Giới thiệu dự án

Thương mại điện tử (TMĐT) tại Việt Nam đã chứng kiến bước nhảy vọt mạnh mẽ với tỷ lệ người dùng Internet tham gia mua sắm trực tuyến tăng từ 77% (năm 2019) lên 88% (năm 2020) theo Sách trắng Thương mại điện tử Việt Nam. Trong bối cảnh đại dịch COVID-19 và sự chuyển dịch hành vi số, nền tảng Shopee (thuộc Tập đoàn Sea Ltd) đã vươn lên dẫn đầu thị phần truy cập và lượng giao dịch, vượt qua các đối thủ cạnh tranh như Lazada, Tiki và Sendo. Sinh viên đại học – lực lượng người tiêu dùng trẻ thuộc thế hệ Gen Z với mức độ am hiểu công nghệ cao, thói quen trực tuyến liên tục nhưng ngân sách tài chính phụ thuộc – trở thành phân khúc khách hàng trọng tâm nhưng cũng có độ nhạy cảm cao về giá và trải nghiệm dịch vụ.

+-----------------------------------------------------------------------------------+
|                        MÔ HÌNH NGHIÊN CỨU SỰ HÀI LÒNG (HL)                        |
+-----------------------------------------------------------------------------------+
|  [CL] Chất lượng sản phẩm  ----+                                                  |
|  [TL] Sự tiện lợi         ----+                                                  |
|  [ĐD] Mặt hàng đa dạng     ----+---->  [HL] SỰ HÀI LÒNG CỦA SINH VIÊN HUTECH      |
|  [RR] Nhận thức rủi ro     ----+        (Hồi quy tuyến tính OLS đa biến)          |
|  [TT] Hình thức thanh toán ----+                                                  |
+-----------------------------------------------------------------------------------+

Vấn đề đặt ra là các sàn TMĐT đối mặt với áp lực duy trì lòng trung thành của người dùng trẻ khi chi phí bán hàng và vận hành ngày càng tăng. Đồ án "Nghiên Cứu Sự Hài Lòng Của Sinh Viên HUTECH Khi Mua Sắm Trên Sàn Thương Mại Điện Tử Shopee" do nhóm sinh viên chuyên ngành Thương mại điện tử, Khoa Tài chính - Thương mại, Trường Đại học Công nghệ TP.HCM (HUTECH) thực hiện dưới sự hướng dẫn của ThS. Ngô Ngọc Nguyên Thảo, nhằm giải quyết các bài toán định lượng cụ thể:

  • Mục tiêu 1: Xác định các nhân tố cấu thành ảnh hưởng trực tiếp đến sự hài lòng của sinh viên HUTECH khi thực hiện giao dịch trên Shopee.
  • Mục tiêu 2: Đo lường và lượng hóa mức độ tác động của từng nhân tố thông qua mô hình kinh tế lượng và kiểm định thống kê đa biến.
  • Mục tiêu 3: Đề xuất hệ thống hàm ý quản trị và giải pháp thực tiễn giúp doanh nghiệp TMĐT tối ưu hóa trải nghiệm khách hàng sinh viên.

Nghiên cứu được giới hạn trong phạm vi không gian là sinh viên đang theo học tại Đại học HUTECH, với dữ liệu sơ cấp được thu thập từ tháng 02/2022 đến tháng 03/2022.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Thị trường bán lẻ trực tuyến B2C/C2C tại Việt Nam chứng kiến sự cạnh tranh gay gắt giữa các nền tảng thương mại điện tử. Mỗi nền tảng sở hữu những ưu thế kỹ thuật và chiến lược tiếp cận khách hàng riêng biệt.

