Xem mẫu
- Dự án nhóm
Môn: Kinh Tế Lượng
Đề tài:
Giảng viên hướng dẫn: Lê Hồng Nhật
TP. HCM tháng 5-2009
- Danh sách thành viên nhóm:
Trần Hữu Hảo : K074020300 (NHÓM TRƯỞNG)
Phạm Ngọc Ý: K074020390
Đặng Công: K074020159
Trần Thủy Trúc: K074020380
Trương Trần Tuấn Anh: K074020154
- 1. ĐẶT VẤN ĐỀ: Xu hướng mua hàng qua mạng của người dân thành phố
Hồ Chí Minh.
Vào thời điểm cách đây 10 năm, không mấy người dân Sài Thành có thể tưỏng
tượng rằng mình có thể mua được mọi thứ ngay cả khi ngồi tại nhà, chẳng phải
đi đâu. Thế nhưng, với tốc độ phát triển chóng mặt của internet và công nghệ số
hóa trong vài năm ngắn ngủi gần đây, Thương mại điện tử - tức việc mua bán
hàng hóa dựa trên internet đã biến giấc mơ trên trở thành hiện thực.
Trong nền kinh tế số, thông tin được truyền qua mạng với tốc độ cao. Điều
này tạo ra những khả năng làm thay đổi thói quen tiêu dùng và mua bán c ủa con
người mà trong đó, người mua và bán có thể giao dịch với đối tác ở bất kỳ đâu trên
thế giới mà không cần thông qua trung gian. Việc đó giúp khách hàng dễ dàng hơn
trong việc chọn lựa khi mua hàng và giảm chi phí. Hơn nữa, Thương mại điện tử
cũng kích thích sự tiếp cận với nền kinh tế tri thức của người dân. Đây là một lợi
ích mang tính chiến lược công nghệ có thể giúp nước ta tạo được bước nhảy vọt
trong tiến trình CNH-HĐH trong thời gian ngắn hơn. Mặt khác, sự phát triển của
hệ thống mạng máy tính, mọi công việc có thể được xử lý và giải quyết tại nhà
thông qua internet.
Tuy nhiên một trở ngại lớn nhất của Thương mại điện tử là vấn đề bảo vệ
người tiêu dùng trước thông tin bất đối xứng khi người mua không thể “thấy t ận
mặt, bắt tận tay” hàng hóa trước khi mua, cũng như việc thanh toán điện tử chưa
phổ biến tại Việt Nam. Hai vấn đề trên chính là trở ngại lớn nhất đối với sự nhân
rộng và phát triển của thương mại điện tử, thậm chí ở một thành phố lớn nhất nhì
nước như thành phố Hồ Chí Minh. Mặc dù vậy, số lượng người sử dụng e-
commerce vẫn ngày càng tăng không những trong giới trẻ mà còn trong một bộ
phận người dân khác.
Như vậy, lợi ích của thương mại điện tử đã rõ, hiện tượng người dùng tăng
lên là thực tế. Nhưng điều gì giải thích cho hành vi mua hàng qua mạng của những
tín đồ e-commerce trong người dân thành phố Hồ Chí Minh? Đó là câu hỏi mà
nhóm chúng em luôn trăn trở. Và đó là lí do thúc đẩy nhóm thực hiện đ ề tài
- “Những yếu tố ảnh hưởng đến xu hướng mua hàng qua mạng của người dân
thành phố Hồ Chí Minh”. Trong đề tài này, nhóm chúng em đã sử dụng ngay những
kiến thức Kinh Tế Lượng đang học và tìm hiểu thêm về Thương Mại Điện Tử để
thực hiện. Hi vọng, đề tài này sẽ là kinh nghiệm quý giá cho nhóm em và tài liệu
tham khảo hữu ích cho những ai muốn thực hiện Thương Mại Điện Tử sau này.
Rất mong nhận được sự đóng góp ý kiến của thầy cô và các bạn đ ể đ ề tài đ ược
hoàn thiện hơn.
2. CƠ SỞ LÝ LUẬN:
Cơ sở lý luận mà nhóm sử dụng là:
1) Lý thuyết hành vi người tiêu dùng của Philip Kotler và Gary Amstrong;
2) Mô hình hành vi tiêu dùng của Schiffman và Kanuk;
3) Lý thuyết tiêu dùng và hành vi thị trường của Assael.
