Mô Hình Và Các Giả Thuyết Nghiên Cứu Đối Với Đánh Giá Danh Tiếng Cra Và Hành

2006). Các sản phẩm, dịch vụ, thương hiệu và công ty là thành phần chính của một cá nhân bản sắc xã hội và để tự giới thiệu và tự xác định được bản thân của tổ chức trong thị trường thì họ cần tạo ra hoặc dựa trên đặc tính dễ nhận dạng của một tổ chức khác (Kleine, Klein, & Keman (1993); Underwood, Bond & Baer (2001)). Do đó, khách hàng tổ chức cũng có nhu cầu tự định nghĩa và có thể thể hiện bản thân thông qua việc phát triển các mối quan hệ được xã hội công nhận. Với việc sử dụng các dịch vụ XHTN thì khả năng tận dụng được danh tiếng của các CRA đó để khiến cho các chủ thể khác công nhận định vị, nhận dạng của tổ chức cũng là một động lực để họ cân nhắc thực hiện giao dịch với CRA.

Tác động nhận dạng của khách hàng đến hành vi dự định: Với các thị trường hoạt động dựa trên danh tiếng (tương tự như kiểm toán, bảo lãnh, XHTN…) thì các nhà nghiên cứu đã chỉ ra việc được nhận dạng tốt sẽ hình thành nên số lượng lớn khách hàng mà không phụ thuộc vào khu vực địa lý, quy mô hoạt động và sẽ tạo nên sự tin tưởng lớn để có thể trở thành ngưỡng mộ đối với tổ chức. Từ đó, kéo theo việc sẽ tác động đến việc sẵn sàng mua hàng, mua hàng với giá cao cũng như thời gian gắn bó sử dụng dịch vụ, sản phẩm (Algesheimer, Dholakia & Herrmann, 2005). Dựa trên lý thuyết về danh tiếng, Bhattacharya và Sen (2003) đề xuất rằng một số mối quan hệ khách hàng mạnh mẽ xảy ra khi khách hàng xác định rằng công ty sẽ đáp ứng một hoặc nhiều nhu cầu tự định vị của họ. Tiền đề cơ bản là mọi người thường muốn khẳng định bản sắc, hình ảnh và thông tin tốt về bản thân mình dựa trên các bản sắc của tổ chức danh tiếng trên thị trường (Brewer (1991), Scott & Lane (2000)). Một công ty có nhận dạng khách hàng cao có thể có lợi nhờ việc sẽ có nhiều khách hàng mới dễ dàng chấp nhận sử dụng sản phẩm, dịch vụ của họ, sự trung thành của khách hàng hiện tại đối với các sản phẩm hiện có, sẵn sàng dùng thử sản phẩm mới, truyền bá tích cực đến các khách hàng khác và khả năng phục hồi với các thông tin tiêu cực liên quan đến công ty (Bhattacharya & Sen, 2003).

H3a: Danh tiếng tốt có tác động làm tăng sự nhận dạng của khách hàng đối với CRA doanh nghiệp

H3b: Nhận dạng của khách hàng tốt sẽ tác động làm tăng dự định chấp nhận trả phí của khách hàng đối với CRA doanh nghiệp

H3c: Nhận dạng của khách hàng tốt sẽ tác động làm tăng dự định trả phí cao hơn của khách hàng đối với CRA doanh nghiệp

- Tác động từ cam kết của khách hàng

Theo Hennig-Thurau, Gwinner và Gremler (2002) thì cam kết là một trong những khái niệm quan trọng trong nghiên cứu các mối quan hệ của tổ chức với khách hàng của mình, nếu đã có tin tưởng vào danh tiếng uy tín của đối tác thì họ mới có thể tiến đến cam kết hoạt động với nhau hoặc kéo dài hơn nữa mối quan hệ hiện tại. Cam kết là việc một tổ chức đưa ra mong muốn duy trì mối quan hệ liên tục, lâu dài và có giá trị với tổ chức khác (Moorman, Zaltman & Deshpande, 1992; Morgan & Hunt, 1994). Berry và Parasuraman (1991) gợi ý rằng trong việc phát triển hoạt động của tổ chức thì mối quan hệ sẽ được xây dựng trên cơ sở cam kết lẫn nhau. Đồng thời, cam kết của khách hàng là một sẵn sàng trao đổi đối tác để duy trì lâu dài quan trọng mối quan hệ giữa khách hàng và tổ chức cung cấp (Garbarino & Johnson (1999), Hennig-Thurau, Gwinner và Gremler (2002)). Cam kết và tin tưởng là yếu tố trung tâm góp phần hình thành mối quan hệ thành công là động lực thúc đẩy hành vi hợp tác và tạo ra kết quả thúc đẩy hiệu quả, năng suất và hiệu quả trong quá trình thực hiện hành vi của tổ chức (Morgan & Hunt, 1994).