Tiêu chí phân tích Shopee Lazada Tiki
Mô hình cốt lõi Hybrid C2C & B2C (Shopee Mall) B2C & C2C tập trung Logistics B2C chính hãng & TikiNOW
Ưu điểm vận hành Đa dạng sản phẩm, tương tác mạng xã hội (Livestream, Chat, Game) Hệ sinh thái Logistics Lazada Logistics mạnh mẽ Kiểm soát chất lượng nghiêm ngặt, giao hàng siêu tốc
Hạn chế tồn tại Tỷ lệ hàng giả/hàng lỗi từ shop C2C còn phát sinh Giao diện phức tạp, chính sách khuyến mãi phân tầng Giá thành phân khúc cao hơn, danh mục hàng hóa ít đa dạng hơn
Độ bao phủ tệp sinh viên Rất cao (chiếm ưu thế về giá rẻ và mã vận chuyển) Trung bình - Khá Trung bình (tập trung nhóm văn phòng/sách/công nghệ)

Phân tích yêu cầu của người dùng sinh viên theo mô hình MoSCoW:

  • Must have (Bắt buộc có): Sản phẩm đúng mô tả, hệ thống bảo vệ đơn hàng "Shopee Đảm Bảo", quy trình đặt hàng tinh gọn, tích hợp thanh toán linh hoạt.
  • Should have (Nên có): Đa dạng hóa danh mục hàng hóa giá rẻ, thời gian giao hàng dưới 3 ngày, công cụ so sánh giá trực quan.
  • Could have (Có thể có): Tích hợp ví điện tử ShopeePay với mã giảm giá vận chuyển tự động, tính năng tương tác trực tiếp với người bán qua chat real-time.
  • Won't have this time (Chưa ưu tiên): Các dịch vụ hậu mãi cao cấp dành cho phân khúc xa xỉ hoặc gói thành viên trả phí định kỳ.

Thiết kế hệ thống

Mô hình nghiên cứu định lượng được xây dựng dựa trên sự tích hợp có chọn lọc giữa Mô hình Chấp nhận Công nghệ (Technology Acceptance Model - TAM của Davis et al., 1989), Thuyết Nhận thức Rủi ro (Theory of Perceived Risk - TPR của Raymond Bauer, 1960) và Mô hình Hành vi Người tiêu dùng (Philip Kotler, 2013).

          +-----------------------------------------------+
          |          MÔ HÌNH HỒI QUY TOÁN HỌC             |
          +-----------------------------------------------+
          | HL = β0 + β1*CL + β2*TL + β3*ĐD + β4*RR       |
          |         + β5*TT + εi                          |
          +-----------------------------------------------+
|  Chất lượng CL  |     |  Sự tiện lợi TL |     |  Đa dạng ĐD     |
|  (5 biến quan   |     |  (4 biến quan   |     |  (4 biến quan   |
|   sát CL1-CL5)  |     |   sát TL1-TL4)  |     |   sát ĐD1-ĐD4)  |
+-----------------+     +-----------------+     +-----------------+
+-----------------+                             +-----------------+
| Nhận thức RR    |                             |  Thanh toán TT  |
| (5 biến quan    |                             |  (4 biến quan   |
|  sát RR1-RR5)   |                             |   sát TT1-TT4)  |
+-----------------+                             +-----------------+

Mô hình phương trình hồi quy tuyến tính đa biến tổng quát:

$$HL = \beta_0 + \beta_1 CL + \beta_2 TL + \beta_3 \text{ĐD} + \beta_4 RR + \beta_5 TT + \epsilon$$

  • $HL$: Biến phụ thuộc - Sự hài lòng của sinh viên (3 biến quan sát: $HL1 - HL3$).
  • $CL$: Chất lượng sản phẩm (5 biến quan sát: $CL1 - CL5$).
  • $TL$: Sự tiện lợi khi mua sắm (4 biến quan sát: $TL1 - TL4$).
  • $\text{ĐD}$: Mặt hàng đa dạng (4 biến quan sát: $\text{ĐD}1 - \text{ĐD}4$).
  • $RR$: Nhận thức rủi ro (5 biến quan sát: $RR1 - RR5$).
  • $TT$: Hình thức thanh toán (4 biến quan sát: $TT1 - TT4$).
  • $\beta_0$: Hệ số tự do; $\beta_1 \dots \beta_5$: Hệ số hồi quy riêng phần; $\epsilon$: Sai số ngẫu nhiên.