Thứ nhất, mô thức hành vi người tiêu dùng của Philip Kotler. Hai ông đã phác
họa những đặc tính quan trọng ảnh hưởng đến hành vi người tiêu dùng. Các đặc
tính này được chia thành hai nhóm. Nhóm đầu tiên là những yếu tố nội tại của
người tiêu dùng. Nhóm yếu tố này lại được phân ra thành điều kiện cá nhân như
tuổi tác, nghề nghiệp và yếu tố tâm lý như cá tính, niềm tin… Nhóm thứ hai bao
gồm điều kiện xã hội như bạn bè, cơ sở hạ tầng xã hội.
Thứ hai, mô hình hành vi người tiêu dùng của Schiffman và Kanuk
- Kích tố phí marketing
Kích tố marketing
Kinh tế
Thương hiệu
Đầu
Chính trị
Giá cả
tư
Văn hóa
Chiêu thị
Xã hôi
Phân Phối
Quá trình ra quyết định
Nhận dạng nhu cầu Tâm lý
Động cơ
Quá
Tìm kiếm thông tin Kiến thức
trình
Nhận thức
Đánh giá thay thế
Nhân cách
Thái độ
Kinh nghiệm
Hành vi hậu quyết định
Mua hàng
Thử
Lập lại
Đầu
ra
Đánh giá
sau khi mua
Trong quy trình ra quyết định, thường gồm ba biến: nhận dạng nhu cầu, tìm
kiếm thông tin, đánh giá thay thế. Tuy nhiên, ứng với từng loại sản phẩm khác
nhau, quá trình mua hàng của mọi cá nhân có thể không đúng như trình tự các bước
trong sơ đồ. Sau khi mua hàng online, người tiêu dùng sẽ có kinh nghiệm, nó tác
động trực tiếp đến yếu tố tâm lý, mà cụ thể là niềm tin của họ. Điều này tất yếu
sẽ tác động đến hành vi mua hàng lặp lại.
Thứ ba, theo lý thuyết tiêu dùng và hành vi thị trường của Assael ( consumer
behavior and marketing action) quy trình ra quyết định mua hàng còn phụ thuộc vào
- đăc tính của thương hiệu. Assael phân ra bốn dạng hành vi tiêu dùng dựa theo mức
độ cân nhắc của người tiêu dùng và nhận thức của khách hàng về mức đ ộ khác
biệt của thương hiệu, gồm có: quyết định phức tạp, so sánh thấp, tìm kiếm đa
dạng, quán tính. Dựa vào lý thuyết này ta có thể nhận xét: hành vi tìm kiếm ảnh
hưởng đến việc mua hàng là khác nhau ở những hàng hóa khác nhau.
3. CHỌN BIẾN VÀ LẬP MÔ HÌNH:
3.1 CHỌN BIẾN:
Hành vi mua hàng chịu tác động bởi nhiều yếu tố, để tránh việc bỏ sót biến có
ý nghĩa có thể gây thiên lệch trong ước lượng, nhóm tiến hành chọn những biến
theo lý thuyết có ảnh hưởng đến hành vi mua. Nhóm thực hiện đ ề tài kinh tế
lượng này theo phương pháp “Từ tổng quát đến đơn giản”Hendry/Lse. Do đó
mô hình đầu tiên của nhóm tương đối có nhiều biến, sau đó nhóm thực hiện đơn
giản hóa dựa trên dữ liệu bằng kiểm định Wald và kiểm định t. Sau đây là các
biến được chọn cho mô hình đầu tiên của nhóm:
YẾU TỐ NỘI TẠI:
AGE (Độ tuổi ): tuổi càng cao người ta càng ít tiếp cận công nghệ hơn nên ít
mua hàng qua mạng hơn. Kỳ vọng âm (-)
INC (Thu nhập): Thu nhập càng cao người ta càng có xu hướng mua hàng
nhiều hơn. Kỳ vọng ( + )
SEARCH (Tìm kiếm thông tin qua mạng): Tìm kiếm thông tin về hàng hóa trên
mạng càng nhiều thì người ta càng có xu hướng mua hàng qua mạng hơn. Kỳ
vọng (+)
JOB (Nghề nghiệp) Đây là biến Dummy. JOB=1 là những người đang có việc
làm, JOB=0 là sinh viên. Hành vi mua hàng có thể khác nhau giữa người đã có
việc làm và sinh viên. Và do trào lưu, sinh viên có thể mua hàng qua mạng
nhiều hơn. Kỳ vọng âm ( - )
JOB_INC Biến JOB có thể ảnh hưởng đến thu nhập. Vì hiệu ứng thu nhập tác
động lên hành vi mua hàng có thể khác nhau ở sinh viên và người đã đi làm.