Theo Garbarino & Johnson (1999) và Morgan & Hunt (1994) để xây dựng mối quan hệ khách hàng lâu dài thì cam kết của khách hàng là điều kiện tiên quyết. Mặc dù có những lợi ích từ việc nhận dạng và niềm tin của khách hàng và vai trò quan trọng của hai yếu tố đó trong việc xây dựng và duy trì cam kết, nhưng rất ít nghiên cứu chứng minh được điều đó (Cardador & Pratt, 2006).

Keh & Xie (2009) đã đưa ra giả thuyết tồn tại sự tác động của nhận dạng và niềm tin đến cam kết của khách hàng đối với cam kết, tuy nhiên kết quả cuối cùng đưa ra là các giả thuyết này không được chấp nhận. Do đó, mô hình sẽ đưa thêm yếu tố cam kết nhưng chỉ trong việc đánh giá tác động đến dự định chấp nhận trả phí của khách hàng đối với CRA doanh nghiệp mà không có các mối quan hệ với nhân tố khác.

H4: Cam kết tốt có tác động làm tăng hành vi hành vi của khách hàng đối với CRA doanh nghiệp

Quản trị (Gorvernance)

H1d (+)

Có thể bạn quan tâm!

Xem toàn bộ 335 trang tài liệu này.

H2c (+)

Dự định trả phí

(Purchase intention)

Cam kết (Commitment)

Thanh toán cao hơn (Price Premium)

H3c (+)

Sản phẩm (Product)

Nhận dạng

(Identification)

Đổi mới (Innovation)

Phương pháp (Methodology)

Danh tiếng (Reputation)

Độc lập

(Independence)

Lãnh đạo (Leadership)

Hiệu quả

(Performance)

Niềm tin

(Trust)

H2d (+)

Nguồn: Tác giả tổng hợp và đề xuất

Hình 3.4. Mô hình và các giả thuyết nghiên cứu đối với đánh giá danh tiếng CRA và hành vi dự định sử dụng XHTNDN có trả phí của các doanh nghiệp Việt Nam

3.3. SỐ LIỆU VÀ MẪU NGHIÊN CỨU

3.3.1. Xác định tổng thể nghiên cứu và mẫu nghiên cứu

Với các cá nhân tại Việt Nam, nghiên cứu xem xét các đối tượng khảo sát là cá nhân bao gồm nhà đầu tư, chuyên viên phân tích, nhà nghiên cứu, giảng dạy, lãnh đạo doanh nghiệp tại Việt Nam. Đây là tổng thể nghiên cứu rất rộng, nên để giới hạn

phạm vi, phù hợp với khả năng thực hiện khảo sát thì các cá nhân tại TP.HCM, Hà Nội, Đà Nẵng và Cần Thơ được lựa chọn. Phạm vi này đảm bảo sự đồng nhất vì đó đều là các thành phố lớn, có nền kinh tế phát triển, là khu vực quan trọng không chỉ trong khu vực mà cả nền kinh tế, tại đây tập trung các nhà đầu tư, nghiên cứu có trình độ cao và tiết kiệm thời gian, chi phí cho quá trình khảo sát (The Asia Foundation, 2013; ). Do giới hạn về khả năng tiếp cận, dữ liệu về thông tin các nhà đầu tư cá nhân được dựa trên cơ sở dữ liệu cung cấp từ Vietstock, E-panel Việt Nam và khảo sát thuận tiện của tác giả.

Với các doanh nghiệp tại Việt Nam, đây cũng là là tổng thể nghiên cứu rất rộng và thực sự rất khó khăn để có thể tiếp cận và ghi nhận ý kiến của họ. Nên để giới hạn phạm vi, nghiên cứu sử dụng các thông tin được cung cấp từ dữ liệu hiện có của tổ chức Vietstock và tác giả tự thu thập, sau đó lựa chọn các nhà lãnh đạo của doanh nghiệp phù hợp để gửi đi bản câu hỏi. Dữ liệu thu thập có thông tin liên hệ của 341 đại diện các doanh nghiệp. Do cần thu thập ý kiến của các doanh nghiệp phi tài chính nên các đại diện của doanh nghiệp thuộc ngành tài chính, ngân hàng, bảo hiểm và các doanh nghiệp có liên quan nhiều đến ngành nghề đó sẽ bị loại bỏ. Kết quả còn lại 266 mẫu đại diện doanh nghiệp có thể sử dụng.

