xu hướng mua hàng qua mạng của cư dân tp. hcm

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 của 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 tận 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 đề 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 để đề tài được 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
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
Kích tố marketing
Thương hiệu
Giá cả
Chiêu thị
Phân Phối
Kích tố phí marketing
Kinh tế
Chính trị
Văn hóa
Xã hôi
Nhận dạng nhu cầu
Tìm kiếm thông tin
Đánh giá thay thế
Tâm lý
Động cơ
Kiến thức
Nhận thức
Nhân cách
Thái độ
Kinh nghiệm
Mua hàng
Thử
Lập lại
Đánh giá
sau khi mua
Hành vi hậu quyết định

Đầu
ra
Quá
trình
Đầu
tư
Quá trình ra quyết định
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, 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 đề 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 = b
1
+ b
2
Age + b
3
INC + b
4
Job*Inc + b
5
Search + b
6
Job + b
7
Friend + b
8

Dist
+ b
9
Disc + b
10
Pay + b
11
Trans + b
12
Cloth + b
13
Book + b
14
Trust
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 loại 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 hiệu 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:
H
0
: 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
F
c
= 0.5032 < F
0.05
(5,90) = 2.315689 => DNRH
0
Việc bỏ đi những biến này là hợp lý. Tuy nhiên R
2
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 tiến hành đưa vào 5
biến, gồm 4 biến interaction Book*sea, book*sea
2
, cloth*sea, cloth*sea
2
, và biến
sea
2
. 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*sea
2
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*sea
2
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 lại càng mua
nhiều hơn. Với việc hệ số của sea
2
dương và cloth*sea
2
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 Sea
2
và Cloth*sea
2
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*sea
2
) 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 R
2
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 đặc 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, R
2
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, đảm 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 với
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!