- Điều hiển nhiên là sinh viên sẽ chi tiêu hết số tiền thu nhập trong khi những
người đã đi làm sẽ tiết kiệm cho con cái, mua nhà cửa, tuổi già. Vì vây kỳ vọng
giấu ( - )
TRUST (Niềm tin): được đo theo thang đo tăng dần từ 1 đến 10, càng tin
tưởng về chất lượng hàng hóa được bán qua mạng thì người ta mua càng
nhiều. Kỳ vọng ( + ).
Nhận xét: đáng lẽ ra biến TRUST phải là các biến Dummy vì nếu sử dụng
biến TRUST như một biến định lượng là một ràng buộc quá nghiêm ngặt có
khả năng gây sai mô hình.
ĐIỀU KIỆN XÃ HỘI:
FRIEND: (bạn bè) Dummy. Bạn bè có thường hay giới thiệu về những hàng
hóa được bán trên mạng hay không. FRIEND = 1 là có, FRIEND = 0 là không.
Kỳ vọng ( + )
DIST (Khoảng cách): Khi mà khoảng cách đến nơi mua hàng hóa trực tiếp càng
dài thì người ta càng có xu hướng mua hàng qua mạng hơn. Kỳ vọng ( + )
PAY (Hình thức thanh toán): hình thức thanh toán trả tiền trước hay trả tiền
sau có thể ảnh hưởng khác nhau đối với việc mua hàng qua mạng. PAY = 1 là
trả tiền trước, PAY = 0 là trả tiền sau. Kỳ vọng âm ( - )
DISC: Dummy. Chi phí mua hàng qua mạng là rẻ hơn hay là đắt hơn so với khi
mua trực tiếp. DISC =1 là rẻ hơn. DISC = 0 là đắt hơn. Kỳ vọng âm ( + )
TRANS (thời gian giao hàng) thời gian giao hàng càng nhanh thì người ta càng
có xu hướng mua hàng qua mạng nhiều hơn. Kỳ vọng âm ( - ).
Ngoài ra các loại hàng hóa khác nhau cũng có thể ảnh hưởng đến hành vi
mua hàng khác nhau.
BIẾN ĐƯỢC GIẢI THÍCH: TIMES ( số lần mua hàng qua mạng trong
năm gần đây nhất)
- 3.2 ĐIỀU TRA:
Nhóm đã tiến hành điều tra 104 người gồm có sinh viên và những người đang
đi làm.
Đối với sinh viên: Kí túc xá, Khoa Kinh Tế, ĐH Quốc Tế, ĐH KHXHVNV…
Đối với người đang đi làm: COOPMART Thủ Đức, BIG C Hoàng Văn Thụ,
Nhà ăn đại học quốc gia, Khu công nghệ phần mềm...
3.3 LẬP MÔ HÌNH:
Sau khi điều tra xong số liệu, nhóm đã tiến hành đưa thêm 2 biến Dummy:
BOOK: BOOK = 1, nếu mặt hàng người đó thương mua là sách. BOOK = 0
nếu là mặt hàng khác
CLOTH: CLOTH = 1, nếu mặt hàng người đó thường mua là quần áo, dày
dép, túi xách. CLOTH = 0 nếu là mặt hàng khác.
MÔ HÌNH DỰ KIẾN:
Times = b1 + b2Age + b3INC + b4Job*Inc + b5Search + b6Job + b7Friend + b8Dist +
b9Disc + b10Pay + b11Trans + b12Cloth + b13Book + b14Trust
4. KIỂM ĐỊNH VÀ ĐỀ XUẤT CÁC MÔ HÌNH SO SÁNH:
Sau đây là kết quả Eview của mô hình đề xuất ban đầu:
Dependent Variable: TIMES
Method: Least Squares
Date: 05/29/09 Time: 02:35
Sample: 1 104
Included observations: 104
Variable Coefficient Std. Error t-Statistic Prob.