Methodology

Quy trình nghiên cứu áp dụng phương pháp hỗn hợp (Mixed-methods):

Quy mô mẫu được xác định dựa trên nguyên tắc kinh nghiệm của Bollen (1989) và Hair et al. (2014): Kích thước mẫu tối thiểu gấp 5 lần tổng số biến quan sát ($N \ge 5 \times k$). Với $k = 25$ biến quan sát, cỡ mẫu tối thiểu là $N_{min} = 125$. Nhóm nghiên cứu đã thực hiện lấy mẫu thuận tiện kết hợp phân tầng ngẫu nhiên đạt quy mô $N = 215$ sinh viên HUTECH, đảm bảo tính đại diện và thỏa mãn điều kiện phân tích kinh tế lượng.

Implementation và kết quả

Development process

Quá trình xử lý và phân tích dữ liệu nghiên cứu được chuẩn hóa qua các đoạn mã thực thi phân tích thống kê chuyên dụng. Toàn bộ 25 biến quan sát được mã hóa trên thang đo Likert 5 mức độ (1: Rất không đồng ý / Hoàn toàn không hài lòng $\rightarrow$ 5: Rất đồng ý / Hoàn toàn hài lòng).

Dưới đây là mã nguồn Python chuẩn hóa đại diện cho pipeline phân tích độ tin cậy, trích xuất nhân tố EFA và ước lượng hồi quy OLS tương đương với quy trình trên IBM SPSS Statistics 20:

import numpy as np
import pandas as pd
import statsmodels.api as sm
from factor_analyzer import FactorAnalyzer
from statsmodels.stats.outliers_influence import variance_inflation_factor

# 1. Hàm tính toán độ tin cậy Cronbach's Alpha
def cronbach_alpha(df_items: pd.DataFrame) -> float:
    k = df_items.shape[1]
    item_variances = df_items.var(axis=0, ddof=1).sum()
    total_variance = df_items.sum(axis=1).var(ddof=1)
    return (k / (k - 1)) * (1 - (item_variances / total_variance))

# 2. Pipeline ước lượng mô hình hồi quy tuyến tính đa biến (OLS)
def execute_regression_pipeline(data_path: str):
    df = pd.read_csv(data_path)
    
    # Tính điểm trung bình đại diện cho từng nhân tố
    factors = {
        'CL': ['CL1', 'CL2', 'CL3', 'CL4', 'CL5'],
        'TL': ['TL1', 'TL2', 'TL3', 'TL4'],
        'DD': ['DD1', 'DD2', 'DD3', 'DD4'],
        'RR': ['RR1', 'RR2', 'RR3', 'RR4', 'RR5'],
        'TT': ['TT1', 'TT2', 'TT3', 'TT4'],
        'HL': ['HL1', 'HL2', 'HL3']
    }
    
    score_df = pd.DataFrame()
    for factor, items in factors.items():
        score_df[factor] = df[items].mean(axis=1)
        alpha = cronbach_alpha(df[items])
        print(f"Hệ số Cronbach's Alpha của nhân tố {factor}: {alpha:.4f}")

    # Thiết lập mô hình hồi quy
    X = score_df[['CL', 'TL', 'DD', 'RR', 'TT']]
    X_with_const = sm.add_constant(X)
    y = score_df['HL']
    
    model = sm.OLS(y, X_with_const).fit()
    print(model.summary())
    
    # Kiểm tra hiện tượng đa cộng tính (VIF)
    vif_data = pd.DataFrame()
    vif_data["Variable"] = X.columns
    vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(X.shape[1])]
    print("\nKiểm định đa cộng tính (VIF):")
    print(vif_data)

if __name__ == "__main__":
    # execute_regression_pipeline("hutech_shopee_survey.csv")
    pass

Testing và validation

1. Kiểm định độ tin cậy thang đo (Cronbach's Alpha)

Tiêu chuẩn chấp nhận: Hệ số Cronbach’s Alpha $\ge 0.60$ và Hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $\ge 0.30$. Các biến không đạt tiêu chuẩn sẽ bị loại bỏ trước khi đưa vào phân tích EFA.

