh hưởng lớn đến chất lượng điều tra khảo sát. Nhà quản trị càng có thâm niên nắm giữ vị trí công tác đương nhiệm càng lâu thì khả năng am hiểu về thực trạng DN cũng như những nhìn nhận, đánh giá về sự thay đổi của DN đó càng rõ ràng. Do vậy, để đảm bảo tính tin cậy của dữ liệu thu thập, tác giả chọn đối tượng điều tra của nhà quản trị trong DN là những nhà quản trị từ cấp trung trở lên và có thâm niên công tác ở vị trí đương nhiệm từ 01 năm trở lên.

Để thu thập dữ liệu, tác giả sử dụng cả hai phương pháp là tiếp cận trực tiếp và tiếp cận gián tiếp. Với hình thức tiếp cận gián tiếp, tác giả tiến hành gọi điện, gửi email mời trả lời câu hỏi. Khi được sự đồng ý trả lời của nhà quản trị, tác giả thực hiện gửi bảng hỏi qua đường bưu điện, hoặc qua email và thiết kế bảng hỏi qua googledocs rồi gửi đường link đến các nhà quản trị. Tác giả thực hiện việc gọi điện và gửi email nhắc nhở nhằm tăng tỷ lệ phản hồi và trả lời câu hỏi của các nhà quản trị. Tác giả dự định gửi đi 500 phiếu với kỳ vọng thu về được từ 220 trở lên, đáp ứng yêu cầu phục vụ cho phân tích.

3.3.3 Phương pháp phân tích dữ liệu

Dữ liệu sau khi thu thập sẽ được làm sạch và đưa vào xử lý, phân tích. Để đảm bảo tính chính xác và phù hợp của dữ liệu với mô hình nghiên cứu, nghiên cứu sử dụng mô hình cấu trúc tuyến tính SEM để phân tích dữ liệu.

Trong phân tích phương trình cấu trúc tuyến tính, có hai phương pháp SEM có thể được sử dụng, đó là SEM dựa trên hiệp phương sai (CB-SEM) và một phần nhỏ nhất SEM (PLS-SEM hay mô hình đường dẫn PLS). CB-SEM được sử dụng trong trường hợp nghiên cứu muốn xác nhận hoặc từ chối các mối quan hệ thông qua việc xem xét mô hình lý thuyết đề xuất có khả năng ước tính ma trận hiệp phương sai cho một tập dữ liệu mẫu hay không. Trong khi đó, PLS-SEM được sử dụng với mục đích khám phá và phát triển các lý thuyết thuộc nghiên cứu thăm dò thông qua tập trung vào việc giải thích phương sai của các biến phụ thuộc khi thực hiện kiểm định mô hình (Hair & cộng sự, 2014).

Trong nghiên cứu này, tác giả lựa chọn phương pháp PLS-SEM làm kỹ thuật phân tích dữ liệu chính cho nghiên cứu. Lý do tác giả lựa chọn PLS-SEM là:

Thứ nhất, mục tiêu của nghiên cứu là tìm ra mối liên hệ giữa nhóm năng lực động tổng quát với nhóm năng lực động cụ thể; và mối liên hệ của các yếu tố này đến kết quả hoạt động kinh doanh của DN. Bản chất của nghiên cứu là mở rộng lý thuyết về năng lực động và ảnh hưởng của năng lực động đến kết quả hoạt động kinh doanh


của các DN bán lẻ dựa trên phát triển lý thuyết RBV và lý thuyết về năng lực động từ các tiền nghiên cứu. Do vậy, kỹ thuật phân tích PLS-SEM thể hiện mức độ đáp ứng tốt hơn với nghiên cứu về phát triển lý thuyết (Hair & cộng sự, 2014).

Thứ hai, mô hình giả thuyết nghiên cứu tương đối phức tạp do có sự xuất hiện của biến bậc 2, biến trung gian, biến kiểm soát và các mối quan hệ trực tiếp và gián tiếp. Sử dụng kỹ thuật PLS-SEM cho phép đưa ra các dự đoán tốt hơn để giải thích cho các quan hệ mang tính độc lập và mối quan hệ nhân quả giữa các biến (Urbach & Ahlemann, 2010). Trong mô hình nghiên cứu này, có ba biến bậc 2 (bậc 2 construct) là biến “Năng lực hấp thụ”, “Năng lực đổi mới sáng tạo” và “Năng lực xây dựng & phát triển thương hiệu”. Trong đó, biến “Năng lực hấp thụ” được đo lưởng bởi bốn khía cạnh khác nhau; “Năng lực đổi mới sáng tạo” được đo lường bởi hai khía cạnh và “NL xây dựng & phát triển thương hiệu” được đo lường bởi ba khía cạnh. Do vậy, để đánh giá được sự ảnh hưởng của các biến độc lập với nhau cũng như sự ảnh hưởng đến biến phụ thuộc là kết quả hoạt động kinh doanh, tác giả thực hiện phương pháp phân tích biến bậc 2 (bậc 2 construct) (Hair & cộng sự, 2014).