AGE -0.240131 0.118859 -2.020310 0.0463
BOOK -0.486097 0.857505 -0.566873 0.5722
CLOTH 1.471030 0.726098 2.025939 0.0457
DISC 0.547865 0.782940 0.699753 0.4859
DIST 0.000548 0.000535 1.023877 0.3086
FRIEND 0.479025 0.671476 0.713391 0.4774
- INC 1.188764 0.538436 2.207807 0.0298
PAY 0.588726 0.681892 0.863370 0.3902
SEARCH 0.393145 0.077520 5.071554 0.0000
TRUST 0.764155 0.225875 3.383080 0.0011
TRANS -0.024334 0.077510 -0.313939 0.7543
JOB_INC -0.790295 0.555658 -1.422268 0.1584
JOB 1.346170 1.436344 0.937220 0.3512
C -2.041251 2.929813 -0.696717 0.4878
R-squared 0.557826 Mean dependent var 3.798077
Adjusted R-squared 0.493956 S.D. dependent var 3.981461
S.E. of regression 2.832283 Akaike info criterion 5.044693
Sum squared resid 721.9646 Schwarz criterion 5.400669
Log likelihood -248.3240 F-statistic 8.733813
Durbin-Watson stat 1.663994 Prob(F-statistic) 0.000000
Việc cùng lúc loại bỏ một vài biến có thể bỏ mất những biến có ý nghĩa
quan trọng về mặt lý thuyết. Do đó cách làm thận trọng và nhạy bén hơn là lo ại
bỏ dần từng biến.
Biến Trans có dấu âm đúng như kỳ vọng, như p_value của biến trans là cao
nhất chứng tỏ nó không có ý nghĩa. Điều này có lẽ được giải thích vì hi ệu ứng
của biến trans có thể đã được thể hiện qua biến loại hàng (book, cloth), vì thông
thường những loại hàng khác nhau sẽ có thời gian giao hàng khác nhau. Sau đây là
kết quả Eviews sau khi loại bỏ biến Trans
Dependent Variable: TIMES
Method: Least Squares
Date: 05/29/09 Time: 02:37
Sample: 1 104
Included observations: 104
Variable Coefficient Std. Error t-Statistic Prob.
AGE -0.244486 0.117460 -2.081434 0.0402
BOOK -0.495523 0.852724 -0.581106 0.5626
CLOTH 1.464077 0.722156 2.027369 0.0456
DISC 0.556954 0.778520 0.715401 0.4762
DIST 0.000478 0.000484 0.987495 0.3260
FRIEND 0.473480 0.667911 0.708897 0.4802
INC 1.155621 0.525364 2.199659 0.0304
PAY 0.592774 0.678385 0.873801 0.3845
SEARCH 0.395121 0.076880 5.139454 0.0000
TRUST 0.778122 0.220351 3.531282 0.0007
JOB_INC -0.752803 0.539978 -1.394135 0.1667
JOB 1.300255 1.421783 0.914524 0.3629
- C -2.107901 2.907602 -0.724962 0.4703
R-squared 0.557341 Mean dependent var 3.798077
Adjusted R-squared 0.498969 S.D. dependent var 3.981461
S.E. of regression 2.818220 Akaike info criterion 5.026557
Sum squared resid 722.7552 Schwarz criterion 5.357106
Log likelihood -248.3810 F-statistic 9.548000
Durbin-Watson stat 1.655278 Prob(F-statistic) 0.000000
Tiếp tục bỏ dần những biến có pvalue cao theo thứ tự là book, disc, Dist, Friend.
Ta có mô hình
Dependent Variable: TIMES
Method: Least Squares
Date: 05/29/09 Time: 03:07
Sample: 1 104
Included observations: 104
Variable Coefficient Std. Error t-Statistic Prob.
AGE -0.189565 0.103508 -1.831400 0.0702
CLOTH 1.603882 0.623493 2.572416 0.0116
INC 1.176916 0.513628 2.291380 0.0242
JOB 1.490703 1.380941 1.079483 0.2831
JOB_INC -0.827479 0.521611 -1.586389 0.1160
PAY 0.753674 0.643235 1.171693 0.2443
SEARCH 0.392725 0.075579 5.196197 0.0000
TRUST 0.835927 0.211206 3.957867 0.0001
C -3.074116 2.661819 -1.154893 0.2510
R-squared 0.545469 Mean dependent var 3.798077
Adjusted R-squared 0.507192 S.D. dependent var 3.981461
S.E. of regression 2.794997 Akaike info criterion 4.976102
Sum squared resid 742.1407 Schwarz criterion 5.204943
Log likelihood -249.7573 F-statistic 14.25080
Durbin-Watson stat 1.665423 Prob(F-statistic) 0.000000
Để cẩn thận hơn, một kiểm định F -test được thực hiện để kiểm tra xem
các biến bị loại bỏ gồm Trans, Disc, Friend, Dist,Book có ý nghĩa liên kết hay
không.