  • Thang đo Chất lượng sản phẩm ($CL$): 5 biến quan sát ($CL1 - CL5$), Cronbach’s Alpha = $0.842$, tất cả biến có tương quan biến - tổng $> 0.45$.
  • Thang đo Sự tiện lợi ($TL$): 4 biến quan sát ($TL1 - TL4$), Cronbach’s Alpha = $0.815$, tương quan biến - tổng $> 0.40$.
  • Thang đo Mặt hàng đa dạng ($\text{ĐD}$): 4 biến quan sát ($\text{ĐD}1 - \text{ĐD}4$), Cronbach’s Alpha = $0.789$, tương quan biến - tổng $> 0.38$.
  • Thang đo Nhận thức rủi ro ($RR$): 5 biến quan sát ($RR1 - RR5$), Cronbach’s Alpha = $0.806$, tương quan biến - tổng $> 0.42$.
  • Thang đo Hình thức thanh toán ($TT$): 4 biến quan sát ($TT1 - TT4$), Cronbach’s Alpha = $0.768$, tương quan biến - tổng $> 0.35$.
  • Thang đo Sự hài lòng ($HL$): 3 biến quan sát ($HL1 - HL3$), Cronbach’s Alpha = $0.856$, tương quan biến - tổng $> 0.55$.

2. Phân tích nhân tố khám phá (EFA)

  • Biến độc lập: 22 biến quan sát được đưa vào trích xuất bằng phương pháp Principal Axis Factoring với phép xoay Varimax.
    • Hệ số $KMO = 0.835$ ($0.5 < KMO < 1.0$), kiểm định Bartlett có giá trị thống kê $\chi^2$ với mức ý nghĩa $Sig. = 0.000 < 0.05$, chứng minh các biến quan sát có tương quan chặt chẽ.
    • Trích được 5 nhân tố với $Eigenvalues > 1.0$, tổng phương sai trích (Total Variance Explained) đạt $62.45% > 50%$.
    • Hệ số tải nhân tố (Factor Loading) của tất cả các biến quan sát đều $> 0.50$, không có hiện tượng biến tải chéo phức tạp.
  • Biến phụ thuộc: 3 biến quan sát ($HL1 - HL3$) hội tụ thành 1 nhân tố duy nhất, $KMO = 0.712$, $Sig. = 0.000$, phương sai trích đạt $68.12%$.

Kết quả đạt được

Mô hình hồi quy tuyến tính OLS (phương pháp Enter) thu được các thông số kiểm định thể hiện mức độ phù hợp cao:

Nhân tố độc lập Ký hiệu Hệ số chưa chuẩn hóa (B) Sai số chuẩn (Std. Error) Hệ số chuẩn hóa ($\beta$) Giá trị t-stat Mức ý nghĩa (Sig.) Hệ số VIF
Hằng số (Constant) $\beta_0$ 0.428 0.215 — 1.991 0.048 —
Chất lượng sản phẩm $CL$ 0.312 0.045 0.328 6.933 0.000 1.342
Sự tiện lợi $TL$ 0.245 0.041 0.256 5.975 0.000 1.285
Mặt hàng đa dạng $\text{ĐD}$ 0.186 0.038 0.194 4.894 0.000 1.210
Hình thức thanh toán $TT$ 0.142 0.035 0.148 4.057 0.000 1.189
Nhận thức rủi ro $RR$ -0.198 0.039 -0.207 -5.076 0.000 1.156
  • Độ phù hợp mô hình: Hệ số $R^2 = 0.638$, Hệ số $R^2$ hiệu chỉnh (Adjusted $R^2$) = $0.629$, cho thấy 5 nhân tố độc lập giải thích được $62.9%$ sự biến thiên của biến Sự hài lòng ($HL$).
  • Kiểm định ANOVA: Giá trị kiểm định $F = 73.542$ với $Sig. = 0.000$, khẳng định mô hình hồi quy tuyến tính xây dựng là hoàn toàn phù hợp với tổng thể dữ liệu.
  • Kiểm định giả định hồi quy:
    • Hệ số phóng đại phương sai $VIF < 1.5$ (nhỏ hơn nhiều so với ngưỡng 2.0 hoặc 10.0), chứng minh không xảy ra hiện tượng đa cộng tính.
    • Đồ thị phân tán phần dư (Scatter Plot), đồ thị tần số Histogram có phân phối chuẩn dạng chuông, đồ thị P-P Plot thể hiện các điểm quan sát bám sát đường chéo kỳ vọng, chứng minh giả định phần dư có phân phối chuẩn không bị vi phạm.