Thứ ba, PLS-SEM là phương pháp phân tích được ưa thích sử dụng vì PLS- SEM cho phép tạo ra một ước lượng mạnh mẽ hơn cho mô hình nghiên cứu. Đặc biệt, PLS-SEM là một kỹ thuật phân tích hữu hiệu cho những mô hình nghiên cứu phức tạp với cỡ mẫu thu thập không lớn (Hair & cộng sự, 2014). Trong khi đó, nghiên cứu này sử dụng cỡ mẫu không quá lớn so với tổng thể nghiên cứu. Do đó, PLS-SEM được xem là kỹ thuật phân tích tối ưu với điều kiện nghiên cứu hiện tại.

3.3.4 Quy trình và nội dung phân tích dữ liệu trong nghiên cứu định lượng

Quy trình phân tích dữ liệu trong nghiên cứu định lượng được thực hiện với 3 bước như được đề cập trong hình 3.1:

Mã hóa dữ liệu và thống kê mô tả

Đánh giá mô hình đo lường

Đánh giá mô hình cấu trúc

Hình 3.1: Quy trình phân tích dữ liệu trong nghiên cứu định lượng

Nguồn: Tác giả tự tổng hợp

Nội dung các bước phân tích dữ liệu trong nghiên cứu định lượng được xác định như sau:

(1)- Mã hóa dữ liệu và thống kê mô tả: Đây là bước đầu tiên của quy trình phân tích dữ liệu trong nghiên cứu định lượng mã hóa dữ liệu và thực hiện thống kê mô tả đặc điểm của các mẫu nghiên cứu. Các dữ liệu được mã hóa theo các ký hiệu để tiện cho việc phân tích sau này. Tiếp đến, tác giả tiến hành thống kê mô tả đặc điểm của các mẫu nghiên cứu.


(2) – Đánh giá mô hình đo lường (Measurement model): Việc đánh giá mô hình đo lường dựa trên ba nhóm giá trị: độ tin cậy tổng hợp, giá trị hội tụ và giá trị phân biệt. Độ tin cậy của thang đo được xem là chỉ tiêu thể hiện mức độ đo lường của biến điều tra không bị sai số và kết quả khảo sát là chính xác, phù hợp với số liệu thực tế. Hệ số Cronbach’s Alpha được xem là một trong những chỉ tiêu phổ biến để đánh giá độ tin cậy. Bên cạnh đó, cần sử dụng thêm chỉ số về độ tin cậy tổng hợp CR (Composite Reliability) và tổng phương sai trích AVE (Average Variance Extracted) để đánh giá mức độ tin cậy của một biến quan sát (Hair & cộng sự, 2014). Do các biến tiềm ẩn trong mô hình nghiên cứu có đặc điểm là biến phản ánh (reflective construct) nên giá trị hội tụ của các thang đo trong biến phản ánh được đo lường dựa trên tiêu chuẩn chỉ số nhân tố bên ngoài (Outer-loading) và phương sai trích (Average Variance Extracted-AVE) (Hair & cộng sự, 2014). Để đạt yêu cầu về độ tin cậy, hệ số Cronbach’s Alpha phải đạt từ 0.7 trở lên, hệ số CR phải lớn hơn hoặc bằng 0.7 và hệ số Outer loading phải lớn hơn hoặc bằng 0.5 (Hulland & Bentler, 1999 trích dẫn trong Hair & cộng sự (2014). Những thang đo có hệ số tải nhỏ hơn 0.4 thì cần loại bỏ. Trường hợp hệ số tải nằm trong khoảng [0.4;0.7] thì có thể xem xét giữ lại nếu các chỉ số Cronbach’s Alpha và AVE đạt yêu cầu (Hair & cộng sự., 2014). Với ba biến bậc 2, là các biến NL hấp thụ (AC); NL đổi mới sáng tạo (IC) và NL xây dựng & phát triển thương hiệu (BC) nên để thực hiện được việc đo lường độ tin cậy tổng hợp thì trước hết tác giả tiến hành tính điểm cho các biến tiềm ẩn Latent Variable. Tiếp đến, thực hiện gắn nhãn cho các biến tiềm ẩn này vào các tên biến tương ứng với các biến bậc 2 là AC; IC; BC. Tác giả sử dụng các biến tiềm ẩn này để tiếp tục chạy phân tích mô hình SEM lần 2 và thu về kết quả đo lường độ tin cậy tổng hợp.