Các bên tham gia khảo sát được lựa chọn theo phương pháp thuận tiện trong do sự khó khăn trong tiếp cận đối tượng khảo sát. Tác giả thực hiện gửi email thư mời cùng bản câu hỏi đến các cá nhân, họ được thông báo rõ ràng về mục đích khảo sát và chấp thuận tham gia bằng cách trả lời bản câu hỏi hoặc từ chối bằng cách đơn giản là bỏ qua thư mời tham gia đó. Để đánh giá được chính xác và khách quan, các ý kiến của đại diện doanh nghiệp Việt Nam đưa ra trong phần trả lời bản câu hỏi là dựa trên đánh giá về DCRA duy nhất đang được cấp phép tại Việt Nam là PTR. Các thông tin về PTR được thể hiện trong bản câu hỏi và được lấy trực tiếp từ công bố của PTR trên website của họ, bao gồm tất cả các thông tin về sản phẩm xếp hạng, đội ngũ lãnh đạo, quản trị, kết quả hoạt động, phương pháp xếp hạng được công bố, mức phí xếp hạng, các nguyên tắc về tính độc lập trong xếp hạng… Người trả lời có thể kiểm chứng thông tin đó và dựa trên hiểu biết, kinh nghiệm và quan điểm của mình để đưa ra các lựa chọn phù hợp nhất trong câu trả lời.

Nghiên cứu này có sử dụng phân tích nhân tố để xem xét tính tin cậy và khả năng liên hệ lý thuyết nên Hatcher (1994) cho rằng số quan sát nên lớn hơn 5 lần số biến, hoặc là bằng 100. Đề tài sử dụng mô hình cấu trúc (SEM) với phương pháp ước lượng ML, theo Hair và ctg (1998) cần tối thiểu 100-150 quan sát. Để đảm bảo điều kiện cỡ mẫu trong nghiên cứu, tất cả các doanh nghiệp, cá nhân có thông tin đều được gửi khảo sát. 266 bản câu hỏi đã được tác giả thực hiện gửi đi thu thập thông tin đối với khách hàng doanh nghiệp và 650 bản câu hỏi đối với các cá nhân.

3.3.2. Thu thập số liệu và đặc điểm mẫu nghiên cứu

Các bản câu hỏi được xây dựng qua các bước khảo sát thăm dò/hỏi ý kiến chuyên gia và điều chỉnh trước khi khảo sát chính thức (Chi tiết trong Phụ lục 1 và Phụ lục 3).

Đối với các cá nhân, tác giả đã khảo sát trực tiếp và gián tiếp thông qua 650 bản câu hỏi. Sau các đợt khảo sát đã nhận được 470 bản trả lời, tỷ lệ trả lời là 55,29%. Sau khi tác giả xử lý bằng cách loại bỏ các bản có câu hỏi bị bỏ trống, câu trả lời không thực tế, bản trả lời không hợp lệ… còn lại 285 bản trả lời có thể sử dụng phân tích, đây là cỡ mẫu đủ để có thể chấp nhận thực hiện nghiên cứu theo yêu cầu đặt ra.

Đối với các doanh nghiệp, các đại diện doanh nghiệp được gửi email thư mời cùng bản câu hỏi, họ được thông báo rõ ràng về mục đích khảo sát và chấp thuận tham gia bằng cách trả lời bản câu hỏi và gửi phản hồi về hoặc từ chối bằng cách đơn giản là bỏ qua thư mời tham gia đó. Sau các đợt khảo sát, với các dữ kiện cung cấp công tin được bổ sung để lần trả lời sau có thể rõ ràng hơn lần trả lời trước thì tổng cộng có 286 phiếu trả lời của các đại điện doanh nghiệp được tác giả sàng lọc để đưa vào trong quá trình phân tích.

Các bản câu hỏi sau khi được trả lời, được thu thập và được mã hóa, nhập liệu, làm sạch. Tác giả thực hiện phân tích dữ liệu thông qua các công cụ như thống kê mô tả đặc điểm mẫu khảo sát, kết quả được trình bày trong Phụ lục 2 và Phụ lục 4.