Đổi mới và đóng góp

  • Tính thích ứng bối cảnh thế hệ Gen Z: Khác với các nghiên cứu truyền thống của Hasslinger et al. (2007) chỉ tập trung vào giá cả và tính tiện lợi khi mua sách, nghiên cứu này bổ sung cấu trúc tác động hai chiều giữa nhận thức rủi ro giao dịch trực tuyến và sự linh hoạt của các phương thức thanh toán số thế hệ mới (Ví điện tử, liên kết thẻ ngân hàng số) đối với sinh viên.
  • Lượng hóa chi tiết tác động ngược chiều của rủi ro: Kế thừa thuyết nhận thức rủi ro TPR của Raymond Bauer (1960) và nghiên cứu của Bùi Thanh Tráng (2013), mô hình chứng minh nhân tố Rủi ro ($RR$) mang hệ số tác động âm ($\beta = -0.207, p < 0.01$). Điều này chỉ ra rằng lo ngại về rủi ro nhận hàng sai mô tả ($RR1$) và bảo mật thông tin tài khoản ($RR2$) là rào cản tâm lý làm suy giảm trực tiếp $20.7%$ mức độ thỏa mãn của người mua.
  • Thứ tự ưu tiên tác động được xác lập rõ ràng: Kết quả chuẩn hóa xác nhận: $\text{Chất lượng sản phẩm } (\beta = 0.328) > \text{Sự tiện lợi } (\beta = 0.256) > \text{Nhận thức rủi ro } (\beta = -0.207) > \text{Mặt hàng đa dạng } (\beta = 0.194) > \text{Hình thức thanh toán } (\beta = 0.148)$.
Mức độ tác động chuẩn hóa (Standardized Beta):
[CL] Chất lượng sản phẩm    : +0.328 (32.8%)  ████████████████
[TL] Sự tiện lợi            : +0.256 (25.6%)  █████████████
[RR] Nhận thức rủi ro       : -0.207 (20.7%)  ██████████ (Tác động nghịch)
[ĐD] Mặt hàng đa dạng       : +0.194 (19.4%)  █████████
[TT] Hình thức thanh toán   : +0.148 (14.8%)  ███████

Ứng dụng thực tế và triển khai

Khuyến nghị chiến lược cho nền tảng Shopee và nhà bán hàng

  1. Kiểm soát chất lượng và minh bạch thông tin (Tác động mạnh nhất: $\beta = 0.328$):
    • Tăng cường thuật toán kiểm duyệt nội dung tự động bằng AI đối với các từ khóa nhạy cảm liên quan đến hàng giả, hàng nhái.
    • Siết chặt tiêu chuẩn gia nhập gian hàng Shopee Mall và gắn nhãn "Shop Yêu Thích" dựa trên tỷ lệ phản hồi tích cực thực tế ($> 95%$) thay vì chỉ dựa trên số lượng đơn bán.
  2. Tối ưu hóa UI/UX và chuỗi cung ứng logistics (Tác động tiện lợi: $\beta = 0.256$):
    • Rút ngắn thời gian xử lý đơn hàng nội đô TP.HCM xuống dưới 24 giờ qua mô hình fulfillment liên kết Shopee Express (SPX).
    • Thiết kế giao diện lọc thông minh theo tầm giá phù hợp với ngân sách sinh viên ($< 200.000$ VNĐ).
  3. Giảm thiểu rủi ro tâm lý và bảo vệ quyền lợi người mua (Kiểm soát rủi ro: $\beta = -0.207$):
    • Khai thác hiệu quả chính sách "Đồng kiểm khi nhận hàng" và kéo dài thời gian khiếu nại trả hàng - hoàn tiền miễn phí từ 3 lên 7 ngày.
    • Bảo mật tuyệt đối thông tin định danh và số điện thoại người nhận trên phiếu in vận đơn bằng cơ chế che số tự động (Phone Masking).
  4. Đa dạng hóa ưu đãi thanh toán số (Thanh toán: $\beta = 0.148$):
    • Tích hợp sâu các cổng thanh toán nội địa và ví điện tử (ShopeePay, MoMo, ZaloPay), triển khai gói mã giảm giá (voucher) độc quyền cho tài khoản sinh viên đã xác thực email trường đại học (@hutech.edu.vn).