F-Test:
H0: Trans = Disc = Friend = Dist = Book=0
- H1: Không phải Ho
(U):Times=-2.041251-0.240131Age-0.486097Book+1.471030Cloth+ 0.547865Disc
+0.000548Dist+0.479025Friend+1.188764Inc+0.588726Pay + 0.393145Search+
0.764155Trust-0.024334Trans-0.790295Job_Inc+1.346170Job
(R):Times=-2.041251-0.240131Age+1.471030Cloth+1.188764Inc+0.588726Pay
+0.393145Search+0.764155Trust-0.790295Job_Inc+1.346170Job
Fc = 0.5032 < F0.05 (5,90) = 2.315689 => DNRH0
Việc bỏ đi những biến này là hợp lý. Tuy nhiên R2 hiệu chỉnh vẫn còn thấp.
Điều đó chứng tỏ có thể đã bỏ quên đi những biến có ý nghĩa. Theo lý thuyết tiêu
dùng và hành vi của thị trường của Assael ( consumer behavior and marketing
action) quy trình ra quyết định mua hàng còn phụ thuộc vào đăc tính của thương
hiệu. Assael phân ra bốn dạng hành vi tiêu dùng dựa theo mức độ cân nhắc của
người tiêu dùng và nhận thức của khách hàng về mức độ khác biệt của thương
hiệu, gồm có: quyết định phức tạp, so sánh thấp, tiềm kiếm đa dạng, quán
tính.Việc tìm kiếm thông tin trên mạng về sản phẩm (SEARCH) thể hiện Mức
độ cân nhắc và nhận thức của khách hàng về sản phẩm. Dựa vào lý thuyết này
ta có thể nhận xét: hành vi tìm kiếm thông tin sản phẩm ảnh hưởng đến việc mua
hàng là khác nhau ở những hàng hóa khác nhau và ảnh hưởng của việc tiềm kiếm
thông tin lên hành vi mua hàng có thể là không tuyến tính. Vì vậy nhóm ti ến hành
đưa vào 5 biến, gồm 4 biến interaction Book*sea, book*sea2, cloth*sea, cloth*sea2,
và biến sea2. Sau đây là kết quả ước lượng
- Dependent Variable: TIMES
Method: Least Squares
Date: 05/29/09 Time: 03:56
Sample: 1 104
Included observations: 104
Variable Coefficient Std. Error t-Statistic Prob.
CLOTH 2.122868 0.759344 2.795663 0.0063
INC 1.300347 0.382204 3.402236 0.0010
JOB 1.910650 1.036524 1.843323 0.0685
JOB_INC -0.898703 0.392755 -2.288201 0.0244
PAY 0.877585 0.490170 1.790367 0.0767
TRUST 0.797775 0.160511 4.970205 0.0000
SEA2 0.014262 0.005369 2.656552 0.0093
AGE -0.197644 0.078799 -2.508208 0.0139
BOOK_SEA 0.105570 0.220636 0.478481 0.6335
BOOK_SEA2 -0.018906 0.013962 -1.354049 0.1791
CLOTH_SEA -0.599437 0.209790 -2.857318 0.0053
CLOTH_SEA2 0.071260 0.013442 5.301326 0.0000
C -1.789762 2.056926 -0.870115 0.3865
R-squared 0.759029 Mean dependent var 3.798077
Adjusted R-squared 0.727252 S.D. dependent var 3.981461
S.E. of regression 2.079328 Akaike info criterion 4.418436
Sum squared resid 393.4482 Schwarz criterion 4.748984
Log likelihood -216.7586 F-statistic 23.88653
Durbin-Watson stat 1.745378 Prob(F-statistic) 0.000000
Độ giải thích của mô hình được cải thiện một cách đáng kể. Tuy nhiên 2
biến Book*sea và Book*sea2 không có ý nghĩa ở mức bé hơn 10 %. Ta tiến hành
loại bỏ 2 biến này. Bảng kết quả Eviews:
- Dependent Variable: TIMES
Method: Least Squares
Date: 05/29/09 Time: 04:00
Sample: 1 104
Included observations: 104
Variable Coefficient Std. Error t-Statistic Prob.