3.4. PHƯƠNG PHÁP PHÂN TÍCH DỮ LIỆU

3.4.1. Kiểm tra mức độ tin cậy của thang đo

Độ tin cậy của thang đo thường được sử dụng cho hai mục đích phổ biến đó là đánh giá tính nhất quán giữa số lượng biến quan sát đo lường biến tiềm ẩn (Hair & ctg., 2006; Robinson, 1991). Độ tin cậy của thang đo cho phép xác định được chính xác, nhất quán của các biện pháp và tránh sự sai lệch liên quan đến độ tái lập của các thang đo trong các mẫu khảo sát khác nhau và khoảng thời gian khác nhau.

Sau khi mã hóa và làm sạch dữ liệu, tác giả đánh giá độ tin cậy của thang đo qua phương pháp kiểm định Cronbach’s Alpha. Hệ số Cronbach’s Alpha là một hệ số được sử dụng để kiểm tra sự tương quan giữa các biến quan sát, cho phép loại các biến không phù hợp. Cronbach’s Alpha là dễ tính toán hơn và là được chấp nhận tốt trong nghiên cứu (Tabachnick & Fidell, 2007). Giới hạn chấp nhận thấp hơn của hệ số Cronbach’s Alpha là 0,70 (70%), tuy nhiên, nó có thể được chấp nhận ở mức 0,60 (60%) (Robinson, 1991; Sekaran, 2000).

Mặt khác kiểm định Cronbach’s Alpha dễ bị phóng đại bởi số lượng biến quan sát do giả định rằng số lượng của biến quan sát tăng lên sẽ dẫn đến tăng độ tin cậy tổng thể. Theo Hair & ctg (2006), Churchill & Brown (2006) các biến quan sát có hệ số tương quan biến - tổng (Item- total Correlation) < 0,3 và nếu Cronbach’s Alpha sau khi loại biến lớn hơn Cronbach’s Alpha của thang đo ban đầu thì cần loại biến đó do không đảm bảo độ tin cậy. Nghiên cứu thực hiện kiểm tra mức tin cậy với tất cả các thang đo được sử dụng trong mô hình.

3.4.2. Phân tích nhân tố khám phá

Phương pháp phân tích nhân tố khám phá EFA được dùng để kiểm định giá trị phân biệt các khái niệm của thang đo, thu gọn và tóm tắt dữ liệu. Trong bước này, các chỉ tiêu cần phải xem xét bao gồm: Kiểm định KMO (Kaiser- Meyer-Olkin) để đánh giá sự thích hợp của EFA. Nếu KMO > 0.5 thì phân tích nhân tố là thích hợp (Kaiser, 1974). Kiểm định Bartlett xem xét giả thuyết về độ tương quan giữa các biến quan sát bằng không trong tổng thể. Nếu kiểm định này có mức ý nghĩa thống kê thì các biến quan sát tương quan với nhau trong tổng thể (Bartlett, 1954 trích từ Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005).

Nghiên cứu quan tâm đến tiêu chuẩn chấp nhận thang đo khi Tổng phương sai trích ≥ 50%, eigenvalue >1 (Gerbing & Anderson, 1988); |Factor Loading| lớn nhất của mỗi Item tối thiểu cần ≥ 0,3, tuy nhiên đề đảm bảo mức ý nghĩa thiết thực của EFA nghiên cứu lựa chọn tiêu chuẩn |Factor Loading| lớn nhất của mỗi Item ≥ 0,5. Tại mỗi Item, chênh lệch |Factor Loading| lớn nhất và |Factor Loading| bất kỳ phải ≥ 0,3 để đảm bảo giá trị phân biệt giữa các nhân tố (Hair và ctg, 2006).

3.4.3. Phân tích nhân tố khẳng định và mô hình cấu trúc ML-SEM

Phương pháp phân tích nhân tố khẳng định CFA được sử dụng sau khi phân tích EFA, mục tiêu nhằm kiểm định xem mô hình đo lường mới được tạo ra từ EFA này có đạt được yêu cầu không? Các thang đo có đạt được yêu cầu của một thang đo tốt không? CFA ta có thể thực hiện cho từng khái niệm, một số khái niệm, hoặc thực hiện với tất cả các khái niệm có trong mô hình (gọi là mô hình tới hạn). Trong nghiên cứu này tác giả sử dụng CFA với tất cả các khái niệm. Phương pháp CFA có nhiều ưu điểm hơn so với các phương pháp hệ số tương quan, phân tích nhân tố khám phá EFA… với việc có thể thực hiện kiểm định cấu trúc lý thuyết các thang đo lường như mối quan hệ giữa các khái niệm với nhau mà không bị chệch do sai số. Song song với đó là việc nghiên cứu có thể thực hiện kiểm định giá trị hội tụ, giá trị phân biệt mà không cần dùng nhiều lần nghiên cứu, khảo sát (Nguyễn Đình Thọ và Nguyễn Thị Mai Trang (2008))