Hạn chế và hướng phát triển

  • Hạn chế về phương pháp lấy mẫu: Nghiên cứu sử dụng kỹ thuật lấy mẫu thuận tiện phi xác suất với quy mô $N = 215$ tập trung tại một trường đại học (HUTECH), do đó khả năng suy rộng cho toàn bộ sinh viên tại khu vực TP.HCM hoặc cả nước còn hạn chế.
  • Hạn chế về biến quan sát: Mô hình hồi quy OLS mới giải thích được $62.9%$ phương sai. Còn $37.1%$ phụ thuộc vào các nhân tố khác chưa được đưa vào mô hình như: Hoạt động xúc tiến khuyến mãi (Voucher/Flash Sale), Dịch vụ chăm sóc khách hàng (CSKH), Truyền miệng điện tử (E-WOM), hay Tác động của mạng xã hội (Shopee Live/KOLs).
  • Hướng nghiên cứu tiếp theo:
    • Mở rộng cỡ mẫu đa trường ($N > 1.000$) trên địa bàn các đô thị lớn (Hà Nội, Đà Nẵng, TP.HCM).
    • Ứng dụng mô hình Cấu trúc Tuyến tính SEM (Structural Equation Modeling) kết hợp phân tích PLS-SEM để đánh giá các tác động trung gian (Mediating) và điều tiết (Moderating) của biến Giới tính và Thu nhập.

Đối tượng hưởng lợi

  • Sinh viên và Người tiêu dùng trẻ: Nắm bắt được các tiêu chí đánh giá an toàn, nhận diện rủi ro khi mua hàng online, từ đó trở thành người tiêu dùng thông thái.
  • Nhà bán hàng trực tuyến (Sellers): Định hình chiến lược danh mục sản phẩm, cải thiện quy trình đóng gói bao bì ($CL2$) và nâng cao năng lực phản hồi tin nhắn ($HL2$) để tối đa hóa điểm đánh giá gian hàng.
  • Đội ngũ phát triển sản phẩm & Doanh nghiệp TMĐT: Có cơ sở dữ liệu định lượng khoa học để tối ưu hóa tính năng ứng dụng, quy trình thanh toán và chính sách bảo vệ người mua.
  • Giảng viên và Sinh viên nghiên cứu kinh tế: Cung cấp tài liệu tham khảo chuẩn mực về cấu trúc đề tài đồ án định lượng, phương pháp triển khai SPSS từ làm sạch dữ liệu, EFA đến hồi quy tuyến tính.

Câu hỏi thường gặp

1. Thang đo Likert 5 điểm trong đồ án được thiết kế và tính điểm như thế nào?

Thang đo Likert 5 mức độ được gán trị số định lượng tăng dần từ 1 (Rất không đồng ý / Rất thất vọng) đến 5 (Rất đồng ý / Rất hài lòng). Giá trị trung bình khoảng cách được phân đoạn theo công thức:

$$\text{Khoảng cách} = \frac{\text{Max} - \text{Min}}{5} = \frac{5 - 1}{5} = 0.8$$

  • $1.00 - 1.80$: Rất không đồng ý / Hoàn toàn không hài lòng
  • $1.81 - 2.60$: Không đồng ý / Không hài lòng
  • $2.61 - 3.40$: Trung lập / Bình thường
  • $3.41 - 4.20$: Đồng ý / Hài lòng
  • $4.21 - 5.00$: Rất đồng ý / Rất hài lòng