Tiếp đến, tác giả thực hiện đánh giá mức độ chính xác về giá trị phân biệt. Việc đo lường giá trị phân biệt giúp đảm bảo mức độ khác biệt cho phép, thể hiện việc không có mối tương quan giữa các yếu tố sử dụng để đo lường các nhân tố. Có hai phương pháp có thể sử dụng để đo lường mức độ chính xác về giá trị phân biệt, đó là sử dụng đánh giá theo cách tiếp cận truyền thống của Fornell & Larcker (1981) trích dẫn trong Nguyễn Minh Hà & Vũ Hữu Thành (2020) hoặc theo cách tiếp cận hiện đại của Henseler & cộng sự (2015). Theo cách tiếp cận truyền thống, để đo lường giá trị phân biệt thì căn bậc hai AVE của mỗi nhân tố đo lường phải lớn hơn hệ số liên hệ (Latent variable correlations) giữa nhân tố đó với các nhân tố khác. Tuy nhiên, Henseler & cộng sự (2015) lại đưa ra những bằng chứng thuyết phục cho thấy các phương pháp của Fornell & Larcker không thực sự đánh giá được mức độ chính xác về sự phân biệt của một thang đo. Do vậy, Henseler & cộng sự (2015) đã đưa ra một phương pháp đánh giá thay thế và được chấp nhận sử dụng rộng rãi trong các nghiên


cứu khoa học hiện đại, bằng cách sử dụng chỉ số HTMT (Chỉ số tương quan Heterotrait-Monotrait) (Nguyễn Minh Hà & Vũ Hữu Thành, 2020). Do những ưu thế về khả năng giải thích và mức độ chính xác cao hơn của chỉ số HTMT nên trong luận án này, tác giả sử dụng phương pháp đánh giá mức độ chính xác về sự phân biệt dựa trên chỉ số tương quan HTMT. Henseler & cộng sự (2015) chỉ rõ rằng nếu chỉ số HTMT của các tập chỉ báo <= 0.85 thì được coi là mô hình đạt được mức độ chính xác về sự phân biệt giữa các tập chỉ báo với nhau.

(3)- Đánh giá mô hình cấu trúc (Structural model): Sau khi hoàn thành đánh giá mô hình đo lường, nghiên cứu thực hiện đánh giá mô hình cấu trúc (Structural Model). Để đánh giá mô hình cấu trúc, nghiên cứu thực hiện kiểm định ước lượng Bootstrap được thực hiện. Bootstrap trong PLS được thực hiện bằng việc lấy mẫu để cho biết khoảng tin cậy cho tất cả các ước lượng tham số, xây dựng cơ sở để suy luận thống kê. Mẫu Bootstrap được tạo ra bằng cách vẽ ngẫu nhiên các tình huống có thể thay thế từ các mẫu ban đầu. Kỹ thuật PLS giúp ước lượng mô hình đường dẫn cho mỗi mẫu Bootstrapping (Hair & cộng sự, 2014). Việc thực hiện kiểm định Bootstrapping sẽ được thực hiện 02 lần. Ở lần Boostrapping đầu tiên, nghiên cứu thực hiện dò tìm hiện tượng đa cộng tuyến. Kiểm tra tình trạng đa cộng tuyến bằng việc kiểm tra hệ số phóng đại phương sai (variance inflaction factor – VIF); theo Henseler & cộng sự (2015), nếu VIF <=10 thì mô hình không có hiện tượng đa cộng tuyến. Do nghiên cứu tác giả sử dụng chỉ số HTMT để đo lường mức độ chính xác của sự phân biệt nên khi thực hiện Bootstrapping, cần lựa chọn ước lượng ở mức độ cao hơn - “Complete Bootstrapping” (Nguyễn Minh Hà & Vũ Hữu Thành, 2020).

Tiếp đến, tác giả tiến hành đánh giá sự phù hợp của mô hình bằng việc sử dụng chỉ số SRMR (Standardized Root Mean Square Residual). Chỉ số SRMR được coi là chỉ số giúp đo lường mức độ phù hợp của mô hình với thực tế nghiên cứu. Một mô hình được coi là phù hợp nếu chỉ số SRMR nhỏ hơn 0.08 hoặc 0.1 (Hulland & Bentler, 1999 trích dẫn trong Hair & cộng sự, 2014). Thêm vào đó, chỉ số SRMR cũng được coi là chỉ số “Goodness of Fit” của mô hình PLS-SEM vì SRMR giúp tránh hiện tượng sai lệch thông số trong mô hình (Hair & cộng sự, 2014).