Để đo lường mức độ phù hợp của mô hình với thông tin thị trường, các nhà nghiên cứu thường sử dụng Chi-square (CMIN), Chi-square điều chỉnh theo bậc tự do (CMIN/df), Chỉ số thích hợp so sánh (CFI - Comparative Fit Index), Chỉ số Tucker and Lewis (TLI - Tucker and Lewis Index) và Chỉ số RMSEA (Root Mean Square Error Approximation). Mô hình được xem là thích hợp với dữ liệu thực tế khi kiểm định Chi-square có hiệu quả, tuy nhiên Chi-square lại có nhược điểm phụ thuộc vào kích thước mẫu nên nghiên cứu áp dụng tiêu chuẩn TLI, CFI ≥ 0.9, RMSEA ≤ 0.08 đồng thời sử dụng CMIN/df ≤ 3 (Hair & ctg, 2006; Kline, 2015; Arbuckle, 2006)

Như vậy, các bước thực hiện CFA và SEM sẽ lần lượt kiểm định 5 yêu cầu khác: (1) Tính đơn nguyên (unidimensionality), (2) Độ giá trị hội tụ (convergent

validity), (3) Độ giá trị phân biệt (discriminant validity), (4) Đánh giá độ tin cậy của thang đo (reliability); (5) Độ giá trị liên hệ lý thuyết (nomological validity). Bằng mô hình tới hạn và phân tích CFA sẽ thực hiện được 4 yêu cầu đầu tiên với phương pháp ước lượng ML (maximum likelihood). Kiểm định cuối cùng về độ giá trị lý thuyết sẽ được thực hiện bằng kĩ thuật kiểm định SEM. Với tính đơn nguyên, mô hình cần đạt các chỉ tiêu có Chi-square/df <3, p-value <5% và TLI >0.9 ; CFI >0.9; RMSEA

<0,8 từ đó có thể thấy rằng mô hình là phù hợp với dữ liệu thị trường và đạt được tính đơn nguyên (Hair & ctg, 2006; Kline, 2015; Arbuckle, 2006). Với độ giá trị hội tụ, các biến quan sát trong mô hình có các hệ số hồi quy có ý nghĩa thống kê (p- value<0,05) từ đó thang đo đạt được giá trị hội tụ (Gerbring & Anderson,1988).

Nhằm đánh giá độ tin cậy của các ước lượng trong ML - SEM, các tác giả trước đây thường thực hiện bằng phương pháp chia mẫu ra làm hai mẫu con hoặc phải thực hiện nghiên cứu lại bằng một mẫu khác. Cách làm này thường không thực tế vì tốn kém nhiều thời gian và chi phí trong quá trình khảo sát, đặc biệt là các đối tượng khó tiếp cận thông tin như trong nghiên cứu này. Chính vì vậy, trong trường hợp muốn ước lượng mức độ tin cậy tốt hơn của ML-SEM thì Bootstrap - lấy mẫu lặp lại có thay thế, trong đó mẫu ban đầu đóng vai trò là đám đông - là phương pháp phù hợp (Schumacker & Lomax, 2006). Byrne (2001) và Cheung & Lau (2008) cho rằng xem xét kết quả kiểm định sẽ cho phép đánh giá sự ổn định của các ước lượng tham số với cỡ mẫu mới khi khoảng chênh lệch giữa giá trị trung bình ước lượng bằng Bootstrap và ước lượng mô hình với mẫu ban đầu càng nhỏ. Nghiên cứu tiến hành bootstrap với cỡ mẫu lặp lại lần lượt từ 1500 đến tối đa 2000 để xem xét mức độ ổn định do mẫu nghiên cứu thu thập được khá nhỏ và số lượng biến quan sát là khá nhiều.

3.4.4. Phân tích mô hình cấu trúc ước lượng Bayes

3.4.4.1. B-SEM và một số ưu điểm bổ trợ cho ML-SEM

Phương pháp ước lượng như tối đa khả năng xảy ra (ML) hay các phương pháp như bình phương nhỏ nhất tổng quát (GLS), bình phương nhỏ nhất có trọng số (WLS) được sử dụng để ước tính các tham số trong mô hình SEM dựa trên hiệp