CLOTH 2.034212 0.748231 2.718694 0.0078
INC 1.266139 0.385270 3.286364 0.0014
JOB 1.878079 1.036299 1.812295 0.0732
JOB_INC -0.802258 0.392183 -2.045621 0.0436
PAY 1.036724 0.486821 2.129577 0.0358
TRUST 0.746802 0.159878 4.671069 0.0000
SEA2 0.006587 0.003677 1.791323 0.0765
AGE -0.223332 0.078224 -2.855042 0.0053
CLOTH_SEA -0.606700 0.211749 -2.865181 0.0052
CLOTH_SEA2 0.079620 0.012857 6.192982 0.0000
C -0.808936 2.013357 -0.401785 0.6888
R-squared 0.748991 Mean dependent var 3.798077
Adjusted R-squared 0.722000 S.D. dependent var 3.981461
S.E. of regression 2.099252 Akaike info criterion 4.420786
Sum squared resid 409.8378 Schwarz criterion 4.700481
Log likelihood -218.8809 F-statistic 27.75042
Durbin-Watson stat 1.760622 Prob(F-statistic) 0.000000
Hằng số không có ý nghĩa. Điều này hoàn toàn có thể chấp nhận được. Tuy
nhiên việc hệ số cloth*sea2 là dương và cloth*sea là âm có vẻ không đúng với thực
tế cho lắm. Không thể nào có chuyện đối với quần áo (CLOTH), lúc đầu càng tìm
kiếm người ta càng mua ít đi, sau đó thì ngược lại, càng tìm kiếm l ại càng mua
nhiều hơn. Với việc hệ số của sea2 dương và cloth*sea2 thể hiện rằng càng tìm
kiếm thông tin về sản phẩm trên mạng người ta mua hàng càng nhiều. Ngoài ra
dạng hàm số của Sea2 và Cloth*sea2 gợi ý cho nhóm có khả năng tác động của việc
tìm kiếm đối với mua hàng hóa giống như tác động của x đối với lny trong dạng
hàm lny = b1 + b2 x. Do đó nhóm sửa biến sea 2 thành Esea (e mũ search) và cụm
biến (cloth*sea + cloth*sea2) thành cloth*Esea (Esea là e mũ Search). Sau đây là kết
quả hồi quy trên Eviews:
- Dependent Variable: TIMES
Method: Least Squares
Date: 05/29/09 Time: 04:11
Sample: 1 104
Included observations: 104
Variable Coefficient Std. Error t-Statistic Prob.
CLOTH 1.229559 0.460506 2.670019 0.0089
INC 1.367404 0.372171 3.674133 0.0004
JOB 1.965042 0.999228 1.966560 0.0522
JOB_INC -0.866406 0.379690 -2.281873 0.0248
PAY 1.400432 0.466580 3.001483 0.0034
TRUST 0.795095 0.153690 5.173354 0.0000
E_SEA 5.91E-10 1.49E-09 0.395655 0.6933
AGE -0.242134 0.074652 -3.243516 0.0016
ECLOTH 4.94E-08 4.51E-09 10.95731 0.0000
C -0.761044 1.927214 -0.394893 0.6938
R-squared 0.761833 Mean dependent var 3.798077
Adjusted R-squared 0.739030 S.D. dependent var 3.981461
S.E. of regression 2.033938 Akaike info criterion 4.349036
Sum squared resid 388.8690 Schwarz criterion 4.603305
Log likelihood -216.1499 F-statistic 33.40906
Durbin-Watson stat 1.895642 Prob(F-statistic) 0.000000
Biến Esearch không có ý nghĩa bị loại ra khỏi mô hình. Kết quả hồi quy trên
Eviews:
- Dependent Variable: TIMES
Method: Least Squares
Date: 05/29/09 Time: 04:12
Sample: 1 104
Included observations: 104
Variable Coefficient Std. Error t-Statistic Prob.
