Tiểu luận môn kinh tế lượng 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.

Trang 1

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,

Trang 2

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

Trang 3

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

Trang 4

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 ( - )

Trang 5

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

Trang 6

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

Trang 7

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

Date: 05/29/09 Time: 02:37

Sample: 1 104

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

Trang 8

Tiếp tục bỏ dần những biến có pvalue cao theo thứ tự là book, disc, Dist, Friend Ta

có mô hình

Date: 05/29/09 Time: 03:07

Sample: 1 104

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

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

Trang 9

F c = 0.5032 < F 0.05 (5,90) = 2.315689 => DNRH 0

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 tiến 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

Trang 10

Date: 05/29/09 Time: 03:56

Sample: 1 104

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

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:

Trang 11

Date: 05/29/09 Time: 04:00

Sample: 1 104

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

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 lại 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 sea2 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:

Định dạng
Số trang	17
Dung lượng	270,5 KB