Tiếp theo, thực hiện đánh giá chính thức mô hình cấu trúc. Để đo lường chính xác dự đoán của mô hình, tác giả sử dụng hệ số: f2 và Q2. Hệ số f2 được sử dụng để đánh giá mức độ giải thích của biến độc lập tới biến phụ thuộc; hệ số Q2 được sử dụng để đánh giá mức độ chính xác về dự báo. Theo Nguyễn Minh Hà & Vũ Hữu Thành (2020), hệ số f2 phải từ 0.02 trở lên thì biến độc lập đó mới có ý nghĩa giải thích cho biến phụ thuộc; hệ số Q2 cho biết mức độ chính xác về dự báo là thấp, trung bình hay cao nếu Q2 lần lượt đạt các trị số (0; 0.25]; (0.25; 0.5] và (0.5; 1.0]; hệ số R2


< 25% thì mức độ tác động yếu; [25%; 50%) thì mức độ tác động trung bình và [75%; 100%] thì mức độ tác động cao. Tiếp đến, tác giả thực hiện kiểm định giả thuyết nghiên cứu theo trình tự: (1)- Kiểm định giả thuyết tác động trực tiếp; (2)- Kiểm định giả thuyết tồn tại sự điều tiết trung gian của biến trung gian và (3)- Kiểm định tổng mức độ tác động giữa các biến.

Để kiểm định giả thuyết nghiên cứu về mối quan hệ tác động trực tiếp, tác giả thực hiện đánh giá giá trị hệ số đường dẫn (Path Coefficient, giá trị P-Value, T-Value, khoảng tin cậy CI (Confident Interval Bias Corrected) và R2adj để đánh giá mô hình cũng như kiểm định các giả thuyết nghiên cứu. Tiêu chuẩn kiểm định để khẳng định hay chấp nhận giả thuyết là mức độ tin cậy 95%, T-Value > 1.65; P-Value < 0.05, chỉ số CI không chứa giá trị “0” hoặc phải cùng âm hoặc cùng dương. Để lấy được kết quả kiểm định mối quan hệ trực tiếp, tác giả thực hiện thuật toán Boostrapping với số lượng mẫu phóng đại là 5000 và lựa chọn ước lượng kiểm định “one-tailed” để có được bảng giá trị tác động trực tiếp.

Tiếp theo, tác giả tiến hành kiểm định giả thuyết nghiên cứu sự điều tiết trung gian của hai biến trung gian là NL xây dựng & phát triển thương hiệu và NL tích hợp đa kênh. Để kiểm định giả thuyết nghiên cứu về mối quan hệ tác động gián tiếp thông qua biến trung gian, tác giả thực hiện đánh giá giá trị hệ số Specific Indirect Effects, giá trị P-Value, T-Value, khoảng tin cậy CI (Confident Interval Bias Corrected) và R2adj để đánh giá mô hình cũng như kiểm định các giả thuyết nghiên cứu. Tiêu chuẩn kiểm định để khẳng định hay chấp nhận giả thuyết là mức độ tin cậy 95%, T-Value

> 1.65; P-Value < 0.05, chỉ số CI không chứa giá trị “0” và phải cùng âm hoặc cùng dương. Để lấy được kết quả kiểm định mối quan hệ gián tiếp, tác giả thực hiện thuật toán Boostrapping với số lượng mẫu phóng đại là 5000 và lựa chọn ước lượng kiểm định “two-tailed” để có được bảng giá trị tác động gián tiếp.

Dựa trên kết quả đánh giá tác động trực tiếp và gián tiếp, tác giả thực hiện đánh giá tổng mức tác động giữa các biến. Theo Nguyễn Minh Hà & Vũ Hữu Thành (2020), việc đánh giá tổng mức tác động được thực hiện bằng việc cộng tất cả mức độ tác động (gồm cả trực tiếp và gián tiếp) nhằm xác định hệ số Beta tác động. Để kiểm định hệ số này, tác giả đọc bảng chỉ số “Total Effects”, giá trị P-Value, T-Value, khoảng tin cậy CI (Confident Interval Bias Corrected). Tiêu chuẩn kiểm định để xác định tổng mức độ tác động là hệ số Beta (dấu dương biểu thị tác động cùng chiều, dấu âm biểu thị tác động ngược chiều), mức độ tin cậy 95%, T-Value > 1.65; P-Value

< 0.05, chỉ số CI không chứa giá trị “0” và phải cùng âm hoặc cùng dương.

Cuối cùng, kiểm tra hệ số xác định R2 và R2adj để xem xét mức độ giải thích mức độ phương sai của biến nội sinh được giải thích bởi các biến ngoại sinh (Hair &

..... Xem trang tiếp theo?
⇦ Trang trước - Trang tiếp theo ⇨

Ngày đăng: 23/02/2024