CLOTH 1.198511 0.451751 2.653031 0.0094
INC 1.380596 0.369025 3.741198 0.0003
JOB 1.977616 0.994279 1.988995 0.0496
JOB_INC -0.876510 0.377145 -2.324064 0.0223
PAY 1.402768 0.464467 3.020169 0.0032
TRUST 0.801419 0.152177 5.266363 0.0000
AGE -0.244596 0.074061 -3.302643 0.0014
ECLOTH 4.99E-08 4.26E-09 11.72373 0.0000
C -0.751221 1.918480 -0.391571 0.6963
R-squared 0.761437 Mean dependent var 3.798077
Adjusted R-squared 0.741347 S.D. dependent var 3.981461
S.E. of regression 2.024889 Akaike info criterion 4.331470
Sum squared resid 389.5166 Schwarz criterion 4.560311
Log likelihood -216.2364 F-statistic 37.90214
Durbin-Watson stat 1.894630 Prob(F-statistic) 0.000000
Mô hình lựa chọn:
Times= -0.751221 + 1.198511Cloth + 1.380596Inc + 1.977616Job
-0.87651Job_Inc+1.402768Pay+0.801419Trust-0.244596Age+(4.99*10^-8)Ecloth
NHẬN XÉT:
1. Nhóm biến Cloth và Ecloth: hai biến này có hiện tượng đa cộng tuyến, tuy
nhiên việc giải thích tác động của nhóm biến này đến Times (số lần mua
hàng qua mạng) không phải là quá khó khăn. Hệ số của biến Cloth và
Ecloth dương chứng tỏ những người thường hay mua quần áo, dày dép, túi
xách qua mạng có số lần mua hàng nhiều hơn những người thường mua
những hàng hóa khác ( sách, hàng điện tử, đồ lưu niệm…). Và những người
mua Cloth (quần áo, dày dép, túi xách) qua mạng nếu tìm hiểu thông tin về
Cloth càng nhiều thì sẽ mua càng nhiều.
- 2. Biến Pay: biến Pay trái dấu so với kỳ vọng dấu (+), liệu việc này có phải
là do đặc trưng mô hình sai hay thiếu biến quan trọng. Việc thiếu biến quan
trọng bị nhóm bác bỏ vì ban đầu theo lý thuyết, kinh nghiệm và hiểu biết
nhóm đã đưa rất nhiều các biến (14 biến sơ khảo được cho là có ảnh
hưởng đến hành vi mua hàng), sau đó thận trọng hơn, nhóm còn tạo các
biến thứ cấp (như đã trình bày ở trên) dựa trên một nền tảng lý thuyết vững
chắc. Do đó khó chấp nhận rằng nhóm đã bỏ sót biến quan trọng. Ngoài ra
R2 hiệu chỉnh của nhóm tương đối cao (nghiên cứu về dữ liệu chéo) cũng là
một lập luận ủng hộ nhận định này.
Đặc trưng mô hình sai có lẽ là yếu tố cần được cân nhắc thận trọng. Như
đã trình bày ở trên, biến TRUST (niềm tin về chất lượng hàng hóa theo
thang đo 10 điểm) là ràng buộc quá nghiêm ngặt có khả năng gây sai đ ặc
trưng mô hình trầm trọng. Đáng lẽ nó phải là nhiều biến Dummy. Tuy
nhiên, hệ số biến TRUST có dấu như kỳ vọng, Pvalue (Trust) = 0, R2 hiệu
chỉnh = 0.741347 chứng tỏ đặc trưng mô hình là không quá sai. Nhóm nhận
định rằng nếu có sự chỉnh sửa lại trong việc sử dụng biến Trust (TRUST
sử dụng là các biến Dummy) sẽ làm tăng R 2 hiệu chỉnh nhưng cũng sẽ
không thay đổi dấu của PAY.
Vậy điều gì lí giải cho việc hệ số của biến Pay dương?
Nhìn vào lý thuyết: Mô hình hành vi tiêu dùng của Schiffman và Kanuk.
Hai ông cho rằng sau khi mua hàng người ta sẽ có đánh giá sau khi mua.
Những đánh giá này tạo thành kinh nghiệm của người tiêu dùng. Kinh
nghiệm này là một yếu tố tác động đến Tâm lý (động cơ, kiến thức, nhận
thức, nhân cách, thái độ). Và Tâm lý lại tác động đến nhận dạng nhu cầu,
tìm kiếm thông tin và đánh giá thay thế.
Lý thuyết này giải thích điều gì cho hệ số của biến Pay dương.
Giả định A: Khi mua hàng thanh toán trả tiền trước, những người có giao
dịch thành công đánh giá tốt về hình thức này (không có lừa đảo, đ ảm bảo
đặt cọc trước món hàng mình yêu thích kẻo người khác mua mất (lời giải
thích của cô Hoa), thuận tiện cho việc mua hàng trên những trang web nổi
- tiếng như 123.mua, vatgia.com…đây là những trang web yêu cầu phải trả
tiền trước qua một tài khoản được quản lý bởi trang web và ngân hàng).
Việc đánh giá cùng với kinh nghiệm mua hàng thành công tác động đến tâm
lý (nhận thức, thái độ) của họ về hình thức trả tiền trước ở những trang
web như 123.com… Cuối cùng điều này làm cho mua hàng ở những trang
web như 123.com là một thay thế tốt so với những hình thức mua hàng khác.