2. Tiêu chuẩn nào để một biến quan sát được giữ lại sau kiểm định Cronbach's Alpha và EFA?

  • Trong kiểm định Cronbach's Alpha: Thang đo phải có hệ số $\alpha \ge 0.60$ và hệ số tương quan biến - tổng của từng biến thành phần phải $\ge 0.30$.
  • Trong phân tích nhân tố khám phá EFA: Hệ số $0.5 \le KMO \le 1.0$, kiểm định Bartlett có mức ý nghĩa $Sig. < 0.05$, Tổng phương sai trích $\ge 50%$, Eigenvalue $\ge 1.0$, và Trọng số nhân tố (Factor Loading) của từng biến $\ge 0.50$.

3. Làm thế nào để phát hiện và xử lý hiện tượng đa cộng tính trong mô hình hồi quy?

Hiện tượng đa cộng tính được kiểm tra thông qua Hệ số phóng đại phương sai (VIF - Variance Inflation Factor). Nếu $VIF > 2.0$ (hoặc $> 10.0$ theo chuẩn lỏng), các biến độc lập có tương quan cao với nhau làm sai lệch ước lượng hồi quy. Trong đồ án này, tất cả các hệ số VIF đều nằm trong khoảng $1.156 - 1.342 < 2.0$, khẳng định mô hình không xảy ra hiện tượng đa cộng tính.

4. Tại sao nhân tố Nhận thức rủi ro lại có hệ số hồi quy âm ($\beta < 0$)?

Về mặt kinh tế lượng và tâm lý học hành vi, nhận thức rủi ro (lo lắng về hàng giả, mất tiền, lộ thông tin cá nhân) mang tính chất cản trở. Khi điểm số cảm nhận rủi ro của sinh viên tăng lên 1 đơn vị, mức độ hài lòng chung đối với sàn Shopee sẽ giảm đi $0.207$ đơn vị trong điều kiện các yếu tố khác không đổi.

5. Sự khác biệt cốt lõi giữa mô hình B2C và C2C trên sàn Shopee là gì?

Mô hình C2C (Customer to Customer) là kênh giao dịch giữa các cá nhân tự do, hàng hóa đa dạng, giá cạnh tranh nhưng khó kiểm soát đồng bộ về chất lượng. Mô hình B2C (Business to Customer - tiêu biểu là Shopee Mall) là giao dịch giữa các doanh nghiệp, thương hiệu chính hãng có pháp nhân với người tiêu dùng, đảm bảo $100%$ nguồn gốc xuất xứ và chính sách hoàn tiền nghiêm ngặt.

Kết luận

Đồ án "Nghiên Cứu Sự Hài Lòng Của Sinh Viên HUTECH Khi Mua Sắm Trên Sàn Thương Mại Điện Tử Shopee" đã hoàn thành toàn diện các mục tiêu nghiên cứu đã đề ra:

  • Xây dựng và kiểm định thành công thang đo 25 biến quan sát thuộc 5 nhóm nhân tố ảnh hưởng đến sự hài lòng của sinh viên.
  • Ứng dụng thành công phần mềm IBM SPSS Statistics 20 để phân tích độ tin cậy Cronbach's Alpha, phân tích nhân tố khám phá EFA và xây dựng mô hình hồi quy tuyến tính OLS với hệ số giải thích $R^2 = 63.8%$.
  • Xác định rõ vai trò quyết định của Chất lượng sản phẩm ($\beta = 0.328$) và Sự tiện lợi ($\beta = 0.256$), đồng thời chứng minh tác động tiêu cực đáng kể của Nhận thức rủi ro ($\beta = -0.207$) trong trải nghiệm mua sắm số.
  • Cung cấp cơ sở khoa học và giải pháp thực tiễn có giá trị ứng dụng cao cho các doanh nghiệp thương mại điện tử trong việc định hình chiến lược giữ chân khách hàng trẻ tại thị trường Việt Nam.