Những người bán hàng qua mạng (seller) ưa thích hình thức thanh toán
trả tiền trước hơn. Do đó hàng hóa trên mạng hầu hết là trả tiền trước.
Ngoài ra hàng hóa trả tiền trước thường rẻ hơn hàng hóa trả tiền sau. Điều
này làm cho những người mua (buyer) tin tưởng hình thức trả tiền
trước(PAY=1) có nhiều hàng hóa rẻ hơn và nhiều sự lựa chọn hơn so với
những người mua không tin tưởng hình thức trả tiền trước. Do đó việc số
lần mua hàng trên mạng của người mua trả tiền trước nhiều hơn người
mua trả tiền sau là điều dễ hiểu.
Giả định B: Giao dịch trả tiền trước thất bại. Người mua hàng qua mạng
này không còn tin tưởng vào hình thức trả tiền trước nữa và trở thành người
mua hàng trả tiền sau (PAY=0) hoặc không mua hàng qua mạng nữa (nhóm
người này không nằm trong phạm vi nghiên cứu của nhóm). Và dĩ nhiên với
thức tế hàng hóa trả tiền sau ít đa dạng hơn và mắc hơn đã làm cho anh ta
mua hàng ít hơn những người trả tiền trước.
Biến Pay có hệ số dương phải được chấp nhận.
3. Biến TRUST: như đã nói việc biến TRUST được sử dụng như một biến
định lượng là một ràng buộc quá nghiêm ngặt gây sai đặc trưng mô hình.
Tuy nhiên kết quả cuối cùng cho thấy TRUST có ý nghĩa và R 2 hiệu chỉnh
cao cho thấy mô hình là không quá sai. Việc sử dụng biến TRUST là các
biến Dummy là một hành động đúng đắn và có khả năng tăng R 2 hiệu chỉnh
lên. Tuy nhiên do sơ sót của nhóm là biến TRUST có thang điểm 10 vì vậy
nếu sửa biến TRUST thành các biến Dummy sẽ làm mô hình quá cồng
kềnh. Do đó nhóm ưu tiên một mô hình đơn giản gọn nhẹ hơn ( thực ra tại
vì mô hình cuối cùng của nhóm đã có đến 9 biến kể cả hằng số)
- 5. Kiến Nghị
Theo thống kê của Trung tâm Internet Việt Nam (VNNIC), tính đến hết tháng
3/2009, cả nước đã có 21,1 triệu người sử dụng Internet, chiếm gần 25% dân số
của cả nước, dự báo sẽ có khả năng tăng lên 36% vào năm 2012 . Do vậy, có thể
nói thương mại điện tử là một kênh kinh doanh đầy tiềm năng đối với các doanh
nghiệp Việt Nam. Qua cuộc khảo sát, nhóm nhận thấy rằng hình thức trả tiền
trước ảnh hưởng rất lớn đến quyết định mua sản phẩm của khách hàng. Do đó,
việc nâng cao mức độ tin tưởng của khách hàng là một điều hết sức cần thiết , các
doanh nghiệp cần có những trang web với mức độ tin tưởng cao như amazon.com,
ebay.com…..Tức là cần quan tâm nhiều hơn đến khách hàng, trực tiếp và nhanh
chóng giải đáp những thắc mắc cũng như bồi thường thiệt hại cho khách hàng khi
có sự cố xảy ra. Qua đó, cần đa dạng hoá thông tin tìm kiếm cũng như đa dạng hoá
danh mục sản phẩm nhằm giảm thiểu chênh lệch thông tin. Bởi với nhiều sự lựa
chọn trên một trang web thì mức độ tin tưởng của khách hàng sẽ cao hơn.
Hơn nữa, một giải pháp khác đó chính là các doanh nghiệp này cần liên kết v ới
nhiều ngân hàng uy tín trong việc tạo tài khoản cho khách hàng, giả sử trong
trường hợp người mua đã đặt hàng và thanh toán qua ngân hàng nhưng người bán
không giao hàng, thì ngân hàng phải đứng ra “phân xử”, chứng minh tài chính giúp
người mua, nhằm làm cho khách hàng yên tâm hơn khi sử dụng dịch vụ.
CẢM ƠN THẦY, CÔ ĐÃ XEM BÀI TRÌNH BÀY CỦA NHÓM!
nguon tai.lieu . vn